零售企业应该如何进行数字化转型

系统版本：i7-1165G7，windows10

APP版本：ZOHO-manageengine 2021版

硬件型号：联想ThinkPad E14

“货”、“人”、“场”是新零售企业运营的核心。零售企业应该从以上3个角度进行数字化转型。

一、管理“货”：如何科学布局智能供应链？

“货”的管理离不开对供应链监控，提高供应链效率是零售企业致胜的基础，这是重新审视市场需求与供给的全过程。库存管理是其中重要一环，供需平衡是企业对货品运营与管理的理想效果。

由于不同客户销售状况无法判断、无法衡量商品的热销和冷门品类、不同地域下的市场差异性需求难以评估等原因，导致商品供求总额之间的矛盾、商品供求构成之间的矛盾、商品供求在时间上和空间上的矛盾。

库存均来自“需求”，因此控制库存本质就是要看透“需求”。库存是一场企业要赢的生存战，以降低库存成本和提高企业市场反应能力为目的。

• 场景一：如何找到重点客户的“高频货”？

这是零售企业亟待破解的难题。零售终端（商点、超市等）销售能力、刚需与高频的商品品类是企业的首要考虑因素。我们可以先假设满足订货量大、订货频繁、客单价高条件之一的商超客户为“重点客户”。

图2 重点客户不同乳制品品牌的商品销售

企业同样可以掌握“非重点客户”的品牌青睐，除此之外，还应该了解这些“高频货”和“刚需货”都卖给了哪些商超。

• 场景二：作为经销商，能否向品牌商交付优质业绩单？

作为上游生产厂商的经销商单位，为确保以后能与品牌厂商持续稳定地合作，经销商要为合同(协议)履行期间交付的销售业绩负责。为保证阶段性的销售任务达标，经销商要实时了解各城市、各阶段的铺货情况，以实现市场渠道终端品牌销售的精细化管理。管理者还应了解各个商超的铺货情况，对销售预测提供一定的科学根据。

 图3 企业各分公司对特定商品

新零售的核心是线上线下的融合。多数零售企业会通过线上电商销售以及线下实体销售，来构建线上线下多终端全零售服务场景，线上与线下体验融合与精细化运营，给客户建立多渠道的立体式互动体验。

“陈列”与“氛围”是卖场的重要衡量因素——线上下店铺都需要考虑陈列关注商品是否易浏览、易购买、展现形式是否刺激消费欲望等。

科学的数据分析可以无限逼近客户真实意愿，零售企业通过改进购买决策路径、优化列表页的体验、提升首页流量分配效率、最终提升用户的转化率。

其中常用的数据分析模型为事件分析模型、分布分析模型、漏斗分析模型、点击分析模型等。下面通过两个场景介绍下数据分析在“场”的管理价值。

• 场景一：深度感知APP商超客户体验

“我的商超客户是否在用APP？是否活跃？”与传统互联网企业不同，除关注交易数据外，线上业务运营状况颇受转型中零售企业的重视，他们十分关注：客户是否热衷于使用APP／网站？客户应用体验如何？是否活跃？是不是每次使用都订购了货品？是否能够快速找到自己想订的货品？等等。

3月份客户APP应用时长

• 场景二：启动APP后，为何只有30 % 商超客户交易成功？

在某次评估客户总体转化率过程中，通过漏斗分析发现，提交订单的商超客户仅有30%，接下来可以通过用户路径客户流失的原因所在。通过数据分析平台，清晰展示了商超客户的动作走向，为判断客户流失原因重要方式之一。

图6 用户行为路径分析

中商惠民运营人员选取若干事件对客户购买路径进行深度分析。图5显示，用户登录APP后，约有40 %的客户会点击Banner，30 %的客户会直接进行商品搜索，约10%的用户会浏览商品列表，约 5 %的客户直接退出APP。

进一步看4类用户的提交订单的情况，直接进行“搜索商品”的用户进行提交订单比例最高，超过90% ；与其形成鲜明对比的是，尽管“点击Banner”是更多客户登录APP后的首选动作（约占总客户的40%）但是这部分用户群体在浏览商品列表后，仅仅30%的用户提交订单，说明Banner内容布局有着比较糟糕的用户体验，则成为企业首选优化与改进的方向。

• 场景三：科学评估站内推广位的效果

首页推广位的效果监控是站内运营重要一环，数据的监测与分析是重要工作，它为站内优化、页面体验提升作出指导。运营人员可以通过用户的点击转化率与购买转化率可以判断页面不同推广位置效果。

图7  “一元促销”、“清洁专场”两个Banner转化率情况对比

除了以上三个应用场景，零售企业来说在数据分析平台上完成“场”的管理：商超客户是否都能快速找到自己想订的货品？商超客户的购买路径是否最优？商超客户的订货意愿低的症结在哪等。

三、“人”的管理：如何数字解密，实现用户画像与业代科学评估？

在新零售时代，“人”的管理主要包括对客户管理和业务人员管理两方面。

1、客户管理

客户管理的重点是关注用户整个生命周期价值，更重要的是客户成功，即客户是否在更好地使用产品，是否再续约、升级销售。当运营人员可对客户分群管理，从而采取不同的策略。用户分群分析模型能够帮助企业甄选出具有一致属性或特征的用户群体，并对其深度观察其行为特征。

众多零售企业在数据分析平台上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。

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。

• 场景一：如何预警客户流失？如何挽救？

由于大客户资源的稀缺性，其粘性被受企业关注。在上文“货”的管理中已介绍如何筛选重点客户，此处不再赘述。通过数据分析的“用户分群”功能可以将筛选出来这批客户定义为“重点客户”。

一组数字的变化重点客户流失前兆：购买频率降低、充值金额降低、登录频率降低等，这据企业业务情况有所差异。下图是通过数据分析的“用户属性”分析模型，筛选出距上次购买已经超过一个月的重点客户。

图8 准流失客户群预警

上图显示有超过166个商超客户一个月未订货。点击166数字，会呈现166家重点客户明细。30天未发生购买的原因很多：一是重点客户未流失，只是不再用APP下单；二是重点客户流失了等等。此时就需要业务代表进行召回动作，无论属于哪种情况，运营人员可以在神策分析上通过个别用户行为（重点客户）序列，分别了解重点客户路径，找到重点订单量骤降的原因。

2、业务人员管理

• 场景二：如何科学、全面衡量业务代表的工作表现？

业务代表是经销商的一线人员。业务代表需要定期拜访终端客户，了解终端客户需求，并执行销售政策和促销政策。且需要在区域经理和经销商的指导和监督下做好终端维护工作，以协助经销商完成销售指标。

由于业务代表常年在外奔波，业务代表管理工作考核格外重要。为透明化管理业务代表情况，管理者需要了解“我的业代人员每天在做什么？”、“业务代表的每日行为路线？”“路线覆盖区域有哪些？”“巡店拜访签到和现场情况记录如何？”等等。

数据分析平台能够与CRM系统对接十分重要，除了高质量线索的渠道评估、把握客户需求赋予销售精准洞察力外，还实现了对业务人员的管理。

图9 年初迄今，包头市四名业务代表的拜访客户次数情况概览

不难看出，但从拜访次数上说，003的拜访勤奋度明显高于002。不同业务代表所负责客户完成支付订单的情况也是评估业务代表绩效的重要因素，如图10。

图10 不同业务代表所负责客户的支付订单次数

总之，为保证对业务代表考核的科学性，应该多维度全面地考量。当数据分析平台与CRM对接后，管理者可以按时间周期汇总业务代表拜访客户情况、分布、订货情况等，并能针对性分析单个业务代表的行为线路（时间、路线内外的操作情况——拜访、上传等操作）等。

新零售时代，是以客户为核心的全域洞察时代。在新服务业态下，客户数据不完整，粒度粗糙等已成为零售企业发展最大羁绊。