當下互聯網的餘震未醒，「新零售」又提出。成本上升、人口紅利消失、電商滲透率飽和都在倒逼零售的整體升級。
不管業內業外，政府公司，都在談轉型。但關鍵如何轉型，基點在哪？這都需要探索。
有人說，消費變革的起點一定是在里消費者最近的地方，其中最關鍵的一環，就是要提升自身的數據能力，真正實現以用戶體驗為中心的經營模式。
就在上月，步步高集團電商事業部產品技術總監王衛東在帆軟零售大會上發表了一場「頗具格局」的演講。從數字化創新驅動業務發展、「人貨場」的數據分析、再談到實際的數據化管理案例。
全程乾貨滿滿，總計4700餘字，建議閱讀時間10分鐘。
步步高商業連鎖股份有限公司（下文簡稱步步高），是涉及零售業、電子商務、商業地產、互聯網金融、大型物流等多業態的大型商業集團。目前擁有步步高超市、步步高百貨(廣場)、步步高雲猴網、步步高置業(步步高新天地)、步步高電器城、太楚餐飲、匯米巴便利店等業態。2016年銷售收入超過320億元人民幣，位列中國民營企業500強第158位。
一、數字化創新驅動業務變革
2017年是步步高數字化轉型的一年，總體數字化創新戰略方針是線上節約顧客時間，線下「浪費」顧客時間，創造更好的購物體驗。步步高擁有百貨和超市兩大事業群，兩個事業群的客戶群體是不同的。步步高超市業務以快捷為主，百貨業務以客戶體驗為主。如何通過數字技術來提高客戶滿意度呢？總體是增強智慧體驗、優化線上渠道、客戶畫像精準行銷三個路徑來實現技術驅動業務創新。
客戶獲取與經營的閉環
運營的關鍵是兩條線：獲客和經營。我們的數字運營體系，圍繞著用戶的運營這個重心，以顧客為中心，融合數字技術形成客戶獲取與客戶經營閉環。抓好這兩條線，讓客戶群不斷壯大，提高客戶成長轉化率，以此來保證毛利的提高。零售行業是個薄利行業，提高企業毛利，就是要在這個閉環裡面多下功夫。具體怎麼下功夫呢？可以針對性活動設計（目的）、分析人群相關性（精準）、交易簡便個性化、提供更多價值（權益/服務）、了解顧客喜好（消費偏好）、贏得顧客信任和主動傳播。
客流數據分析建模
傳統零售的數據是基於交易客流，基本等同於俗稱的會員。商超裡面的客流其實分為交易客流、飯店客流、進店客流、到達客流、潛在客流。這裡最容易獲取的就是交易客流，因為企業現有的CRM系統或者收銀系統基本都能涵蓋這部分客流。而現行的基於CRM客流管理和收銀系統客流管理模式有兩個管理上的缺陷。一是普遍重視客戶的消費能力，而忽視傳播與分享能力，也無法量化客戶的傳播與分享能力；二是高度重視新用戶的數量積累，而忽視後期的長期服務和維護，靠利益刺激，吸引促銷客戶而非忠誠客戶。我們應該有新的認知：到店即是會員，得顧客數據者得天下。怎麼得顧客數據？這就要建立一整套的全顧客全消費行為管理的客流分析系統。
身份識別
顧客到店，不同級別的會員消費不同，給企業帶來的效益也有較大差別。如何提前區分會員等級？而不是在收銀的時候強制出示會員卡來事後統計會員。首先，是對不同渠道、方式獲取的顧客機那裡統一的ID和ID映射圖譜方案，能夠在具體的場景中識別顧客。比如步步高用WIFI探針、手機號、微信號、支付寶ID、人臉識別等等。只要有了顧客ID，那麼客戶就成為了廣義的會員，把這些有身份信息的會員管理起來，在不同的場景中預判用戶行為，在顧客離店之前便進行適當的會員關懷和消費引導。
客流分析系統
客流分析系統的升級，戰略目標就是要獲取全顧客全消費行為數據。傳統的客流分析系統，主要是人工統計、紅外感應、視頻檢測，採集到的主要就是進店客流、POS等銷售數據，能做的工作優先，主要是就是強化管理，努力提高顧客轉化率。然而，一方面是競爭加劇，另一方面是經營成本增加，這些都要求步步高必須要做變革，以保持較強的競爭力。升級的客流分析系統，重點是對到達客流、車流數據、顧客運動軌跡、WIFI探針等做挖掘建設。通過識別和數據採集技術以及數據分析技術，步步高得以豐富會員畫像做精準的會員成長關懷和管理，提高客單附加值，提高會員活躍度，甚至從周邊商圈吸引到潛在客流並最終轉化為忠誠會員。
二、數據分析綱要
數據分析的核心三要點
我們鋪設整體的信息化，是有明確的綱要的。這個綱要就像是做項目的章程，是我們的指導文件。數據分析的核心三要素是什麼，是數據一致、實用當先、以人為先。保持數據的一致性，是要解決數據分散在各個系統，不同部分重複開發報表，不同報表製作計算口徑不一的問題。步步高通過建立統一的數據倉庫，集中解決數據不一致的問題，並保持嚴格的定期維護。杜絕華而不實，實用當先，不做表面文章，重在先能用，再好用。步步高數據分析項目一期，明確暫緩大屏項目，優先從查詢報表、監控報表、數據分析報表三步逐次實現。這就是堅持先能用再好用。以人為先，工具次之。帆軟工具確實數據分析領域的成熟的平台，但工具再好用，做再多的分析，業務人員不會用，也是捨本逐末，功虧一簣。步步高通過成立專業的大數據學院，在企業內部培養大數據分析軟體專業人才，精通業務，熟練掌握數據分析工具，然後由他們結合企業特點，向集團各單位推廣數據分析平台。
人貨場財指標梳理
傳統零售運營，分四個維度：人、貨、場、財。雖然大體維度相似，但具體到指標，還是各有不同。我們針對自身，做了專門的維度和指標的梳理。
人員，主要分為員工和顧客，前者是對內管理，後者是管理客戶運營。如何用這些數據，如果做對內管理，我們要規劃好目標，規劃好對內管理的定位。要想對內管理好用到位，必須基於每一個商業智慧單位設置各自的KPI考核。千萬不要給自己挖坑，做個高大上的分析或者報表。不用高大上，只需要幾個關鍵指標值。作為業務人員，他更多關注的是老闆對他設定的考核指標，如何改善公司層面的業績。業務人員關注的，是KPI。顧客分析，重點考核3個指標：客單價、毛利率、會員數。客單價的變化，毛利率的變化，會員的整理流失、有效、貢獻、年齡層次變化直接在日報中體現，每天都要抓。
貨。我們從採購環節、供應鏈環節、銷售環節、售後環節進行指標管理和控制，穿透整個經營環節。我們只把關鍵指標篩選出來，作為監控項和管理項。具體的監控和管理指標，可以看上圖。
場。我們在場這個維度上重點管理績效。包括銷售指標、競爭情況指標、促銷指標、渠道指標。每次促銷活動，不僅會監測會員和銷量指標，還會重點監測場指標，貨源是零售長期穩定經營的基石。
財。財務重點關注的一點就是毛利和回款。步步高的百貨，重點還關註銷售利潤率。
三、數據分析案例
我們的數據分析項目2017年還在重點就建設中。很多的數據分析的實踐剛有起色，並未得到長期的經營驗證。所以部分經驗和案例效果圖還不便公開，我們也本著開放的心態，歡迎更多同行能前來交流。這裡就部分內容做個分享。
巡店預警
我們的會員管理部分只關注門店會員數據，其他周邊數據業務部門並不想要。所以不需要定製太多的報表，也不需要提供太多的維度和指標數據。曾經，兩個月的時間完成的初版巡店預警控制報表，一線人員反饋說沒用。他們只關注商品調撥，需要實時查詢相關數據。這個預警報表能不能告訴業務人員當前門店哪個品類、哪個商品有問題，告訴業務人員這些，就是他們最需要的。我們對初版報表稍作改動，出來了下圖的最終版。現在一線業務人員，可以通過一張報表直接告訴他們那些商品有異常，哪些銷量有異常，哪些會員有異常。旗下的梅西新天地有1萬多款SKU，這一張報表就可以完成監測和分析。當然，針對會員也提供了關鍵指標畫像，只提供業務人員最為關注的幾個指標。
對標比價
我們引入京東、天貓、一號店以及其他同行的一些外部數據，監測零售同行商品的價格走勢和當前活動。根據外部數據，步步高一整套數據分析報表會自動給門店經理手機提示異常，會直接告訴他哪些價格有異常，同行的當前價格和歷史價格多少，以及預測近期價格走勢，並給店長提供建議價格做參考。
除了銷售對標比價，另一個就是採購。如果發現採購價格高於隔壁同行，商超裡面採購經理會說別人家在做促銷活動，或者有其他原因。但是顧客偏偏就是漸漸到隔壁家消費去了。現在專門開發了對標比價系統，店長拿著手機，對著商品QR code一掃，就能立馬顯示天貓、京東、一號店甚至是一些隔壁同行的價格。步步高在每個超市門店，都實現了對標比價的應用對接。
異常監測分析
目前我們已經建立了銷售、毛利、庫存、會員和積分的五大異常模塊。原來傳統的方式監測是依靠專家經驗（甚至很多企業現在也是這麼做的）。那麼我們分析一下，對於出差，第一周1次，第二周2次，第三周2次，第四周0次，第五周4次，第五周是否異常？如果專家判斷3次以上算異常，那就是異常，如果專家判斷4次以上是異常，那就4次剛好達標，不算異常。這裡面就有人為制定固定標準的局限。同理，我們看訂單數變化，連續多日統計後，某一天訂單量為85，這是否異常？同樣類似的會員消費，消費頻率達到多少算是活躍會員？業務專家給的指標建議，都是固定的，很難自動調節。我們也很難針對每個SKU、每個訂單都單獨去做人工測試。那怎麼辦？步步高採用的是建立分析模型，系統自動算一個標準差為基礎的UCL、LCL和CL。因為這個是固定一個標準差，所以分析模型是專業的。而整個三個指標的計算，是系統動態的根據近期數據或者整個歷史數據自動計算的，所以這三個指標也是隨著業務發展自動變化的。這樣就節約了指標維護的工作量。再對訂單數通過該模型分析，模型給出UCL=81，那麼顯然訂單數85屬於銷售異常。異常檢測分析，其實核心就是建立動態的異常指標。
到店客流監測
到店顧客，其實是需要我們重點經營轉化的。那麼要思考幾個問題：這些客戶從哪裡來，客戶量有沒有變化，這些客戶要消費什麼，這些客戶哪些是常客，這些客戶都對哪些店面感興趣等等。能用數據回答清楚這幾個問題，就方便進行顧客的數據運營和管理了。
首先，如何回答這些客戶數量的變化。因為一天接待的顧客眾多，很難用人員觀察統計，即使採用定時定點安排人統計人數，也是不科學抽樣，可信度不高。步步高升級了客流分析系統，得以通過停車場數據系統、WIFI探針數據、人臉識別等技術自動識別客流變化，然後，定製出客流量檢測看板。步步高主要關注近一小時累計客流量、近一小時新增客流量、今日累計客流量、今日平均停留時間這四個主要指標。當然，還針對歷史數據做對比分析，會對比昨日數據，看指標變化數值和變化幅度。這些指標變化也是納入異常檢測分析範圍的，只要超出動態的CCL和UCL，系統自動給店長預警，提示相關人員採取措施，並關聯KPI績效。督促一線人員及時有效的解決問題。
那麼客流總數異常，從哪些維度查找原因呢？或者客流總數正常，客流質量是否也正常呢？步步高重點關注兩個對比類指標。一個是新老客戶佔比，一個是今日客戶到店分布對比。客流數異常，首先要看的就是新老客戶佔比和數量的變化，新客戶減少可能是宣傳或者促銷的問題了；老客戶減少，多半是會員政策或者商品經營出了問題。這樣，步步高就幫助業務人員快速分析業務問題，及時幫助解決業務問題。當然，及時客流總數正常，也要關注新老客戶佔比變化。比如開展促銷活動，新客戶佔比增加顯然是促銷的一個關鍵指標。
到店客戶，他們來了，我們想知道他們都停留在哪裡，去了哪裡，好做針對性的店面布局和行銷管理。步步高採用電子圍欄技術、WIFI探針、人臉識別等技術，實時採集人流分布數據和運動軌跡。那做這個是什麼目的呢？其實說白了就是為了百貨經營時增加客戶的整體駐留時間，提高消費的可能性。步步高在梅西新天地做了客流實時分布分析和客流軌跡分析。通過這些分析，步步高可以判斷客流都是從哪些區域過來的，甚至是從哪個周邊小區過來的。然後從不同區域進店的客戶，消費目的有和不同，消費習慣有何不同，是否有更多的消費需求可以挖掘。負責管理的樓層長經理要思考：為什麼一些區域熱度很高，另一些區域熱度卻很低，為什麼有些熱度高的區域最終毛利卻不高，現在的店面布局是不是有更合理的方案。
通過對客流的監測和分析，步步高將一些經營決策所需要的數據和信息下放到基層管理崗，讓熟悉業務個店長樓層長來提出決策建議，供高層選擇，用數據來支撐決策，用可視化分析提高決策效率和科學性。
文 | 帆軟數據應用研究院 船長
喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！
