传统门店0基础转型新零售最强攻略第七步：大数据运营

其实大数据并不是新兴产物，只是这几年才火了起来，其原因是运用好大数据的商家全都变现了，赚到钱了，说到大数据，我想先拿购物和出行举两个例子。

购物：现在很多电商平台与今日头条、抖音等内容类平台打通，大家通过搜索关键词或相关内容也很方便的购物，比如前些天同事买了个宠物、随后在网上搜索了一些怎么养宠物的信息及注意事项，再后来互联网所经之地推送的都是宠物相关的信息、文章、视频、产品，然后顺理成章的囤了一堆宠物食品、衣服、装饰品等，这些消费都是在他决定买宠物之前没有想到的。而今日头条、抖音等之所以受大家宠爱是因为千人千面的推送机制，而这种机制的后面则是运用了庞大的数据及算法，喜欢的内容被点赞、收藏、转发、多次查看后则会被系统抓取到个人喜好，随之推送的便是自己喜欢的内容。

出行：大家总用的出行工具比如滴滴、Uber等，他们运用大数据可以匹配当前区域的车辆，订单推送给距离最近的司机，最快到达上车地点，提升用户体验；而影响费用的则是道路拥堵情况、全城或当前区域车辆使用情况，如下雨下雪天，如当前区域车辆极少的情况下，再比如上下班高峰期易拥堵的时间段价格会有上浮，这些也是通过大数据计算得出的；还有高德地图，他很聪明，他知道我住在哪，知道我每天上班的途径及交通工具，会在我出门前提示我哪条路可能有拥堵，建议我避开拥堵路段，并计算出我到工作单位的时间。

我采访过一些随着互联网长大的80后，大多数人都认为以前的互联网是没有感情的，为什么这么说，互联网不知道用户想看什么，做什么，提供的也仅是平台上认为自己可以给的，或者认为用户可能会需要的，一个是自我化，一个是猜测。

然而今天也许互联网比我们更了解自己！靠的就是大数据！

数据是什么？

数据的本质是利用数学观察、记录、理解世界（用户），之后数据的价值则是变现。以前商家靠信息不对称赚钱，但信息透明化的今天，这个钱赚不了几年了。而如今的大数据也是要解决信息不对称，但并不是成本、售价、渠道、型号的不对称，而是解决商家供给与用户需求的不对称！

数据的价值在于节省时间、提高效率，数据对万物“变化”的分析可减少试错成本。宏观上来讲可以统计趋势，预测未来，微观上来说比较个体不同，寻找最佳实践。

那么我们回过头来看下近几年的电商平台是如何运用大数据的：

举例当我们在使用天猫、京东等购物平台购物时，搜索过、收藏过、加购过、多次查看的品类，平台会推送更多的产品给我们，比如前些天我在天猫上买了一个车座套，在选择车型之后，系统则记录下来，接下来推送的产品则是与车型更加匹配的产品。本来我只想买个车座套，可这些推送后，我买了一堆物品、包括消耗品玻璃水、机油，还有各种各样的车饰、贴纸。买后回想了一下，我原本打算花几百块钱，而实际上我花了2倍的价格。也就是说我的实际消费是我预算的200%。这个数字很恐怖，但我这样的客户不在少数，采访过身边的很多人这种事很常见，并且实际花费可以是预算的10倍之多。

做过电商的都知道，像京东天猫都有自己后台的数据作为运营和决策依据，从电商角度，离开数据就不知道怎么做了，从数据中可以分析出来用户喜欢什么产品、价格的接受程度、辐射的范围及购买者画像，有了这些数据更有利于商家产品的选型、定价、活动等；

在商家与商家的数据中可以分析品类、品牌之间的问题与差距、用户群体的差别等，更有利于运营决策及打击竞品，拉锯各商家的紧迫感。

除了日常快消品意外的电商并非想象中好做，尤其是厨卫相关产品，其非标属性强，设计需求较多等，客户更希望可以去实体店体验，所以天猫京东都在发展和收购线下的实体，未来可能没有纯粹的电商了，纯线上满足不了用户，需要线上线下结合，这也意味着未来没有纯线下了。

传统商家数据统计方式及问题：

以上说了大数据运用的好处及电商大数据，那回过头来看下咱们实体商家的数据统计、运用及决策；

传统商家的导购都在抱怨门店没有客流，若想知道每天门店的客户进店量基本要靠店长、导购、业务去统计，然而无法实现实时精准统计。都在说用户需求，传统门店如客户不与店员沟通很难获取用户需求，和可接受的价格范围及关注的产品。

传统实体门店的促销活动大致有两种，一种是品牌商也就是总部推出的活动，针对新品、促销品、库存积压货品、常规销售产品进行让利促销，另一种则是经销商结合商场或自己的促销，其促销产品和形式与第一种相同；然而就像卖产品一样，想把促销活动卖给用户，并不是结合用户需求去做活动，其促销活动的辐射半径有限，且活动成本相对较高。

我们传统企业一般是用IT系统查看部分经营和财务结果数据，比如：各门店的销售金额、销售台数、订单数、出入库、退换货等数据；而作为商家来说统计到的便是正年度、阅读销售额、单品销售数量、总销售数量、销售笔数、台数、促销ROI、库存等，基本上都是财务相关的数据，但这些数据只能反映经营情况，并不能指导我们的经营决策和业务变现。

新零售大数据是什么

有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。那什么样的数据才算有用？是多维度数据！

有用的大数据在于数据的多维度、实时性、可视化，要经过采集、清洗、整理、输出，形成数据业务指导能力和变现能力，不断沉淀和优化数据算法，让我们对行业和人性的洞察力更强，作出更高效高质的决策响应。就好比我们看一个人一样，不光是只看外表，而是要结合学历、经历、背景等多方面去了解。

那么话说回来，传统行业应该用什么样子的新零售系统才能满足行业相关的大数据分析，才能更好的变现。

客流量数据：

新零售客流量统计区分线上与线下，线上则是通过查看门店、产品、方案、案例、活动等PV/UV浏览量来识别进店人数；线下可以通过人脸识别、扫码数、活动参与互动人数来识别进店量，相比较传统门店更可以做到实时、精准统计。

从后台我们可以看到所有访客数、浏览量、跳失率、人均浏览量、每个页面的浏览时长，通过这些数据我们则可以分析出来线上线下分别来了多少客户、分别浏览了什么页面，是看活动的多，还是看产品的多，我们可以分析出来客户对什么活动、什么产品感兴趣。那么再从跳失率和浏览时长等数据中可以分析出来各个页面或产品存在的问题、是页面效果不好，还是产品受众较小等，方便我们做营销决策。

用户来源数据：

用户的来源分析其实就是用户是从哪里来的，为什么要统计来源？前面我们有讲到共享门店、线上营销推广引流、门店合伙人机制等，用户来源识别则可以分辨客户到底是通过什么渠道来的，一方面分析渠道的受众群体及喜好，通过什么活动、什么产品、什么营销工具吸引来的客户，另一方面也方便商家针对门店、导购、合伙人的激励机制统计，更可以分析出客户喜欢的门店、导购、产品、营销玩法及促销活动，可以针对客户喜欢的渠道、产品、活动、内容加大营销推广从而提升转化率。

用户特征数据：

用户特征也就是我们常说的用户画像，而用户画像也是个多维度的数据，比如客户的所在地、性别、年龄、使用的手机、喜欢的风格、对什么产品、方案、活动等感兴趣；结合用户画像特征我们可以将客户进行分类和标签化管理，可以根据客户关心的产品、客户所在区域、查看产品所适用的家庭、户型等分析客户质量及消费能力。不管是已成交还是未成交的我们都可以定期针对不同的客户，推送客户感兴趣的产品、方案、活动等，不仅可以提升转化率、客户粘性，还能提升复购率及转介绍率；

用户行为数据：

用户行为其实也可以称之为是用户的行为轨迹，比如客户从进店开始查看了什么产品、哪个方案、有无参与活动互动、是否领取了卡券、卡券适用的产品、将什么产品加入到了购物车、收藏了什么产品等；有了这些数据，我们便可以得知当前客户比较中意什么产品、活动和方案，可以精准的针对意向产品推送适用的优惠政策，从而提升转化率。

转化率数据：

传统实体商家很难统计转化率，因为没有基础进店量，而新零售后的商家在前面检测到客流量的基础上便可以根据以上几项内容来计算门店的各个转化率，比如咨询转化（有多少人咨询了导购）、成交转化（有多少人成交了）、产品配套率、收藏转化、加购转化等；

我们从中可以分析出什么产品、什么方案、什么活动的转化率高，从数据中得出最有效的活动方式、多元化产品方案，以及产品问题可以反馈给厂家。

从所有门店转化数据PK中得知哪些门店的转化率高，而反之转化率低的门店便可以分析出原因，是门店本身的位置不好，还是产品陈列不好，再或者人员服务能力不好造成的。有了这些数据我们可以从中分析出转化率低的原因，计算出有多少提升的空间，做相应的调整从而提升成交转化率。

老客户数据：

传统实体商家的老客户都有客户回访中心做维护，工作量大不说，电话和短信回访的体验及转化都不理想，而新零售的老客户数据采用门店网格化管理，计算当前门店方圆5公里内的区域由当前店面的人员负责回访；

比如商家推出免费上门清洗等服务，由门店的店员打电话联系上门免费服务，再或者可以邀请客户来门店，领取免费清洗的优惠券，再或者可以提前在微信公众号设置领取渠道，邀请客户关注公众号领取后可以提供免费的上门服务；当然也可以结合商场或者公司去搞一些活动。

为什么刚才提到网格化管理，并且锁定门店周边几公里的区域，从客户的角度上来讲首先因周边有实体门店增加信任度，其次到店的几率也会大一些，引导客户关注公众号领取优惠也增加了与用户的粘性，有了转粉的动作，持续由周边门店的导购长期做互动，当然也可以增加老客户的转粉率、复购率移机转介绍率。

活动数据：

传统门店做活动的时候常规使用的方法是门店布置、结合商场或者跑小区的形式去传播，其传播半径有限，普遍是小区或商场周边。而帮助宣传的工具基本上是要提前制作的纸制卡券或者DM单，表面上看来我们一天发了几千张宣传单，好像是锁定了几千个客户，但实际上纸制宣传单不方便携带，其次对于不精准的用户都选择丢弃，我们商家很难精准的统计意向客户。

利用新零售大数据统计后我们更多是采取线上的传播方式、其辐射面积更广，节省提前制作宣传内容的周期，并且节约成本。

例如门店的电子卡券，我们可以看到针对不同活动、不同产品卡券的总投放量、领取与核销人信息；再比如砍价活动，我们可以看到发起人与参与者都有哪些，分析那种产品更受欢迎，还可以查看到参与砍价的客户成交量，类似的营销工具、后台数据还有很多，就不一一列举了，那么我们有了这些数据后，首先是可以分析出哪个活动、哪个产品更受欢迎，其次参与进来的大多都是意向客户，我们可以根据客户领取优惠的数量提前安排门店活动期间的在岗店员人数、可以提前准备赠品，可以根据购买意向提前储备货品；裂变式的传播可以提升活动的辐射半径，有趣味性的营销工具，更有利于吸引目前的消费群体参与及成交转化。

上面我们讲了传统经销商及门店在运用新零售大数据所带来的好处，那接下来我们再看一下针对客户及厂家的好处是什么：

对客户

前面我们有讲到，在售的产品、活动并不是客户想要的，随着现在产品多元化、更新迭代快、商品同质化严重，促销活动也大同小异、客户的选择越来越难、不管是商家和是客户的成本都越来越高，那对于运用新零售大数据后，通过数据分析真正的了解了用户的需求之后，才能对症下药，解决客户对产品的认知、对设计的思路、增加活动的趣味性、所有的营销互动终以满足客户需求出发，不光能提升转化率、客户的体验度、也降低用户的选择成本；所以解决C端用户的痛点才是商机。

对厂家

厨卫行业的各大品牌厂家可谓实力雄厚，有的厂家是有自己的自营店，但大部分还是以支持经销商开门店为主，自营店较少或者没有自营店的厂家在终端信息反馈这里会有一定的滞后，很难第一时间得到商家、门店乃至客户的真实反馈信息。

厂家面对的都是全国的经销商、每个地区的用户所喜欢的产品和可以接受的价格均有不同，而厂家投放的产品、价格、活动等都大致相同。

对于每个经销商的实体门店的产品占有率、产品陈列位置、门店业绩、促销活动效果、产品喜好程度等都无法了解，这些都会直接影响到新产品的研发、促销活动以及品牌营销推广策略的制定。

那么利用新零售大数据之后，可以方便了解各地区经销商在实际经营当中存在的问题，了解各地区终端客户对产品和活动的喜好程度，可以及时并帮助各商家解决在经营当中的问题，并且针对与新品的研发也有更充分的依据，生产出更符合用户需求的产品，制定更精准的促销活动，从而做厂家与经销商之间的双向拉动，更有利于提升出厂量以及商家销售额。

纯数据不值钱，有效运用才赚钱

很多电商会去买京东天猫的数据，电商平台卖数据是为了赚钱，而商家买数据也是为了赚钱，但是笔者想强调一下，纯数据不值钱，因为数据本身没有价值，而是源自于数据产品所引发的后续行为的价值，也就是说数据产品价值=决策者提前了解变化所节省的成本和新增的价值-替代成本；我们商家需要通过这些数据提前规划、调整经营策略，从数据中分析问题，提前规避风险，从数据中发现商机，从而提前规划经营策略，把所有数据作为商家运营的决策依据才能够真正做到大数据赚钱。

以上针对大数据内容为笔者结合了线上各电商平台、线下实体门店、以及着重分析了厨卫百分百新零售大数据所整理出来的内容，非常符合市场趋势和实体商家应用，希望对各商家有用。

如果您感兴趣想有深入的了解与探讨，也可以添加笔者WX：bluefingernails