新品ROI涨322%,直播转化翻11倍,阿里云数据中台成了品牌们的一把手工程

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
数据可视化DataV,5个大屏 1个月
简介: 数据是品牌未来的核心资产。

前言:
-更多关于数智化转型、数据中台内容请加入阿里云数据中台交流群—数智俱乐部 (文末扫描二维码或点此加入

-阿里云数据中台官网 https://dp.alibaba.com/index

(来源:数智俱乐部)

从雾里看花到亲身体验,短短两个月,阿里云数据中台零售行业解决方案就让九阳“真香”了。

消费者活跃度下降、线上线下数据割裂、业务增长面临瓶颈等问题,是不少零售企业目前面临的新挑战,九阳也不例外。

以豆浆机起家的九阳创立于1994年,在过去20多年里积累了大量用户数据,只是这些原始数据既分散又碎片化,对于促进品牌的业务增量具有一定的局限性。

在刚过去不久的天猫618,首次在大型活动中尝鲜阿里云数据中台零售行业解决方案的九阳,打了一场漂亮的仗。天猫618开场当天,九阳免洗豆浆机成交同比暴增230%,6月16日0点40分,天猫销售额突破2300万,同比超过去年全天,截至当晚23:30,成交额已经超过去年三天总和。

值得一提的是,九阳Line Friends联名新品优选放大人群ROI提升了322%,养生壶品类ROI达到了6.85。“哪怕K150豆浆机这类高单价的产品,在对比行业基准纯拉新人群包ROI为1的情况下,它的ROI也达到了2.58。”九阳数字运营部总经理陈波表示,这背后离不开阿里云数据中台零售行业解决方案的助力。

除了九阳,还有近百家零售企业在天猫618尝到了数智化的甜头,比如雅戈尔收藏加购ROI相较新客提升52.4%、奥普直播人群购买转化率是同期一般拉新人群的11倍。

如何更有效地挖掘数据价值并加以使用,已经逐渐成为零售企业竞争的一大核心,数据中台的搭建也成了CEO和董事长们最重视的项目之一。

找到精准人群

有了数据的支撑,如何抓住年轻消费人群也变得有迹可循。

九阳近几年一直在新品研发方面下功夫,贴合年轻人的喜好,打造出Line Friends联名款,早餐机、网红果汁杯等产品。其中不乏大爆款的产生,比如去年天猫双11,九阳和Line Friends联名暖杯垫这一单品,销售了近10万单。

早前,九阳也曾在IP联名上走过弯路。“最早做的小黄人IP,产品不是很热门的品类,相对价格也比较高,IP购买人群中,尝鲜人群会占据很大一部分,所以不能设置太高的门槛。”陈波认为,随着现在年轻人审美和需求的改变,IP联名产品除了为用户提供功能性之外,还额外增加了情感认同感,同时也帮小家电跳出了产品设计同质化的圈子,“我们还是十分看好这个方向的。”

吸取了原先的教训,去年7月,带着与Line Friends联名的新品,九阳再次杀向消费市场。这一次,市场的反应截然不同。在九阳人群结构中,IP产品中18-25岁的人群比九阳常规产品中占比多了16%,这意味着IP帮助九阳在获取年轻用户方面起到了明显的作用。
image.png

在迈出第一小步后,九阳又遇到了第二个问题:如何进一步把这些IP新品推向更多消费者,实现更大的增量。

为此,在今年天猫618前,九阳通过阿里云数据中台零售行业解决方案核心产品之一Quick Audience,对品牌近两年自有信息进行分析运营管理,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、数据闭环能够更加完整

而在深度理解消费者之后,九阳根据不同的人群制定了不同的营销方案,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。

“通过阿里云数据中台零售行业解决方案洞察到的消费人群,比我们原先自己洞察的人群投放回报率更高。”陈波列举了一串数据,Line Friends联名新品优选放大人群ROI提升了322%,养生壶这一品类ROI达到了6.85。即使高单价的K150豆浆机,在对比行业基准纯拉新人群包ROI为1的情况下,它的ROI也达到了2.58。

品牌未来的核心资产

在九阳之前,其实有不少品牌在数据中台建设这条路上行走已久,同时基于不同零售品牌的不同特点,数据也在赋能着更多不同场景。

知名乳制品企业飞鹤去年便在阿里云的帮助下,建设数据中台。跟九阳相似,多年的品牌积累之下,飞鹤并不缺数据,但是由于分散且不完整,数据很难达到驱动业务增长的效果。
image.png

在阿里云的帮助下,飞鹤以数据中台为核心重塑了CRM系统,建立了新的以数据赋能的营销平台

通过对信息的整理、分析、加工,来不断反哺前端业务。比如,精准的消费群体画像能够有效支撑品牌营销策略,而人群及其区域的权益偏好则可以为品牌制订区域促销提供有效参考。

无独有偶,另一乳制品企业雅士利利用阿里云数据中台,结合自身业务特性,挖掘出5个业务场景:导购场景、门店场景、积分场景、营销活动场景、会员场景。

数据中台的存在,帮雅士利更高效地打破原有界限,实现渠道之间、线上与线下的数据共通;更好地让其理解数据、运营数据,从而实现消费者人群化运营、营销精准化投放。

2019年天猫双11,雅士利通过数据中台实现短期快速提效,营销提效同比去年增长92%。

此外,今年疫情期间,红蜻蜓4000多家门店无法营业,但通过全员线上服务营销,7天内新设立了500多个粉丝群,实现日均销售额突破百万。逆势增长背后,核心业务上云,利用阿里云数据中台、业务中台等平台能力进行数智化改造是它的重要推动力。

image.png

“我们可以看到,像九阳这样,利用数据中台去激活老客、拉取新客,做营销提效只是第一步,数据中台完成之后还将不断迭代,全链路的数字化可以从消费者贯穿到新品研发,甚至再到供应链改造。”阿里云数据中台高级专家列文表示,这是阿里云数据中台能够为品牌数智化转型带来的核心服务之一。

一把手工程

数智化是未来,即使众多品牌都有了这个共识,但为何真正走在前面的仍是少数?

列文分析,数据中台不是一个工具或者一套运营方法,企业想要真正搭建自己的数据中台,其实是一个中长期的过程,更重要的是,这还将倒逼着企业组织能力进行升级:“这是一个没有CEO或者董事会级别推动,几乎做不成的项目。”

对此,陈波也深有感触。早在四五年前,九阳就成立了数据项目组,那时项目组里只有几名数据人员做着日常的数据维护,直到数据中台这两年在云栖大会及新零售场景中被反复提及,九阳总裁杨宁宁更是下定了决心,只是对于这一场大“变革”,她一直在寻找合适的时机。

真正让九阳把建设数据中台提上日程,还是去年杨宁宁在与阿里巴巴集团副总裁肖利华(肖博)的一次深入探讨之后。“未来变革的抓手是数据化。”陈波说这是总裁最常挂在嘴边的一句话。去年开始,九阳启动对运用数据中台的需求研究调研,今年正式迈入了数据中台的上线开发工作。

这次阿里云数据中台零售行业解决方案在天猫618的小试牛刀,收获颇丰,促使九阳对于数据中台的建设步伐变得愈发坚定。随着数智化探索不断深入,如今GMV变得似乎没这么重要了。

“我们的关注度已经从单看GMV转移到了消费者资产的积累。”陈波解释,以前品牌做活动、做促销,转化完了就结束了,没有具象纬度去分析人群,更别提数据追踪再次触达转化,“现在品牌各个阶段的消费人群变得更为清晰,用户的精细化运营也变得越来越重要。”

方法论则是阿里为九阳提供的另一大价值,在陈波看来,阿里有数据治理、数据运营的经验,这些数据思维方式让九阳可以更便捷有效地去将数据资产运用到新的业务上。

不过,这也为企业带来了另一道难题:需要对每个员工数据化工具的使用能力提出更高要求。

也正是看到了企业的这些痛点, 2018年下半年,阿里巴巴平台数据产品团队内测了数据分析师认证项目,并面向市场逐步开放,从而帮助企业和个人更好地认识数据、了解数据。据阿里巴巴平台数据产品资深专家逸客介绍,截止到7月2日,该项目已经培养超过3万名数据认证人才,其中,更是为946个品牌培养1737名内部数据分析师。

“九阳有10个数据分析师已经通过了认证。”陈波透露,随着数据在企业发展中扮演着愈来愈重要的作用,九阳不仅成立了专门的数据部门,团队成员也拓展到了近40人,“我们正朝着把数据分析运营能力成为九阳全员的基础能力方向努力。”


数据中台是企业数智化的新基建,阿里巴巴认为数据中台是集方法论、工具、组织于一体的,“快”、“准”、“全”、“统”、“通”的智能大数据体系。目前正通过阿里云数据中台解决方案对外输出,包括零售金融互联网政务等领域,其中核心产品有:

官方站点:
数据中台官网 https://dp.alibaba.com
数据中台钉钉群二维码2.jpg


相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
6月前
|
关系型数据库 MySQL Apache
**ADB MySQL湖仓版能够平滑迁移到湖仓**,阿里云提供了相应的迁移工具和服务来简化这一过程。
**ADB MySQL湖仓版能够平滑迁移到湖仓**,阿里云提供了相应的迁移工具和服务来简化这一过程。
335 2
|
3月前
|
存储 监控 安全
阿里云数据库(ADB)的多租户秘籍:资源隔离的魔法如何施展?
【8月更文挑战第27天】多租户系统在云计算与大数据领域日益重要,它让不同用户或组织能在共享基础设施上独立运行应用和服务,同时确保资源隔离与安全。ADB(如阿里云数据库)通过资源组及标签实现高效多租户隔离。资源组作为一种软隔离策略,允许为不同租户分配独立的计算和存储资源,并设置资源上限;资源标签则支持更细粒度的硬隔离,可为每个数据库表或查询指定特定标签,确保资源有效分配。此外,ADB还提供了资源监控与告警功能,帮助管理员实时监控并调整资源分配,避免性能瓶颈。这种灵活且高效的资源隔离方案为多租户环境下的数据处理提供了强大支持。
146 0
|
6月前
|
弹性计算 自然语言处理 开发工具
通过阿里云 Milvus 和 LangChain 快速构建 LLM 问答系统
本文介绍如何通过整合阿里云Milvus、阿里云DashScope Embedding模型与阿里云PAI(EAS)模型服务,构建一个由LLM(大型语言模型)驱动的问题解答应用,并着重演示了如何搭建基于这些技术的RAG对话系统。
通过阿里云 Milvus 和 LangChain 快速构建 LLM 问答系统
|
存储 人工智能 关系型数据库
5倍性能提升,阿里云AnalyticDB PostgreSQL版新一代实时智能引擎重磅发布
2023 云栖大会上,AnalyticDB for PostgreSQL新一代实时智能引擎重磅发布,全自研计算和行列混存引擎较比开源Greenplum有5倍以上性能提升。AnalyticDB for PostgreSQL与通义大模型家族深度集成,推出一站式AIGC解决方案。阿里云新发布的行业模型及“百炼”平台,采用AnalyticDB for PostgreSQL作为内置向量检索引擎,性能较开源增强了2~5倍。大会上来自厦门国际银行、三七互娱等知名企业代表和瑶池数据库团队产品及技术资深专家们结合真实场景实践,深入分享了最新的技术进展和解析。
5倍性能提升,阿里云AnalyticDB PostgreSQL版新一代实时智能引擎重磅发布
|
6月前
|
开发工具 git
阿里云部署 ChatGLM2-6B 与 langchain+chatGLM
阿里云部署 ChatGLM2-6B 与 langchain+chatGLM
484 1
|
6月前
|
分布式计算 关系型数据库 MySQL
阿里云ADB MySQL X Intel联合推出训练营,参营完成任务即可获100元话费卡!
AnalyticDB MySQL和Intel联合推出基于ADB Spark的训练营,ADB新用户参营完成任务即可获得价值100元的话费卡权益包!下图可扫码参加,也可直接点击链接前往 https://edu.aliyun.com/trainingcamp/355118
阿里云ADB MySQL X Intel联合推出训练营,参营完成任务即可获100元话费卡!
|
人工智能 Cloud Native 关系型数据库
阿里云数据库国际峰会首度在印尼召开,AnalyticDB向量引擎支持定制AIGC应用
阿里云瑶池数据库面向海外市场正式升级云原生一站式数据管理与服务平台
|
存储 机器学习/深度学习 人工智能
基于 阿里云 ACK 搭建开源向量数据库 Milvus
生成式 AI(Generative AI)引爆了向量数据库(Vector Database)市场,基于大模型的各种应用场景会需要使用到向量数据库。 其中,Milvus 是一个高度灵活、可靠且速度极快的云原生开源向量数据库。它为 embedding 相似性搜索和 AI 应用程序提供支持,并努力使每个组织都可以访问向量数据库。 Milvus 可以存储、索引和管理由深度神经网络和其他机器学习(ML)模型生成的十亿级别以上的 embedding 向量。 本文介绍在阿里云ACK上部署Milvus并且通过attu访问的步骤。
3368 0
|
SQL 存储 DataWorks
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——一、产品概述
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——一、产品概述
|
SQL 存储 Cloud Native
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——二、产品架构及原理
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——二、产品架构及原理

热门文章

最新文章