友盟+:从阿里的3个标志性事件引发的新零售数据思考

2018-07-05 16:01 稿源:用户投稿  0条评论
  

内容摘要:

新零售落地思考:如何构建整体策略;

典型场景:数据化分析、商圈选址、竞争分析、门店引流;

真实案例:销售额提升25%、潜客进店率提升16倍......

(友盟+新零售数据业务总经理刘延明)

今年,新零售在加速落地,从标杆“盒马鲜生”延伸到更多领域,也催生出更多跨界业态。回顾近3个月,仅与阿里相关的标志性事件就有3件:

4月28日,阿里首个新零售商业体,亲橙里开业;

6月2号,盒马鲜生和大润发的合作品牌,盒小马在苏州开业;

天猫618期间,居然之家在北京8家门店首次进行了新零售尝试,3天销售额近11亿元。

这些标杆业态,有哪些神奇之处?我今天就围绕“智慧门店”,分享支撑新零售的数据、技术和场景。这里特别说明一下,“门店”是一个泛化的概念,任何一个线下经营实体,都可以实现升级;我们将门店当成互联网产品去打造,通过数据和技术驱动,就可以实现智慧化,进行自我迭代。

新零售的基础是实现消费者全场景在线,连贯的分析消费者的偏好和需求。友盟+的优势,是沉淀了海量的互联网行为数据,构建了基于7亿消费者的数据智能平台。我们将线上数据赋能到线下,从对“人”的分析洞察出发,去带动人与货,人与场的互动。

新零售是系统工程

需要数据*场景*方案等整体架构支撑

企业要做新零售,首先需要做到“跨行业、多场景"。为什么是跨行业?当下的很多零售业态,比如盒马鲜生,是融合了餐饮、快消、到家服务的多元化业态,需要跨行业的数据应用能力;多场景,零售业涉及的环节非常多,是多因素驱动下的降本、提效、提体验,是多场景要素交织和融合的过程。

所以,新零售场景落地需要一个整体架构和策略支撑。由下而上依次是:

1)数据资产:线上、线下所有数据都会在数据智能平台上进行加工,持续丰富用户标签,再回流到场景中;

2)应用场景:在合规状态下,将数据能力融入到商业场景中。例如门店的数字化建设、门店引流、场内转化、会员转化等;

3)行业方案:我们将零售业分为品牌零售零售品牌两大类,品牌零售即手机、汽车、餐饮、服装等垂直品类中的独立品牌;零售品牌类似于像盒马鲜生、居然之家、沃尔玛等综合零售业态;这两种形态对新零售数据场景的需求是有差异的,但数据层的基础底座相同。

新零售的四个典型场景

数据化分析:提升区域和门店运营效率

新零售的第一步是门店数据化的过程,让门店拥有数据基因。这可以分为两层:

第一层,提升门店运营效率。包括核心指标和日常报告,是呈现门店基础的客流数据,支撑门店的日常数据汇总与分析。

第二层,打破现有分析逻辑和结构,重组分析维度,发现业务新机会。包括智能排名和自助分析,我们将打破不同维度进行快速排名,比如男性客群在不同地域的排名;同时引入智能算法,实现自助分析,打破现有分析结构。

由这两层出发,门店从无数据到有数据、用数据,提升区域和门店的运营效率,扩展业务边界。

商圈选址:融入AI算法,精准预测客流和收入

在基础数据之上,融入AI算法,预测常态客流和销售收入。常规的大数据选址会提供参考性维度,比如客流数据、画像偏好,这是最初级的。我们在选址上有三个策略:全域规划、区域洞察、点位评估,去满足更多类型的零售商需求。

全域规划:在全国层面,融入品牌自己的场景,比如判断在北京、上海、杭州哪个城市应该扩店。如果开店,盈利情况如何、竞品拓展量有多高,竞争激烈程度等;

区域洞察:当品牌确定要在一个城市开店,我们会加入品牌在相似区域的经营数据,潜客人群热力分布,结合竞品的开店点位,综合判定在哪些商圈布局;

点位评估:因为商业的核心目的是盈利,我们将零售商的业务目标、竞品的业务覆盖数据等,融入到友盟+选址模型中,从客流、客单价、竞争分析、消费潜力等多维度,直接输出A、B、C三个位置的选址排序。比如,十字街区中,哪个路口更适合开店?这就需要更明细的LBS数据,然后去评估ABC三点整体的评分。

竞争分析:追踪市场趋势变化与归因分析

竞争分析非常考验数据的新鲜度、覆盖的广度。基于数据的广度,我们能对行业大盘有科学的判断,比如,A品牌的门店有100位消费者光顾,那么这100位顾客有多少到过竞品B门店、C门店?新店开业之后,在周边商圈的渗透率有哪些变化?

友盟+基于动态高频的LBS数据覆盖,分析客流在线下场景中的路径和变化趋势。在不同的小区,品牌和竞品的渗透率以及市场占有率,竞争情况;通过时间轴,以月度为单位,分析品牌在周边小区的占比情况。由这些数据反推,品牌商可以验证关联的营销活动质量。

门店引流:锁定精准客群,多场景营销触达渠道

门店引流起到承前启后的作用,是对客流的识别和沉淀。

1)潜客放大的能力。一是对已有潜客人群的放大,找到更多相似潜客;二是标签化的建设和标签圈人的能力,不仅是基础属性,还需要行为偏好、LBS策略。在房地产行业,案场(售楼处)覆盖的客流范围特别大,甚至跨区县/跨城市的客户都会来看房。但是一个服装店/餐饮店,辐射的半径就小的多,所以不同属性的门店需要不同的LBS策略。

2)建立触达潜客的运营通路,从三块广告屏的数据化说起。

第一块,线下智能电子屏

线下到线下的传播是非常有效的,例如用户在大望路写字楼的电梯厅,看到SKP的活动广告,中午走路就可以进店消费,时间和交通成本都非常低。线下电子屏具有天然的地理位置属性。在媒体端,我们与合作伙伴通过共建的方式,已经聚合了近100万块带有LBS属性的线下电子屏,当我们加入客流数据和算法模型,就能精细化的对客群进行匹配,让不同的地理位置和偏好的客群,看到不同的广告内容。

第二块,OTT互联网电视

与传统电视台投放广告不同,OTT具有天然的互联网、数据属性。我们能够为同在一个城市,甚至不同小区的消费者,投放个性化广告。例如,为朝阳区推荐燕莎奥莱,为房山区用户推荐首创奥莱。我们还持续沉淀门店与小区之间的关联数据,构建基于门店的消费者的触点路径。

第三块,线上DSP

传统DSP投放是追求CPM大体量曝光,但品牌最终追求的到店转化。当媒体触点和人群结合之后,引流到店、转化核销、效果评估和策略优化。所有的环节都是数据化,全链路的监测和评估,为再营销提供数据支撑。将传统投放互联网化,让营销具备互联网产品的快速生长和快速迭代能力。在营销过程中,也有很多可以发挥的场景,不仅是展示一个静态的促销内容,也可以红包雨、优惠券领取。

延伸价值:实现线上线下运营的一体化,线上卡券线下核销,基于LBS的潜客分析,升级传统的地推和线下媒体投放。所有数据都是可监测和评估的,意味着全程可优化。

新零售真实案例

油站顾客分析:拓展异业合作,销售提升25%

当加油站遇到全域数据,也可以智慧起来。从最简单的客流分析开始,发现忠诚客户喜欢汽车日用品,在运营策略上做调整,与米其林店以汽车保养、维修进行合作,92#消费满200元、95#满300元都会赠送优惠券,或购买润滑油可到米其林店免费进行积碳清理和润滑油更换。

数据效果:92#加油满200的车次环比上升30%,95#加油满300的车次环比上升26%。

在分析客流数据的过程中,一定要明确业务的瓶颈在哪里,是提升客单价,还是复购率?跨行业的品类联动刺激促销。

选址和竞争分析:>80%的常态客流和收入预测

我们和盒马合作,帮助其实现数据选址和竞争分析。合作模式是,通过全域数据实现对区域级市场的拓展规划,在多店综合评估中,通过智能算法进行排序,给出选址建议。智能输出门店布局作战图,包括对门店的分析、潜客的动态分析和竞品的趋势变化。

数据效果:销售预测准确率达80%以上,已成为盒马开店和日常运营的标准流程。

门店引流:锁定精准潜客,提升客流量和成交率

门店引流,我们在多个领域做了应用实践,都获得很惊喜的数据效果。

国内某领先运动品牌,在2017年圣诞节、2018年女神节期间,分布对周边2.5公里客流做兴趣圈选,包括已购人群的放大。然后集中在线下电子屏、KTV、OTT进行广告投放。

引流效果:线下电子屏曝光用户的进店率是未曝光潜客的3倍。

国内领先家装零售品牌,在2018年618大促期间,对已购人群进行放大,再圈选周边20公里内的高潜人群,分别在电子屏、OTT投放广告。

数据效果:线下电子屏的曝光用户进店率是未曝光用户的16倍。

个性化导购:基于客流的识别和SKU的互动

很多时候,顾客进店不到30秒,看到展示的商品没有感兴趣的,转身就走。我们研发的个性化导购屏,一方面是扩展SKU,同时导购可以将潜客带到屏前,因为屏上有详细的商品介绍。比如,动态展示运动鞋的科技感,提升成交率。

数据结果:店内货架热力提升了42%。

新零售的演进速度远比我们想象的迅速, 友盟+希望将数据技术和能力注入到线下零售场景中,让门店具有自我迭代升级的能力,最快速的适应当下和未来的零售需求。

马云曾说过,任何一次机遇的到来,都必将经历四个阶段:看不见、看不起、看不懂、来不及。对于新零售领域的新物种,你处在哪个阶段呢?

近期,Oplus还升级了门店引流和新零售分析等功能,更加符合品牌连锁和Shopping Mall对于门店管理和数据使用的需求,帮助零售企业快速迈进数据化、智能化时代,实现人、货、场的重构,加速品牌零售升级。

友盟+,全球领先的第三方全域数据服务商。基于全域数据、数据技术和商业场景,构建以7亿消费者为核心,覆盖数据运营、数据营销、新零售数据服务、金融及手机解决方案的数据智能服务体系,驱动企业持续增长、增值、升级。

本文由站长之家用户投稿,未经站长之家同意,严禁转载。如广大用户朋友,发现稿件存在不实报道,欢迎读者反馈、纠正、举报问题(反馈入口)。

免责声明:本文为用户投稿的文章,站长之家发布此文仅为传递信息,不代表站长之家赞同其观点,不对对内容真实性负责,仅供用户参考之用,不构成任何投资、使用等行为的建议。请读者使用之前核实真实性,以及可能存在的风险,任何后果均由读者自行承担。如有发现

有好的文章希望站长之家帮助分享推广,猛戳这里我要投稿

相关文章

相关热点

查看更多