百分点公司杜晓梦：零售数字化，要从“快赢”业务场景入手

无论是品牌商还是渠道商，零售企业对零售数字化及数据智能应用的认知和实践都在不断进化。

零售行业的数据智能应用已不仅停留在营销、运营层面。面对消费者日渐提升的个性化消费需求，不少零售企业已经在探索“C2M”，基于对终端消费者的数据挖掘，反推至产业链上游的供应链、生产、原材料采购。数字化、智能化正在深入零售产业链条的更多环节。

面对这样的数据智能应用挑战，为了能将精力更加集中在自身的核心业务经营上，越来越多的零售企业正在开放地引入数据智能技术专业合作伙伴，帮助他们将自身的最佳实践实现技术落地。

近期，爱分析对百分点公司首席数据科学家杜晓梦博士进行了访谈，对于传统零售行业的数字化转型、数据智能的发展，以及行业实践案例进行了深度交流。

深挖内部数据价值

零售企业数字化向上游延伸

爱分析：近年来，零售行业的数字化进程经历了哪些发展变化的分水岭？

杜晓梦：倒退到五年以前，很多零售企业对大数据的概念就是收集外部数据，或者是做很多互联网投放引流。

再进一步发展，零售企业开始意识到外部数据也不见得有很大的价值，还是要采集更多的内部数据。所以，近三到五年的时间，企业主要在修炼内功，做信息化建设、内部数据系统的拉通、数据价值的提升。这个阶段，数据通常会先应用在更能直接看到效果的领域，所以大部分的大数据建设都是支持营销和运营的。

到最近一两年，很多企业在营销侧和销售运营侧已经做得比较好了，这方面的技术也比较趋同，服务商的能力也是类似的。再加上流量入口非常垄断，所以这方面没有特别多新的东西出来。因此，很多零售企业都把目光放到更上游，看采购、生产有没有能利用数据做驱动的事情。

当然，这对企业的要求比较高，涉及的投资额、对原有系统的改动也会比较大。所以很多企业在考虑做这个事情，但是比较慎重，迟迟没有动，我觉得这会是未来的一个方向。

爱分析：从百分点公司的实践经验来看，零售企业在数字化方面的投入力度如何？

杜晓梦：普遍来看，品牌的投入度要高于做“场”的零售渠道商的投入度。

零售企业挺愿意在基础设施上做投入的，比如智能硬件的搭建，品牌商和购物中心这样的渠道商都在做，包括多媒体屏、人脸识别、电子价签等等这些硬件投入。整合了更多的数据，才能让我们这样的服务商进行更多的分析。

另外一些品牌商在做智能工厂和智能生产线排期的时候，还会涉及到流水线的改造。这方面动作就会比较大了，目前大家都比较慎重。

零售渠道将更多元

应用场景将更协同

爱分析：如今线上流量基本上处于一种垄断局面，品牌商怎么做自己可掌控的消费者运营？

杜晓梦：我认为未来信息获取的渠道和营销的通路一定是越来越多，越来越碎片化的。比如现在我们说腾讯和淘系是两个比较大的入口，但是它不妨碍我们可以做抖音、微信、微博，可以建立一些私域流量，做微信群运营等等。

所以，未来营销侧或者流量运营、会员运营是可以通过多通路和多层次去实现的，电商、微商的绑定也不会特别大。我们看到新的渠道，包括直播的兴起，其实都是好事情，它让企业可选择的营销渠道和会员运营的方式方法更加多元化。

技术的突破是一方面，另外一方面是消费者也会出现分层化。有些人就是会到天猫店去买，有些人就是去微商，有些人愿意在微信群拥有贴身服务。所以把不同需求取向的消费者维护好，也是零售企业需要考虑的事情。

未来零售营销会碎片化和多元化，所以零售企业要做很好的技术拉通和数据拉通。比如你是一个品牌商，你的售卖渠道一定是多元的，营销渠道也一定是多元的，如何多元的数据拉通，形成一个统一的消费者视角？比如你可以做积分通兑，让消费者在任何一个平台上的积分可以用在任何一个平台上，他的体验一定会很好，这是需要企业利用技术和数据去解决的问题。

另外一个就是调控和内容控制，在不同的渠道会有不同的团队去负责，这些渠道有可能形成同时向一个消费者发送消息的可能性。怎样做到合理的频次控制，不对消费者形成打扰？各个渠道的内容和方式方法是否是一致的，比如你在一个渠道强调了品牌高大上，另一个渠道马上做促销，是否会让消费者感觉到认知失调？这是企业在未来营销渠道多元化上需要考虑的重点问题。

爱分析：现阶段零售企业数字化应用主要是某些业务环节，未来如何走向全链路智能？

杜晓梦：这两个场景是大多数，还有一些内部经营的，比如BI、财务层面的应用。现在大部分企业还是偏独立地去解决这些业务场景和问题，我们认为未来会形成协同和整合。

比如营销侧怎么与生产侧协同起来。我们现在看到很多零售企业已经在做C2M，基于消费者的订单反推生产，根据不同门店消费者的情况以及这个门店的库存去规划柔性生产，企业是从消费者的角度去考虑生产，就能把供应链和营销结合起来。所以内部运营、财务等等任何一个环节跟不上，都有可能对企业的效率产生巨大的损失。

我们说全链路智能，它的基础就是各个链条上的每一个环节都做到智能，然后协同起来，才是一件很自然的事。

爱分析：零售企业该怎么做线下数据采集或数据补充？

杜晓梦：首先，我们不会给客户补充个人层面的数据，如果客户需要一些群体用户分析或一些行业的分析等等，我们是可以提供服务的。

在做线下数据整合的时候，我们通常是建议客户更好地利用一线员工以及激发消费者自主地去做数据的贡献。

举个例子，零售店其实有很多一线销售员。比如百丽，在全国有2万个门店，每个门店里有4个销售人员，如果把这8万人赋能好了，他们就可以收集很多线下的信息。再比如便利店的POS机，它把一个标签系统内置到POS机里面。每个人结账的时候，一线员工会看你一眼，然后打上你是男是女，是什么样的年龄等等这些标签。再比如一些电器公司，在送货上门安装的时候，都会要求员工收集一些消费者家庭的数据。这些都是很好的数据采集方式，让一线员工变得更加智能，是未来线下零售一个很好的数据抓手。

另外就是如何激励消费者有动力把数据补齐。比如洋河的酒一瓶一码，每次扫码都可以验真。通过防伪验真方式把会员吸引到线上的洋河之家，我们再通过一系列的积分、优惠券、社交裂变等方式，鼓励消费者把自己的标签和数据补齐，这也是很好的采集方法。这些都属于比较合理、合法、合规的数据收集。

爱分析：数据资产化后，中层的数据挖掘实践过程中，零售场景的数据挖掘复杂度和其他行业相比是怎样的？

杜晓梦：我们认为零售数据还是比较结构化的，可解释性也比较强。从量级上来说，也不如安防、交通场景那么大量级，所以分析的难度不是特别大。但是把数据分析完之后怎么去应用是比较难的。

而且，因为零售行业数据是与人相关的，所以数据模型的有效时间比较短，不像工业或设备的数据挖掘，它们的数据模型一旦形成，是几年内不会变化的。零售行业的变化性比较强，比如一个商场的客群定位，做了客群的分群模型，可能三年之后，这个区域方圆3到5公里的人群变了，就要重新去做数据模型的迭代和优化。所以零售场景的数据挖掘不是说有多复杂，而是变化速度比较快。要持续关注数据有哪些变化，是不是产生了新的数据源没有捕捉到。（注：文章始发于微信公众号“数字化实践评论”，转载请注明出处。）