用大数据 “逆袭”传统家具行业

本文涉及的产品
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:
“大数据”对家具电商来说意味着什么?那就是能够更加有效地对供应链、产品开发、线上引流进行引导,进而提升平台的运作效率。

  “大数据”对家具电商来说意味着什么?那就是能够更加有效地对供应链、产品开发、线上引流进行引导,进而提升平台的运作效率。或者也可以更简单地理解,它是对传统商业模式的“逆袭”,也是行业“洗牌”的机会。

  转型升级,对某个行业来说,是指从落后到先进的提升过程,但对企业来讲,往往意味着一些企业死去,另一些新生。如果互联网真的可以把每一个传统行业都推倒重来,那么对家具行业来说,“推倒”的难度更大,但也最为彻底。

http://www.ifood517.com/index.php/Confirm/paytype?orderid=6877
家具行业是典型的传统行业,由于太过“传统”,这个行业与电商这个新兴业态结合的步伐也最慢。当其他消费领域已经被电商改造过若干遍时,本土家具行业还没有真正意义上的电商。

  而现在,大数据为家具电商提供了可能,并已经开始越来越多地应用。家具电商成功升级的关键在于既要彰显家具零售的传统服务和体验,又要将前端的互联网思想植入品牌理念当中,在这样的背景下,家具O2O思维应运而生,大数据则成为了O2O闭环的一把钥匙。

  对于大数据如何在家具电商中应用可以举个例子,顾客如果想买一款中式餐桌,他通常会使用搜索引擎。当他输入“餐桌、中式”等关键词时,搜索引擎可以将相关产品信息显示在搜索的最前端。对于顾客来说,大数据使他非常精准地获取到了自己想要的产品,而互联网企业可以更加准确地对用户进行行为分析、需求挖掘,利用大数据提供分析,对于关注度高的产品进一步加大推广投入,这很像服装行业“打爆款”的策略思路。

  因为家具不是快消品,家具没有什么重复购买率。因此,找客户是最难的,你需要准确地找到客户,低成本地找到客户。

  首先,我们通过互联网搜索引擎,精准地去找到这些客人;其次,利用互联网大数据,分析各种数据,随时更新经营策略;第三,互联网是可以聚焦的,我们可以把我们的产品销量做得非常高。这样,一个单品一个月就可以做到几百件、上千件的量。有了量,生产端就可以以流水线的高效率方式来生产了。

  3年前,我进入家具这个传统行业后发现它有两个特点:第一是暴利,从出厂到最终消费者手里,大概要加价好几倍;第二是薄利,这个行业几乎都不赚钱,工厂、经销商、卖场都无利可图。这是一个很奇怪的现象,其原因是什么?我认为是效率出了问题。

  单纯从生产成本的角度来说家具并不贵,但租金等各种成本占比很高,因而使价格背离价值本身。传统家具店需要靠地理位置来吸引客流,要开在人流密集的地方,但这些地方租金昂贵。比如,北京大卖场的家具,租售比在40%以上,也就是卖一件1万元的家具,4000元是供应商拿去交店面租金了;物流配送成本一般是15%至20%,还有人工、广告等成本,不抬高售价就没有利润,传统大卖场销售的家具,零售价往往是出厂价的4到5倍。

  大卖场的销售模式弊端已经凸显——传统商业模式下的家具大卖场一方面要挣地产的钱,一方面又要挣零售的钱,最后都体现到家具价格中,而利润又总被成本消化掉,在互联网时代这是很难被接受的。

  家具和其他一些网上销售的品类有所不同,其主流消费人群在购买时需要进行产品体验。家具一般比较贵,而且是耐用品,所以购物过程是理智型的,客人需要反复挑选和体验,才能做出购买决策。而家具的材质、手感、气味等都是图片没法体现的。

  单纯的线上销售也没办法提供完善的售后服务。衣服、书籍这类商品,送到客人手里,交易过程就基本结束了。但家具还需要安装、维修,下单仅仅是完成了销售的一部分。

  解决这些问题的关键是回归家具销售的本质,让客人看得见、摸得着、闻得出,能真实体验,体验店在客户下单决策过程和售后服务中都起着重要的作用,这两个环节在家具销售过程中是最重要的。

  相比家具大卖场商业模式,O2O可以说是将传统商业模式推倒重建。大数据可以帮助企业规划出租金性价比最好的线下布局,美乐乐到目前为止已经在全国建成200多家体验店。

  另一方面,依靠线上推广将找到一个客人的成本精确控制在15%左右,今后成本还会往下降。美乐乐进店成本每个人大概为300元到500元,而传统行业可能要1.2万元,这样产品性价比自然非常高。对于电商来说,谁抓住了大数据的信息把控,谁就更容易引领行业未来。

原文发布时间为:2014-03-28
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
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 
目录
相关文章
|
存储 分布式计算 关系型数据库
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
289 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
44 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
86 1
|
25天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
62 4
|
1月前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4
|
1月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
58 3
|
1月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
66 2
下一篇
DataWorks