零售业如何用好大数据

企业和个人有着海量信息存储的需求，只有将数据妥善存储，才有可能进一步挖掘其潜在价值。具体而言，这块业务模式又可以细分为针对个人文件存储和针对企业用户两大类。主要是通过易于使用的API，用户可以方便地将各种数据对象放在云端，然后再像使用水、电一样按用量收费。目前已有多个公司推出相应服务，如亚马逊、网易、诺基亚等。运营商也推出了相应的服务，如中国移动的彩云业务。

5、管理客户关系

客户管理应用的目的是根据客户的属性(包括自然属性和行为属性)，从不同角度深层次分析客户、了解客户，以此增加新的客户、提高客户的忠诚度、降低客户流失率、提高客户消费等。对中小客户来说，专门的CRM显然大而贵。不少中小商家将飞信作为初级CRM来使用。比如把老客户加到飞信群里，在群朋友圈里发布新产品预告、特价销售通知，完成售前售后服务等。

6、个性化精准推荐

在运营商内部，根据用户喜好推荐各类业务或应用是常见的，比如应用商店软件推荐、IPT V视频节目推荐等，而通过关联算法、文本摘要抽取、情感分析等智能分析算法后，可以将之延伸到商用化服务，利用数据挖掘技术帮助客户进行精准营销，今后盈利可以来自于客户增值部分的分成。

以日常的“垃圾短信”为例，信息并不都是“垃圾”，因为收到的人并不需要而被视为垃圾。通过用户行为数据进行分析后，可以给需要的人发送需要的信息，这样“垃圾短信”就成了有价值的信息。在日本的麦当劳，用户在手机上下载优惠券，再去餐厅用运营商DoCoMo的手机钱包优惠支付。运营商和麦当劳搜集相关消费信息，例如经常买什么汉堡，去哪个店消费，消费频次多少，然后精准推送优惠券给用户。

7、数据搜索

数据搜索是一个并不新鲜的应用，随着“大数据”时代的到来，实时性、全范围搜索的需求也就变得越来越强烈。我们需要能搜索各种社交网络、用户行为等数据。其商业应用价值是将实时的数据处理与分析和广告联系起来，即实时广告业务和应用内移动广告的社交服务。

运营商掌握的用户网上行为信息，使得所获取的数据“具备更全面维度”，更具商业价值。典型应用如中国移动的“盘古搜索”。

二、“大数据”与零售业的结合运用

对于数据的使用，许多实体零售商同样表示非常重视，他们对企业积累的数据进行了各种预测和

分析。然而，对具体的销售业务来说，往往存在理想与现实的纠结，前不久市场中一家知名的服装零售企业一方面在宣传盈利上市的同时，一方面曝出有近10亿元的库存。国内很多零售企业都知道“大数据”应用的好处，但他们一旦将“大数据”的应用结合到自己的企业经营中时，便会出现与目前经

营有非常大的不适应问题，如此导致许多企业对此都持非常谨慎的态度。

1、将零售策略与“大数据”技术进行结合

零售企业谈的“大数据”的最大价值，是在零售策略上与“大数据”技术进行结合，最大程度地编制前置性的零售策略，确保销售计划的实现。“大数据”讲究四个“V”：一是数据体量大（Volume）；二是数据类型复杂（Variety），多涉及到各种结构性与非结构性的；三是价值密度低（Value），这和体量大是相对应的；四是数据更新与处理速度快（Velocity）。

根据这些特性主动地在业务数据产生的同时做出相应的策略应对，会为企业赢得更多的时间和市场策略调整空间。这类似于大江大河的洪峰预警，上游的洪峰出现什么状况，下游要做什么样的应对。数据用到这一层面上，才具有直接的业务价值，这不是那种销量同期比、环比、销售计划比数据能指导业务的价值能相比的。例如一家涉足线上业务的实体零售商，在一组货品的15分钟促销时

间内，往往准备着3套应变策略，以确保货品能够按计划卖出。

在实体商业领域，有许多关于数据与营销的案例。一个较早的版本就是美国沃尔玛啤酒和尿布的数据关系。原来，美国的妇女在家照顾孩子，所以她们会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。

当分析师了解到啤酒和尿布销量存在正相关关系、并进一步分析的时候，发现了这样的购买情境，于是将这两种属于不同门类的商品摆在一起。这个发现为商家带来了新的销售组合。当然，即使再多的零售连锁企业知道这个故事，也极少从平时销售中能发现这样的组合，哪怕是牵强附会的。

所以，零售策略设计是零售业“大数据”价值最大的地方，也是“大数据”可以直接为其提供支持的业务。

2、零售企业对“大数据”应保持正确态度

企业的领导者首先要重视“大数据”的发展、重视企业的数据中心，把收集顾客数据作为企业营销运营的第一目标；第二，对企业内部人员进行培训及建立收集数据的软硬件机制；第三，以业务需求为准则，确定哪些数据是需要收集的；第四，确认在企业已有的数据基础上或者未来方向前提下，如何达成前三项目标的基础建设方案。

在这些IT基础工作需要企业有实实在在的投入和建设规范的信息化团队，作为中国商业最大的一分子——中小微型零售企业似乎是不可能也没有足够的能力来面对这样一场变化的。

大中型零售商因为本身业务及利润的积淀，已经能够承担这样一场需求趋势的需要成本。中小微型企业还处于快速发展过程中，如果也如同大中型企业进行全方面的投入，将很快会被新型的IT工具拖垮或者遭受重创。

但这并不意味着中小零售企业没有机会，实际上IT的发展为所有的企业都提供了平等的选择，云计算的广泛应用即是对这样一场变革带来的临时礼物。

作为中小微型零售企业，完全不必考虑自己建设一套“大数据”的IT系统，他们从精力、成本、能力上来说都不适合，因此此类企业可以将企业的IT建设外包给适合的服务商，企业本身的所有精力可以投入到对商圈的开发上。

目前，一些IT软件开发运营商也已经针对传统零售企业推出了云服务的基础平台，为中小微型商业企业提供了大型企业和超大型企业同样的基础环境及系统架构，小企业只需清晰地规划出自己的目标和适合的步骤，使用云平台按需付费即可，大可不必进行巨大的初始投入和不可预测的运行成本。

三、“大数据”在零售企业实战中的应用

1、Target

最早关于“大数据”的故事发生在美国第二大的超市塔吉特百货（Target）。孕妇对于零售商来说是个含金量很高的顾客群体。但是他们一般会去专门的孕妇商店而不是在Target购买孕期用品。人们一提起Target，往往想到的都是清洁用品、袜子和手纸之类的日常生活用品，却忽视了Target有孕妇需要的一切。为此，Target的市场营销人员求助于Target的顾客数据分析部要求建立一个模型，在孕妇第2个妊娠期就把她们给确认出来。在美国出生记录是公开的，等孩子出生了，新生儿母亲就会被铺天盖地的产品优惠广告包围，因此必须赶在孕妇第2个妊娠期行动起来。如果Target能够赶在所有零售商之前知道哪位顾客怀孕了，市场营销部门就可以早早的给他们发出量身定制的孕妇优惠广告，早早圈定宝贵的顾客资源。

如何能够准确地判断哪位顾客怀孕？ Target想到公司有一个迎婴聚会（baby shower）的登记表，开始对这些登记表里的顾客的消费数据进行建模分析，不久就发现了许多非常有用的数据模式。比如模型发现，许多孕妇在第2个妊娠期的开始会买许多大包装的无香味护手霜；在怀孕的最初20周大量购买补充钙、镁、锌的善存片之类的保健品。最后Target选出了25种典型商品的消费数据构

建了“怀孕预测指数”，通过这个指数，Target能够在很小的误差范围内预测到顾客的怀孕情况，因此Target就能早早地把孕妇优惠广告寄发给顾客。

为了不让顾客觉得商家侵犯了自己的隐私，Target把孕妇用品的优惠广告夹杂在其他一大堆与怀孕不相关的商品优惠广告当中。

根据这个“大数据”模型,Target制订了全新的广告营销方案，结果Target的孕期用品销售呈现了爆炸性的增长。Target的“大数据”分析技术从孕妇这个细分顾客群开始向其他各种细分客户群推广，

从Target使用“大数据”的2002年到2010年间，Target的销售额从440亿美元增长到了670亿美元。

2、Z ARA