近年來(lái),同質(zhì)化商品、頻繁的價(jià)格戰(zhàn)、店鋪?zhàn)饨鹕蠞q、電子商務(wù)的沖擊等因素導(dǎo)致零售企業(yè)利潤(rùn)不斷下降,在2015年出現(xiàn)了零售業(yè)關(guān)店潮這一現(xiàn)象,大量零售門(mén)店關(guān)門(mén),2016年還在延續(xù)。但是,有人倒下,就有人站出來(lái)。在當(dāng)今大數(shù)據(jù)時(shí)代,誰(shuí)能順應(yīng)時(shí)代的改變進(jìn)行改革,誰(shuí)就能抓住新的發(fā)展機(jī)遇。
零售企業(yè)通過(guò)多年的運(yùn)營(yíng),掌握了大量的一手?jǐn)?shù)據(jù)資料,如果能從這些數(shù)據(jù)中發(fā)現(xiàn)其的價(jià)值,掌握消費(fèi)者的消費(fèi)行為規(guī)律,預(yù)測(cè)消費(fèi)者的購(gòu)買(mǎi)意圖,從而有針對(duì)性地制定精確的營(yíng)銷(xiāo)策略,消費(fèi)者將感受到企業(yè)對(duì)他們的關(guān)注,降低營(yíng)銷(xiāo)成本的同時(shí)能改善消費(fèi)者的消費(fèi)體驗(yàn)。將以產(chǎn)品為導(dǎo)向的傳統(tǒng)營(yíng)銷(xiāo)模式改為以消費(fèi)者為導(dǎo)向的精確營(yíng)銷(xiāo)模式,是零售企業(yè)提高核心競(jìng)爭(zhēng)力的有效方式。
大數(shù)據(jù)概述
大數(shù)據(jù)(Big Data)是指數(shù)據(jù)規(guī)模大到不能使用傳統(tǒng)分析方法在合理時(shí)間內(nèi)進(jìn)行有效的處理。大數(shù)據(jù)不僅僅指數(shù)據(jù)規(guī)模大,還包括數(shù)據(jù)處理和數(shù)據(jù)應(yīng)用,是數(shù)據(jù)對(duì)象、數(shù)據(jù)分析、數(shù)據(jù)應(yīng)用三者的統(tǒng)一。維基百科對(duì)大數(shù)據(jù)的定義:大數(shù)據(jù)是指利用常用軟件工具捕獲、管理和處理數(shù)據(jù)所耗時(shí)間超過(guò)可容忍時(shí)間的數(shù)據(jù)集。大數(shù)據(jù)的核心就是預(yù)測(cè),通過(guò)運(yùn)用數(shù)學(xué)算法對(duì)海量數(shù)據(jù)進(jìn)行分析,可預(yù)測(cè)事情發(fā)展的趨勢(shì),這將使人們的生活達(dá)到一個(gè)可量化的維度。大數(shù)據(jù)的特征可用四個(gè)V概括:數(shù)據(jù)量很大(Volume),通常指規(guī)模在10TB以上的數(shù)據(jù)集;數(shù)據(jù)類(lèi)型多樣(Variety),如聲音、地理位置信息、文本、視頻、網(wǎng)絡(luò)日志、圖片等;數(shù)據(jù)產(chǎn)生和處理速度快(Velocity);價(jià)值密度低(Value),在大量數(shù)據(jù)中有價(jià)值的信息相對(duì)較少,比如一段監(jiān)控視頻只有幾秒的畫(huà)面是有用的信息。
精確營(yíng)銷(xiāo)的概念
最早提出精確營(yíng)銷(xiāo)的是萊斯特·偉門(mén)(1999),他指出要以生產(chǎn)廠商的消費(fèi)者和銷(xiāo)售商為中心,利用電子媒介等方式,建立消費(fèi)者、銷(xiāo)售商資料庫(kù),然后通過(guò)科學(xué)分析,確定可能購(gòu)買(mǎi)的消費(fèi)者,從而引導(dǎo)生產(chǎn)商改變銷(xiāo)售策略,為其制定出一套可操作性強(qiáng)的銷(xiāo)售推廣方案,同時(shí)為生產(chǎn)商提供消費(fèi)者、銷(xiāo)售商的追蹤服務(wù)等。由于當(dāng)時(shí)他的研究對(duì)象是制造業(yè),因此適用于生產(chǎn)企業(yè)。
隨著市場(chǎng)經(jīng)濟(jì)的發(fā)展,現(xiàn)在已是一個(gè)產(chǎn)能過(guò)剩的時(shí)代,市場(chǎng)競(jìng)爭(zhēng)加劇,零售企業(yè)的利潤(rùn)空間不斷被壓縮,如何在正確的時(shí)間將正確的產(chǎn)品銷(xiāo)售給正確的消費(fèi)者,是零售企業(yè)管理者普遍面臨的一個(gè)難題。同時(shí),當(dāng)代消費(fèi)者的消費(fèi)習(xí)慣與以往有重大改變,消費(fèi)者能收集到更多關(guān)于產(chǎn)品的信息,更加了解作為消費(fèi)者的權(quán)利,重注消費(fèi)體驗(yàn),消費(fèi)決策更加理性。這就要求零售企業(yè)要改變以往的銷(xiāo)售方式,更加關(guān)注消費(fèi)者的個(gè)性化需求。在大數(shù)據(jù)時(shí)代,消費(fèi)者的個(gè)人資料和交易記錄甚至他們的社交關(guān)系等都可被收集,零售企業(yè)可更好地理解消費(fèi)者的偏好甚至預(yù)測(cè)消費(fèi)者下一步消費(fèi)行為。在充分了解消費(fèi)者信息的基礎(chǔ)上,通過(guò)對(duì)數(shù)據(jù)的分析,針對(duì)不同消費(fèi)者的不同特性,制定精確的營(yíng)銷(xiāo)策略,可提高營(yíng)銷(xiāo)活動(dòng)響應(yīng)率,從而提升企業(yè)的利潤(rùn)。
基于大數(shù)據(jù)的零售企業(yè)精確營(yíng)銷(xiāo)體系
零售企業(yè)精確營(yíng)銷(xiāo)是指零售企業(yè)按照精確營(yíng)銷(xiāo)系統(tǒng)設(shè)定的方案,在對(duì)企業(yè)內(nèi)外信息進(jìn)行綜合分析的基礎(chǔ)上,找準(zhǔn)目標(biāo)消費(fèi)者、投入合適的營(yíng)銷(xiāo)資源、建立相應(yīng)的營(yíng)銷(xiāo)渠道、實(shí)施針對(duì)性營(yíng)銷(xiāo),以滿足消費(fèi)者差異化需求,甚至可以激發(fā)潛在需求。這種精確營(yíng)銷(xiāo)體系由五個(gè)步驟組成:一是收集零售企業(yè)內(nèi)外部數(shù)據(jù),為數(shù)據(jù)分析做準(zhǔn)備。二是根據(jù)消費(fèi)者的消費(fèi)行為,利用收集到的數(shù)據(jù)進(jìn)行消費(fèi)者分群,分析不同消費(fèi)群體的特征、消費(fèi)偏好,進(jìn)行消費(fèi)需求預(yù)測(cè)。三是設(shè)計(jì)針對(duì)不同消費(fèi)群體的營(yíng)銷(xiāo)活動(dòng)方案,對(duì)方案可行性進(jìn)行評(píng)估。四是實(shí)施營(yíng)銷(xiāo)方案,進(jìn)行活動(dòng)效果跟蹤;五是對(duì)營(yíng)銷(xiāo)活動(dòng)進(jìn)行效益評(píng)估和反饋,為將來(lái)的營(yíng)銷(xiāo)活動(dòng)提供指導(dǎo)
1、零售企業(yè)數(shù)據(jù)管理
數(shù)據(jù)收集是零售企業(yè)實(shí)現(xiàn)精確營(yíng)銷(xiāo)的基礎(chǔ)。通過(guò)POS機(jī)、觀測(cè)設(shè)備、移動(dòng)終端、互聯(lián)網(wǎng)、智能終端等收集企業(yè)與顧客的交互數(shù)據(jù),同時(shí)在企業(yè)運(yùn)營(yíng)過(guò)程中重視對(duì)商品數(shù)據(jù)、銷(xiāo)售數(shù)據(jù)、會(huì)員關(guān)系數(shù)據(jù)等交易數(shù)據(jù)的收集。另外,企業(yè)外部的數(shù)據(jù)如市場(chǎng)調(diào)查數(shù)據(jù)、專(zhuān)家意見(jiàn)、第三方機(jī)構(gòu)數(shù)據(jù)等也可收集,并對(duì)數(shù)據(jù)進(jìn)行清洗、重構(gòu)、填補(bǔ),保證數(shù)據(jù)質(zhì)量,補(bǔ)充到數(shù)據(jù)庫(kù)。根據(jù)企業(yè)的商業(yè)目標(biāo),對(duì)數(shù)據(jù)進(jìn)行分類(lèi),將原始數(shù)據(jù)整理為目標(biāo)數(shù)據(jù)集。
2、
消費(fèi)者分群及理解
RFM模型是通過(guò)對(duì)消費(fèi)者的交易數(shù)據(jù)進(jìn)行分析,識(shí)別其對(duì)企業(yè)的價(jià)值的一種方法,該模型的數(shù)據(jù)便于采集,而且計(jì)算過(guò)程簡(jiǎn)單,是零售行業(yè)廣泛使用的消費(fèi)者價(jià)值細(xì)分模型。該模型使用三個(gè)指標(biāo):R(Recency)表示分析時(shí)點(diǎn)與消費(fèi)者最近一次購(gòu)買(mǎi)的時(shí)間間隔;F(Frequency)表示消費(fèi)者在最近一段時(shí)間內(nèi)購(gòu)買(mǎi)的統(tǒng)計(jì)次數(shù);M (Monetary)表示消費(fèi)者在最近一段時(shí)間內(nèi)購(gòu)買(mǎi)的統(tǒng)計(jì)金額。傳統(tǒng)RFM模型認(rèn)為三個(gè)指標(biāo)都同樣重要,將三個(gè)指標(biāo)分為5個(gè)等級(jí),所以會(huì)有125類(lèi)消費(fèi)者。從理論上來(lái)說(shuō),時(shí)間間隔越短、消費(fèi)次數(shù)越多、消費(fèi)金額越高,該消費(fèi)者對(duì)企業(yè)的價(jià)值就越高。
但是不同行業(yè)對(duì)RFM這三個(gè)指標(biāo)的評(píng)價(jià)標(biāo)準(zhǔn)是不一樣的,有時(shí)會(huì)注重消費(fèi)者參與,有時(shí)會(huì)注重消費(fèi)者消費(fèi)金額,所以要根據(jù)具體情況確定RFM三個(gè)指標(biāo)的權(quán)重,對(duì)RFM模型進(jìn)行優(yōu)化。AHP層次分析法是一種多目標(biāo)決策分析方法,專(zhuān)家對(duì)指標(biāo)的相對(duì)重要性進(jìn)行兩兩比較,能夠量化決策者的經(jīng)驗(yàn)。通過(guò)對(duì)相關(guān)行業(yè)的經(jīng)營(yíng)者以及長(zhǎng)期忠誠(chéng)消費(fèi)者進(jìn)行溝通,收集他們對(duì)RFM三個(gè)指標(biāo)重要性的評(píng)價(jià),最后算出三個(gè)指標(biāo)的權(quán)重。應(yīng)注意的是,由于AHP分析法很大程度是依靠人的主觀判斷,專(zhuān)家小組的構(gòu)成會(huì)影響權(quán)重結(jié)果的合理性,因此在確定專(zhuān)家小組的時(shí)候要科學(xué)謹(jǐn)慎。
由于RFM模型中三個(gè)指標(biāo)的單位是不一樣的,而且三個(gè)指標(biāo)取值的時(shí)候差異很大,為了減少對(duì)消費(fèi)者分群的影響,需要對(duì)三個(gè)指標(biāo)的數(shù)值進(jìn)行標(biāo)準(zhǔn)化處理,再結(jié)合AHP分析法確定的權(quán)重,得到優(yōu)化后的PFM模型數(shù)據(jù)。如果企業(yè)有合適的方法處理大數(shù)據(jù),大數(shù)據(jù)是一座金礦;如果不能駕馭大數(shù)據(jù),那么大數(shù)據(jù)會(huì)成為淹沒(méi)企業(yè)的海洋。
大數(shù)據(jù)時(shí)代的技術(shù)基礎(chǔ)是數(shù)據(jù)挖掘,通過(guò)專(zhuān)業(yè)的算法對(duì)大量的數(shù)據(jù)進(jìn)行分析,揭示在數(shù)據(jù)中的規(guī)律,發(fā)現(xiàn)有價(jià)值的信息,為決策者提供決策依據(jù)。數(shù)據(jù)挖掘技術(shù)中的聚類(lèi)分析可為企業(yè)提供幫助,把數(shù)據(jù)按照相似性分成若干類(lèi),同一類(lèi)別內(nèi)部相似度高,不同類(lèi)別之間差異較大。其中,廣泛使用的是K-means算法:從n個(gè)數(shù)據(jù)對(duì)象中任意選擇K個(gè)對(duì)象作為初始聚類(lèi)中心,將剩下的對(duì)象按相似度最小原則分配給相應(yīng)聚類(lèi)中心對(duì)應(yīng)的聚類(lèi);然后,計(jì)算每個(gè)新聚類(lèi)的聚類(lèi)中心并不斷重復(fù),直到生成滿足方差最小標(biāo)準(zhǔn)的k個(gè)聚類(lèi)。從理論上說(shuō),消費(fèi)者分群越多越好,會(huì)更貼近消費(fèi)者的個(gè)性化需求,但是同時(shí)也會(huì)導(dǎo)致成本上升,所以消費(fèi)者分群的最優(yōu)個(gè)數(shù)是在企業(yè)提供個(gè)性化定制的成本與消費(fèi)者愿意為個(gè)性化得到滿足而支付的成本之間的平衡。
對(duì)得到的消費(fèi)者類(lèi)別進(jìn)行描述性分析,根據(jù)帕累托的二八原則,企業(yè)80%的利潤(rùn)是由20%的重要消費(fèi)者創(chuàng)造的。零售企業(yè)只要把握住這部分消費(fèi)者,針對(duì)不同價(jià)值的消費(fèi)者群體投入相應(yīng)的營(yíng)銷(xiāo)資源,優(yōu)先滿足重要消費(fèi)者的需求。在進(jìn)行營(yíng)銷(xiāo)目標(biāo)精確選擇后,零售企業(yè)可不用像以前那樣與競(jìng)爭(zhēng)對(duì)手進(jìn)行同質(zhì)化競(jìng)爭(zhēng),能夠在很大程度上提高營(yíng)銷(xiāo)資源利用率,從而更快地實(shí)現(xiàn)差異化經(jīng)營(yíng)和精細(xì)化管理。
在對(duì)消費(fèi)者價(jià)值進(jìn)行定位后,通過(guò)進(jìn)一步對(duì)他們購(gòu)物籃中的商品進(jìn)行分析,加深對(duì)各類(lèi)消費(fèi)者的理解,掌握他們的消費(fèi)行為規(guī)律,預(yù)測(cè)其消費(fèi)需求。市場(chǎng)購(gòu)物籃分析是最簡(jiǎn)單也是最重要的,描述了零售企業(yè)最重要的信息——消費(fèi)者什么時(shí)候買(mǎi)了什么東西。通過(guò)這些分析可得到很多信息。比如,沃爾瑪“啤酒與尿布”的故事,就是通過(guò)對(duì)購(gòu)物籃內(nèi)的商品進(jìn)行分析,發(fā)現(xiàn)這兩件看起來(lái)毫不相干的商品在售出的時(shí)候居然有正相關(guān)關(guān)系。沃爾瑪就把這兩種商品的貨架擺在一起,方便消費(fèi)者購(gòu)買(mǎi),結(jié)果使尿布和啤酒的銷(xiāo)量大幅度增加。市場(chǎng)購(gòu)物籃分析的方法主要有關(guān)聯(lián)分析、神經(jīng)網(wǎng)絡(luò)方法,通過(guò)與協(xié)同過(guò)濾推薦算法相結(jié)合可用來(lái)預(yù)測(cè)消費(fèi)者的選擇和偏好。序列模式分析在購(gòu)物籃分析的基礎(chǔ)上增加了時(shí)間這一變量,也稱(chēng)為縱向分析,不僅考慮了一次購(gòu)物中購(gòu)買(mǎi)商品之間的關(guān)聯(lián)關(guān)系,也考慮了一些時(shí)間順序很重要的商品,如周期性商品。如果很多消費(fèi)者這次不像往常那樣購(gòu)買(mǎi),可促使企業(yè)尋找原因。
3、
營(yíng)銷(xiāo)方案設(shè)計(jì)
零售企業(yè)首先設(shè)立營(yíng)銷(xiāo)目標(biāo),如增加銷(xiāo)售10%、提升消費(fèi)者忠誠(chéng)度、提升消費(fèi)者價(jià)值、擴(kuò)大企業(yè)知名度等。總的來(lái)說(shuō),可描述為優(yōu)化消費(fèi)者價(jià)值、獲取新消費(fèi)者、實(shí)現(xiàn)消費(fèi)者保持、實(shí)現(xiàn)交叉銷(xiāo)售和增量銷(xiāo)售,最終提升企業(yè)利潤(rùn)。通過(guò)營(yíng)銷(xiāo)活動(dòng),將以前低價(jià)值消費(fèi)者轉(zhuǎn)換為重要消費(fèi)者,并保持其忠誠(chéng)度。在消費(fèi)者細(xì)分和購(gòu)物籃分析兩種應(yīng)用的支持下,將企業(yè)產(chǎn)品的賣(mài)點(diǎn)與消費(fèi)者的需求進(jìn)行匹配,將個(gè)性的商品推薦給不同類(lèi)型的消費(fèi)者,增加交叉銷(xiāo)售和增量銷(xiāo)售的機(jī)會(huì)。比如,零售企業(yè)首先聚焦于重要消費(fèi)者,發(fā)現(xiàn)這些消費(fèi)者對(duì)哪些單品的興趣比較大,從而在營(yíng)銷(xiāo)方案設(shè)計(jì)時(shí)重點(diǎn)關(guān)注這些單品。從本質(zhì)上說(shuō),設(shè)計(jì)營(yíng)銷(xiāo)方案就是根據(jù)消費(fèi)者的需求,將消費(fèi)者最感興趣的商品進(jìn)行營(yíng)銷(xiāo)活動(dòng)設(shè)計(jì),及時(shí)滿足消費(fèi)者的消費(fèi)訴求,甚至創(chuàng)造消費(fèi)需求。在此期間,可用購(gòu)買(mǎi)者效用圖來(lái)評(píng)估營(yíng)銷(xiāo)方案可行性,利用大眾價(jià)格走廊評(píng)判價(jià)格定制的合理性。
4、
營(yíng)銷(xiāo)方案實(shí)施
利用數(shù)據(jù)分析選擇最合適的營(yíng)銷(xiāo)方案實(shí)施渠道,并對(duì)營(yíng)銷(xiāo)活動(dòng)進(jìn)行活動(dòng)效果跟蹤。有些營(yíng)銷(xiāo)人員在啟動(dòng)一個(gè)活動(dòng)時(shí),想著“活動(dòng)已經(jīng)開(kāi)始啟動(dòng)了,我們只需靜候佳音”。然而事情發(fā)展并非預(yù)計(jì)的那樣準(zhǔn)確,所以對(duì)活動(dòng)進(jìn)行效果跟蹤是必要的。假如事情發(fā)展偏離了預(yù)期目標(biāo),如競(jìng)爭(zhēng)對(duì)手改變定價(jià)和發(fā)動(dòng)促銷(xiāo)對(duì)本次營(yíng)銷(xiāo)活動(dòng)產(chǎn)生較大的影響,就可在活動(dòng)開(kāi)展過(guò)程中及時(shí)中止或進(jìn)行適當(dāng)調(diào)整。既需不斷保證方案實(shí)施的靈活性,也要對(duì)實(shí)施過(guò)程中出現(xiàn)的意外情況保持警惕,才能在競(jìng)爭(zhēng)對(duì)手發(fā)現(xiàn)其市場(chǎng)份額被搶占之后再發(fā)起反擊之前,將營(yíng)銷(xiāo)活動(dòng)的影響開(kāi)展到盡可能大的局面。
5、
營(yíng)銷(xiāo)結(jié)果反饋
通過(guò)對(duì)營(yíng)銷(xiāo)方案實(shí)施過(guò)程中的數(shù)據(jù)進(jìn)行分析并總結(jié)經(jīng)驗(yàn),用于指導(dǎo)下一階段的營(yíng)銷(xiāo)方案制定。對(duì)整個(gè)營(yíng)銷(xiāo)過(guò)程效果的評(píng)估可從營(yíng)銷(xiāo)成本、銷(xiāo)售收入、企業(yè)知名度、消費(fèi)者滿意度等方面進(jìn)行綜合分析。其中,銷(xiāo)售收入是評(píng)價(jià)營(yíng)銷(xiāo)效果最重要指標(biāo)。但在營(yíng)銷(xiāo)過(guò)程中所造成的企業(yè)知名度提高、消費(fèi)者滿意度和忠誠(chéng)度提高等潛在價(jià)值提升,也要納入評(píng)估范圍,形成報(bào)告,豐富零售企業(yè)的數(shù)據(jù)庫(kù)內(nèi)容。將評(píng)估營(yíng)銷(xiāo)方案實(shí)施結(jié)果的各類(lèi)數(shù)據(jù)與以往的傳統(tǒng)營(yíng)銷(xiāo)模式進(jìn)行比較,統(tǒng)計(jì)出營(yíng)銷(xiāo)效果差異,并根據(jù)評(píng)估結(jié)果對(duì)現(xiàn)有的營(yíng)銷(xiāo)體系進(jìn)行優(yōu)化,力爭(zhēng)進(jìn)一步擴(kuò)大優(yōu)勢(shì),提升零售企業(yè)的核心競(jìng)爭(zhēng)力。
在當(dāng)今大數(shù)據(jù)時(shí)代,信息技術(shù)不斷發(fā)展和完善,為零售企業(yè)帶來(lái)了海量數(shù)據(jù),同時(shí)數(shù)據(jù)挖掘技術(shù)使得零售企業(yè)能夠有效應(yīng)用數(shù)據(jù),數(shù)據(jù)被提升到前所未有的高度。
零售企業(yè)應(yīng)重視數(shù)據(jù)的力量,深層次挖掘在海量數(shù)據(jù)中有價(jià)值的市場(chǎng)信息,指導(dǎo)企業(yè)制定各項(xiàng)決策,建立符合自身實(shí)際情況的精確營(yíng)銷(xiāo)體系,有針對(duì)性地實(shí)施營(yíng)銷(xiāo)計(jì)劃,比以往靠管理者個(gè)人經(jīng)驗(yàn)和判斷作決策更科學(xué)有效。雖然目前零售企業(yè)應(yīng)用大數(shù)據(jù)還存在一些問(wèn)題,如個(gè)人隱私、數(shù)據(jù)共享困難、數(shù)據(jù)安全、大數(shù)據(jù)人才缺少等,但是大數(shù)據(jù)在零售企業(yè)中的應(yīng)用是大勢(shì)所趨,將帶來(lái)企業(yè)整體經(jīng)營(yíng)效率提高。