疫情期間，零售行業借助Smartbi如何實現轉型升級

　　新冠疫情已經持續一段時間了，對各行各業都帶來了不同程度的影響。特別是對于傳統零售行業來說，疫情帶來的不利影響是顯而易見的。但是，逆境之下也是倒逼企業加速變革的契機。如何化不利為有利、化被動為主動，將成為大量零售企業生死攸關的轉折點。

　　那么，該如何變革呢?答案就是加速數據化運營。

　　什么是數據化運營

　　所謂數據化運營，就是運用大數據的手段對業務進行運營，幫助企業通過數字化轉型提升自身業績的過程。數據化運營的過程需要經歷數據治理、數據整合、數據分析、數據展現等幾個過程。在這個過程中，最終要達到的目標則是：企業可以通過對人貨場中的數據進行指標分析，進行其趨勢的探究、數據的對比和下鉆細分，將客戶分群進行精準營銷。

　　通過指標的整理形成數據化運營大屏，使用恰當的圖表展示對數據進行監控。

　　如何進行數據化運營

　　1、報表

　　對數據進行運營，少不了報表的參與，一般企業要進行數據的監控與復盤，則需要日報、月報等相應的報表。對于零售行業，建議對數據進行日度、周度、月度的分析，因為零售行業的規律是每周的變化，一般是周末會較平時更為火爆。

　　◆ 日報

　　對于日報，一般是早晨發，用以總結前一天的會員運營情況。主要統計昨日公眾號、微博等自媒體渠道新增粉絲數量、注冊會員數量、會員消費情況等數據。如圖(本文圖中均為模擬數據)：

　　微信公眾平臺和微博均有相應API接口可以調用數據，對于CRM與POS系統也有會員數據與會員消費情況數據，二者數據相結合，得到會員的轉化情況，加之各地會員的消費情況查看全國(或某區域)的消費活躍情況，對于BI系統，該數據是可以點擊相應省份進行下鉆分析，找出有問題的省份，并且可以對不同省份進行數據對比，對于轉化率較低的省份，需要加強營銷策略，有區別的進行營銷。另外可以查看消費的會員加入的年費，可以看到客戶黏性是否需要進一步加強。然后，再進一步分析不同屬性客戶的數據：

　　從男女分布可以看出，店鋪以男性顧客為主，且男性的購買力相對于女性要強，但是有很大一部分男性客戶客單價較低，此時要考慮對于該部分男性會員予以組合購買、發放優惠券等優惠政策，以提升該部分客單價。

　　上圖中，我們發現會員客單價最小值是負數。在實際的數據分析中，這樣的事情是正常的，下面就讓我們進一步探究前一天的客單情況：

　　對于客單分析先分析不同的年齡段，分析公司產品對不同年齡段的人吸引力，也可以及時調整產品設計或者供貨商渠道，保障公司品牌的針對性，把握客戶需求趨勢。

　　當然，剛剛提到的消費為負數的也要列出來，這些負值有可能是因為退款導致，這些是要重點關注的。除了異常的負值，消費top10的會員也要關注，這些top10的會員一般超過客單價很多，需要對其消費訂單進行盤查，若是高頻低額消費，則很有可能是店員惡意刷積分兌換禮品，這種數據提交到營運部門，查詢監控便可得知。

　　◆ 周報

　　對于日報而言是每天的總結，是每日的數據變化。由于零售行業和周的影響很大，所以可以進行周報的分析。周度分析一般在每周一進行，每周一同時要分析。

　　對于周報而言，可以將日報的數據進行趨勢分析，如上圖銷售額在周六周日有明顯上升，但轉化率卻下降，說明周末人流量大，應當適當采取吸粉及會員注冊活動。平均回購率可以進行監控，看是否是正常水平。購物籃系數反應了商品的連帶情況，4.88說明平均每個小票/購物籃中有4.88樣商品。可以根據不同品類或商品進行購物籃分析，使用高連帶的產品進行促銷活動，提升商品連帶，增加銷售額。

　　◆ 月報

　　由于月度數據的數據量相對較大，因而可以分析的內容也會多一些，且月報是對一個月的業績總結，企業也會每個月進行月度的經營分析，因而月報相對來說更加重要。

　　一般最為關注的便是本月的銷售額和來店人數情況，查看每一個月的來店消費人數情況，查看每個月的變化。然后，拿出一個月的每天數據再進行分析，從上圖中總體情況可以看出，14號、15號的客單價猛然上升，但當天并沒有人數的明顯上升，這時便可以使用BI工具進行下鉆到當天會員消費情況，查看會員客單價上升的原因，詢問當天是否有什么會員活動，若有活動或相應動作，說明該種促銷方式可以提高會員客單價，可以在下次節假日活動中進行。除了上述的數據外，還要關注消費時段，從上圖中看出晚上下班后是消費高峰期。

　　上面是整個月的情況，那本月的數據還可以按照周度的維度進行分析：

　　前面看的是整體的狀況，接下來看會員的狀況，將會員與普通顧客的情況進行比較，上面的前兩張圖通過雙Y聯合圖，將兩個維度的客戶拉到同一個坐標高度，可以明顯看出會員的消費變化。會員第四周的周日銷售額出現異常，需要進一步查找原因。通過第二張圖發現當天會員的消費人數下降，是造成整個銷售額下降的根本原因，此時需結合當天是否有相應的促銷活動與會員身份消費沖突來判斷，若有相應的促銷活動，下次應當相應的規則規避。

　　2、數據模型

　　對于數據模型，這里算是老生常談，常用的數據模型有RFM，AARRR，帕累托分析等等，這其中在不同的場合要有不同的應用。下面簡單介紹幾個常用摸模型：

　　◆ RFM模型

　　RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。其是通過通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢3項指標來描述該客戶的價值狀況。

　　通常，我們要畫一個RFM矩陣來輔助我們對實際的客戶運營工作，對于不同形態的矩陣表現，要進行相應的應對措施。同時RFM矩陣也可以提取相應的數據進行A/B測試，以便確認如何進行下一步運營。

　　一般的企業都會有大量的沉睡客戶，也就是矩陣的左下角數據會比較大，此時應當對該部分用戶做出相應的措施。當然，對于不同細分行業，RFM的區間劃分應當不同，如房產和汽車等，R>360是很正常的現象，而對于日常消費品，這種則屬于沉睡客戶。

　　◆ AARRR模型

　　互聯網AARRR分別代表了五個單詞，分別是產品生命周期中的五個階段：

　　● 獲取(Acquisition)：獲取用戶，用戶下載產品

　　● 激活(Activation)：用戶第一次使用產品

　　● 留存(Retention)：用戶回到產品，再次使用

　　● 收入(Revenue)：產品(通過用戶)賺錢

　　● 傳播(Refer)：用戶告訴其他用戶

　　類比的線下AARRR模型可以描述如下：

　　● 意識(Awareness)：顧客是否聽說過品牌?是否有關注品牌(公眾號、微博等)?

　　● 激活(Activation)：顧客購買體驗

　　● 復購(Repurchase)：顧客是否還會再次購買該品牌

　　● 售后(Repair)：產品出現問題的售后情況

　　● 傳播(Refer)：顧客告訴其他顧客

　　線下的AARRR模型和線上的AARRR模型略有不同：

　　STEP1：線上的是通過各種引流的方式進行獲取(Acquisition)用戶，進而使用。而線下的更多的是通過聽說或者了解這個品牌后，有了這樣的意識(Awareness)，進而進入店鋪，進行第一次購物體驗;

　　STEP2：第二個步驟基本相同，都是第一次發生接觸，線上是對產品的第一次使用，而線下則是從第一次購物體驗開始的。但是對于線上產品來說，第一次使用不見得消費，而且互聯網產品大部分都是以免費來獲取流量的，這也是線上線下的本質不同。

　　STEP3：對于第三步，都是通過第一次接觸，再次產生接觸，不同的是線上產品此次仍舊可能是未進行消費，而對于線下零售業而言，這便是復購了。相比之下，這個轉化率可能會有區別，一般情況復購率會低于互聯網產品的留存率。但提高這個過程轉化率的方法均是提醒顧客曾經使用產品或來過店里消費。

　　STEP4：對于這個R，互聯網線上產品此處是真正的產生消費，而對于線下而言，此步驟在第二步就完成了，但是對于線下門店而言，其中的一個步驟也是不可或缺的，那便是售后(Repair)。售后服務也是客戶購物體驗重要的組成部分。當然，對于線上而言，這個步驟的轉化是越高越好;對于線下零售而言，這個步驟的轉化越低越好;

　　STEP5：對于最后一步，二者是統一的，均是對品牌產品的口碑營銷。

　　對于線下企業來說最重要的是前兩步的轉化，因為前兩步均是消費轉化的過程，而對于線上來說第四步決定著產品的存亡。下面針對線下企業轉化模型的促進進行分析：

　　● 意識階段：

　　品牌通過硬廣和軟廣對公眾宣導企業形象，通過長時間的塑造品牌形象，使品牌產品或品牌自身在公眾印象中根深蒂固，如涼茶——>王老吉，避孕套——>杜蕾斯等等。

　　● 激活階段：

　　此步驟對于線下企業來說，多數是來源于線下，線下企業一般是通過線下購買引流到線上商城或天貓、京東等店鋪。較少是從線上引流到線下。其主要原因是線下企業的營銷宣傳也多是線下為主，更多的是對于店面和商品的直觀體驗，然后進行激活，產生首次購買。

　　● 復購階段：

　　此處的復購可能是針對同一品牌的不同產品進行第二次購買，是消費者與品牌的第二次接觸。若此處的轉化率不高，或下降，則需要審視產品的質量問題和產品生命周期情況，查看各個產品的復購周期，進而有針對性的提高產品優勢，再有針對性的進行營銷。

　　對于復購階段，也有相對特殊的行業，如汽車行業。很多人或家庭，一輩子僅買一輛車。因而難以產生復購可言，但是這種企業仍可以進行其后市場進行服務，作為對消費者品牌的營銷，進而促進最后分享環節的轉化。

　　● 售后階段：

　　售后往往是在運營過程中被忽視的一個階段，而售后也是對品牌的一種宣導。有一些品牌可能質量不好，但售后服務非常棒，消費者可能會因為售后的原因而進行下一步的分享轉化。但若產品質量極好，就很少有售后，其實也是減少了與消費者的互動。

　　此處的售后，不僅僅是包含商品質量問題的反饋，還有在服務方面的反饋。如今微信公眾號、淘寶旺旺、京東售后都有很多機器人、真人客服，而這種反饋的文字是可以進行文本挖掘，挖掘出消費者反饋的信息的。

　　● 傳播階段：

　　對于線下企業，傳播推薦其實比線上更為重要，因為這種推薦往往是即時性的，在購物時直接看到推薦，會比線上推薦促進成交快的多。但是這種傳播又是難以跟蹤的，需要一定線上線下結合的手段進行跟蹤。

　　總之，對于AARRR模型，線上線下均可以應用，但是應用范圍可能會有所不同，應用的方法也應該有所區分。

　　◆ 帕累托分析

　　帕累托分析是通過一個雙Y聯合圖來分析各個區間的客戶情況，通過帕累托分析可以很明顯的反應二八原則，如圖則是帕累托分析：

　　一般在做這樣的分析的時候，往往是在做活動的時候，為了控制營銷成本，確定ROI。要選取一定百分比的客戶，此時用帕累托分析最為好用。

　　總結

　　零售行業的數據化運營，不僅僅是簡單的上一套系統，分析分析數據，更重要的是持之以恒地對數據進行監控，不斷的運營數據，讓數據變得更加全面和實用，從而發揮出數據最大的價值，以此來提升企業的整體經營效益。

　　關于思邁特軟件

　　廣州思邁特軟件有限公司(Smartbi)是國家認定的“高新技術企業”，以提升和挖掘企業客戶的數據價值為使命，專注于商業智能(BI)與大數據分析軟件產品與服務。在企業進入數據化和智能化的大趨勢之下，思邁特軟件作為行業內最早專注于企業數據化和智能化的產品公司，在眾多的客戶中獲得了很好的口碑，并獲得了投資機構的青睞。

　　思邁特軟件致力于打造產品銷售、產品整合、產品應用的生態系統，與上下游廠商、專業實施伙伴和銷售渠道伙伴共同為最終用戶服務，通過Smartbi應用商店(BI+行業應用)為客戶提供場景化、行業化數據分析應用。經過十余年的發展，Smartbi已在金融、政府、醫療、教育、電力、制造、零售等行業獲得3000多家領先客戶認可。在全球財富500強的10家國內銀行，有8家選用了Smartbi。產品廣泛應用于領導駕駛艙、KPI監控看板、財務分析、銷售分析、市場分析、生產分析、供應鏈分析、風險分析、質量分析、客戶細分、精準營銷等管理領域。

　　轉自：鳳凰網

　　【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65367254。

延伸閱讀