案例酷 | 九阳股份:小家电,大数据,精准营销圈粉新生代

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 编者按:在数字经济蓬勃发展的当下,千行百业都在紧抓时代机遇转型升级。在小家电领域,数智化转型成为家电行业的热词,家电业的头部企业也纷纷走上数智化“花路”。其中,作为小家电领导品牌之一,九阳从单品类起家,通过一路披荆斩棘,不断超越自己走到小家电领先地位,秉承健康和创新的核心DNA,九阳积极引领厨房小家电升级换代,创新营销玩法,推动数智化转型,品牌转型取得明显成效。全文约4812字,建议阅读时间14分钟。


导语

1994年,九阳发明了世界上第一台豆浆机,这是中国人自主发明的家用电器。借助这台小小的豆浆机,九阳从一个细分领域的创始者成长为当今小家电领域的领导品牌。


根据九阳公布的2020年年报,在疫情背景下,公司实现营业收入112.24亿元,同比增长20.02%;净利润为9.4亿元,同比增长14.07%。作为国民家喻户晓的小家电品牌,九阳专注于健康饮食电器的研发、生产和销售,从豆浆机开始走进千家万户,到如今其他品类如破壁料理机、电饭煲、电压力煲、电炖锅、电水壶、面条机等数十种小家电全品的覆盖,从1延伸到N,并连续11年荣获中国家用电器研究院颁发的“最具影响力小家电品牌”的行业称号。



小家电行业最主要的变化是在营销方面。消费者有了新的购买触点和触媒习惯,这对传统售卖渠道的分流有较大影响。小家电行业的市场发展其实并没有那么顺利,甚至可以说行业一直在变化,竞争也一直很激烈。


这些挑战给九阳带来的思考就是数智化转型,面对年轻消费人群需要快速了解他们对产品的需求和痛点,以及他们对产品设计的独特喜好;同时,针对年轻消费者广泛使用的新型内容渠道进行品牌营销覆盖,并且在营销渠道上不断扩大更多的线上渠道,以及新型社区团购渠道。在线下,九阳是首家规模进驻年轻人生活方式为代表的MALL店。在九阳来看,数智化是业务发展的必然趋势,通过数智化手段不但可以降低成本、控制风险,还可以大幅优化业务运营和经营管理的效率。


数字化创新成为经营管理思维

九阳对创新非常关注,敢于尝试、勇于试错和创新是九阳的核心基因,因此对于数智化的引进和变革,九阳意识和行动都很早,管理层的快速响应和执行与CEO战略思维有关。出于对数智化转型的重视,九阳很快在内部达成了共识,董事长、总裁等重要决策层都参与到数字化项目当中,自上而下推动公司变革。九阳每年的总裁寄语中,有三分之一的篇幅都与数智化的动作和规划有关,并将相关的考核纳入到内部员工的KPI指标中。在“一把手工程”的积极推动下,管理层执行起来非常迅捷。正是内部数智化思维的统一,以及公司全员高度重视、高度一致的组织行动,从根本上保证了数智化转型的切实落地。


转型从什么地方入手?整体的规划如何?九阳股份有限公司数字运营部总经理陈波介绍了九阳对数智化转型的“一点两面三端四化” 战略规划。“一点”是以用户运营为中心点,涉及需求与供应两方面,在“人、货、场”三端,实现用户群体的社交化、裂变化、会员化和私域化。九阳整体数智化的转型分为三个阶段:第一阶段是消费者数据的数智化,解决用户洞察和用户运营能力;第二阶段是智能企划和供应链智能补货协同系统;第三阶段是实现智能化决策,通过数字化能力推动智能化决策的能力。


触达感知用户,协同精准营销

就零售业务而言,九阳的触点类型主要包含线上的电商触点,如天猫商城等,线下的触点如门店、柜台,商业触点如营销广告,社交触点如网络平台。这些触点组合形成多面多角度的触点网络,构建了企业、渠道和消费者之间的桥梁。


同时,九阳线上和线下都有各种活跃的会员运营活动,通过门店和自营线上社交裂变活动、直播平台品牌广告投放工具等触点,引流到店,通过门店会员中台及各种数字化工具,完成消费者在店内的消费转化,同时,信息会回流至会员状态更新,这样进一步完善消费者的标签画像,从而为推动“人货”匹配形成精准的营销闭环打下基础。



此外,在数智化的新零售时代,电商的形态在近二十年的发展中有一个重要的变化,就是万物皆可直播,尤其是在2020年,疫情加速了这个形态的转变,直播变得更加常态化。九阳敏锐地感知到疫情背景下危中有机的“宅经济”,这个阶段新的生活方式将直接影响用户的购买行为。在触达用户的方式中,直播是九阳比较早的尝试,在疫情期间,九阳不仅针对品类做了调整,发动头部达人直播,还动员全店全导购员直播及店铺自播。九阳的这场自救活动带来了意想不到的收获。这是一种类似于压强式的测试,也是数智化的催化剂,更是一个构建未来能力的机遇,数智化的进程不可逆,疫情加速了这个变化,也丰富了企业的营销能力。


业务协同升级,全渠道会员一盘棋

任何数智化转型的目的都是解决运营“人、货、场”的协同和管理协同的问题。对于零售企业来说,必须要知道货卖给谁,需要了解深挖用户的需求,而在品类上用户能够选择的产品太多。用户到底买谁的,价格怎么定,供应和需求侧的对接如何有效地联动,从而进一步减少库存等都是很值得关注的问题。最重要的是,如何将线上和线下分离的业务状态打通,提高业务整体管理协同的效率。业务中台的建立主要就是为了解决这些问题。


对于九阳来说,经过多年的发展,沉淀的会员数据非常庞杂,这些会员信息的价值并没有被充分挖掘。在流量红利收紧的当下,如何盘活这些有价值的会员信息,是九阳最需要优先考虑和解决的问题。


九阳此前的会员信息沉淀在各个渠道中,彼此分散割裂,缺乏有效的工具深度挖掘会员的价值,致使原有的会员系统对业务的支撑效果不理想。会员信息对于九阳来说是重要的核心资产之一,这也是所有零售企业的共识。会员也不再是过去的概念,新零售时代会员是一个更加泛化的概念,不仅包含忠诚用户,也包含兴趣人群、购买人群等。九阳上线的业务中台会员中心实现了对这些全渠道会员信息的打通,此外,也统一了之前分散的积分规则和等级设定,会员权益也得到了联通。通过业务中台对会员的运营管理与需求洞察,九阳发现会员购买单价平均是非会员的2倍;在高价值单品方面,会员的购买单价是非会员的3倍;在购物频次方面,会员是非会员的1.8倍,这些会员买得更多、更贵,具有更高的价值。



对留存的会员如何维护,以及如何设定维护的周期?九阳通过数据发现,会员的品牌复购周期大概在1~3个月,基于此,九阳发起了会员促销行动,在会员复购周期内对用户多次触达,以差异化的服务提升这些会员对品牌的黏性。除了会员中台的建设,在订单数字化方面,九阳也开始了数智化构想。


正在计划构建的订单中台,主要考虑升级渠道系统的效率。未来,九阳想要实现电商订单和线下订单统一到订单中心中并与库存打通,实现订单的全渠道履约发货。举例来说,消费者在天猫的订单给到经销商仓库,货品所处的仓库和消费者的收货地址不一定是最优匹配,比如,消费者在杭州买货,经销商在河南,如果由河南仓库发货,而没有选择杭州仓库,周转效率就会较低。订单中心可以自动盘点库存与周转率,最终实现与消费者就近经销商的仓储衔接、与人货的最优匹配,从而提升消费者的全流程购物体验。


基于数据的用户洞察与精准营销

数据中台的建设通常是企业管理层最重视的项目之一,用户数据中蕴含着丰富的价值,这个共识在流量化时代日益凸显,市场竞争已经从增量用户争夺转化为对存量用户的精细化运营,而关于用户数据方面,企业会关心用户的数据都有哪些维度?存量用户有多少?忠诚用户有多少?他们的复购率如何?他们倾向于哪些品类的购买?


对于九阳来说,20多年的发展不仅仅是技术和品牌效应的积累,还存储了大量宝贵的用户数据,只是之前这些原始数据分散且碎片化,消费者的主体数据未整合,标签画像的系统体系也未完善。数据通过人工处理的方式低效、费时,对于促进品牌的业务增量具有一定的局限性。如何有效地挖掘出数据的价值,并加以合理使用、促进销量增长,是企业面临的最大难题。


盘活这些沉睡的数据资产,挖掘出数据中蕴含的“富矿”,数据中台成为企业把控数据、实现数据化运营的选择。阿里云为九阳打造的数据中台,融合了九阳线上线下的全域消费者数据,通过ONEID技术统一识别和整合,构建了消费者数据的标准和规范。九阳目前已经构建了丰富的消费者数据标签,完成了全域消费者数据的整合,沉淀了几千万条有效数据,而基于这些有效的数据,九阳能够运用标签工厂快速灵活地进行标签画像与用户洞察分析,使得精准营销成为可能。陈波表示,通过阿里云数据中台洞察到的消费者人群,比九阳原先自己洞察的人群投放回报率更高。在数据中台上线不久后,九阳就迎来了“618”年中促销活动的大考,借助阿里云数据中台,基于数据中台共创IP人群运营,在某IP联名新品优选放大人群ROI(投资回报率)提升了3倍,“双11”单品销售预测准确率也大幅提升。


(利用数据中台完善用户标签与洞察分析)


此外,九阳通过数据中台的核心产品之一QuickAudience,对品牌近两年自有信息进行分析、运营和管理,同时根据类目活跃度、消费行为特征等筛选逻辑,描绘出更为精准的消费人群,从而使整个营销链路、数据闭环更加完整。九阳结合人群渠道和消费属性,为全域消费者定制了差异化的策略,比如,针对“A人群”(认知人群)高频触达,“I人群”(兴趣人群)中对于折扣敏感型、高价值人群,推出不同的营销策略,让其转化为“P人群”(购买人群),从而在减少营销成本的同时实现成交转化率的提升。


(为全域消费者制定不同营销策略)


有了策略与数据的支撑,抓住年轻的消费人群也就变得容易起来,九阳开始在新品研发方面贴近年轻人的追求喜好,打造出一些经典IP的联名款,如哆啦A梦早餐机、果汁杯等产品,获得年轻人的追捧。


基于数据中台提升营销触达效率,九阳沿着消费者的体验旅程和关键场景,精心设计出运营策略,最终提升了营销精准率。而在未来也可以基于数据中台的能力,建立标签与营销效果的动态迭代,依托数据中台灵活且高扩展性的标签组合能力,构建不同产品组合下的精准营销。营销提效只是数据中台能力的一部分,数据中台完成之后还将不断迭代,全链路的数智化可以从消费者需求贯穿到新品研发,再到供应链改造,不断为九阳提升差异化服务能力。


结语

企业进行数智化的改造,想要获得的终极能力就是通过各类工具对业务与数据的分析,可以自动实现决策的智能化。能否借助数字化手段减少决策失误、提高决策成效是企业共同的愿望。数智化转型的目的就是让企业拥有一个数字大脑,基于复杂智能算法的推荐,预测决策等行为,让企业依靠技术决策采取相应的行动,并根据实时的数据反馈不断完善和补充,形成良性的闭环,最终帮助企业实现端到端全链路的高效决策。


对于零售业来说,提质增效是没有尽头的路途,数智化的改造赋能会不断进行下去。不论从“人、货、场”的哪个层面去展开,九阳都会选择靠近趋势潮流,在极致化、年轻化之路上奔跑。无论过去、现在还是将来,九阳始终坚持创新与健康的理念,在数智化能力的加持下为用户带来中式厨房的新想象,不管是产品的革新还是效率的改变,最终送到消费者面前的是全新餐饮烹饪的体验。


内容来源:《新零售之旅:数智化转型与行业实践》
出品人:阿里云研究院高级战略总监 肖剑
联系邮箱:johnny.xj@alibaba-inc.com


阿里云研究院小助手微信:AlibabaCloudResearch

编辑:阿里云研究院 赵子千

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
边缘计算 人工智能 搜索推荐
大数据与零售业:精准营销的实践
【10月更文挑战第31天】在信息化社会,大数据技术正成为推动零售业革新的重要驱动力。本文探讨了大数据在零售业中的应用,包括客户细分、个性化推荐、动态定价、营销自动化、预测性分析、忠诚度管理和社交网络洞察等方面,通过实际案例展示了大数据如何帮助商家洞悉消费者行为,优化决策,实现精准营销。同时,文章也讨论了大数据面临的挑战和未来展望。
|
2月前
|
SQL 分布式计算 NoSQL
大数据-164 Apache Kylin Cube优化 案例1 定义衍生维度与对比 超详细
大数据-164 Apache Kylin Cube优化 案例1 定义衍生维度与对比 超详细
36 1
大数据-164 Apache Kylin Cube优化 案例1 定义衍生维度与对比 超详细
|
2月前
|
分布式计算 大数据 Linux
大数据体系知识学习(二):WordCount案例实现及错误总结
这篇文章介绍了如何使用PySpark进行WordCount操作,包括环境配置、代码实现、运行结果和遇到的错误。作者在运行过程中遇到了Py4JJavaError和JAVA_HOME未设置的问题,并通过导入findspark初始化和设置环境变量解决了这些问题。文章还讨论了groupByKey和reduceByKey的区别。
38 1
|
2月前
|
消息中间件 存储 druid
大数据-156 Apache Druid 案例实战 Scala Kafka 订单统计
大数据-156 Apache Druid 案例实战 Scala Kafka 订单统计
49 3
|
2月前
|
存储 大数据 分布式数据库
大数据-165 Apache Kylin Cube优化 案例 2 定义衍生维度及对比 & 聚合组 & RowKeys
大数据-165 Apache Kylin Cube优化 案例 2 定义衍生维度及对比 & 聚合组 & RowKeys
47 1
|
2月前
|
消息中间件 druid 大数据
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(二)
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(二)
41 2
|
2月前
|
消息中间件 分布式计算 druid
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(一)
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(一)
60 1
|
2月前
|
存储 SQL 分布式计算
大数据-142 - ClickHouse 集群 副本和分片 Distributed 附带案例演示
大数据-142 - ClickHouse 集群 副本和分片 Distributed 附带案例演示
240 0
|
2月前
|
存储 SQL 分布式计算
大数据-139 - ClickHouse 集群 表引擎详解4 - MergeTree 实测案例 ReplacingMergeTree SummingMergeTree
大数据-139 - ClickHouse 集群 表引擎详解4 - MergeTree 实测案例 ReplacingMergeTree SummingMergeTree
35 0
|
2月前
|
SQL 大数据 API
大数据-132 - Flink SQL 基本介绍 与 HelloWorld案例
大数据-132 - Flink SQL 基本介绍 与 HelloWorld案例
56 0
下一篇
DataWorks