零售把客流变成购买力(大数据分析不仅可以对零售业务的客户进行精准)

数据的价值是事先预测的，而不是事后分析的。精准的预测模型让营销人员不再需要猜测，大大提高了购买率。

任何生意都有窍门，但零售行业的成功之道永远只有一条：打通人、货、店的三角关系，让东西畅通，人才能顺利做生意，但这个难题至今仍未解决。零售业几百年来变化缓慢，人流、物流、资金流的演变是有限的。直到数据信息流的出现，零售业运营的百年法则才被颠覆，“猜想”才被搁置。

经营一家店就像治理一个国家，需要处理对内和外交两个系统：对内，要管理种类繁多的产品，掌握库存，维护客户关系；对外，需要下订单，联系很多供应商进行分销。推动门店企业蓬勃发展的必要条件是建立高效的运行机制，对每个环节进行实时调度和控制，保证日常资金流、物流、人流、信息流的顺畅运行。

看似复杂的关系线，说白了就是要处理好“人-物-店”的关系。人有——个东西，东西有——个店，人有——个店。这三条双向关系线决定了一个零售店的生命线。

消费者想买什么商品？货物已经送到商店了吗？人们选择去哪家商店购物？这些问题曾经是很棒的问题。据统计，因为人、物、店的断点，美国零售业每年损失700亿美元。是什么问题，让零售业的“人-物-店”流程出现了断点？

答案是“猜”，总是猜顾客想要什么，需要什么，这已经成为零售业最大的致命缺陷。

在商店里，顾客买不到他们想要的东西是很常见的。原因有三：一是他们没有在第一时间准确推荐适合客户的产品；二是商店货架上的商品不适合本地区的消费者；第三，没有时间去弥补商品的短缺。都是商家“猜”错了，导致推荐错误，商品选择错误，备货不足；久而久之，顾客会对商店失去信心，转而从其他商店或品牌购买。

从现在开始，不要再猜了，因为顾客想买的东西已经用数字告诉你了。人、物、店的断点被大数据连接起来。

从最实际的供应链成本来看，最大的利基在于降低库存，畅通信息。一旦采购和物流能够自动化，库存周转率自然会提高，建立“准时制供应”的新标准，让企业节约仓储成本，实现利润最大化。

最低库存意味着采购和配送必须更加敏捷。供应商在数据中心得到商品流通的动态信息、各分公司的销售统计、各仓库的调拨情况、销售预测等数据后，可以作为安排生产、供应、发货的依据，实现少量实时发货。

“及时交货”不再是幻想。追根溯源的真正原因是准确把握客户的喜好。

胜利

当企业和品牌都深知数据的力量时，他们都把目光放在了“会员数据”上，会员数据是数据应用的最佳起点，也是最具潜力的数据矿藏。客户体验和反馈不仅可以修正产品，还可以实现产销平衡。

在台湾省经营了47年的外资内衣品牌黛安芬，建立了从制造、零售到服务的一站式业务。如何从单一渠道发展到多渠道，甚至发展到现在的全渠道营销方案？我的老朋友、黛安芬公司总经理康向太找到了答案。他说：“主客换位，顾客才是唯一的答案！”

以前因为业绩导向，从单一渠道扩展到多渠道，从百货专柜扩展到临街店铺。想法很简单，“让商品接触顾客的机会增加”。随着电子商务的兴起，多渠道的时代已经开始，与此同时，在

全渠道和多渠道最大的区别在于价值核心。前者是以客户为中心，后者是以品牌为中心。也就是说可以实现全渠道，以客户为中心的虚实数据整合，作为未来销售的利基。但多渠道只是品牌发展战略的浅层次思考，并没有产生太多的长期价值。

所有渠道都以客户为中心。

零售业从单渠道、多渠道、多渠道到全渠道战略。商业思维从“商品接触客户的机会更多”转变为战略性的全渠道商业思维。全渠道和多渠道最大的区别在于价值核心。前者是以客户为中心，后者是以品牌为中心。全渠道是以客户为中心的虚拟和真实数据的集成。多渠道作为延伸到未来销售的小众点，只是对品牌发展战略渠道的浅层考虑，并没有产生太多的长期价值。

所有与消费者的关系都是创新的源泉，是创造新品牌价值的动力。“创新就是创造价格”，我的老朋友康向太如是说。而建立这些关系的桥梁就是大数据。

然而万事开头难，数据应用也是如此。光有数据是不够的，要整理出来。我发现，面对庞大的会员信息，黛安芬遇到的第一个问题就是“拥堵”，就像很多品牌把会员机制和分红计算都留给了POS系统，像一锅大杂烩，什么数据都有，却找不到任何有价值的数据。这也是所有品牌在面对数据应用时最头疼的问题。

随着POS系统的出现，订货和库存管理依赖人力的运营成本降低，日积月累的每一笔交易记录和实时盘点成为零售业的帮手。如今，POS系统面临着过载的问题。解决问题的第一步是整理数据，分配最完美的数据比例，把数据大杂烩变成美味的鸡尾酒。

在数据分析中，这个基本步骤叫做数据整合，秘诀就是“以人为中心”，把数据聚合在一起。比如会员卡号、身份证号、车牌号这三个数据放在一起怎么判断这是同一个人？如果不知道是同一个人，根本无法做任何决定，只会浪费营销资源。

因此我们开始做平台分流，让数据单纯化，等同于练好基本功，价值随之源源不断地产生，成为精准预测模型的基础。

通过直观的消费记录，过去销售人员一样能从系统中查询到顾客消费记录。假如有一位顾客共买了10件内衣，其中有5件是黑色。那么，她今天来到店里，你开始猜她想购买的第11件内衣是什么颜色？要继续推荐黑色？还是选择其他色系？

一念之间的决定，就是来自销售人员的“猜”，猜想推荐最新款式的黑色，或是根据消费者的年龄来做推荐的判断，当你发现消费者只有一次的试穿机会，这么做，风险似乎太大了。

当消费者只有一次的试穿机会时，你的任务就是如何让消费者在走进试衣间的时候，手里拿的至少有一件是对的。从顾客踏进店门的那刻，已经可以定制出顾客的专属购物列表，数据平台提供一套“好的预测”，顾客的提袋概率就能大幅提高。

以黛安芬于2015年6月推出的“stand up for fit”（SUFF挺身而试，内衣量身试穿服务）活动为例，从身材诊断、穿衣服的搭配困扰、生活状态、最在乎的内衣条件……这些顾客提供的主观数据，加上销售记录的交叉核对，发展出每个人专属的内衣推荐模型。

一对一营销是最好的服务，数据整合改变了企业的营销方式，包括平台的分工、专业的分工，还有角色的分工，而我们下一步将运用“推荐”成为数据支持的销售模式。以往是销售人员的经验值判断，是靠人做判断，现在人为因素降低了，经验已经不是累积在人的身上，是完全依赖消费者的行为去做推荐。未来，销售人员不再只是销售人员，而能以专业的数据预测，搭配人性的亲切互动推荐商品，升级成为顾问。

“获利”绝对是企业经营的共同目标，背后的动力来自服务流程的变革，数据的力量，就展现在营运流程的优化。推荐式的“商品预测”就是最好的服务体验，回归到数据的价值是为了做事前预测，而不只是事后分析。

大数据分析不是一个冷冰冰的工具，而是以人为中心的全局思考。每个品牌都像是站在一条势均力敌的拔河绳上，一边是品牌发展的理想愿景，另一边是现实的绩效考验，在这段拉扯关系上，顾客成为平衡点（详见下图）。

钻石型顾客关系管理

企业在发展品牌理想与追求绩效的同时，顾客是最佳平衡点。所以，以顾客为中心发展出的所有关系线，是企业长期发展的保证。以上图为例，顾客只有对空间、销售人员、商品三者同时满意，才会埋单。