苏春园：零售消费品牌如何通过数据洞察业务，实现快反制胜

随着Z世代登上舞台，大众对于品牌的需求越来越多样化，新锐消费品牌迎来了快速崛起的良好时机。其中，完美日记和泡泡玛特作为代表性事件，引发了行业内外极大的关注与讨论，奈雪的茶、NEIWAI内外、三顿半、锅圈食汇等品牌也完成了过亿元的融资，开启IPO之路。

面对激烈的行业竞争与诸多不确定的危机，新锐消费品牌如何修炼数字化内功突围制胜？

从低调初创到全网爆红，新锐消费品牌往往依靠产品、渠道和营销构建先手“三板斧”，通过推出一个可满足细分需求和解决场景痛点的产品，入驻距离目标人群“最近”的渠道，利用新型流量平台在短期内进行引爆以扩大知名度，实现品牌出圈。

1、开创新品类

图：新锐品牌崛起的前十大领域

消费行业的爆发背后，是愈发精细化的品类创新。新锐消费品牌通过关注小众市场需求、找到细分赛道、解决痛点等方式开创新品类，并就颜值、包装、功能、定位、成分等进行差异化创新，同时顺应人性推出新产品，构建出圈第一斧。

2、依托新渠道

作为对网购人群渗透度最高的淘系平台，是距离用户“最近”的购物渠道之一。依托天猫“新品牌战略”，新锐消费品牌大多选择天猫作为快速实现线上从“0”到“1”的出圈第二斧。据数据统计，2019年天猫平台新开新品牌数量增长至2017年的2.49倍。

3、营销内容化

新锐消费品牌利用电商平台及社交平台进行广告投放，进行全网全场景营销，成为出圈第三斧。短视频和社交广告也在与新锐品牌同步崛起，从2019年起成为除电商外最受欢迎的品牌广告投放平台，且比重逐年增加。在秒针《2021 中国社交及内容趋势》报告中，接近 90%的广告主，尤其是新锐广告主认同：所有的营销都需要内容化。

出圈后，新锐消费品牌会进一步深耕位于价值链最前端的用户，以私域逻辑反哺运营，同时对价值链最后端的供应链上游进行升级，提升全面数字化能力，形成多维增长模型。

在过去四年，我们通过自己在零售数据分析领域的实践经验，陪伴很多企业书写了数据驱动业绩增长的精彩故事。

1、某电商平台通过敏捷分析，用10倍速度进行“增长实验”

某电商平台在前期的业务发展过程中，经历了用户数指数级增长的过程，同时对数据分析工作也提出了严峻的挑战。数据分析师一半时间是在分析数据，一半的时间是在等报表。

在与我们合作之前，该公司的大数据部门大概每天可以做50个实验，通过构建智能数据分析平台之后，每天运行的数量是500个，数量速度翻了10倍。只有这样的敏捷分析才能够及时响应跟上市场的步伐，快速更新迭代，从而能够捕捉到更多客户的信号。

2、某家居品牌聚焦零售核心场景 推动业务提升 

连锁零售品牌普遍存在产品集群和门店环境一体化的现象，所以企业都很关注单店单品管理。我们通过帮某连锁零售品牌搭建诸如销售业绩渠道／区域分布及排行、销售业绩商品类目分布及排行、销售折扣趋势分析、客流来源分布及排行、零售指标环比分析等指标分析体系，帮助其可以高效实时地获取直观的可视化数据分析结果，同时给出行动化的指导建议，提升门店营业能力和服务水平。

该品牌高层曾经针对一个核心指标排名拖后腿的门店做过一个实验，将原来可能一周做一次商品、货架调整的节奏提高了5倍甚至10倍去处理。并且聚焦核心场景，用数据发现问题解决问题，最终用了三个月时间，将该门店的核心指标排名提升到第一。

3、某时尚服装品牌用数据追人，赋能一线店长优秀管理能力

很多连锁门店都会存在优秀店长稀缺的问题，而这部分店长都有比较高的分析思路和决策水平。他们懂得通过看客流、看库存去判断经营出现了哪些问题。

我们通过将优秀店长的数据分析思路沉淀成数据分析模型，帮助某连锁服装品牌赋能1000多家门店店长。从终端出发，全面包围，提高一线人员的业务能力，带动整体营业额的提升。

4、某快消品：构建基于“数据分析”的核心竞争力

以某全球500强的消费品公司为例，除了市场、品牌、渠道等硬实力，现在，数据分析已经成为该集团战略层面认定的一个核心竞争力。并且已经和我们在营销、物流分析甚至一些AI项目上取得了深度合作。

在营销层面，通过推行一物一码政策，追踪商品在不同渠道的表现，优化渠道营销策略，有针对性地推广业务。在物流层面，借助“控制塔”方案，对物流全链路指标进行监控，深度分析问题及时改善，并通过预警功能，实现危机事件自动上报。而在AI项目上，也与我们共同探索了需求预测、智能稽查等深度应用，实现了ROI的大幅提升。

从敏捷分析到智能分析，我们正在探索的“AI+BI”的模式也正是未来数据智能发展的一个趋势。

Z世代用户对个性化要求的不断提高，市场对品牌分别在人、货、场的升级重构，以及内部精细化管理方面提出了新的挑战，这使新锐消费品牌在从现象级网红跨越成为长红的过程中，面临众多增长不可持续性的风险因素。

唯一不变的是，新锐消费品牌一定要坚持以“人货场”为核心，通过精细化运和快速反应，及时响应万变的市场环境。

• 从“人”的层面

企业可以通过会员分析，精准识别消费者的偏好、消费习惯、消费能力。通过千人千面的营销有针对性进行推荐，有效提升客单价和顾客的忠诚度。

• 从“货”的层面

可以通过数据分析不断优化商品结构，提高产品的客单价。并通过每天、每周的迭代，找到不同品类商品最优的表现条件，从而将商品的营业额贡献率最大化，并提前做好供应链补货准备。

• 从“场”的层面

企业要向全渠道转型，通过精细运营，延续线上流量的“疫情红利”。

总结来说，新锐消费品牌以“人货场”为核心的数字化转型，其实是一场颗粒度革命。谁分析问题的维度越细，发现问题解决问题的速度越快，谁将获得比同类品牌更多的增长机会。这也是零售消费行业从流量时代进入到效率时代，对于精细化运营和快速反应能力的要求。

在一个企业内部，业务场景可能有几十个甚至几百个，对应每天要做的决策就有几千几万条。 而数据分析可以帮助企业决策层，以上帝的视角去发现问题抓住机会，让每一次的决策能够比原来更加高效和科学。这也是数据驱动决策的本质，不是能给你带来多少倍的爆炸式增长，而是持续产生比原来多百倍、千倍的增长机会。

回归到企业最为关注的如何用数据驱动管理升级这个问题中，可以从CEO、一线门店、数据分析师三个关键角色视角出发。确定他们对于数据分析的目标和诉求，搭建企业的数据分析体系。

1、CEO：以CEO视角搭建自上而下的数据分析体系

在公司的整体架构中，CEO是控制大局的核心角色，但同时也是距离一线最远的角色。不仅难以掌握末梢的经营变化，很多时候对于不同业务核心指标的定义与各条线leader也会产生偏差。如何扩大CEO的管理半径，让公司上下都能严格围绕CEO的目标去安排工作，成为这个视角最为关心的问题。

如果对CEO定下的核心指标层层拆解，传达给各级领导层，再由领导层传达给终端，将会强化整个公司的向心力，更有助于目标达成。

而在我们的解决方案中，目前是通过决策驾驶舱、CEO大屏等应用，帮助企业自上而下梳理业务指标。CEO通过数据的下钻、联动等交互就可以掌握各条业务线的发展进度是不是在自己的可控范围内，对问题作出及时调整。并可以通过空中巡店等应用，足不出户就能感受终端经营的异常。

（数据大屏demo）

2、一线门店：以“傻瓜式”的应用，给业务终端做减法

因为门店端需要提供有温度的服务，没时间去消化数据，所以对于门店端的数据应用应该是越简单越好，最好能够直接告诉业务人员该怎么做。

除了通过门店管家等应用将5%优秀店长的数据分析思路复制给95%的其他店长，还可以通过移动端自动预警等功能可以实现数据追人，主动通知员工，促进产品价值最大化。

3、数据分析师：解放数据分析师的重复劳动，聚焦业务分析

回到数据的开发者层面，他们是整个公司数据系统的直接赋能者，却经常在做一些数据清洗、融合的重复性工作。没有时间专注业务和数据分析本身，自然就无法给决策层和业务端提供前沿的数据分析模型。

所以，企业的数据建设一定要考虑他们的体验感，选择部署简单、分析灵活、响应速度快、能够实现自助分析的平台。让他们可以有更多的时间专注业务场景本身，实现从借鉴到超越。

CEO、一线门店和数据分析师这三个角色是企业实现数据驱动决策的根据地。以这三个角色为核心进行数据布局，就完成了数据建设的第一步。 

在此基础上，企业可以分三步去落地自己的数字化转型。首先是以终为始，有目的的规划自己的数据分析体系；其次是看三年做三个月，分步构建；最后是在落地过程中，如果满足条件可以实现人和算法的长期共存、相辅相成。

我们提供的AI（智能决策）+BI（敏捷分析）一站式智能分析平台，正在与多家新锐消费品牌进行不同阶段的合作。

从过往经历来看，企业数字化运营的阶段依次分为，“看得到”，即企业能随时随地、各维度各层级地收集数据，而不是只有一张静态报表；“看得懂”，即将现有数据更深度应用，例如一家门店出现异常，可快速通过数据分析出深层原因；“可行动”，即可利用历史数据对未来进行预测，以帮助企业决策，未雨绸缪。

专家介绍：