但是到了現(xiàn)在，互聯(lián)網(wǎng)逐步普及，傳統(tǒng)零售的老板們逐步具備互聯(lián)網(wǎng)的思維，開始使用互聯(lián)網(wǎng)工具，使得他們也得到了互聯(lián)網(wǎng)的賦能，所以現(xiàn)在才是真正可以在同一當(dāng)量上開始對抗競技了！
首先，我們還是來看看新零售是如何進(jìn)行定義的？（阿里的官方定義-馬爸爸首次提出）：
新零售就是以消費(fèi)者體驗(yàn)為中心的數(shù)據(jù)驅(qū)動的泛零售形態(tài)；
核心價(jià)值是最大程度提升全社會流通零售業(yè)的運(yùn)轉(zhuǎn)效率；
新零售具備三大特征：
1、以心為本，消費(fèi)者體驗(yàn)為中心，重構(gòu)人貨場；
2、零售二重性，完全數(shù)據(jù)化；
3、零售物種大爆發(fā)，催生更多服務(wù)形態(tài)。
而其中最為重要的，而且被反復(fù)提到的就是重構(gòu)“人、貨、場”。
下面我就把自己關(guān)于新零售的一些分享給大家！歡迎多多交流。
NO.1 新零售如何重構(gòu)“人”？
這里我想提出一個理論的新應(yīng)用，就是5W+1H，想要重構(gòu)人，你必須搞清楚這6點(diǎn)！
1、WHO——顧客是誰，他們到底長什么樣子，有什么偏好？
2、WHEN——他們一般什么時(shí)候來，多長時(shí)間來一次，一次來多久？
3、WHERE——他們一般都會去哪些位置，這些位置之間有什么聯(lián)系
4、WHAT——他們來的時(shí)候都做了一些什么事情
5、WHY——為什么要做？可不可以不做？有沒有替代方案？
6、HOW ——他們是怎么做這些事情的？如何提高效率？如何實(shí)施？方法是什么？
要搞清楚這些，我們最可靠的方式就是借助數(shù)據(jù)。
就我個人而言，我認(rèn)為最大的區(qū)別就是：對數(shù)據(jù)采集、整理、分析和應(yīng)用的能力。
在新的時(shí)代里我們不光要采集用戶的線上數(shù)據(jù)，更需要采集線下的數(shù)據(jù)，讓用戶行為數(shù)據(jù)從獨(dú)立的信息孤島，真正串聯(lián)起來，實(shí)現(xiàn)由點(diǎn)到面的質(zhì)變。
只有把用戶的全渠道數(shù)據(jù)打通，才能生成一個用戶的全息影像，我們才能清楚的知道應(yīng)該如何去更好地服務(wù)他，有的放矢！
終極目標(biāo)：人群個性化標(biāo)簽，千人千面的展示，推薦，服務(wù)等（目前我們大部分還只是千人一面）
實(shí)現(xiàn)方法：
1、采集數(shù)據(jù)：方法分為兩種線上采集和線下采集
2、建立標(biāo)簽：根據(jù)分析數(shù)據(jù)建立標(biāo)簽庫，為符合要求的人群打上對應(yīng)標(biāo)簽
3、人群建模：根據(jù)現(xiàn)有的業(yè)務(wù)需求，找到需要哪些人群
4、重構(gòu)人：針對人群去匹配各類標(biāo)簽組合，為每個人建立非常清晰的畫像，也即我們的人的全息畫像！
這里我主要談?wù)勅绾稳ゲ杉瘮?shù)據(jù)。
線下采集
（截取自：IT經(jīng)理網(wǎng)《零售業(yè)采集線下客流數(shù)據(jù)的六種新方法》–作者 關(guān)志剛）
1. Wi-Fi指紋：追蹤信號強(qiáng)度
Wi-Fi指紋技術(shù)只追蹤店內(nèi)顧客的手機(jī)和平板電腦的Wi-Fi信號強(qiáng)度，該技術(shù)的領(lǐng)導(dǎo)廠商是華盛頓的Point Inside。
該技術(shù)通過商場會員移動應(yīng)用搭配使用，只有在手機(jī)上安裝會員應(yīng)用的顧客的WiFi信號強(qiáng)度才會被監(jiān)測，監(jiān)測數(shù)據(jù)有助于零售商優(yōu)化商品貨架陳設(shè)。
2. MEMS：生成顧客活動的熱力圖
為了獲得更精確的客流分析數(shù)據(jù)，零售商們還可以借助當(dāng)今主流智能手機(jī)上的各種微電子系統(tǒng)（MEMS）如加速度計(jì)和陀螺儀，上點(diǎn)提到的Point Inside也提供此類分析技術(shù)，配合顧客手機(jī)中自愿安裝的會員應(yīng)用，可以繪制出精確的客流熱力圖。
3. LED照明：通過發(fā)射頻率判斷顧客位置
LED是綠色照明的代名詞，但最新的客流追蹤技術(shù)巧妙地利用了店內(nèi)的LED照明系統(tǒng)，ByteLight公司就是這方面的先驅(qū)。
不同的LED發(fā)光源有著特定的頻率，因此專門的智能手機(jī)應(yīng)用能夠通過偵測LED發(fā)光頻率來判斷顧客所處的位置，從而為零售商提供顧客定位和客流路線分析數(shù)據(jù)，甚至能通過燈光將“超廣告”圖形文字投射到顧客眼前的貨架上。
4. 藍(lán)牙4.0：將促銷信息發(fā)送到顧客的手機(jī)上
iPhone和iPad已經(jīng)配備了藍(lán)牙4.0模塊，Android手機(jī)遲早也會標(biāo)配。藍(lán)牙4.0的一大特點(diǎn)就是能夠通過低功耗信號傳輸大量數(shù)據(jù)。
Swirl公司最先將藍(lán)牙4.0技術(shù)與店內(nèi)客流分析技術(shù)結(jié)合起來的公司。零售商首先需要在店內(nèi)布置電池驅(qū)動的傳感器，然后鼓勵顧客下載Swirl應(yīng)用，并許可該應(yīng)用發(fā)送顧客的位置信息（傳輸范圍約100米）。參與監(jiān)測的客戶將獲得商品折扣獎勵，而零售商則能收獲精確的客流數(shù)據(jù)。
5. NFC會員卡：監(jiān)測客戶的購買記錄
會員卡是追蹤客戶行為的最佳方式，例如FiveStars開發(fā)出一種支持NFC的會員卡，雖然不能追蹤顧客在店內(nèi)的行動路線，但可以掌握顧客的訪問頻率、訪問高峰時(shí)段以及所購商品信息。
6. 3D傳感+視頻監(jiān)控
以上推薦的五種客流數(shù)據(jù)監(jiān)控技術(shù)都需要顧客安裝App應(yīng)用配合，而更加簡便的，通過3D傳感器、攝像頭和人臉識別等技術(shù)的店內(nèi)客流和客戶行為分析方案也值得零售商注意。
例如喜力啤酒等品牌商已經(jīng)開始采用Shopperception三維購物傳感器追蹤用戶與貨架上的商品的互動情況，包括觸碰、拿取、放回等動作，并生成一個商品的熱力圖。
Prism Skylabs 則用來另一套方法，基于現(xiàn)有的攝像頭監(jiān)控網(wǎng)絡(luò)，分析視頻圖像來監(jiān)測客流。
線上采集
對于線上采集數(shù)據(jù)來說純互聯(lián)網(wǎng)技術(shù)就有天然的優(yōu)勢了，而數(shù)據(jù)埋點(diǎn)技術(shù)這是最常規(guī)的辦法，它是一種良好的私有化部署數(shù)據(jù)采集方式，滿足了企業(yè)對業(yè)務(wù)去粗取精，實(shí)現(xiàn)產(chǎn)品、服務(wù)快速優(yōu)化迭代的需求。
初級：在產(chǎn)品、服務(wù)轉(zhuǎn)化關(guān)鍵點(diǎn)植入統(tǒng)計(jì)代碼，據(jù)其獨(dú)立ID確保數(shù)據(jù)采集不重復(fù)（如購買按鈕點(diǎn)擊率）；
中級：植入多段代碼，追蹤用戶在平臺每個界面上的系列行為，事件之間相互獨(dú)立（如打開商品詳情頁——選擇商品類型——加入購物車——下訂單——購買完成）；
高級：聯(lián)合公司工程、ETL采集分析用戶全量行為，建立用戶畫像，還原用戶行為模型，作為產(chǎn)品分析、優(yōu)化的基礎(chǔ)。
例如在數(shù)據(jù)庫可能加入埋點(diǎn)后就能產(chǎn)生一些基本的表格：
用戶激活信息表：（用戶啟動客戶端時(shí)上傳用戶信息），在熱更新、注冊/登錄前面
用戶注冊信息表：用戶完成注冊時(shí)記錄用戶注冊信息-
用戶登錄信息表：用戶完成登錄時(shí)記錄用戶信息（登錄不包含注冊用戶數(shù)據(jù)）
用戶登出信息表：用戶完成登出動作時(shí)記錄用戶信息
訂單信息表：訂單完成時(shí)記錄訂單信息
資源變化信息表：產(chǎn)生資源變化時(shí)記錄
重要事件觸發(fā)監(jiān)控?cái)?shù)據(jù)：觸發(fā)指定事件時(shí)（無資源變化時(shí)）記錄該事件數(shù)據(jù)
個人信息表：用戶當(dāng)天最后狀態(tài)的個人信息（活躍用戶：當(dāng)天0點(diǎn)在線用戶 + 當(dāng)天0點(diǎn)前離線的用戶
數(shù)學(xué)建模，完成恐怖的終極目標(biāo)。
與其說重構(gòu)人，還不如說是【完整映射人】。
當(dāng)有了線上線下數(shù)據(jù)完全同步和打通之后，你真的是可以做到完美的標(biāo)識一個人；而且隨著行為的越來越多，數(shù)據(jù)越來越大，標(biāo)簽越來越多，這個人會越來越趨近于真實(shí)世界的他。
從傳統(tǒng)的模糊的人，到越來越清晰的人，這是我認(rèn)為新零售對于人的重構(gòu)最恐怖的地方——因?yàn)閭鹘y(tǒng)的電商企業(yè)想要拿到線下的數(shù)據(jù)是非常困難的，而線下的企業(yè)想拿線上的數(shù)據(jù)是很容易的，只是他們?nèi)狈α嘶ヂ?lián)網(wǎng)這樣一個武器。
當(dāng)你通過這些數(shù)據(jù)完整的了解到【一個27歲的男性每天在下班的6點(diǎn)45分會到街角的某個便利店固定買一杯奶茶】，那你如果是這個店的店主，是不是可以在6點(diǎn)43分的時(shí)候就把奶茶做好，放送短信告知他“您的小奶茶已經(jīng)做好，我們熱切的等您過來把我?guī)Щ丶摇保?
新零售的企業(yè)會越來越知道我們的消費(fèi)者要什么！！！
NO2. 新零售如何重構(gòu)“貨”？
就我個人而言我覺得，重構(gòu)貨就是為企業(yè)來解決“賣什么、賣多少、怎么賣、賺多少”這四大核心問題。
終極目標(biāo)：
構(gòu)建企業(yè)貨物預(yù)測與決策可視化平臺系統(tǒng)，實(shí)現(xiàn)商品品類管理、銷售預(yù)測、動態(tài)定價(jià)、促銷安排、自動補(bǔ)貨、安全庫存設(shè)定、倉店和店店之間的調(diào)撥、供應(yīng)計(jì)劃排程、物流計(jì)劃制定等
實(shí)現(xiàn)方法：
“獲取數(shù)據(jù)—分析數(shù)據(jù)—建立模型—預(yù)測未來—支持決策”
而這一套方法也就是重構(gòu)貨的方法，和重構(gòu)貨的方法基本類似，只是需要拿到和分析的數(shù)據(jù)不一樣，要對商品、銷量、價(jià)格、庫存、訂單等在不同的應(yīng)用場景中產(chǎn)生的海量數(shù)據(jù)，結(jié)合在不同業(yè)務(wù)場景和業(yè)務(wù)目標(biāo)進(jìn)行定性和定量的分析。
柔性化定制–告訴你賣什么，賣多少：
C2F的全新模式，也即按需定制，按需生產(chǎn)，最好的方式就是客戶要什么我們就直接生成什么。
3D打印就完美的詮釋了這種模式，而大部分其他的行業(yè)則是需要高度標(biāo)準(zhǔn)化，高度模塊化的才能達(dá)到這種水平。
比如寶馬汽車，把自己的產(chǎn)品拆分成車身，內(nèi)飾，輪胎等等，讓用戶通過一個虛擬的組裝車間來完成自己愛車的拼搭，最后根據(jù)這個模型去生產(chǎn)車間里面找配件完成生產(chǎn)。
而大多數(shù)企業(yè)可能直接生成出來產(chǎn)品來之后，然后投放市場看效果。
這里比較值得借鑒的是韓都衣舍的“阿米巴”經(jīng)營模式，通過多團(tuán)隊(duì)作戰(zhàn)，根據(jù)當(dāng)前市場各種款式的熱銷程度，快速選款制作投放，獲取到市場的反饋數(shù)據(jù)，來不斷迭代自己的產(chǎn)品。
以產(chǎn)品小組為核心，產(chǎn)品小組之間既獨(dú)立運(yùn)營，獨(dú)立核算，同時(shí)又相互配合，全面統(tǒng)籌。
它們圍繞“產(chǎn)品運(yùn)營”該一核心，在企業(yè)的整體規(guī)劃下獨(dú)立開展業(yè)務(wù)；韓都衣舍有267個產(chǎn)品小組，每個產(chǎn)品小組通常由2~3名成員組成，產(chǎn)品設(shè)計(jì)、頁面制作、庫存管理、打折促銷等非標(biāo)準(zhǔn)化環(huán)節(jié)全權(quán)交由各小組負(fù)責(zé)。
產(chǎn)品小組模式在最小的業(yè)務(wù)單元上實(shí)現(xiàn)了“責(zé)、權(quán)、利”的相對統(tǒng)一，是建立在企業(yè)公共服務(wù)平臺上的“自主經(jīng)營體”，培養(yǎng)了大批具有經(jīng)營思維的產(chǎn)品開發(fā)和運(yùn)營人員，同時(shí)也為集團(tuán)多品牌戰(zhàn)略，提供了最重要的人才儲備。
作為“單品全程運(yùn)營體系”的核心組成部分，產(chǎn)品小組模式的優(yōu)勢主要體現(xiàn)在兩個方面：
極大的提高了運(yùn)營效率。只要在公司規(guī)定的框架內(nèi)，產(chǎn)品小組完全可以按照自己的節(jié)奏控制產(chǎn)品開發(fā)、新品上架、打折促銷等運(yùn)營環(huán)節(jié)，同時(shí)對于消費(fèi)者的反饋，也有自主權(quán)利，對產(chǎn)品不斷進(jìn)行修正和改進(jìn)，提升消費(fèi)者的體驗(yàn)。
大大降低了庫存風(fēng)險(xiǎn)。每個小組的業(yè)績考核的核心指標(biāo)，是銷售額、毛利率和庫存周轉(zhuǎn)率，為了獲得更大利潤、更多提成，每個小組會根據(jù)公司提供的各種參考數(shù)據(jù)，預(yù)估銷售量，下訂單時(shí)會遵循“少量多次”的原則，嚴(yán)格控制風(fēng)險(xiǎn)庫存。韓都衣舍通過系統(tǒng)的數(shù)據(jù)模型，在新產(chǎn)品上架15天以后，即按照數(shù)據(jù)將產(chǎn)品劃分為“爆、旺、平、滯”四類。不同級別的產(chǎn)品，企劃中心都有統(tǒng)一的營銷政策，產(chǎn)品小組在企劃中心的標(biāo)準(zhǔn)政策范圍內(nèi)，根據(jù)市場行情進(jìn)行商品營銷策略的確定和實(shí)施。該樣一來，整個產(chǎn)品端反應(yīng)更靈敏，風(fēng)險(xiǎn)也更易控制。
因?yàn)樵搩蓚�核心優(yōu)勢，韓都衣舍的年度庫存周轉(zhuǎn)率可以達(dá)到6次以上，當(dāng)季售罄率可以達(dá)到90%~95%。
爆品櫥窗–告訴你怎么賣
新零售的時(shí)代，線上和線下的數(shù)據(jù)是直接相連的，用戶通過線上產(chǎn)生的數(shù)據(jù)，和在線下體驗(yàn)產(chǎn)生的數(shù)據(jù)將會成為一體，線下將會利用線上的數(shù)據(jù)在櫥窗展示、商品推薦等方面直接促進(jìn)交易的達(dá)成。
作為阿里新零售平臺業(yè)務(wù)模式的樣板店，素型生活與59個互聯(lián)網(wǎng)品牌產(chǎn)生跨界合作，實(shí)現(xiàn)線上線下時(shí)時(shí)同款同價(jià)，每周百款同步上新，24小時(shí)不打烊。
在嘗試新零售的過程中，素型生活改變了傳統(tǒng)的線下門店陳列方式，將線上關(guān)聯(lián)銷售大的產(chǎn)品排放在一起，多重維度的組合建立起場景式營銷的購物體驗(yàn)。
在選品上，實(shí)現(xiàn)海量商品的精準(zhǔn)化篩選，借助阿里大數(shù)據(jù)功能，把爆款銷售高的產(chǎn)品放在店鋪貨架的第一排，從新零售平臺的品牌池中挑選符合店鋪定位的商品。
大數(shù)據(jù)可幫助分析出某區(qū)域最受歡迎的品牌、款式等，降低買手的選品門檻。
NO3. 新零售如何重構(gòu)“場”？
技術(shù)的高速發(fā)展，使得消費(fèi)場景將實(shí)現(xiàn)真正的無處不在，所見即所得。
這也將給“人”的消費(fèi)體驗(yàn)，帶來極大的提升——原來我們傳統(tǒng)的那些零售場所（街邊店、大賣場、電視等等），在這種新型的環(huán)境下是很難再去吸引消費(fèi)者了，在當(dāng)下各種新型消費(fèi)場景爆發(fā)式增長。
如線上直播賣貨，VR試衣間，無人便利店等，渠道更加多元化，消費(fèi)者基本實(shí)現(xiàn)了隨心隨性，隨時(shí)隨地的購物，新的場景比老的場景更加高效，更加有趣，更加cool。
但是這個依然是因人而異，你要一個買菜的大媽去VR購物，基本就不太現(xiàn)實(shí)了，場景也是為人去服務(wù)的。
終極目標(biāo)：提供全域的購物場景
實(shí)現(xiàn)方法：時(shí)刻關(guān)注技術(shù)，新的場景的催死一般都是由新技術(shù)的全新應(yīng)用而產(chǎn)生，感知身邊發(fā)生的變化，去體驗(yàn)。
這邊給大家一個重要的公式：
知識=體驗(yàn)*敏感度
VR試衣間
直播間賣貨
無人便利店
新零售的世界：雙重結(jié)構(gòu)的“原子/比特”世界
“人貨場”是我們需要去改變的標(biāo)的物，而新零售就是我們?nèi)ジ淖兊奈淦鳎幌胱屵@個武器更加鋒利，我們就需要更加“精，全，多”的數(shù)據(jù)，讓虛擬的數(shù)據(jù)世界更好的反應(yīng)這個真實(shí)的世界，找到他們最小的組成單位–“原子和比特”，新零售的“新”也就是新在這個數(shù)據(jù)化的世界里。
新時(shí)代的產(chǎn)品人必須具有“比特”眼，也即我們說的數(shù)據(jù)化思維，從數(shù)據(jù)里面發(fā)現(xiàn)問題和解決問題。
同時(shí)我們還必須知道這個體驗(yàn)是如何產(chǎn)生出來的，不然我們以體驗(yàn)為中心就無從談起。
就拿我們現(xiàn)在的傳統(tǒng)電商購物流程來看：
這一個完整的電商流程就包含著諸多的體驗(yàn)產(chǎn)生點(diǎn)，根據(jù)這些業(yè)務(wù)流程我們可以構(gòu)建一個比較完整的【消費(fèi)者體驗(yàn)地圖】。這個地圖其實(shí)就是我們重構(gòu)三要素（人、貨、場）的核心藍(lán)本，每一個點(diǎn)中都涉及到個元素的重新改造，物理世界和數(shù)據(jù)世界的交互會讓未來的零售業(yè)變得更加優(yōu)秀。
以消費(fèi)者體驗(yàn)為核心
以數(shù)據(jù)為驅(qū)動
深刻理解這兩點(diǎn)，它將幫助我們做好新零售。
來源：阿里巴巴研究院-新零售報(bào)告
- 該帖于 2017/10/24 10:46:00 被修改過