伽蓝 x Quick BI:美妆竞争加剧,伽蓝“数”驱增长

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: 本文以伽蓝集团数字化转型为案例,展现其如何通过数据中台、“一盘货”体系及AI模型(如人货匹配、高潜复购),实现营收增长、效率跃升与精准营销。2022年逆势增长2.6%,数字化营收占比达98.8%。

如果这个场景也戳中了你,不妨亲自体验一下!Quick BI 30 天免费试用,用对话完成分析、归因到结果交付:[点击立即体验]




在过去十年间,几乎每一家成功的企业都穿越了不确定的迷雾,并由此获得巨大的红利。细观其后,无疑都是数字化所带来的基业长青。为什么要数字化?数字化已经从一道选择题,逐渐变成一道必选题——我们该如何通过数字化赢得竞争?


今天,我们希望带着多年来对数字化的理解和经验,把先进的数字化企业在实践中的思考与经验,展现成一个个数字化弄潮儿的生动故事。相信通过这些优秀的企业案例,我们会更加认识到“数据智能”的非凡价值。

290亿元。

这是国家统计局发布的2022年12月化妆品类零售总额数据。但这个庞大的数据竟同比下降了19.3%,这是多年以来,“零售红海”—美妆市场的首次规模收缩。美妆赛道,烈火烹油。市场的警示灯开始闪烁,新品牌们不得不挣扎于生死线;巨头大厂战略性紧缩……美妆们,还涨得动么?翻看这一年的“成绩单”,还真让我们找到了一位优等生——伽蓝。数据显示,2022年,伽蓝销售额同比增长2.6%,零售终端保持4.3万个,新增消费者数据资产1504万。为什么是伽蓝?凭什么是伽蓝?作为成立于2001年的中国化妆品领军企业——伽蓝,培育孵化出多个耳熟能详的国货美妆品牌,包括自然堂、美素等。


1.jpg


样化的产品布局和市场沉淀,是伽蓝能跑赢市场的底色基因。但拨开市场不确定的迷雾,细观其后,赫然有着“数字化”的鲜明烙印。


数字化营收占比98.8%,对比2019年增幅50.8%;数字化零售占比67.1%,增幅105.7%;客群数据资产总数超过9.6亿,会员与潜客总数达 8688万……


随着“数字化”谜底的揭示,伽蓝的成功故事也逐渐浮出水面。





国潮美妆风口,伽蓝步步为“先”

2018年,国潮美妆开始谱写恢弘叙事:李佳琦完胜马云口红销量,以惊人的卖货能力拉开直播带货序幕;花西子、完美日记“双子星”诞生,美妆行业顺势流向属于自己的“国潮元年”;91亿的美妆赛道融资总额,成为近10年的顶点数据。


也是这一年,尝到行业红利的国内头部美妆集团——伽蓝集团,并没有沉浸于销量的增长,而是开始思索下一步该如何行进。


经过多方的调研与长期的战略思考,董事长兼总裁郑春颖将伽蓝的未来投注到“数字化转型”之上,并与阿里巴巴旗下企业智能服务品牌——瓴羊及阿里云展开战略合作。自此之后,数字化像毛细血管一样,渗透到伽蓝各个业务部门。


从现在往回看,“数字化转型”的选择是正当且必然的;但站在当时视角,谁也无法判断数字化对于伽蓝的业务加成、企业管理能带来多大效能。尤其是伽蓝以前,几乎并没有一家中国美妆企业在做这件事。


“从2018年开始,到2020年正式启动数据中台和一盘货模式,伽蓝花了2年时间,详细规划了数字化转型三步走战略,并做了相应的技术储备。目前伽蓝大数据中心成员就超过50人,这还不包括集团和各子品牌的IT和DT力量。”


伽蓝集团大数据中心总经理罗予晋进一步解释,数字化转型三步走战略指的是业务在线化、数字运营化、营销智能化。第一步解决全业务流程的数据沉淀;第二步是数据价值挖掘;第三步则是在前两步的基础之上,实现精准营销。


2.jpg


从内而外,逐层渗透,步步为营。踩下的每一步,都透着艰辛。为了尽量减少“无效”能耗,找准数字路径,伽蓝逐步摸索出了自己的方法论:从创新模式到组织和制度,再到系统和工具,三者有机结合,将链路全线贯通。




数据中台为底,多场景应用助力增长


“数字化转型是长期主义,即使方法论对了,也还是需要耐着性子,去解决各种突发的、顽固的难题。由伽蓝集团与瓴羊共同打造的伽蓝数据中台,就花了1年多的时间。”


罗予晋将数据中台实施过程比喻成“啃硬骨头”:当数据分属于不同部门系统时,如何抽取数据,在业务和技术上是一个双重难题;由于前端业务的变化,数据解读和口径也在不断发生变化,中台如何及时响应是一大难题;从长远来看,随着伽蓝数字化运营能力的提升,大家对看板、报表、模型会有源源不断的新需求出现,这对算力也是一种考验。


当数据中台顺利启动后,伽蓝没能逃过“真香定律”。2020年双11期间,伽蓝数字中台在首次全域营销和市场精准洞察“大考”中成绩斐然。相较于引入数据中台前,伽蓝全渠道会员数达到4300万,增长1倍;粉丝数突破3.5亿,长了10倍。


这和伽蓝的两个创新性模型——人货匹配模型和高潜复购模型,有着密切的关系。


以人货匹配模型为例,在线下场景中,基于瓴羊的Dataphin、Quick Audience和Quick BI等多个产品,伽蓝将“人/货”系统打通,生成销售策略建议,而这一建议也会由系统推送至BA,辅助BA进行个性化推荐服务,进一步优化用户体验,从而实现销售的转化和提升。


高潜复购模型的优势则主要体现在潜力用户挖掘、老用户复购率提升上。过去人工圈选目标用户群体费时费力,且效果一般;使用AI模型后,可以圈选出很多过去未纳入目标的客群,而这一部分的转化率带来了新的增量。


“事实上,高潜力复购模型是在更加精准地描绘伽蓝各品牌的用户画像。”




效率全面提升,伽蓝打通“一盘货”


如果说数据中台是伽蓝藏在暗线的底层能力,那么“一盘货”则是摆在明面的转型“旗帜”。


得益于电子商务的快速发展,零售行业的销售模式发生率翻天覆地的变化,但在多渠道销售的实际操作中,“多盘货”“两盘货”模式,让品牌在供应链管理、营销节奏、履约能力上无法实现多渠道的拉齐。


“线上渠道在遇到突发情况时,我们可以快速制定出营销方案,并第一时间同步到消费者那里。但线下的节奏则要慢了很多。要知道,线下是伽蓝非常重要的销售渠道。”罗予晋表示,“一盘货”的建设初衷,就是解决线下的“滞后性”难题。


2020年7月,伽蓝启动“一盘货”,将不同渠道的订单、销售、物流等数据打通,通过对这些数据的分析,实现统一调配库存、销量预测、智能补货,线上、线下多渠道联动。排头兵“自然堂”在全国设立14个分仓,除了屈臣氏、京东等直供渠道外,其它全渠道均由分仓统一向全国配货。


2021年,时隔一年,“一盘货”迭代进入2.0版本,面向代理商、经销商提供“一店一策”服务,在营销模型、数智零售和运营模式上开启新叙事;2022年,“一盘货”持续进化,将to B和to C业务整合,形成线上、线下一盘货。


反馈在数字端,“一盘货”效率提升显著:


代理商和经销商的订单及结算从1-2天提升至2分钟;代理商库存查询不存在时间差;新SKU上市、新政策发布,24小时之内可以触达全国4万多个零售终端、36小时货物可以配送到所有零售终端……

值得一提的是,不论是一盘货还是数据中台建设,伽蓝多年来一直坚持以自然堂先行,通过自然堂先期的趟水和解决方案优化后,才会大规模应用至其他子品牌。


罗予晋认为,数字化的好处在于差异化的低成本性。如果一套模式、流程、系统可以在自然堂中跑通,那么就可以复制到其他品牌中去。“也许品牌规模、当期目标、业务诉求不一样,但在基础建设上,基本是相同的。”




2023,走向有质量的价值增长


2023年,经济大环境重新走向确定性。


国家统计局贸易外经统计司司长董礼华回答记者问时表示,2023年,随着疫情防控优化措施落实,以国内大循环为主体、国内国际双循环相互促进的新发展格局加快构建,消费市场稳定恢复的基础将更加牢固,消费市场有望恢复向好。


财经作家吴晓波亦在年终秀上透露,在对2023年的信心调查中,82%的学者认为2023年的经济会向好,这源于国内的产业升级、消费复苏和城市经济活力的重新驱动。


新年伊始阶段,如今已成为数字化驱动的生物科技美妆企业的伽蓝集团,重新审视自我,立下三个目标:营收增长18%,利润大幅增长,且是有质量的价值增长。


稳是基础,进是目标。对于伽蓝来说,深入了解每一个流量,吃透流量背后人的特性,创新营销方式,精准满足消费者的需求,或许是利用数字化,走向具象未来的最佳姿势。


商业世界,终究是创新型和耐力型选手的主场。




如果这个场景也戳中了你,不妨亲自体验一下!Quick BI 30 天免费试用,用对话完成分析、归因到结果交付:[点击立即体验]

相关文章
|
4月前
|
监控 BI
Quick BI使用案例15:交叉表中使用多字段组合实现累计利润率计算
本文详解交叉表中使用多字段组合计算月累计利润率计算方案。通过交叉表配置日期累计、多字段组合(利润/订单金额)及动态日期控件,实现月中实时监控经营健康度,助力及时决策纠偏。
|
5月前
|
搜索推荐 安全 BI
千人千面,权限到人:Quick BI 赋能数据嵌入业务,驱动用户体验从“要我用”到“我要用”
数据报表的价值在于“无声融入”业务流程、“精准匹配”角色需求。Quick BI增强嵌入方案支持免登安全接入、千人千面权限控制,将仪表板、表格等无缝嵌入现有系统,让数据真正“随需而见、所见即所得”,打通数据驱动落地的最后一公里。
|
4月前
|
SQL 关系型数据库 MySQL
Quick BI使用案例13:自动识别月末收官日,实现收官日区域订单数量精准统计
本文详解如何精准提取各销售战区每月最后一天的订单量,助力分析冲刺能力、绩效考核与库存节奏,提升数据驱动决策效率。
|
5月前
|
SQL 供应链 监控
Quick BI使用案例12:如何实现分组内“最新”与“次新”订单时间计算
本文详解订单时效性分析:通过LOD_FIXED与BI_MAX函数,快速计算各区域“最新/次新订单时间”,助力识别交易活跃度、预警客户流失、优化供应链。
|
6月前
|
供应链 数据可视化 前端开发
Quick BI使用案例07:点击文字按钮,实现“点击即洞察”的带参数跳转
本文详解如何用“指标看板+空值字段+跳转”组合,模拟文字按钮实现参数化跳转,无需开发、不增图表,即可打造可操作的分析闭环,提升用户体验与分析效率。
|
4月前
|
城市大脑 供应链 监控
后台算不清、前台看不见?双引擎破解企业数据"里子"与"面子"双重困境
“电子表格+数据大屏”双引擎:电子表格如超级Excel,支持多级表头、近400个函数、直连实时库,破解财务复杂报表难题;数据大屏具电影级视觉与叙事能力,零代码打造高规格汇报。一解“里子”严谨性,一展“面子”感染力。
后台算不清、前台看不见?双引擎破解企业数据"里子"与"面子"双重困境
|
8月前
|
SQL BI Serverless
Quick BI使用案例01:巧用lod函数和加速引擎解决跨维度占比计算,从3分钟到0.9秒快速查数
「Quick BI使用案例」系列基于真实问题,聚焦高频误区与实用技巧。本文详解如何用LOD函数计算分组占比,并通过加速配置将140万行数据查询从超时优化至0.9秒,提升性能。
|
4月前
|
SQL 机器人 BI
Quick BI即席分析:企业如何用10分钟跑赢大促复盘?
在数据驱动时代,业务常因“等数据”而错失商机。Quick BI即席分析让一线人员零代码拖、拽探查数据,10分钟完成爆款识别、经营分析等敏捷决策,释放IT 80%重复取数压力,实现“业务自助、实时洞察”。
|
5月前
|
监控 数据可视化 数据挖掘
从“静态看板”到“决策引擎”:为什么您的数据分析平台需要一次专业化升级?
Quick BI专业版专为业务深水区打造:以主动预警替代“人找数”,秒级即席分析+小Q问数释放业务洞察力,电子表格支撑复杂财务报表,数据大屏提升汇报专业度,并通过填报回写、办公协同与开放API,打通“看数—决策—执行”闭环,让数据真正驱动业务。
从“静态看板”到“决策引擎”:为什么您的数据分析平台需要一次专业化升级?
|
5月前
|
BI 数据安全/隐私保护 开发者
Quick BI使用案例11:基于钉钉组织架构,按角色精准同步“店长”账号至 Quick BI
本案例针对连锁足疗品牌Quick BI账号泛滥问题,提供钉钉组织同步精准管控方案:通过钉钉开发者后台配置应用“可见范围”,仅同步店长等必要角色,避免席位浪费与权限混乱,提升管理效率。(239字)