理清大數據，傳統零售轉型新零售的第一站
3年前，新零售的提出為日漸式微的傳統零售業點燃了希望之火。3年來，陸續湧現的新零售業態從最初的點點星光演變成席捲各行各業之勢，已然成為傳統零售業尋求轉型升級的必然選擇。
新零售的要義是「以人為核心，用大數據重構人、貨、場」。從傳統的以「貨」為中心轉變為以「人」為中心，這是傳統零售轉向新零售的變革實質；「用大數據重構人、貨、場」，則給出了具體的手段方法。不難看出，「大數據」是實現新零售轉型升級過程中的硬核武器。
「拋開數據談新零售，是無法落地的」，近3年里，已協助波司登、熱風等數十家品牌零售商邁向新零售的翼碼科技，對於大數據的價值深有體會。作為阿里巴巴新零售智慧門店和微信支付的最佳合作夥伴，翼碼科技成功落地了多個新零售數字化營銷領域工具產品，構建了互聯網時代的運營能力，並完成了自身的新零售-數字化營銷解決方案提供商的轉型。
翼碼科技CEO楊海川表示，對傳統零售業來說，「大數據」就好像我們的眼睛一樣，可以幫助我們在迷霧一般的市場上看清前進的道路。重視大數據，理清大數據，用好大數據，這是傳統零售向新零售轉型升級過程中至關重要的一環。
那麼，新零售提及的大數據具體包括哪些維度？這些大數據又具有哪些重要的價值？翼碼科技CEO楊海川給出了詳細的解讀。
大數據編織用戶畫像
新零售主張「以人為核心」，即做到「用戶為王」，那麼首先就必須要知道用戶是誰，並要對用戶的屬性、特徵等做到全面的了解，這通常被稱為「用戶畫像」。
對於零售業來說，用戶畫像數據一般包括用戶的性別、年齡、地理位置、購買周期、購買頻次、貨品偏好、消費金額等數據維度。通過這些數據信息可以將用戶畫像做到儘可能的精準化，並界定用戶所處的階段或會員所在層級。同時，依託數據的連接，也能建立起「人」與「場」的關聯。
通過大數據的集中分析，不僅可以對個體用戶實現清晰畫像，也可以對屬性相近的一類用戶形成群體畫像，基於這些基礎數據信息便可以制定不同階段和層級會員的運營策略。
大數據洞察用戶需求
了解用戶畫像是第一步，但通過大數據分析獲得的一個更重要的價值是能夠洞察用戶的消費需求，用戶的消費偏好、消費習慣、消費水平等信息都會通過大數據清晰的呈現出來。掌握了用戶的需求，也就掌握開展針對性營銷方案促進營銷轉化、提升營銷效率的主動權。
而新零售大數據分析相比傳統零售數據分析體系更優越的一處在於，新零售的大數據體系可以打通「人」與「貨」之間的數據聯繫。在傳統零售信息系統中，「人」的信息與「貨」的信息由於是不同的數據系統來處理，因而多半是割裂的。
打通「人」與「貨」的連接，不僅可以讓零售企業時時洞察用戶需求，及時滿足需求，提升銷售轉化率；更重要的是，還可以基於這一數據體系逐步開展產品端、供應鏈的重構，從而使整體運營方向更加精準、有效。
大數據感知用戶變化
不難理解，用戶的需求不會是一成不變的。比如一位用戶從單身貴族到二人世界，再到三口之家，其消費偏好和消費行為必然會發生很大的變化。對於零售企業來說，能夠及時感知到這種變化是非常重要的。而大數據系統便可以肩負起這個使命。
通過大數據系統，可以對每位用戶過往的消費軌跡都會有清晰的留存，當用戶的消費偏好相較以前出現明顯的變化時，系統也將這一信息清晰地反饋出來，可以幫助零售企業做到及時發現，積極響應新需求。
同時，在發現用戶消費屬性有明顯變化之後，零售企業可以及時更新該用戶的會員系統信息，重新梳理產品端的供應匹配，以更好地提升用戶體驗。
大數據指引精準營銷
楊海川表示，以前，很多傳統零售企業由於大數據的欠缺，在會員運營層面只能是採用大包大攬的方式，比如做些生日雙倍積分，消費獲積分等簡單運營；而會員們也經常會收到一些很粗暴的促銷信息，體驗不佳。但在數字化建設完成之後，零售企業通過大數據的指引，則可以從容開展更加精準的營銷運營。
通過大數據系統地分析和總結，零售企業可以對自己目標人群的特徵做到充分理解，並能知道用什麼樣的營銷方式更能打動他們，能更精確地推算出最可能引導「人」做消費決策的誘因，既能提升用戶體驗，又能提升用戶的留存率和忠誠度。
比如，通過大數據系統實現用戶或會員的層級界定之後，便可以圍繞會員的新增、興趣、購買、忠誠、傳播、超級會員等6大階段，或進一步針對消費金額、消費頻次進行分層，制定不同階段和層級會員的運營策略。
欲善其事，先利其器
大數據的重要價值不言而喻，那麼大數據從何而來，如何應用這是新零售數字化建設首要解決的問題。對於眾多線下場景為主的傳統零售企業來說，既無法像線上零售業那樣可精準記錄用戶的行為數據，更無法獲得更多的數據維度，因此就需要能支撐新零售思維的強力工具。
翼碼科技研發的MA（營銷自動化系統）從移動支付所產生的數據切入，通過聚合支付工具可以將零售企業以前建設的各個業務系統中有各式各樣的業務數據採集並聚合起來。之後，翼碼MA系統會對這些會員數據進行年齡、消費頻次、消費金額、地理位置、消費偏好等多個維度進行數據分析，基於這些數據結論，品牌可以得出多種營銷策略。
楊海川表示，翼碼MA系統應用非常簡潔，即便完全不懂技術的市場人員，也能通過簡單的勾選和點擊獲得想要的數據維度或會員分布模型。比如想獲得上海徐匯區、年齡在25-35歲、最近1個月在某幾家門店有過消費行為的女性用戶做一個到店促銷活動，以前是很難快速將這些用戶信息提取出來，現在通過翼碼MA只需要做幾個勾選，就可以迅速取到這部分的用戶信息。實現這一功能的重要價值在於，可以對零售企業所制定的營銷活動先行開展AB樣本測試，提前感知效果，以找到最優組合，達到營銷效率最大化。
(7353863)
