中國零售業大數據應用現狀與趨勢探析

林文斌/Lin Wenbin

（北京易觀網絡信息咨詢有限公司 北京100102）

1 引言

消費革命起始于消費需求的革命，伴隨著消費者的加速“成熟”，零售業勢必要加速變革。零售業從自然零售進入現代零售，出現了各種業態，如百貨公司、超市、專賣店、便利店、購物中心、電子商務等。歷史證明，新一輪消費革命催生全新的零售業態，C2B、O2O 等創新模式也因此承載了市場和消費者越來越多的期待。零售業市場環境升級已然是大勢所趨，行業變革與模式創新是難以改變的事實。在產業升級的背景下，零售業需要引入全新的產業競爭要素來重新定義市場，尋找發展方向，改變存量競爭的現狀，使運營效率得以優化提升。

2 中國零售大數據市場的發展周期

根據市場成熟周期的特點，零售業大數據從2011年在中國市場出現，發展至今處于啟動前期，大量的探索型數據應用出現，資本市場關注度不斷提高，成功案例多出現在企業內部用于優化提升企業發展的數據應用以及先進技術的創業企業中。然而，能夠成功運用大數據進行系統化運營轉型，或是以此為核心競爭力上市的企業仍未出現，市場探索階段仍將持續3～5年，直至現有應用成熟，并經歷一輪模式調整，才能達到系統化、產業鏈形態的高速發展期。中國零售大數據應用市場AMC模型如圖1所示。

3 中國零售大數據的類型

零售業大數據根據企業邊界可劃分為內部數據和外部數據。從零售企業開始進行信息化發展，企業已經積累了從MB 到TB 量級的數據，這部分數據主要劃分為運營數據、交易數據和用戶數據，分布在ERP、CRM、POS 等信息系統中。進入大數據時代，線上、線下零售企業都紛紛關注并積極積累外部市場的數據，使大數據量級從TB 上升到ZB 量級，數據的維度也在運營數據、交易數據、用戶數據的基礎上，增加了交互數據直到大數據。

3.1 線下零售業大數據類型

線下零售企業的內部數據主要包括運營、交易、用戶3 部分。

（1）運營數據

運營數據以店鋪、渠道、供應鏈、財務數據為核心統計數據，是企業分析運營情況的核心指標維度；店鋪、渠道數據是線下零售企業與線上零售企業的區別所在。

（2）交易數據

在交易數據中，商品數據除了商品的基本屬性數據外，型號、價格、品類匹配度、貨齡、售罄率、折扣率、動銷率、缺貨率、品類結構等也都是企業所關注的商品指標，細分化程度比線上零售企業高。

（3）用戶數據

線下企業更多關注新增會員數、會員增長率、會員貢獻率、有效會員數、會員回購率與回購頻率、會員流失率等分析指標。這些數據在大數據未出現的時代能夠滿足企業運營優化的基本需求，但對于更高層面的數據分析需求，如用戶洞察、新市場機會等運營問題，則難以得到智慧化的解決方案。

大數據時代，線下零售企業意識到了用戶數據深度挖掘的價值和意義，從內部CRM 系統到外部市場調研，到網絡上用戶數據的收集，再到用戶在店內位置數據的收集，企業在積極進行用戶數據的積累和價值挖掘，希望在精準識別用戶需求的基礎上，找到更多應用的可能性。此外，位置數據是線下企業對比線上企業的優勢所在，位置數據可以通過移動互聯技術，在O2O 模式下發揮出很高的數據資本價值，這也是線下企業積極布局位置數據的原因之一。中國零售大數據類型如圖2所示。

3.2 線上電子商務大數據類型

線上電子商務零售企業的內部數據同樣包括運營、交易、用戶3 部分。

（1）運營數據

運營數據以流量、轉化、營運、賣家、財務數據為核心統計數據。其中，流量、轉化數據是線上零售企業與線下零售企業的區別所在。

（2）交易數據

訂單流水、支付網關、銀行卡號、支付記錄等都是電商企業所關注的關鍵指標。

（3）用戶數據

電商企業更多關注注冊會員數、活躍會員數、活躍會員比率、會員復購率、平均購買次數、會員回購率、會員留存率、新會員留存率等分析指標。這些數據在大數據未出現的時代能夠滿足提高電商企業轉化率的基本需求，但對于更高層面的數據分析需求，如精準營銷、非特定購買意向下的購買刺激、新市場機會等問題，則難以得到智慧化的解決方案。

大數據時代，線上零售企業意識到了用戶關系數據的價值和意義，從內部用戶數據到社交用戶數據的收集，企業在積極進行用戶關系數據的積累和價值挖掘，希望在精準識別用戶關系的基礎上，找到更多的應用價值。此外，位置數據也是電商企業關注的重點，由于位置數據可以推進O2O 模式的落地，所以，這也是電商企業積極布局位置數據的原因之一。

圖2 中國零售大數據類型

4 中國零售大數據的價值

零售業大數據的價值維度由開發價值、識別用戶、定位場景3 個維度組成。開發價值為前提，識別用戶為核心，定位場景為支撐。

4.1 開發價值

考慮數據價值的前提是思考這些數據對企業的意義。例如，哪些是有價值的數據？它們的價值點應該體現在哪？一是對企業的價值如何體現，二是如何對用戶體驗有所提升。從企業價值角度看，數據的收集和應用應基于優化配置企業資源的前提進行，如怎樣使線上推薦系統做得更好，使線下導購活動更加有效，讓用戶高效地找到他們想要的商品；從用戶價值角度看，數據收集和分析能夠實現顧客體驗的提升。便捷的搜索引擎可以使顧客更容易找到商品，創造更加優質的用戶體驗等。

數據價值從不同目的分析會得到不同的結果。支付寶的數據，從小額信貸的角度分析會得到信用額度的數據；從商品與交易的角度分析會得到用戶的購物習慣和喜好；從用戶識別的角度分析會得到用戶的不同等級等。目前，零售業線下、線上整合加速，大數據源也隨之整合，尤其對于電商平臺和線下零售企業而言，大數據整合也是企業之間并購的原因。

4.2 識別用戶

零售業產業的特點之一是用戶分散，因此，用戶身份的統一和識別就具有重大意義。只有在識別用戶的基礎上，才能通過大數據對客戶進行細分，識別全新的市場機會，有機會增強用戶體驗，從而判斷產品組合，精準地進行營銷活動。

大數據識別用戶的意義體現在2 方面： 一是對用戶身份的識別，二是對用戶關系的識別。識別用戶的難點在于信息的分散性和難以辨認性2 方面： 第一個難點在于用戶的多屏行為習慣已經養成。很多人同時擁有手機、個人PC、平板電腦等多個智能終端以及多張信用卡，在這種情況下進行用戶識別的難度加大，意義也大；第二個難點在于相同智能終端由不同用戶共享時，串聯起來的數據往往不能準確地呈現用戶身份，更會使用戶身份混淆，難以辨認，在這種情況下進行用戶識別的難度加大，參考意義也大。

4.3 定位場景

大數據定位場景的意義體現在2 方面： 一是定位用戶場景的意義，二是定位業務場景的意義。場景數據的價值在于判斷場景因素對于用戶數據和應用數據的影響程度。在準確識別用戶身份和衡量數據價值后，將場景數據收集起來才能使大數據的價值在零售業中顯現。在實際操作過程中，大量用戶身份的碎片化數據難以收集和分析，但當這些數據被收集并實現串聯后，仍未能達到實際意義上的高價值。不同場景下用戶的購物行為會有很大不同，當數據能夠分析出用戶所在的位置（更優質的數據是實時位置）時，場景位置的數據就能夠將用戶身份、用戶價值、企業價值統一在一起，釋放出真正的零售業大數據價值。

5 中國零售大數據的應用現狀與趨勢

5.1 中國零售大數據應用現狀

零售大數據應用主要集中在用戶、市場、產品、供應鏈、運營等5 方面。

（1）用戶方面

· 通過數據分析，能夠準確地判斷用戶需求和購物行為，進行用戶洞察；

· 客戶細分；

· 加強客戶參與感，增強用戶體驗。

（2）市場方面

· 根據客戶分析進行市場細分，調整營銷策略；

· 實施精準營銷；

· 加強銷售分析，實現銷售提效；

· 優化分銷渠道。

（3）產品方面

· 能夠精準地進行商品分析，將現有產品減存提利；

· 優化產品組合；

· 創造新產品和衍生產品。

（4）供應鏈方面

· 通過大數據分析實現倉儲管理；

· 供應鏈提效，推動供應鏈變革升級。

（5）運營方面

· 逐漸發展為數據化運營；

· 大數據對人力資源等核心資產進行分析，使資產利用率提升。

中國零售大數據的應用領域如圖3所示。

圖3 中國零售大數據應用領域

5.2 中國零售大數據的發展趨勢

5.2.1 零售業大數據交叉、串聯的可操作性加強

從2011年零售企業大數據開始探索至今，零售大數據在技術和典型應用方面處于前期的積累階段。隨著零售終端數據的增多，大數據的種類更加豐富；伴隨著零售業的升級，線上線下大數據趨于整合集中。在此基礎上，多樣性數據探索交叉、串聯的可操作性，并逐漸挖掘其應用價值。

針對用戶購買行為的變化，線上、線下零售企業若想充分發揮大數據的價值，第一要能夠精準地還原數據應用的場景，因此，零售業積累多年的用戶數據會隨著移動互聯技術的普及，增加位置維度和關系維度的串聯分析，否則數據難以真實反映業務信息，更難以實現大數據提升企業運營的目標。第二，大數據收集、分析、應用的起點源于數據分析的意義，因此，數據交叉串聯、挖掘分析的前提是明確大數據的分析目標，這也是下一階段大數據技術探索逐漸成熟后，大數據體系需要加強的主要部分。第三，大數據進行交叉分析的前提是數據質量，尤其是元數據的質量，只有能夠支撐多維度動態交叉分析的元數據才能夠被大數據技術所分析和利用。因此，基于O2O 模式的不斷發展，企業原有數據系統在逐一打通的前提下，數據融合與動態調用分析是數據交叉串聯的關鍵內容。

在大數據逐漸串聯和共享的過程中，零售業以數據為核心資產，進行了市場的重新組合，最終形成了緊密且差異化較強的產業鏈之間的競爭關系，以生態系統的形式存在，以數據為核心，結構化地重組在一起。

5.2.2 零售業大數據應用價值將陸續衍生

在優化內部管理、探索外部市場應用的同時，零售業迫切需要探尋藍海市場的空間及機遇，零售大數據的價值衍生陸續出現，由零售大數據探討相關行業的大數據應用，必將成為未來零售業差異化的發展方向。

零售企業較充分地運用大數據的方式主要包括2類：一類是電商企業將自身打造成為一個數據平臺，通過數據挖掘衍生數據產品，包括平臺內的數據產品以及跨界的金融產品等；在平臺上交換數據；數據空間的租用； 數據信息的租售。另一類是多年積累核心數據資產的線下零售企業，向戰略合作伙伴開放核心數據資源，相互之間共享數據資產，充分發揮大數據串聯的價值。

5.2.3 零售業大數據應用更加智能化

以大數據作為核心資產的零售企業將試圖從數據運營轉變為運營數據，在培育數據的同時，構建清晰的數據體系，將大數據應用與企業決策流程充分融合，使大數據自身發揮使能者的角色，實現企業智慧化決策，將大數據應用上升到更智能的應用領域。

大數據之所以被界定為零售業的核心資產之一，是因為其具有可培育性、增值性以及自成長性。在企業的智慧化發展思路下，智慧化決策是衡量企業競爭力的關鍵要素之一。要想及時地接收市場的反饋信息、產業環境的影響因素、用戶的真正需求、競爭者的競爭行為等，需要實時、高效的大數據作為支撐，這也是零售企業對于大數據應用的更高需求。在大數據應用的用戶、市場、供應鏈和運營系統提升的前提下，實現決策系統的智慧化。然而，大數據所帶來的智慧型決策往往是意料之外的，通常只能夠被數據所解讀，與領導者的資歷無關，甚至相反；以定性的數據分析得出的決策結果，輔助定量的商業質感分析，這樣的決策使能者對于企業領導而言才更具有意義。

6 結束語

零售業市場環境升級已是大勢所趨，行業變革與模式創新是難以改變的事實。在產業升級的背景下，零售業需要引入全新的產業競爭要素來重新定義市場，尋找發展方向，改變存量競爭的現狀，使運營效率得以優化提升。順勢而為，大數據成為零售業發展的全新競爭要素。目前零售業大數據價值鏈的關鍵技術仍在突破，市場以小應用為主，體系建立尚需時日。