零售商数据资产外部价值分析
李卫华[摘 要] 零售商每天都产生量票数据和会员数据这些数据不仅具有应用价值也具有济价值具有外部变现可能性它与尼尔森、凯等类研究数据相比有深和细颗粒优势对供应商而言零售商数据有助弥补供应商数据结构缺陷有助更全面用户画像有助众商品市场分析、新品推广以及有会员管理和评估。
[关键词] 零售商;数据产;济价值;外部变现[图分类] 30[献标识码] [编] 009603(00)0005br Rlr v l r br vr l v l vl b l v vl v bl xrl r lr l k gr v vg grlr r lr rlr l k r lr rr l r" rr r rv l ll rk l g r r brK r rlr vl xrl 、研究背景()理論背景近年数据浪潮“数据即是产”观念已成共识社会对数据价值重视程与日俱增。
什么样数据能够成产或者说什么样数据有格成产?首先要了什么是财义上产。
产是指由企业营交易或各事项形成由企业拥有或控制预期会给企业带济利益。
因并不是所有数据都是产只有可控制、可计量、可变现数据才可能成产。
数据具有“应用+济”双重价值。
数据助力企业身运营用企业营策、业流程从而提升企业业绩这是种挖掘数据价值方式称应用价值。
从济价值眼光看它应该可以通外部变现获取价值。
(二)行业背景零售商作供应商商品交易平台每天都会产生量票数据和会员数据这些数据不仅具有应用价值也可以考虑到它济价值以便将这些数据变成数据产品提供给要企业主要是品牌供应商实现数产外部变现。
比较初级零供合作模式下零售商关是整品类生而供应商关是己品牌表现。
品牌成长如只是蚕食了产品生而没有助整体品类增长零售商看是失败对该品牌投入(海报、陈列等)是零收益甚至收益。
随着品类管理零售行业推广应用出现零售商也越越开放他们愿让更多供应商参与到生因供应商那里有着更多数据分析和人才也有着零售商外整体市场信息这能助他们挖掘更多数据价值。
所以很多零售商重品类选择领先供应商作他们品类冠军起建设品类管理品类生。
新零售代零售行业数化型越越普及腾讯、阿里等零售赋能平台出现以及市场上出现了些专零售数据挖掘公司。
这些公司数量不多他们要直接调用零售商底层核心数据——票数据和会员数据与零售商是战略性合作关系而不是简单数据分析商。
这类三方企业以更公平视角更专业能力零售商和供应商搭建起平台平台上用种顾客语言对话实现品牌和品类双赢零售商数据产向供应商外部变现通道逐渐通畅。
二、零售商数据与其他类研究数据区别当我们介绍零售数据供应商顾客洞察、市场营销或品牌团队常会问到问题是“我有尼尔森(l)零售研究数据我有凯(Kr)消费者样数据报告我整体市场销售和份额。
什么还要看某或某几零售商数据呢?”零售商数据和尼尔森或凯数据是两不体系数据研究方法和用途也不尽相。
简单而言尼尔森和凯报告是整体市场表现追是数据覆盖广和整体市场代表性。
从方法角出发尼尔森零售研究和凯消费者样都不是数据两者都是基采样方法。
尼尔森基店采样它根据店铺业态、省市区域和营业额将全国几万店铺分成各种类并每类里抽取部分店作样店。
终样店数量~万左右。
定期(般周或月)这些店铺收集销售数据并按比例放得到全国或某区域市场数据。
而凯是基消费者采样它全国各区域(、二线城市主)招募万庭让样庭主收集并定期报告购物信息通按比例放方式得到各类产品销售及顾客渗透率等市场信息。
零售商数据是非采样数据它所有零售商购物票和会员信息每天、每、每分钟、甚至每秒数据都被详细记录是真正全量数据。
从数据类型看尼尔森只店铺收集每产品段销售并不细化到顾客和购物篮。
凯数据只收集样消费者购买产品信息数据质量完全依赖样消费者质量但些冲动性消费如口渴街边买罐可乐很可能无法被顾客完整地记录。
而零售商数据是除了细到每位顾客每张票真实行外还能细致到每笔交易支付方式、促销参与、店堆头、库存信息等等丰富非传统市场研究公司可比。
主要就是制约按比例放程统计学误差。
般说当产品铺货率低0%(有售卖该产品店铺总销售占全部市场销售比例不足0%)或产品顾客渗透率低0%(购买该产品消费者数占所有消费者数比例不足0%)尼尔森销售数据或凯消费者数据会承受很统计学误差也就是说报告数据随机性会比较销售趋势波动可能会很剧烈。
数据稳定性会是很挑战。
特别对些低渗透率或低铺货率产品如新品上市、众产品、单品级别分析零售商数据就具有了得天独厚优势。
三、零售商数据对供应商价值分析()零售商数据有助弥补供应商数据构成缺陷零售商數据有助供应商从全品类角考虑问题零售商样各品牌供应商也要管理它顾客将顾客分类进行精准营销。
步基础就是建立起R会员库甄别顾客知道他她是谁他她与品牌交关系。
供应商能够招募会员并能获取购买行渠道主要有几营店铺、营线上商城、微商城等对多数快消品品牌说这些渠道销售贡献很有限。
即使算上天猫、京东销售占比多也不足0%。
况且这些渠道行数据仅限己品牌销售无法知道品牌会员整品类甚至其他品类表现。
零售商数据很地弥补了这些缺陷零售商数据是手顾客数据它价值从顾客角全面审视该品类发展和品牌生它能告诉你谁购买了你品牌谁对品牌忠诚谁品牌不断犹豫你忠诚顾客都有哪些特你非忠诚顾客喜欢什么等等。
尤其是供应商得到洞察不仅可用该零售商根据供应商对市场知识些洞察完全可以映射到整市场并且可以回头该零售商店里做尝试和验证。
如顾客还购买其他品牌0次而B顾客不再购买其他品牌那么尽管顾客价值比B顾客高但从忠诚角看B顾客更忠诚。
对顾客品牌要加强情感粘性可以通促销等手段从其他品牌那里赢回另外0次购买几次。
而对B顾客品牌要做是了如何提升购买频次(例如品类教育)或鼓励交叉购买等。
所以供应商就可以利用零售商数据搭建简单实用品牌顾客细分模型(见图)。
根据顾客对品类购买(频次、花费)和品类购买品牌份额将品牌顾客分几群体供应商可以针对不顾客采用“争取、维护、教育、观察”不营销策略。
利用零售商数据可以进行跨品类全面顾客画像零售商顾客不仅购买某品牌、某品类产品。
供应商进行顾客画像利用零售商数据可以更全面地描述顾客甚至可以扩展到全品类。
例如福佳啤酒是款进口高端白啤品牌商想知道都是什么样顾客购买这产品。
传统方式可以通消费者调研询问曾购买(宣称购买)该品牌啤酒顾客年龄性别和些生活方式和生活态。
年龄性别是常规画像维但对生活方式和态就要事先有假设问卷不能完全开放地让被访者回答不然无法编码和分析。
而有了零售商数据它可以先不做任何假设观察购买福佳啤酒顾客其他产品购买商哪些是远高平水平(请这些行都是实际发生而不是顾客宣称)。
这些都是更多是年轻顾客选择;她们又更多购买卡士酸奶、维他柠檬水、益力多乳酸菌饮这是女性顾客或对健康关顾客选择;另外卡士酸奶、洁柔纸巾、乐事薯片都是各品类国际或高端品牌。
不仅如福佳啤酒还能直接与这些相关品牌进行合促销等活动或目标购买这些产品顾客(不拒绝啤酒购买酒类)推荐福佳啤酒进行招新。
样思路某全国连锁著名美容机构L进入市开设首店。
了尽快将市场开拓起L公司企划理请与购物心结成盟单位。
L与市举办了场由女性V参加歌舞晚会其费用由L全部承担仅要客按照L要筛选出合下列条件女性会员()5~5岁女性;()收入稳定;(3)化妆品方面消费周期规律。
己库里筛出000人左右参加了这晚会。
L则这会议上吸纳了足以支撑其营会员人数。
(二)利用零售商数据建立品牌会员库可操作性强成更低可操作性强。
目前建立己品牌R系统比较例如欧莱雅等他们相对高单价值得投招募品牌会员有商场商超专柜这样接触渠道招募和维护会员。
而对另些低单价高频次产品品牌如可口可乐首先他们接触会员渠道就有限;其次这类品牌忠诚变化很(量品牌摇摆者他们可能接连几天买可乐对可口很忠诚但接下几天可能就因某广告或促销接连几天买事)。
即使他们能利用社交手段例如微信公众罗批粉丝这些人是否真是品牌忠诚用户(是否购买)并且能否能有效通容化成购买也是道难题。
他们可以很灵活地甄别情感忠诚(长期频繁购买)和动态行忠诚(短期频繁购买)顾客予以不营销影响。
成更低。
有候品牌商不要投建立己R系统完全可以花少量费用与零售商合作利用零售商数据按抓取人群包进行精准化营销。
例如某珠宝品牌商公司进了批高级克拉钻石由货物价值太高不方便卖场柜台销售。
但是公司由想较短內将它们出手。
通协商购物心他们提供了合营销便利。
购物心客理首先顾客选取购买力500会员进行分析购买倾向上进行分类出明显有珠宝喜50人。
由会员心发出邀请参与公司举办了盛珠宝及现场拍卖会。
(三)零售商数据有助众商品新品市场分析众商品市场分析对比零售商数据和市场研究公司数据(如尼尔森凯)我们提到零售商数据跟踪新品和众商品有着得天独厚优势。
他们共就是购买人数少利用采样方法得到数据统计学误差很难报告可靠趋势。
举例子电动牙刷是众品类顾客年渗透率(00顾客有几年购买该类产品)只有%~%。
当凯样有万理论上能到00~800人购买电动牙刷。
如再下钻到电动牙刷品牌再到单品每产品购买顾客数只有位数甚至不到了。
而我们看零售商数据仅某区域型零售商就能到8000多顾客年购买电动牙刷当拥有多零售商数据这样群就很客观了。
我们就进步看电动牙刷比较另相关众品类漱口水。
品牌商很关心问题是谁是我这品类主要客群?凯消费者样框无法提供足够样零售商数据威力就体现出了。
我们仅用某零售商数据就可以容易观察到漱口水顾客群体明显年轻电动牙刷而电动牙刷偏向关生活品质顾客对性价比关顾客购买电动牙刷会很谨慎但漱口水品类面对客群面就广很多。
要指出是由我们这里看是某或几零售商数据这里存着不零售商身面对客群不这客观事实因分析客群我们会以该零售商整体顾客占比作00计算指数。
譬如某零售商购买漱口水顾客8~5岁占0%;而该零售商8~5岁顾客占所有会员5%那么漱口水8~5岁年龄指数就是00(0%5%00)。
这分析也到叫品质性价比关指数这也是完全根据顾客历史购买行定义。
般情况下品牌商会通庭收入做判断顾客购买力指标庭收入数据手机通常是依赖问卷。
作庭敏感信息很多情况下关收入回答可靠性是痛。
我们案例顾客不用回答任何问题。
我们观察每顾客历史购买记录每类高低端商品商花费占比反映该顾客购买偏高端产品占比高可以假设是更关生活品质顾客相反是关性价比。
如更进步我们可以很容易甄别出对生活吃穿住行关不顾客群。
除外基购买行顾客标签可以非常丰富仅举几例是否有孩子规律购买不年龄婴孩产品;是否关健康偏向购买健康品类或品类健康商品(产品预设健康标签);是否要照顾整庭通常购买包装米面粮油产品;是否敢尝试新品新品购买踊跃行。
这些丰富标签都可以助品牌更生动地描述目标客群画像从而制订精准营销计划。
新品市场分析创新是国市场主旋律每年上市新产品不计其数品牌商也希望通不断上新更地满足现有顾客更细分以及满足更多顾客扩销售潜力。
般情况下品牌会预设目标顾客新品设计研发以及市场营销支持都围绕目标顾客进行但上市购买新品顾客是否如品牌商预设期望致呢?有候品牌会设定相关几目标顾客群但究竟哪目标群体真实场景下更喜欢上市新品呢?哈尔滨啤酒上市了款白啤这款白啤生究竟从何而应该目标怎样顾客营销呢?我们观察指标哈尔滨白啤这新品上市前顾客都购买哪些啤酒。
首先购买哈尔滨白啤顾客更多土品牌(相对低端)这与哈尔滨啤酒身品牌定位是致。
但这白啤新品顾客明显更多从竞争对手青岛啤酒而(前更多顾客购买是青岛啤酒)它很地吸引到了竞争对手顾客这对品牌说是很消息。
再者作白啤产品哈尔滨这款新品并没有更多地吸引到前购买白啤顾客而是聚集了很多以往购买名称带有“麦王”啤酒产品顾客。
这是什么呢?我们对做了分析。
首先市场上白啤品牌多进口产品价格较高前喝白啤顾客偏向追生活品质高端人群。
而土品牌哈尔滨推出了白啤新品从品牌定位和产品定价角它很难让那些原高端进口白啤顾客“降级”购买土品牌(也与消费升级这趋势不)。
其次白啤特就是加入更高比例麦麦香柔和更清爽这和“麦王”卖很相似迎合了目前购买土品牌麦王啤酒顾客(但还不具备进口白啤购买力)。
青岛啤酒相比哈尔滨啤酒说品牌形象更高端哈尔滨白啤也被认是原哈尔滨产品线上创新升级。
青岛啤酒身没有白啤系列喜欢青岛啤酒(这“档次”)而又向往白啤顾客就不难理很愿尝试哈尔滨白啤新品行了。
基这样结品牌商很清楚知道应该针对怎样顾客进行精准沟通和营销。
类似这样分析是很容易运用零售商数据新品上市初期就可以完成而且不要任何消费者调研额外成(产品渗透率低候用户招募难会很招募成也会相应提高很多)。
(四)零售商数据可以赋能品牌供应商有会员管理和评估很多品牌商已建立了有R系统是不是零售商会员数据就没有价值了呢?当然不是。
通零售商会员与品牌商会员系统打通零售商数据是能够丰富对品牌商己管理会员画像描述。
样两都是品牌商会员系统忠诚消费者可能通零售商数据能够看到是关健康顧客是关享受顾客(例如买食品看重口感多营养)那么推荐产品、使用话术、营销容出发都可以不而直击顾客心。
有英国食品公司主要销售渠道是线下商超几年前上建立了品牌动上用户可以册成品牌会员从而不断收到定期发送产品目录营养话题线下活动介绍上抽奖活动等。
运营了几年他们问了问题“我们这几年投入建立和运维这样到底效如何?”们这几拿出了系列数包括册会员数量、参与抽奖活跃用户数量、会员人口学统计画像(与品牌目标顾客对比)等试图说明义。
追问道“这些会员真购买了我们产品吗?因我们他们真有增加了对我们产品购买么?如从都没有这他们不喜欢我们产品么?”员工无法立刻回答这些问题。
市场研究部门总监提出可以做会员调研通问卷回答这些问题。
但如没有会员这些假设性问题顾客能给到准确答案么?又如何很容易地量化这效呢?这零售商数据责人提出了方案何不将我们己会员与零售商会员匹配做分析呢?如能知道我们册会员从每人册那天起他们线下购买行对比他们册会员前购买行变化情况不就能量化效了吗?就他们和英国零售商合作邀请零售商数据公司他们做了有R效评估项目。
步是匹配工作。
首先他们确定几顾客k_标签即可以唯或组合唯识别某顾客属性例如姓名、手机码、电子邮箱。
接着数据公司利用这些k_将品牌会员和零售商会员卡顾客进行匹配。
匹配程数据公司收到这些k_都是品牌方和零售商双方加密(用样方式加密)匹配哪些记录被匹配上也不回传给双方。
这样确保数据公司无法知道每条记录分别具体指向实际体(姓名、手机码、邮箱地)而零售商也无法知道他哪些顾客也品牌上册成会员反亦然从而程上保证了人信息安全和双方数据产不流失。
尽管没有分匹配但也有几万众这样样数量足够得到可靠结。
但不管怎样终匹配上人数终定了项目可行性和结可靠性。
这步至关重要对照组质量直接影响评估结质量。
我们当然可以直接观察匹配上顾客册品牌会员前消费变化但品牌表现也是变化些因素可能比是否册品牌会员对销售影响更。
如品牌期做了次深价格下调整体销售会上涨这种情况下仅仅看前购买变化可能始终看到是提升但这种提升并非由册品牌会员这件事情驱动它效会被淹没价格下调影响依旧无法得到合理评估结。
因要寻对照组由他们表现模拟如那些品牌会员前没有上申请册购买行会如何。
评判对照组坏主要因素是鉴别观察期前(这案例观察期就是册品牌会员前)对照组和测试组(案例品牌册会员)行差异是否很。
具体做法是先拿出匹配上顾客(该顾客既是品牌会员又是零售商会员)获取他她册品牌会员具体日期。
该对人人些维上必须与顾客致或高相似这些维包括册当日前前年和半年以及3月购买品牌金额、购买品牌次数、购买品类金额、购买品类次数、年龄、性别等。
三步便是进行对比分析。
这里用到叫虚拟日期概念即不管顾客是具体哪天册成品牌会员这天都是0。
这样就把所有顾客行统叠加维上。
从分析结可以看到测试组和对照组册日前年销售曲线高吻合不可能也不要完全致允许测试人和对人购买节有差异例如、3、5、7月每次花费0英镑顾客和、、6、8月每次花费0英镑顾客行可以认是样但总趋势是样即某些型活动(如促销)期销售变化趋势是相册日可以明显看到两条曲线发生了分歧测试组突然有了尖峰这是因顾客册成品牌会员会对品牌有更多关类似“热恋期”他们零售商也有了幅购买增加。
要指出是这样尖峰零售商原数据里是很难看到原因有二其我们是做了虚拟日期调整将所有品牌册会员统册销售增长行发生了叠加和放而真实零售环境里这些行是打散不上;其二品牌册会员数量(并且能匹配上)占零售商会员数量比例很这些顾客行对整体销售贡献有限。
了“热恋期”这些品牌会员消费又回归平稳理性但值得是他们销售整体水平依然高对照组并且持续很长这说明品牌系列R活动增强了品牌和顾客情感绑定获得了顾客信任。
这不仅带了短期销售突增也得到了长期效。
四步就是推算量化投回报率(R)分析。
我们将分析得到两者销售差值计算出。
但这差值并非实际全部品牌R效。
这里有两因素要考虑还有超半品牌会员没有被匹配上零售商会员他们也贡献了销售收益。
所有会员也不是天册他们实际日历年上贡献比例是不。
因用虚拟日期计算销售增长是高估效。
因计算实际R还要对数据进行校正。
简单方法就是将分析计算得到销售增量按匹配上人数占所有品牌会员比例扩并直接除以这是假设顾客册会员平分布年每天那么实际销售增长就是用虚拟日期算出半。
这就是当校正做法。
如要更精准话可以对每品牌册会员根据实际册日期单独计算对匹配上零售商数据品牌会员也匹配上会员寻相似进行模拟。
计算出实际增益除以开发和维护品牌费用就得到了具体R。
终结显示该品牌会员系统还是获得了正向收益通更细致分析和规模试对活动机制进行了优化例如定期沟通周期从周改成了月降低了成而效没有被显著影响从而进步提升了R。
[参考献][]刘国华苏勇新零售代[]北京企业管理出版社08[]张艺龚鹏飞雷婧智慧新零售模式下电子商发展探究[]吉林广播电视学学报09(7)535[责任编辑潘洪志] 相关热词 零售商产价值 。