阿里云:万亿新零售市场实体产业将如何结合?

2018-07-23 13:27 未知

  2016年新零售概念兴起,距今已有一年多时间,以新零售号称的各种新兴业态层出不穷,从新型商超、VR美妆、无人便利店到淘品牌体验店等等。

  对于实体零售而言,如何迎接智能化变革?里面涉及哪些重要的认知变化和方法论上的抉择?面对新零售的未来,核心的关注点是什么?

  马云在2016年底提出了“新零售”概念,在2017年一整年,也出现了很多所谓的新零售现象。比如电商品牌设立线下体验店,无人零售,比如粉丝经济、网红经济,网红和明星在小红书、微博上种草,然后在电商收割,比如门店里的AR穿衣镜,等等,很多新的现象出现。

  面对这些现象,我们可以多问一句,它们背后有着怎样的商业逻辑,有没有一个逻辑可以支撑这个模式长远的发展。因为没有商业逻辑的技术创新,不是真正的技术创新。

  比如说无人售货机业态的发展,从整个产业链和供需关系复盘,可以从支撑无人售货机的科技,以及它绑定的商业逻辑思考。利用科技与逻辑这种思考模式,对一个业态能否长时间可持续发展,可能会有更明确的判断。

  从人层面说,关键词是数字化解析。通过大数据,对人进行解析,了解他的需求和体验;之后根据所了解的内容,做分类的识别和触达,从而提高转化率,增加消费者对品牌的信任度。

  从货层面说,关键词是数字化支撑。利用数据进行选品,从而达到柔性、精准对供应。此外就是对物流效率的提高。

  从场层面说,关键词是数字化沉淀。比如在交互场景实现商品数字化,交易场景实现支付自动化,交付场景实现服务升维。

  在这个重构过程中,最重要的就是数据的全向流通和闭环。只有把以上的关键环节都设法实现了数字化,人货场的重构才能成立。

  科技普及率在未来五年的增长,是促使实体零售发生智能变革的第一个重要背景。

  现在云计算和云储存已经比较普及,传感器、自动识别等科技发展也很先进;预测分析等技术在未来几年会保持几乎每年30%增长。这些技术的普及,是我们做数据沉淀和数据解读的基础,新型的业态就是在此发展起来的。

  比如,云计算是从最前端到最后端打通数据的底座。如果所有信息都储存在一个云平台上,数据的共享和不同商业间数据的打通,就会变得很容易。

  中国商品零售增速趋缓,网络占比不断上升,是促使实体零售智能变革发生的第二个重要背景。

  中国百家大型零售企业,在过去几年它们营收额的增速显著下降,而网上零售占比不断上升。这对实体零售,尤其是零售通路是双重的打击。最近几年,电商的增速也呈现出下降的趋势。所以在2016年最低点的时候,阿里提出要做新零售。

  可以说,线上线下都对新零售有需求。同时,新零售也不是线上抢线下的流量。而是在消费升级的大背景下,怎样用新方法,加速业态升级和业务增长。

  数据是基础。现在我们做决策更多的是凭经验,未来我们要发展到凭数据。AI驱动指随着这种前沿科技的成熟,要用智能化的方式,将数据真正的含义解读出来。在此基础上,将运营决策的流程与数据驱动的方式匹配。

  在进行智能变革跃升的途中,我们认为第一步或者说最重要的一步,是先让消费者关系重构,增强消费者对品牌的认知,最佳优化他们的体验。

  第二个重要的方面是,对于商家而言,怎样实现运营效率的提升。比如利用数字化和智能化的方式,管理库存,进行选址等。

  在消费者和商家两方面都达到最优时,就要思考如何实现需求与供给之间的精确匹配。我认为在数据智能和网络协同的基础上,才能实现真正意义上的柔性供给,实现个人需求与商品供给间精准的匹配。

  当前有几个趋势,或者说现象,第一个是行业的边界模糊化、IP属性凸显。举个例子,小米。小米的平效是非常高的,有26到27万。而一个普通零售店的平效约为3到4万。通过做品牌的延伸和拓展,小米将一个低频的行为变成了高频的行为。

  这是一个启发,在提供商品时,不见得一定要把品类的边界明显化,或者可以先以明显化的手段树立一个强认知,之后进行外延。例如盒马鲜生,建立了以吃为中心的体系后,再延伸到便利店。

  面对当前行业边界模糊化的现状,或者说消费者需求可以在不同的品类间进行跃升这样的形态,我们要思考如何定义最终提供给客户的东西,这需要我们更深度地理解消费者,以他们的需求为本源,拓展商业边界。

  第二个是品牌反射弧明显化。品牌成了首层过滤网,缺乏粉丝收集与粉丝运营的品牌加速淘汰。

  随着消费升级和消费主题年龄层次变化,品牌的反射弧更加明显。例如,70后会比较关注性价比,80后会关注能否免费得到某些东西,90后、00后则会觉得付费得到的才是好的东西。

  怎样建设和运营粉丝群,增强IP认知,是在建设零售通路和提供产品过程中,值得深思的问题。

  第三个是媒体社会化和社会媒体化。现在的环境中,很小的波动,很小的事件,影响力可能就会无限的放大。对于品牌来说,危机出现的随机性增大,触发企业迅速发展的时机也会增多,更加多元。尽管这个触发点消失的也会更快。

  比如飞天茅台这个老品牌,之前推出了“幽蜜”利口酒,通过在《欢乐颂》中的植入迅速走红,达到一天2亿的销售。它巧妙地将自己的品牌形象和剧中五个女主角的固有性格做了连接,通过这样的植入,让一些年轻女性找到了共性的认知,带来了一个爆红的产品。

  未来,粗放性的营销和传统的调研方式,会导致大量机会的损失。7-11的创始人提出一个理论,即以前产品的生命周期是一个富士山的形状,它会慢慢地上升,然后达到走红的顶点,最后又慢慢地下来。

  但是在当下这个信息高度发达的社会中,产品的生命周期已经从富士山这样一个缓慢的形状,变成了铅笔的形状,上去、下来,一个个的波峰,一个个的脉冲。

  中国现在市场很大,人群的阶层更加丰富,消费的选择更加多元。现在,中国产品的生命周期几乎是一个梳子。在这样的情况下,利用传统的方式,及时捕捉市场的动态,同时跟上市场动态提供产品,很难达成。

  现在的时代,需要新的营销的式,做精准定位和精准触达,才能实现产品,才有希望把产品打造成一个爆款。

  新零售的跨界竞争,竞争的就是全民的总时间,全民的总消费和产业的总资源。所以企业要考虑如何充分地利用消费者的周边,和他日常触达的触点产生联系,以一种聪明的方式,将企业想要传递的信息传递给他们,并让他们产生转化的动力。

  传统上很多品牌都会建立消费者库,但是这种信息库是有很大不足的。一方面这种信息库中储存的信息是非常静态片面的,比如年龄、性别等,我们很难得到特别有实操性的信息;另一方面,这种信息库并没有建立品牌和消费者直接链接的通道。

  利用技术,可以将对消费者静止片面的了解发展为立体的了解,进行微立化的解构。立体化的认知要求不仅得到消费者的基本信息,还需要理解他的消费逻辑和消费者关系的流转。

  比如,淘宝上一个消费者,如果只做年龄、性别上的分层,最多10个标签,但其实他身上的标签可能多达几千个。继续根据他不同的消费行为,可以推导出他可能的喜好和可能的购物需求。在消费者打开手淘时,就能达到千人千面,每个人看到的东西都是不同的场景。

  下面说说全域触达。在把产品信息营销传递的过程中,传统的纸媒、点信、广告等非常粗放的广告方式,转化率比较低。现在需要找到更符合消费者的精准广告投放方式。

  比如消费者是微博的重度用户,或者他的大部分时间在开车等,这些都可以作为精准触达所考虑的维度。如果可以在正确的时间、正确的地点,提供正确的投放,转化率一定比较高。

  未来不同媒体经也会进行联动,进行精准的匹配。比如在阿里业态中,已经开始的联动,在淘票票上购买了一个电影票,送出天猫的代金券。

  全域的触达和营销正是基于立体化认知,联动圈子的扩大达成的。在此基础上,可以进行ID运营。让每个消费者的待遇都是独一无二的,个人化或定制化的产品将会更多出现。

  在这方面,未来将会有很大的空间与机会。比如,中国的会员制。我们的商场或者品牌提供的会员,只是简单的积分兑奖,或是会员达到一定的额度,提供折扣。这种做法比较简单粗暴,未来,我们可以给消费者一个独特的ID,独特的会员感受。

  2017年初,阿里收购了银泰百货。之后,阿里把淘系品牌和银泰会员的数据打通,在这个基础上,识别具有高潜力,对银泰有很强忠诚度的人,给他们更大的权益。并且在供应链的选择和供应链的优化中,以这些人的需求为核心,进行品类的调整。

  所以,尽管好像我们走进银泰店里,觉得这个商场没有变化,但是它的后端,实际上已经进行了彻底的变革。这样的会员制改革,既促进了商场的发展,又提高了客户的体验,同时还维系了想要维系的客户。

  什么是效率错觉?举一个大家都能理解的例子,报销。最原始的报销方式是手填报销单;数字化后,我们需要将报销的信息一条条输入报销系统,同时将纸质的报销单交给相关人员,这时候数字化虽然完成了,但是由于数据没有打通,流程不够智能化,我们对于效率提升并没有很强的体感,所以说这时候的“数字化”对于效率完全提升只是个错觉。

  现在报销系统如果与飞猪、支付宝打通,报销时,所有报销的数据已经储存在系统中了,基本不用输入信息,就便捷了很多,才实现了真正的效率提升。

  同样的逻辑映射到零售产业,我们也会感知到,以前的所谓数字化还远未解决效率问题。比如仓库管理和销售预测,最原始的是用纸做记账,店长考虑要进什么货;后来则是利用CRM系统,但是此时的数字化只是将账目信息数字化储存,店长依然需要通过经验决定进货。

  如果在信息系统数字化的基础上,做到更加智能化,比如在店长查看过往订单信息时,系统可以给出一些智能化的建议,而且可以详细到每个SKU,店长只需要根据系统的建议结合个人经验再做微调整。未来在数据拉通,算法的提升的基础上,可以发展成为完全自动、智能的补货。

  又比如门店选址。现在,店长对于品牌来说极其重要,尤其是很多中国的企业,中心化的管理流程没有完全建立,店长的经验非常重要,比如店面选址,极大的依靠店长个人能力。

  但是未来,利用数据化的方式,比如根据地图的数据,计算不同点间的人流热力,周边小区间消费者的趋势和行为。整合信息,就可以达到更理智,有数据决策基础的选址。

  类似的应用还有货架的陈列管理,货品的内容管理,等等。国家要求食品在包装袋上的成分和食物宣称的成分一致。如果不一致,零售商会受到惩罚。

  但是一个超市里SKU那么多,人工一个个的比对几乎不可能实现,如果之后可以通过人工智能检索的方式进行检测,就能极大的节约成本,降低企业运营风险。

  而像运营者都希望做的最末端配送,也可以利用智能化的方式计算出如何用最少的次数,最大限度地提升客户的体验度,用最少的时间、最少的派单量实现最大的效益。

  总之,在智能成本可控的情况下,利用数据的计算,AI方式,可以突破现有的运营瓶颈,促进企业的发展。

  网络协同指将产业链上不同从业者共处同一平台,协同工作。互联网的下半场指在数据打通的前提下,实现最佳的效率配合和效率提升。

  以往品牌制造商和提供方对消费者需求的了解是一个逐渐被渗透的过程,信息传递流程极其复杂。在传递的过程中,信息很大程度上已经失真了。所以品牌方的生产线和设计与市场的数据是脱离的。

  但是如果利用数据驱动,就可以实现从研发、生产、采购、物流、运营管理到市场销售,同步接收市场的需求,从而为下一季的产品的更新和输入提供支持。

  比如在这方面初具雏形的特步,它已经建立了一个数据驱动的底座。因此现在,特步可以通过合理的方式,将这一季的市场数据同步到包括生产研发工厂在内的各个部门,降低发货周期。

  未来,以中台赋能为基础的产业级数据拉通、能力输出会给企业带来效率的极大提升。在企业级数据业务中台上,企业可以充分利用智能化的技术,实现数字化基础上的效率升级;之后在产业级数据及业务中台,如果企业愿意把自己的库存和产能公开,分享给上下游合作伙伴,就能够产生整体效率的提升,实现共享共赢。