编辑编者按：在“数智化”历史背景下，零售业结构调整升级换代迫在眉睫，新零售业也已经成为行业蓝海。然而，什么是新零售业？新零售业与现代零售业的密切关系何在？新零售业的下层支撑是什么？本文针对前述内容进行，并利用实际案例分析数据挖掘和建模技术在零售业结构调整升级换代中的战略地位。

 

一、十分钟带你看懂新零售业是什么

马云说：未来没有电子商务，只有新零售业。他直言，近年来电商的崛起早已对现代零售业造成了最优化打击，而现代零售业态想要乘风破浪逆转就必须走“线上+实体店”协同发展的新零售业道路。

阿里穆尔现任CEO张波说：零售业是人、货、场的相连。而新零售业，是对现代零售业科洛涅县人、货、场三要素的科学规范解构，是借助互联网观念和技术把最后掏钱的“人”和人所需要的“货”相连在一起形成两个线上实体店共荣的“场”。

雷军说：新零售业，狸尾豆互联网观念做线上实体店结合的零售业态

景丰纯东说：他们马上迎来“第四次零售业民主革命”（前三次分别为百货公司、连锁商店、超级市场民主革命），这将把人类带进智能商业时代。

看了上面所以多大牛的传授，相信你也和我一样大吃一惊，所以如何简单的理解新零售业呢？

浅显的讲，新零售业于客人来说是四个字：“多、快、好、省”。作为客人，我并不关心深奥的商业模式升级换代，只希望我的购物体验得到质的脱胎换骨，而这一脱胎换骨就可以高纯度概括为产品种类多、速度慢、质量好、价格省。

而于零售业商来说，为了满足客人这一需求，需要利用网络化技术使线上、实体店渠道结合，最后同时实现运营的提高效率。

举个例子，他们熟悉的永辉盒马其实是新零售业的典型代表，它极为巧妙的将“人”、“货”、“场”三要素融会，同时实现了线上实体店的协同发展，为用户同时实现“多、快、好、省”的价值，同时也能为实体店零售业店面提供捷伊业务价值。他们可以这样形象的去理解这个问题，永辉盒马APP就相当于两个“线上的虚拟场”，它利用阿里平台的优势和能力在实体店构筑起实体店面（即“实体店的实体场”），从而同时实现线上实体店“场”的共荣。而“货”则指实体的货品，微蛛属相连“人”与“场”的桥梁，用户为寻找特定的“货”而访问线上或实体店的“场”，而场则为“货”提供展现平台（线上充分体现为APP的信息展现，实体店充分体现为货物的物流配送）。付款用户、物流配送员、店面服务员这些“人”则都由围绕“货”和“场”科学规范进行活动，他们相连着货品需求、物流配送、物流配送等核心环节。

 

二、新零售业与现代零售业的密切关系——数据价值的挖掘

有了前述永辉盒马的范例润饰，相信你对新零售业的概念已经有了两个大致的了解。

所以，新零售业与现代零售业的密切关系何在呢？

通过两个类比，他们就能浅显的理解这个问题。

一般来说，社区夫妻店规模较小，夫妻二人身兼多职，既是进货员，还是收银员、仓配员；历史销售数据不能发挥引导决策的作用，导致进货铺货全靠直觉；物流配送数据不能实时线上化，故每次库存复盘繁琐且常有丢件、掉件。

而永辉盒马作为日化超商新零售业的代表，可以说是把数据价值用到了极致。

永辉通过大数据、移动互联、自动化等先进技术，同时实现从线上APP付款，到店面打包，再到末端物流配送的全链路数据驱动。

通过上例，他们不难发现，当下数据已成为最重要的生产资料之一，而新零售业与现代零售业的密切关系即数据价值的挖掘。当数据价值得到挖掘后，如何让它用“平易近人”的方式赋能行企工作人员，这是建模技术需要做的事情。

 

三、两个案例，带你看懂零售业的数据挖掘与建模潜力

既然，现代零售业向新零售业结构调整升级换代的下层支撑是数据挖掘与建模技术，所以它们又是怎样赋能具体业务模块的呢？下面他们从人、货、场三个要素切入，逐一探讨~

 

1. 人——消费者洞察，从B2C到C2M

俗话说，知己知彼，百战百胜，对消费者的洞察是后续选品和引导消费的第一步。

过去，整个现代零售业对客户的洞察还浮于表面，大多数时候选品等一系列决策都是经营者“拍脑袋”想出来的。在这种现代B2C模式下，零售业一般以生产企业为中心，推行大规模、标准化的流水线生产，生产完成后通过一级分销、二级分销等流通环节最后到达终端客户，这种模式下供应链上各主体缺乏沟通,很容易导致“生产与需求不对称”的问题。

而C2M模式，则以客户为中心，同时实现反向的“需求拉动式供应链”，厂商在进行客户画像绘制，需求调研预测等一系列前期工作后，再按照需求进行“柔性生产”，这能很好的避免产能过剩。

而消费者画像应该聚焦哪些具体指标？这些指标又是怎样被挖掘出来的呢？

举个范例，如图所示，是两个基于数据挖掘和建模技术的消费者画像数字大屏。其中聚焦了年龄、性别、城市、省份、会员等级等硬性指标，而这些指标都是由实体店的“场”利用店面wifi、人脸识别、会员系统同时实现同步上传的。除了前述指标外，还能够通过大屏进行近一步的数据分析挖掘，例如会员同比增长数、销售占比、偏爱单品预测等。

 

2. 货——选品、递送与复盘

除了“人”以外，“货”也要通过数据互联同时实现线上实体店的全链路打通。

而零售业围绕“货”的核心工作，可以按照时间顺序，大致分为生产前的选品、生产后的递送、再生产前的复盘三大环节。由于选品工作很大程度商取决于消费者画像，而消费者画像的刻画在前篇已经描述过了，此处就主要阐述“货”的递送、复盘。

就递送需求来说，可以通过构筑数据中台的方式，帮助零售业商来统一指挥各个店面的物流配送、库存、物流的调度。通过平台打通所有店面的物流配送、库存、物流系统以及线上零售业平台（天猫、京东等）,并和实体店店面做到“货”的打通。这样一来，货品可以直接在全渠道上架,会员体系在全渠道打通,从而改造现有的零售业商、品牌商内部的所有系统,让大数据最大发挥应用。

就复盘来说，可以通过数据挖掘和可视化技术通过实时大屏展现产品销售状况，能够敏捷的对产品策略进行调整。如下图所示，零售业商能够结合旗下品牌各季主推SKU产品，对品牌产品进行直观展现，包括品牌矩阵、产品种类销售占比、主推产品销售情况、产品销售排行榜。

 

3. 场——线上实体店“场”的交互

过去，现代零售业商主攻实体店实体店面渠道，而从现代实体店布局迁移到“线上+实体店”后，对“场”的交互也提出了更高的要求。

就线上“场”的构筑来说，通过建模技术将实体店各实体店面与线上电商店面进行统一的数据整合进而赋能管理层级人员。如图所示，大屏能够展现全渠道的实时销量、金额、流量等，且能够同步显示当月指标完成率，方便管理层级人员通过数据同时实现产品战略的制定与迭代。

除了利用网络化大屏对线上“场”进行构筑以外，零售业商也应加强实体店“场”的网络化进程，例如通过智能设备（试穿评估、热力动线等）采集客人进店后的行为数据，进行针对性的店内导购。

 

四、结语

最后，零售业在未来还有很长的路要走，新零售业也不会是零售业行业迭代进步的终点。虽然，他们不能预见未来的零售业态会以怎样的形式存在，但有一点是可以肯定的，即数据挖掘和建模技术在助力零售业结构调整升级换代之路上会起着愈发重要的作用。

以上新零售业数字大屏案例来自于袋鼠云