文 | 帆软数据应用研究院 船长
当下互联网的余震未醒，“新零售”又提出。成本上升、人口红利消失、电商渗透率饱和都在倒逼零售的整体升级。
不管业内业外，政府公司，都在谈转型。但关键如何转型，基点在哪？这都需要探索。
有人说，消费变革的起点一定是在里消费者最近的地方，其中最关键的一环，就是要提升自身的数据能力，真正实现以用户体验为中心的经营模式。
就在上月，步步高集团电商事业部产品技术总监王卫东在帆软零售大会上发表了一场“颇具格局”的演讲。从数字化创新驱动业务发展、“人货场”的数据分析、再谈到实际的数据化管理案例。
全程干货满满，总计4700余字，建议阅读时间10分钟。
步步高商业连锁股份有限公司（下文简称步步高），是涉及零售业、电子商务、商业地产、互联网金融、大型物流等多业态的大型商业集团。目前拥有步步高超市、步步高百货(广场)、步步高云猴网、步步高置业(步步高新天地)、步步高电器城、太楚餐饮、汇米巴便利店等业态。2016年销售收入超过320亿元人民币，位列中国民营企业500强第158位。
一、数字化创新驱动业务变革
2017年是步步高数字化转型的一年，总体数字化创新战略方针是线上节约顾客时间，线下“浪费”顾客时间，创造更好的购物体验。步步高拥有百货和超市两大事业群，两个事业群的客户群体是不同的。步步高超市业务以快捷为主，百货业务以客户体验为主。如何通过数字技术来提高客户满意度呢？总体是增强智能体验、优化在线渠道、客户画像精准营销三个路径来实现技术驱动业务创新。
客户获取与经营的闭环
运营的关键是两条线：获客和经营。我们的数字运营体系，围绕着用户的运营这个重心，以顾客为中心，融合数字技术形成客户获取与客户经营闭环。抓好这两条线，让客户群不断壮大，提高客户成长转化率，以此来保证毛利的提高。零售行业是个薄利行业，提高企业毛利，就是要在这个闭环里面多下功夫。具体怎么下功夫呢？可以针对性活动设计（目的）、分析人群相关性（精准）、交易简便个性化、提供更多价值（权益/服务）、了解顾客喜好（消费偏好）、赢得顾客信任和主动传播。
客流数据分析建模
传统零售的数据是基于交易客流，基本等同于俗称的会员。商超里面的客流其实分为交易客流、返店客流、进店客流、到达客流、潜在客流。这里最容易获取的就是交易客流，因为企业现有的CRM系统或者收银系统基本都能涵盖这部分客流。而现行的基于CRM客流管理和收银系统客流管理模式有两个管理上的缺陷。一是普遍重视客户的消费能力，而忽视传播与分享能力，也无法量化客户的传播与分享能力；二是高度重视新用户的数量积累，而忽视后期的长期服务和维护，靠利益刺激，吸引促销客户而非忠诚客户。我们应该有新的认知：到店即是会员，得顾客数据者得天下。怎么得顾客数据？这就要建立一整套的全顾客全消费行为管理的客流分析系统。
身份识别
顾客到店，不同级别的会员消费不同，给企业带来的效益也有较大差别。如何提前区分会员等级？而不是在收银的时候强制出示会员卡来事后统计会员。首先，是对不同渠道、方式获取的顾客机那里统一的ID和ID映射图谱方案，能够在具体的场景中识别顾客。比如步步高用WIFI探针、手机号、微信号、支付宝ID、人脸识别等等。只要有了顾客ID，那么客户就成为了广义的会员，把这些有身份信息的会员管理起来，在不同的场景中预判用户行为，在顾客离店之前便进行适当的会员关怀和消费引导。
客流分析系统
客流分析系统的升级，战略目标就是要获取全顾客全消费行为数据。传统的客流分析系统，主要是人工统计、红外感应、视频检测，采集到的主要就是进店客流、POS等销售数据，能做的工作优先，主要是就是强化管理，努力提高顾客转化率。然而，一方面是竞争加剧，另一方面是经营成本增加，这些都要求步步高必须要做变革，以保持较强的竞争力。升级的客流分析系统，重点是对到达客流、车流数据、顾客运动轨迹、WIFI探针等做挖掘建设。通过识别和数据采集技术以及数据分析技术，步步高得以丰富会员画像做精准的会员成长关怀和管理，提高客单附加值，提高会员活跃度，甚至从周边商圈吸引到潜在客流并最终转化为忠诚会员。
二、数据分析纲要数据分析的核心三要点
我们铺设整体的信息化，是有明确的纲要的。这个纲要就像是做项目的章程，是我们的指导文件。数据分析的核心三要素是什么，是数据一致、实用当先、以人为先。保持数据的一致性，是要解决数据分散在各个系统，不同部分重复开发报表，不同报表计算口径不一的问题。步步高通过建立统一的数据仓库，集中解决数据不一致的问题，并保持严格的定期维护。杜绝华而不实，实用当先，不做表面文章，重在先能用，再好用。步步高数据分析项目一期，明确暂缓大屏项目，优先从查询报表、监控报表、数据分析报表三步逐次实现。这就是坚持先能用再好用。以人为先，工具次之。帆软工具确实数据分析领域的成熟的平台，但工具再好用，做再多的分析，业务人员不会用，也是舍本逐末，功亏一篑。步步高通过成立专业的大数据学院，在企业内部培养数据分析专业人才，精通业务，熟练掌握数据分析工具，然后由他们结合企业特点，向集团各单位推广数据分析平台。
人货场财指标梳理
传统零售运营，分四个维度：人、货、场、财。虽然大体维度相似，但具体到指标，还是各有不同。我们针对自身，做了专门的维度和指标的梳理。
人员，主要分为员工和顾客，前者是对内管理，后者是管理客户运营。如何用这些数据，如果做对内管理，我们要规划好目标，规划好对内管理的定位。要想对内管理好用到位，必须基于每一个智能单位设置各自的KPI考核。千万不要给自己挖坑，做个高大上的分析或者报表。不用高大上，只需要几个关键指标值。作为业务人员，他更多关注的是老板对他设定的考核指标，如何改善公司层面的业绩。业务人员关注的，是KPI。顾客分析，重点考核3个指标：客单价、毛利率、会员数。客单价的变化，毛利率的变化，会员的整理流失、有效、贡献、年龄层次变化直接在日报中体现，每天都要抓。
货。我们从采购环节、供应链环节、销售环节、售后环节进行指标管理和控制，穿透整个经营环节。我们只把关键指标筛选出来，作为监控项和管理项。具体的监控和管理指标，可以看上图。
场。我们在场这个维度上重点管理绩效。包括销售指标、竞争情况指标、促销指标、渠道指标。每次促销活动，不仅会监测会员和销量指标，还会重点监测场指标，货源是零售长期稳定经营的基石。
财。财务重点关注的一点就是毛利和回款。步步高的百货，重点还关注销售利润率。
三、数据分析案例
我们的数据分析项目2017年还在重点就建设中。很多的数据分析的实践刚有起色，并未得到长期的经营验证。所以部分经验和案例效果图还不便公开，我们也本着开放的心态，欢迎更多同行能前来交流。这里就部分内容做个分享。
巡店预警
我们的会员管理部分只关注门店会员数据，其他周边数据业务部门并不想要。所以不需要定制太多的报表，也不需要提供太多的维度和指标数据。曾经，两个月的时间完成的初版巡店预警控制报表，一线人员反馈说没用。他们只关注商品调拨，需要实时查询相关数据。这个预警报表能不能告诉业务人员当前门店哪个品类、哪个商品有问题，告诉业务人员这些，就是他们最需要的。我们对初版报表稍作改动，出来了下图的最终版。现在一线业务人员，可以通过一张报表直接告诉他们那些商品有异常，哪些销量有异常，哪些会员有异常。旗下的梅西新天地有1万多款SKU，这一张报表就可以完成监测和分析。当然，针对会员也提供了关键指标画像，只提供业务人员最为关注的几个指标。
对标比价
我们引入京东、天猫、一号店以及其他同行的一些外部数据，监测零售同行商品的价格走势和当前活动。根据外部数据，步步高一整套数据分析报表会自动给门店经理手机提示异常，会直接告诉他哪些价格有异常，同行的当前价格和历史价格多少，以及预测近期价格走势，并给店长提供建议价格做参考。
除了销售对标比价，另一个就是采购。如果发现采购价格高于隔壁同行，商超里面采购经理会说别人家在做促销活动，或者有其他原因。但是顾客偏偏就是渐渐到隔壁家消费去了。现在专门开发了对标比价系统，店长拿着手机，对着商品二维码一扫，就能立马显示天猫、京东、一号店甚至是一些隔壁同行的价格。步步高在每个超市门店，都实现了对标比价的应用对接。
异常监测分析
目前我们已经建立了销售、毛利、库存、会员和积分的五大异常模块。原来传统的方式监测是依靠专家经验（甚至很多企业现在也是这么做的）。那么我们分析一下，对于出差，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，第五周是否异常？如果专家判断3次以上算异常，那就是异常，如果专家判断4次以上是异常，那就4次刚好达标，不算异常。这里面就有人为制定固定标准的局限。同理，我们看订单数变化，连续多日统计后，某一天订单量为85，这是否异常？同样类似的会员消费，消费频率达到多少算是活跃会员？业务专家给的指标建议，都是固定的，很难自动调节。我们也很难针对每个SKU、每个订单都单独去做人工测试。那怎么办？步步高采用的是建立分析模型，系统自动算一个标准差为基础的UCL、LCL和CL。因为这个是固定一个标准差，所以分析模型是专业的。而整个三个指标的计算，是系统动态的根据近期数据或者整个历史数据自动计算的，所以这三个指标也是随着业务发展自动变化的。这样就节约了指标维护的工作量。再对订单数通过该模型分析，模型给出UCL=81，那么显然订单数85属于销售异常。异常检测分析，其实核心就是建立动态的异常指标。
到店客流监测
到店顾客，其实是需要我们重点经营转化的。那么要思考几个问题：这些客户从哪里来，客户量有没有变化，这些客户要消费什么，这些客户哪些是常客，这些客户都对哪些店面感兴趣等等。能用数据回答清楚这几个问题，就方便进行顾客的数据运营和管理了。
首先，如何回答这些客户数量的变化。因为一天接待的顾客众多，很难用人员观察统计，即使采用定时定点安排人统计人数，也是不科学抽样，可信度不高。步步高升级了客流分析系统，得以通过停车场数据系统、WIFI探针数据、人脸识别等技术自动识别客流变化，然后，定制出客流量检测看板。步步高主要关注近一小时累计客流量、近一小时新增客流量、今日累计客流量、今日平均停留时间这四个主要指标。当然，还针对历史数据做对比分析，会对比昨日数据，看指标变化数值和变化幅度。这些指标变化也是纳入异常检测分析范围的，只要超出动态的CCL和UCL，系统自动给店长预警，提示相关人员采取措施，并关联KPI绩效。督促一线人员及时有效的解决问题。
那么客流总数异常，从哪些维度查找原因呢？或者客流总数正常，客流质量是否也正常呢？步步高重点关注两个对比类指标。一个是新老客户占比，一个是今日客户到店分布对比。客流数异常，首先要看的就是新老客户占比和数量的变化，新客户减少可能是宣传或者促销的问题了；老客户减少，多半是会员政策或者商品经营出了问题。这样，步步高就帮助业务人员快速分析业务问题，及时帮助解决业务问题。当然，及时客流总数正常，也要关注新老客户占比变化。比如开展促销活动，新客户占比增加显然是促销的一个关键指标。
到店客户，他们来了，我们想知道他们都停留在哪里，去了哪里，好做针对性的店面布局和营销管理。步步高采用电子围栏技术、WIFI探针、人脸识别等技术，实时采集人流分布数据和运动轨迹。那做这个是什么目的呢？其实说白了就是为了百货经营时增加客户的整体驻留时间，提高消费的可能性。步步高在梅西新天地做了客流实时分布分析和客流轨迹分析。通过这些分析，步步高可以判断客流都是从哪些区域过来的，甚至是从哪个周边小区过来的。然后从不同区域进店的客户，消费目的有和不同，消费习惯有何不同，是否有更多的消费需求可以挖掘。负责管理的楼层长经理要思考：为什么一些区域热度很高，另一些区域热度却很低，为什么有些热度高的区域最终毛利却不高，现在的店面布局是不是有更合理的方案。
通过对客流的监测和分析，步步高将一些经营决策所需要的数据和信息下放到基层管理岗，让熟悉业务个店长楼层长来提出决策建议，供高层选择，用数据来支撑决策，用可视化分析提高决策效率和科学性。
文章将同步发布在公众号「帆软数据应用研究院」，ID: fr_research。关注公众号，回复“步步高”，可获取该演讲 PPT资料！
编辑于 2017-6-21 16:05
| 
赞一个先，有一篇干货
