如何玩转零售业的数字化转型2.0时代？

零售转型步入深水区，数字化的形态也在逐步优化，从外在的赋能工具，内化为企业自身的驱动力，升级为更新的2.0版本。

数字化已然成为决胜零售江湖的“独孤九剑”，其为零售行业带来的改变也有目共睹。而今零售转型步入深水区，数字化的形态也在逐步优化，从外在的赋能工具，内化为企业自身的驱动力，升级为更新的2.0版本。

“归结起来，之于零售企业而言，数字化的意义就在于效率更高、离消费者更近。”在2019万达商业年会上，本刊记者专访了TalkingData合伙人兼执行副总裁林逸飞。作为万达的合作伙伴，他一直在探索零售数字化的兼容之道。

“数”读消费市场

TalkingData合伙人兼执行副总裁林逸飞

商业数字化风风火火地跑了几年，将消费市场以及整个零售行业打磨出了新的模样。在林逸飞看来，大数据梳理下的消费生态呈现出三个“新”特色——新品类、新流量、新场景。所谓新品类，并非是横空出世的，而是原有的一些传统消费品类在叠加数字化的服务之后，被赋予了新的延展意义，如咖啡、健身等；而新流量是缘于互联网的普及，以及线下商业数字化的进程加速，很多新的具备明确地缘属性的流量，比如低线市场的消费数据，开始被识别、被计量，并被带到了线上；新场景则是在前两者的综合作用下体现的，正如以前的快闪店并不稀奇，但因为加入了新的地缘属性流量和新品类，快闪店可以被改造为新场景，比如被加入IP属性、游戏玩法等，目标客群与消费链路也会随之产生变化。

林逸飞强调，中国的消费市场容量极大，不能一概而论，而需要根据不同的维度来进行具体的分门别类。

消费市场的数字化程度日益加深，反映到零售供给侧，不难看出，整个行业对数字化的关注、认可乃至期许都在持续增长。一方面，企业的思考与判断能力在提升。比如自中台概念被提出后，很多企业从人云亦云开始，到实地接触技术商，经过讨论与思考之后，开始逐步考虑自身是否真的需要中台服务；而从整体进程而言，缘于对数字化的重视程度、实践时间乃至企业自身实力的不同，行业内不同企业之间的数字化实力拉开了较为明显的差距。

大部分头部企业本身的基础业务管理能力已然优于同行，同时又较早地开启了数字化转型的步伐，因此具备较为强悍的数字化对接与契合的能力。当出现新的趋势、数据、流量时，它们可以及时地做出相应的跟进措施；此外，还有一部分伴随着数字化成长起来的新兴企业，他们本身具备足够的数字化营销能力，在玩法与模式上多有创新。两者成长曲线不尽相同，但可谓各擅胜场。

也正是因为本身属性与数字化能力的不同，零售企业在数字化进程中所面临的痛点与难点也不一而足。对于传统零售企业来说，完善的基础管理运营能力是其巨大的优势，具备足够的能力与厚度来引入新技术，但另一方面，固若金汤的预算制、决策制乃至集约化的管理机制，也意味着一旦数字化开始，便牵一发而动全身。于是问题的关键显而易见——已然成熟且应用多年的管理流程能否支撑快速发生的变化；而对于大部分存活不到五年的新兴企业而言，很长一段时间忙着跑马圈地，导致根基较为薄弱，最基础的零售业务反而并没有进行系统化的梳理。而再回过头去补基础课程，产品管理、运营业务、经营模式的积累却不能一蹴而就，需要长时间的打磨；事实上，最难的是“中间型”企业，既没有厚重的管理经验、规模与效益的积累，亦没有新兴企业的蓬勃生命力和数字化精神，在环境的倾轧与时代浪潮的席卷下，也基于自身实际做出了不同的选择。

算法模型不断优化

缘于不同企业之间的泾渭分明，在选择合作伙伴时，TalkingData也有自己的一套标准——首先是企业的产品力；其次是团队的数字化对接能力，包含决策力和执行力；第三则是市场前景。

TalkingData的最大优势在于“打理数据”十分专业，林逸飞表示，过去八年里，TalkingData一直在梳理市场数据，搭建营销模型，同时在科技侧也积累了一定的实力。在与万达、丙晟科技的合作中，依托万达在线下场景巨大的客流量，以及运营能力的优势，TalkingData将数据、科技以及运营经验叠加在万达提供的线下流量上，进行有机整合，合力塑造出具备新属性的流量端。换言之，将万达固有的客流量进行梳理、分析、总结，再反之将其结果应用到场景运营上，实现数据与数据之间的指导决策闭环。

事实上，TalkingData一直致力于从数据和业务两个航道来驱动零售企业数字化转型，一是智能化数据平台，二是智能化营销平台。

过去，很多企业都把关注点放在站外，致力于开发私域或半私域化流量。而最近半年，线下数字化能力显著提升，被激活的数字化流量越来越多。因此，TalkingData将两大关注领域结合起来，将站外的私域流量和线下流量进行整合对接，如此一来，结果会更加有效且精细。这并不难理解，过去，零售企业走过一个很大的数字化误区，就是将所有可以触达的数据都纳入囊中，但大部分无效数据都无法被识别或变现，等于做无用功。相对而言，收集更精细化的流量样本，远比广撒网遍捞鱼要有效得多。

此外，TalkingData在AI领域尝试了新的实践与应用，针对选址、销量预测、网点精细化运营等具体环节，推出了第二代功能业务。之于第一代，第二代有两处显著升级——首先，数据更为丰富，以前的流量来源大多依赖于线上，现在，线下可识别的数据也在稳步增长；第二，在算法开箱之时，拥有足够多的场景去训练与实践，可以通过具体应用来测试是否真的有效，从而不断调校、优化，并用现实数据来训练算法。最终呈现结果则更为真实且稳定，偏差度更小。

林逸飞用一个很普遍的例子来阐述了整个过程——当企业对某个低线城市区块产生兴趣，面临的几个主要问题都是大同小异的——该领域客流量如何、周边社区客群属性、周边配套设施、有无竞争对手等。以前，企业大多会依靠经验判断，现在则可以通过数据来进行测算，制定区域进入策略。当进入运营状态之后，消费者的线上轨迹和线下到店的行动线索都可以被识别与计量，并打通对接，建立起对应数据模型之后，继续对该区域客群进行反复测算与分析，模型便不断被优化，从而形成数字化营销与运营的循环，不断迭代升级。

从到店开始，消费、售后反馈，乃至下一次进店，消费者的“数据建模”并不是固定不变的，而是持续更新的行动路径。TalkingData曾提出的D2D方法论，即从“数字化”到“数字化”，以业务数字化为起点，以效益数字化为节点，形成闭环，正是如此逻辑。

“科技和数据极大地解决了效率问题，但更重要的是，数据让企业对消费者有了全新的认识。”林逸飞如是说。

信息来源：本文原载于《零售世界》杂志2019年第10期“技术”栏目

作者：朱影

本文转载自：零售世界杂志