征服无数都市女性,这家时尚品牌和芝麻科技是如何运用线下大数据的?

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: 随着零售行业重新将目光聚焦到线下市场,线下大数据营销也越来越被人们所重视。 经历了互联网时代的洗礼,大多数人对大数据已经不再陌生。线上大数据营销和线下大数据营销本质上都是一样的,不同的是数据的来源和分析处理方式。

随着零售行业重新将目光聚焦到线下市场,线下大数据营销也越来越被人们所重视。

经历了互联网时代的洗礼,大多数人对大数据已经不再陌生。线上大数据营销和线下大数据营销本质上都是一样的,不同的是数据的来源和分析处理方式。

与线上电商相比,线下零售在数据采集上存在天然的劣势。借助互联网,电商可以把一个用户的渠道来源、浏览的商品详情、注册登录信息、加购物车、购买等完整的行为路径记录下来。

而线下零售商只能通过POS机记录交易流水,以注册会员的形式获取会员的姓名、手机号、邮箱地址和邮寄地址等信息。虽然大多数的大型商超都有会员卡,但是激活率可能还不到 20%,搜集到的数据十分有限。近几年,品牌商家也开始尝试SCRM,收集消费者的微信号或微博号,用于社交网络里的关系管理。

考虑到线下零售巨大的市场份额,克服数据采集等困难,推进数据化经营对零售商们来说无疑是值得的。

线下大数据更具真实性

在线下大数据服务公司芝麻科技的众多客户中,服装品牌Five Plus是较早尝到大数据甜头的零售品牌。引入线下大数据后,Five Plus不仅可以实时准确地掌握各门店的销售状况及顾客情况,提高商业管理的效率,还能精准营销。

门店可以实时看到当前客流量、新老客户的数量、当前入店率等数据,同时也能获得基于线下数据和第三方数据的统计分析,生成人群画像,了解用户是什么样的人,她们喜欢什么样的东西,她们来自于哪里,她们的消费能力是怎么样的。这些数据为品牌商在门店规划、新一季产品规划以及营销上给出建议与指导。

为Five Plus提供大数据服务的芝麻科技的创始人兼CEO朱智告诉雷锋网(公众号:雷锋网),线下数据来自于消费者在线下世界里真实产生的行为数据,因此更加具有真实性、独特性和场景化。真实性是指线下数据源于消费者线下的行为轨迹,数据的产生代表着真实消费诉求;独特性体现在很多消费者在线上线下的行为表现存在差异,采集的线下数据能与线上数据形成互补;同时线下数据大都具有明确的场景特性,不同场景聚合的人群往往表现出不同的偏好特征。

比如,一个消费者在网络上搜索宝马,很可能他只是一个汽车爱好车。但如果他近期开始周末去4s店,购车意向就相对明确了。再比如全国主流妇幼医院的线下母婴DMP人群,他们除了对婴幼儿用品有明确需求外,还很可能会为了二胎考虑更换房产/汽车(孕产家庭将成为大平层户型或学区房、SUV汽车的潜在需求者)。

除了前面提到的流水和会员信息,芝麻科技,为客户搜集到店顾客的手机设备号(SSID)。这样一来,顾客浏览品牌官网时会留下cookie,登录手机app时也会留下相应的痕迹,根据这些痕迹品牌商就能获取顾客身份属性之外的行为数据。

线下零售有“据”可依

基于这些数据,零售商可以进行许多方面的提升。比如在Five Plus的案例中,以往门店的管理只涉及到会员的销售管理,现在则还可以针对流量和顾客进行管理。朱智介绍道:“消费者的驻店时长是导购服务水平的体现,以往门店的管理方式照顾不到这些,大数据可以帮助他们从管理的角度提升消费者体验”。

门店的陈列和商品设计对线下零售商同样十分重要。芝麻科技分析了Five Plus的进店顾客和实际消费顾客后发现,二者之间存在一些偏差。这说明门店的吸引力和商品的吸引力在方向上并不一致。

征服无数都市女性,这家时尚品牌和芝麻科技是如何运用线下大数据的?

“比如门店陈列吸引的更多是喜欢欧美风的顾客,但它实际交易出去的商品吸引的却是更喜欢韩版风格的顾客,这种分歧会导致最终无法达成交易,用户体验也不好”,朱智对雷锋网说道。有了大数据分析出的结果,零售商就可以对门店陈列和商品选择作出调整。

此外,芝麻科技还可以帮助Five Plus对顾客进行分类。借助用户分群功能配合其他分析模型,能够了解到客户使用产品的频率、活跃天数、使用深度、采购趋势等数据指标,快速甄选出高活跃度客户、一般活跃客户、流失风险客户,从而制定更好的营销策略。

对于处于中间环节的供应商来说,高活跃度客户成功经验能够传递给企业许多优质运营经验,而具有流失风险的客户则需要重点且快速地跟进。

多维度打通才能释放数据价值

对于流失的客户,品牌商需要想方设法把他们再吸引回来,比如设计一些活动、海报和素材。让它们触达到顾客,根据反馈效果,再进一步优化活动。这些都需要专门的营销公司来完成。因此,芝麻科技也和很多品牌客户的第一方DMP、4A公司、ADX、SSP和DSP建立起了合作关系。

2015年秋天,芝麻科技还联合阿里云共同推出了大数据产品“观星”。“观星”是首个将线下线上数据融合的人群画像产品,可以很好地展现线下线上多维度的消费群体,使得人群画像更加立体化,帮助品牌商充分了解自己的消费群体。

朱智向雷锋网表示,数据的很多价值需要多维度的打通后才能爆发。在与其他数据对接的过程里,很重要的一步就是ID打通,将线下产生的数据与线上的数据进行ID mapping。

朱智介绍,芝麻科技2013年就开始做线下零售业务的数据化,当时电商来势凶猛,行业还处于非常低谷的状态。媒体的文章标题大多是电商要取代门店,实体零售商开始恐慌。前两年,行业里开始出现“实体零售回暖”的声音,直到去年阿里提出新零售概念。

今天大家都在讲新零售,讲线上线下融合,如何走全渠道。很多商业综合体也在纷纷完善自己数据化的系统,包括客流数据、POS数据、CRM数据、SCRM数据、营销系统数据,以及停车进场数据和招商系统数据等等。

“每一块散落的数据都独自成系统,目前重要的是,如何做得更好更强大更融合,让这些数据共同筑建起‘大BI系统’”,朱智说道。

他表示,大数据的巨大价值体现在“融合”二字,所以我们必须张开双臂,以合作的姿态拥抱众多同行,这对于很多行业里的玩家来说,如何打破传统思维,转而合作姿态是具有一定难度的。

另外,数据的隐私和安全是被问及最多的问题。据朱智介绍,芝麻科技的数据都在云端管理。在线下零售场景采集数据所有权归属客户,芝麻科技只是在客户授权的前提下帮助客户对数据进行各种处理加工,从数据层面对客户的业务决策提供支撑。

朱智指出,线下零售商的数据化运营是一个长期的过程。Five Plus基于对消费者的判断,对门店设计和布局进行了调整;做了一些活动来优化门店顾客的构成;改善门店的经营效率,提高顾客的驻店时长。这些都会直接或间接地影响到他们的经营成果,但变化很可能要一年多以后才会发生。

“企业要适当降低自己的期望,即使短时间没有效果也要先做起来。数据化运营是趋势,企业布局宜早不宜迟”,朱智说道。



本文作者:刘伟
本文转自雷锋网禁止二次转载, 原文链接
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
|
4月前
|
存储 SQL 分布式计算
揭秘Hadoop:如何用这个超级工具征服大数据的海洋
【8月更文挑战第7天】Hadoop是一个强大的分布式系统基础架构
70 1
|
4月前
|
SQL 开发框架 大数据
【数据挖掘】顺丰科技2022年秋招大数据挖掘与分析工程师笔试题
顺丰科技2022年秋招大数据挖掘与分析工程师笔试题解析,涵盖了多领域选择题和编程题,包括动态规划、数据库封锁协议、概率论、SQL、排序算法等知识点。
99 0
|
4月前
|
消息中间件 大数据 Kafka
Apache Flink 大揭秘:征服大数据实时流处理的神奇魔法,等你来解锁!
【8月更文挑战第5天】Apache Flink 是一款强大的开源大数据处理框架,专长于实时流处理。本教程通过两个示例引导你入门:一是计算数据流中元素的平均值;二是从 Kafka 中读取数据并实时处理。首先确保已安装配置好 Flink 和 Kafka 环境。第一个 Java 示例展示了如何创建流执行环境,生成数据流,利用 `flatMap` 转换数据,并使用 `keyBy` 和 `sum` 计算平均值。第二个示例则演示了如何设置 Kafka 消费者属性,并从 Kafka 主题读取数据。这两个示例为你提供了使用 Flink 进行实时流处理的基础。随着进一步学习,你将能应对更复杂的实时数据挑战。
87 0
|
存储 弹性计算 分布式计算
偶数科技:深入理解“湖仓一体”,避免错过最佳转型战略时机
偶数科技:深入理解“湖仓一体”,避免错过最佳转型战略时机
229 0
偶数科技:深入理解“湖仓一体”,避免错过最佳转型战略时机
|
存储 人工智能 分布式计算
ODPS,世界互联网领先科技成果!
ODPS,世界互联网领先科技成果!
75 0
|
存储 人工智能 自然语言处理
|
存储 Cloud Native OLAP
重磅更新丨偶数科技发布 OushuDB 5.0,多活主节点、多虚拟集群等特性完美支持实时湖仓一体
重磅更新丨偶数科技发布 OushuDB 5.0,多活主节点、多虚拟集群等特性完美支持实时湖仓一体
152 0
|
数据采集 数据管理 数据挖掘
偶数科技亮相 2022 年服贸会 Web3.0 发展趋势高峰论坛:用湖仓一体实现基于业务本质的监管数据治理
偶数科技亮相 2022 年服贸会 Web3.0 发展趋势高峰论坛:用湖仓一体实现基于业务本质的监管数据治理
111 0
|
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?
248 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】
43 2