零售數(shù)字化必經(jīng)哪四個(gè)階段？CCFA這場(chǎng)高質(zhì)量專題講座值得一聽！

　 域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過(guò)

本文整理自NOME CIO劉湛在CCFA專題分享的演講實(shí)錄，演講主題為《NOME數(shù)字化零售之路》

本文的主要內(nèi)容如下：

• 未來(lái)零售潛力來(lái)源于AI+BI

• 零售數(shù)字化演進(jìn)的四個(gè)階段

• AlphaZero的啟示

• 零售核心主數(shù)據(jù)及相關(guān)分析

未來(lái)零售潛力來(lái)源于AI+BI

謝謝蘇總邀請(qǐng)，首先說(shuō)一下我們?yōu)槭裁催x擇和觀遠(yuǎn)數(shù)據(jù)合作。觀遠(yuǎn)數(shù)據(jù)是一家非常出色的新興數(shù)據(jù)公司，在經(jīng)過(guò)深入了解后，發(fā)現(xiàn)我們對(duì)數(shù)據(jù)賦能的理念非常相似，所以一拍即合、很快就決定達(dá)成合作。

為什么覺(jué)得理念非常相似呢？我覺(jué)得未來(lái)零售潛力一定是來(lái)自于AI+BI。我們不但要看數(shù)據(jù)，更要知道怎么用數(shù)據(jù)。不但要分析已知的數(shù)據(jù)，我們還要預(yù)測(cè)未來(lái)的數(shù)據(jù)，這是我們始終堅(jiān)信的。

使用觀遠(yuǎn)后我們只用了很少的人就迅速把分析看板搭建起來(lái)了，因?yàn)橛^遠(yuǎn)數(shù)據(jù)智能ETL工具很成熟，我們通過(guò)拖拉拽的方式就能匹配各種數(shù)據(jù)源，比如數(shù)據(jù)庫(kù)、EXCEL配置表等等，還有篩選組合。通過(guò)配置方式把這個(gè)定制出來(lái)，卡片或者定制看板就生成了。而且每個(gè)部門可以有不同的分析看板，也可以進(jìn)行自主分析，非常高效。業(yè)務(wù)部門也比較滿意，覺(jué)得我們數(shù)據(jù)團(tuán)隊(duì)人比較少，但是響應(yīng)速度快，早上提需求，下午看板已經(jīng)出來(lái)了，比之前的傳統(tǒng)工具要快很多。而且這個(gè)學(xué)習(xí)門檻也比較低，現(xiàn)在我們的產(chǎn)品經(jīng)理和運(yùn)營(yíng)經(jīng)過(guò)簡(jiǎn)單的培訓(xùn)和學(xué)習(xí)都能夠自己定制數(shù)據(jù)看板了。

零售數(shù)字化演進(jìn)的四個(gè)階段

我先講一下自己怎么看待數(shù)據(jù)賦能這件事情。以前我是在電商公司做線上業(yè)務(wù)，現(xiàn)在我發(fā)現(xiàn)線上和線下有很多相似之處，也有很多不一樣的地方。但我覺(jué)得不管我們做實(shí)體零售，還是做線上，以及任何行業(yè)可能都要經(jīng)歷這四個(gè)階段。

1. 一體化

第一個(gè)階段，必須先把業(yè)務(wù)數(shù)據(jù)化，也就是去EXCEL化，從而消除信息孤島。舉個(gè)例子，傳統(tǒng)公司將大量信息通過(guò)EXCEL傳遞，可能會(huì)牽涉六個(gè)業(yè)務(wù)部門，然后六個(gè)部門單點(diǎn)溝通，A傳B，B傳C，C傳A，溝通復(fù)雜，而且有很大的延時(shí)性。于是部門之間約定每個(gè)星期同步一次，但是一星期已經(jīng)太晚，為什么不可以每天看到、每刻看到、實(shí)時(shí)看到？所以我們應(yīng)該把所有數(shù)據(jù)寫到一個(gè)地方去，讓所有人從一個(gè)地方讀數(shù)據(jù)，讓數(shù)據(jù)一體化，全部打通，這是第一步。

2. 精細(xì)化

實(shí)現(xiàn)這一步，接下來(lái)會(huì)想怎么把業(yè)務(wù)做得更好。我先說(shuō)線上運(yùn)營(yíng)APP的例子，我們發(fā)現(xiàn)男性用戶和女性用戶差異很大，新客和老客也不一樣，后面還會(huì)有年齡段、消費(fèi)水平、人生階段（有沒(méi)有家庭、孩子這種）等等不同的細(xì)分維度，各種維度組合起來(lái)可能會(huì)劃分出好幾十個(gè)不同的人群，運(yùn)營(yíng)的復(fù)雜度和對(duì)人力的要求也會(huì)呈幾何級(jí)數(shù)上升。我們要從這種“千人千面”里看到個(gè)體差異，因?yàn)椴町惔蟮牡胤阶鼍?xì)化的機(jī)會(huì)更大，ROI會(huì)提升很多。

那么線下怎么做精細(xì)化運(yùn)營(yíng)？人、貨、場(chǎng)三大主數(shù)據(jù)，人不一樣，貨不一樣，全盤統(tǒng)一策略是不可行的。像百貨和服裝差異很大，服裝下面男裝和女裝又很不一樣，越往下分運(yùn)營(yíng)需要考慮的數(shù)據(jù)就越多，決策也越來(lái)越細(xì)。門店也一樣——加盟店、直營(yíng)店、社區(qū)店、非社區(qū)店......人口有常住人口、流動(dòng)人口，就連每個(gè)門店附近潛客人群也不一樣，那么配貨策略肯定也不一樣。

3. 自動(dòng)化

我們都知道精細(xì)化很好，可以帶來(lái)很多收益，但是人力無(wú)法支撐怎么辦？只有通過(guò)自動(dòng)化運(yùn)營(yíng)來(lái)實(shí)現(xiàn)。通過(guò)可視化報(bào)表實(shí)現(xiàn)不同維度、不同視角的數(shù)據(jù)分析，并且將人工經(jīng)驗(yàn)沉淀為固化的自動(dòng)規(guī)則，讓機(jī)器執(zhí)行這些復(fù)雜的細(xì)化規(guī)則。自動(dòng)化還有一個(gè)好處是能夠快速迭代優(yōu)化，整個(gè)運(yùn)營(yíng)的決策過(guò)程也數(shù)據(jù)化了，還可以通過(guò)AB測(cè)試不斷優(yōu)化運(yùn)營(yíng)策略。

4. 智能化

零售公司大多是腦力勞動(dòng)，并且遵循一個(gè)邏輯。之前我們覺(jué)得把這個(gè)邏輯變成規(guī)則，讓機(jī)器自動(dòng)去執(zhí)行，最多再加一個(gè)人工校驗(yàn)和優(yōu)化就夠了。后面發(fā)現(xiàn)，零售運(yùn)營(yíng)的終極目標(biāo)應(yīng)該是智能化，通過(guò)AI、機(jī)器學(xué)習(xí)、算法去突破人工的局限性。

AlphaZero的啟示

去年阿爾法狗和AlphaZero轟動(dòng)一時(shí)，所有人都知道AlphaZero和阿爾法狗能下圍棋。但這其實(shí)是通用的算法，不僅可以下圍棋，也可以下中國(guó)象棋或者國(guó)際象棋在內(nèi)的任何棋類，只要博弈類的它都可以做。有一個(gè)公認(rèn)的神一樣存在的趨于完美的國(guó)際象棋程序叫stockfish，它是多年來(lái)很多頂尖棋手不斷地把自己的經(jīng)驗(yàn)通過(guò)程序員轉(zhuǎn)化成精心構(gòu)造的算法和評(píng)估函數(shù)，結(jié)果AlphaZero僅經(jīng)過(guò)4個(gè)小時(shí)的學(xué)習(xí)就完敗stockfish。

但是阿爾法狗到alphazero之間發(fā)生了什么變化？阿爾法狗做的是我們說(shuō)的演進(jìn)史第三步自動(dòng)化，它的訓(xùn)練方式是讀所有棋譜并記下來(lái)：人類棋手怎么做決策，什么樣的局面走怎樣的定式，找到一個(gè)最優(yōu)解。Alphazero是一個(gè)質(zhì)變的升華版，它腦子里面沒(méi)有經(jīng)驗(yàn)，定式都是不存在的，它只有一個(gè)客觀規(guī)則就是棋類的落子規(guī)則是什么，怎么計(jì)算輸贏，這是唯一原則。

AlphaZero上來(lái)就左右互博先自己和自己博弈個(gè)幾十萬(wàn)局，再用MCTS（蒙特卡羅樹搜索）評(píng)估，然后對(duì)網(wǎng)絡(luò)重新訓(xùn)練優(yōu)化，最后看這個(gè)算法是否是最優(yōu)解，這應(yīng)該是可以給零售行業(yè)很多啟發(fā)。我們面對(duì)復(fù)雜的零售規(guī)則，拍腦袋做的決策能保證都是最優(yōu)解嗎，肯定不是，我們只能相信機(jī)器，靠算法、靠AI來(lái)解決。

零售核心主數(shù)據(jù)及相關(guān)分析

零售業(yè)有“人、貨、場(chǎng)”三個(gè)主數(shù)據(jù)，“人”是會(huì)員數(shù)據(jù)，“貨”是商品數(shù)據(jù)，“場(chǎng)”是門店數(shù)據(jù)。

人—會(huì)員數(shù)據(jù)

觀遠(yuǎn)數(shù)據(jù)會(huì)員相關(guān)分析示意圖

“人”這一端，我們做得比較晚，三月份全國(guó)門店推行會(huì)員，是用觀遠(yuǎn)智能分析平臺(tái)迅速搭建出看板和會(huì)員畫像，可以清晰看到門店直營(yíng)情況，改變了不知道這個(gè)貨誰(shuí)買的尷尬局面。

我們做會(huì)員的思路，覺(jué)得首先要提升會(huì)員開通率，積累了一定數(shù)量的會(huì)員后，接下來(lái)就可以做千人一面和千人千面的營(yíng)銷策略。

千人一面：會(huì)員開通后系統(tǒng)發(fā)放組合券，組合券有不同周期：7天、15天、30天......這是為了促成用戶二次復(fù)購(gòu)，幫他先爬一個(gè)坡，優(yōu)化用戶的生命周期。千人千面：先拿用戶開卡提供的靜態(tài)屬性，用戶的基礎(chǔ)畫像，包括性別、年齡和地區(qū)，以及用戶購(gòu)買行為得出的RFM以及品類偏好和折扣偏好等數(shù)據(jù)衍生成標(biāo)簽，這個(gè)標(biāo)簽里面既包含自動(dòng)衍生標(biāo)簽也包含人工打上的標(biāo)簽，然后再對(duì)用戶進(jìn)行分組、結(jié)合用戶生命周期做精準(zhǔn)營(yíng)銷。

做營(yíng)銷必須考慮幾個(gè)問(wèn)題：

營(yíng)銷成本有沒(méi)有最大化？假設(shè)今天成本有限，怎么讓營(yíng)銷成本最大化？哪些用戶發(fā)券也不來(lái)？哪些用戶不發(fā)券也會(huì)來(lái)？不發(fā)券也來(lái)不用給他發(fā)，發(fā)了浪費(fèi)成本。還有一些人只有發(fā)券才會(huì)來(lái)，這是目標(biāo)人群。

......

通過(guò)精細(xì)化運(yùn)營(yíng)，一層層往下分析思考，發(fā)券才會(huì)來(lái)的人里面，給他發(fā)什么樣的券，什么樣的優(yōu)惠類型，滿減、還是折扣？券的力度要設(shè)置多大?什么時(shí)間點(diǎn)發(fā)？發(fā)在哪些渠道？這些都需要進(jìn)行計(jì)算。

貨—商品數(shù)據(jù)

觀遠(yuǎn)數(shù)據(jù)商品相關(guān)分析示意圖

看下貨這塊可以做的事情特別多，目前我們重點(diǎn)也是在做缺貨的智能配補(bǔ)調(diào)。缺貨分為門店缺貨和總倉(cāng)缺貨。

門店缺貨決定最晚什么時(shí)候給門店配貨，保證門店不被“餓死”。總倉(cāng)缺貨是決定最晚什么時(shí)候向工廠下訂單，才能保證總倉(cāng)有貨可以發(fā)給門店，保證門店不“餓死”。

就這么兩個(gè)問(wèn)題，說(shuō)起來(lái)簡(jiǎn)單，其實(shí)挺復(fù)雜，涉及到線下門店特性和陳列空間約束，還有門店差異化。我們首先做的一個(gè)是缺貨監(jiān)控，再考慮基于缺貨數(shù)據(jù)怎么做配補(bǔ)調(diào)。缺貨還有一個(gè)維度看全景庫(kù)存，總倉(cāng)缺貨再往上推一步，考慮上游的工廠訂單生產(chǎn)進(jìn)度，那邊有三個(gè)環(huán)節(jié)：1. 工廠已確認(rèn)訂單但還未開始生產(chǎn)；2. 已生產(chǎn)進(jìn)度多少？3. 生產(chǎn)完成，準(zhǔn)備發(fā)往總倉(cāng)，這個(gè)公式本身并不復(fù)雜。

另外一塊，基于商品本身的分析，跟商品企劃、商品生命周期有關(guān)系。每個(gè)品類應(yīng)該怎么樣結(jié)構(gòu)最優(yōu)，達(dá)到最大化的寬度、深度比例怎么樣啊等等。每個(gè)品類，首先看貨值占比，貨值占比固定以后，可以想象這個(gè)品類是一個(gè)二維形狀，面積恒定，但是它的寬度和深度比例不一樣，它可能是一個(gè)正方形、長(zhǎng)方形......這也是今天中午和觀遠(yuǎn)團(tuán)隊(duì)吃飯時(shí)候探討的問(wèn)題。

以及選品指數(shù)。我們結(jié)合內(nèi)外的數(shù)據(jù)，一個(gè)是外部爬蟲數(shù)據(jù)，還有內(nèi)部銷售數(shù)據(jù)分析，來(lái)預(yù)測(cè)什么商品成為爆款、我們到底應(yīng)該選擇什么商品。

商品這邊還有非常重要的一點(diǎn)是做預(yù)測(cè)，只有把預(yù)測(cè)做準(zhǔn)了才能把配補(bǔ)掉做準(zhǔn)，以前端銷售引領(lǐng)后端供應(yīng)鏈生產(chǎn)和采買計(jì)劃。

? 銷售預(yù)測(cè)

我們自己做了一個(gè)比較粗糙的銷售預(yù)測(cè)，沒(méi)有觀遠(yuǎn)做的那么精準(zhǔn)。在我們做預(yù)測(cè)的時(shí)候，我覺(jué)得可以分為這四大類。

1. 整個(gè)大盤的銷售預(yù)測(cè)

2. 單店銷售預(yù)測(cè)

3. 單品全局銷售預(yù)測(cè)

4. 單店單品銷售預(yù)測(cè)（包括品類預(yù)測(cè)之類）

如果做上層預(yù)測(cè)，正負(fù)相互抵消，有的門店多10%，有的門店少10%，差距不會(huì)很大，但是做單店、單品差距就很大，我有兩個(gè)提升精準(zhǔn)度的思路跟大家分享。

1. 時(shí)間周期拉長(zhǎng)，不做單店單品單日銷售預(yù)測(cè)，可以做成七天預(yù)測(cè)。

2. 把尾部商品放棄掉，因?yàn)樗恼`差最大，而我們最關(guān)心的其實(shí)也是頭部商品。

我們做門店銷售的時(shí)候看到尾部商品差異大，且占比并不高。為什么差距大？數(shù)據(jù)少、日均銷的少。我們關(guān)注頭部top300或者top500商品，這樣準(zhǔn)確率就會(huì)提升。

場(chǎng)—門店數(shù)據(jù)

觀遠(yuǎn)數(shù)據(jù)門店相關(guān)分析示意圖

? 智能選址

“場(chǎng)”這塊的智能選址，我們實(shí)踐的效果非常不錯(cuò)，比目前渠道團(tuán)隊(duì)人工銷售預(yù)測(cè)的精度高一倍以上。我們是將數(shù)據(jù)分為兩大類：

1. 宏觀選址外圍數(shù)據(jù)

2. 微觀選址內(nèi)在數(shù)據(jù)

這個(gè)怎么用起來(lái)呢？我們思路是做盲測(cè)，先不給渠道人員看結(jié)果，他們必須按照自己的原有思路先做預(yù)測(cè)，預(yù)測(cè)之后會(huì)把它的結(jié)果和我們模型預(yù)估結(jié)果相對(duì)比，找出那些差異大于20%的門店，然后分析這些門店到底出了什么問(wèn)題。

? 同類店對(duì)比參考

除了這個(gè)之外，我們還做了同類店對(duì)比參考，找出相似店給某一店鋪?zhàn)鰠⒖?。這邊我們非常期待能用上觀遠(yuǎn)另外一個(gè)模塊——虛擬標(biāo)桿店，根據(jù)門店特征做擬合，圖譜應(yīng)該什么樣，哪一點(diǎn)比較弱，知道哪個(gè)方向改進(jìn)，并且賦能店長(zhǎng)看到每個(gè)品類排行榜。

? 貨架陳列可視化

怎么讓貨架效能產(chǎn)出最大化？我們首先開發(fā)一個(gè)小程序，小程序里能看到門店貨架陳列方式，然后點(diǎn)這個(gè)地方可以看到貨架上幾個(gè)面板，點(diǎn)面板看到貨架上放幾款商品、每個(gè)商品放幾個(gè)，然后形成陳列標(biāo)準(zhǔn)。未來(lái)把商品掃碼上架，就知道這個(gè)貨架放哪些商品，用它的銷售除以它的面積得到單位面積產(chǎn)出，這個(gè)貨架對(duì)比其他貨架到底做得好還是壞就能很快清晰了。知道貨架A面和B面到底哪個(gè)產(chǎn)出更高，結(jié)合門店助手里面的品類銷售排行榜，我們就能做優(yōu)化了，賣的不好的往下擺，賣的好的東西放顯眼地方。

? 智能排班

每個(gè)門店流量高峰、銷售高峰、流量低谷、銷售低谷時(shí)間段不一樣，我們可以先畫出來(lái)看一看。怎么通過(guò)曲線分析減少店員，讓他們?nèi)诵ё畲蠡Ｒ话銇?lái)說(shuō)，零售門店分兩班，上午一班，下午一班，其實(shí)中間可以插一個(gè)動(dòng)態(tài)排班，不一定9點(diǎn)上班，可能下午3點(diǎn)、也可能12點(diǎn)上班，需要算法推測(cè)什么人排在什么時(shí)段，通過(guò)靈活排班達(dá)到效率最大化。這些觀遠(yuǎn)也都想到一塊了，我們?cè)陉P(guān)于零售數(shù)據(jù)賦能方面有很多觀點(diǎn)不謀而合，所以合作起來(lái)非常默契。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！