“互聯網+”背景下大數據在傳統零售領域應用策略研究

李 奕 武漢商學院

一、大數據產業與傳統零售

(一)大數據產業

在2021中國國際大數據產業博覽會上，工業和信息化部副部長劉烈宏介紹，“十三五”時期，我國大數據產業年均復合增長率超過30%，2020年產業規模超過1萬億元人民幣。根據IDC發布的有關數據預測，2025年大數據產業的市場規模更是將達到19 508億元。而在2014年我國大數據產業的市場規模僅為767億元。中國科學院院士梅宏在2021數博會數字政府論壇上表示，以數據的深度挖掘與融合應用為主要特征的數字經濟時代正在開啟。

圖1 我國大數據產業規模

數字文明時代，處于信息社會中，數據的獲取不再受到時間與空間的限制，數據量近乎無限。人們的每個舉動，每次消費都會產生數據，大數據及云計算平臺獲取這些數據后加以分析處理，從而給人們提供更加便利和完善的服務，真正做到讓數據想消費者之所想，而消費者在享受這種便捷的同時又產生新的數據，周而復始，促進了各領域的創新與發展。

(二)傳統零售

零售是商品流通的最終環節，零售商是指直接將商品銷售給最終消費者的企業，是為滿足人們對商品的需求且以營利為目的從事零售活動的經濟組織。便利店、連鎖超市、購物中心、倉儲百貨、電商平臺等都屬于零售業，其中電商屬于新零售，其他擁有實體經營場所的屬于傳統零售領域。從電子商務進入我國以來，傳統零售行業經過了初步的洗禮，在多年的發展過程中大多已經對大數據技術有過利用，但無論是在深度還是廣度上，這種利用都有很強的局限性，傳統零售的核心還未從依靠營銷來競爭消費者轉變為依靠數據來搶占消費者，其思想的局限性及傳統商業對數據獲取的天然劣勢使得競爭的天平一開始便是失衡的，其必須意識到大數據并不是新零售業所獨占的，傳統零售也應該而且必須加以利用，打破新舊之間的壁壘，才能在新環境下充分提高自身的核心競爭力。從圖2中我們可以看到新零售的銷售增速遠遠大于傳統零售業，如何使得兩者從割裂走向合作共贏是大勢所趨，也是亟待解決的問題。

圖2 我國傳統零售與新零售發展對比

二、“互聯網+”背景下傳統零售業大數據利用中存在的問題

(一)消費者行為大數據挖掘深度不夠，消費者畫像千篇一律，精準營銷靶心缺失

“互聯網+”大數據背景下，大數據獲取是核心資源，獲取的渠道和手段是關鍵能力。數據追蹤尋址技術的發展，讓消費者的特定行為數據能被跟蹤并記錄，往往一個手機號，一個身份實名信息就能讓一個人所有的行動軌跡，消費行為都被記錄下來。作為傳統零售業，與消費者產生信息交互的渠道主要是門店，門店主要采集消費者個人信息和購買的商品信息，這種數據屬于未被細分處理的淺層信息，調查中我們發現傳統零售商業未能充分挖掘和運用這些數據，并通過分析消費行為數據了解到消費者個人的喜好、消費偏好等行為特征，并針對不同消費者做出其消費者畫像，并以此為依據做到商品的精準營銷，廣告的分類投放，從而做到減少銷售費用，提高盈利能力。實際上，在大多數傳統零售企業的微信號，網上商城中我們發現所有消費者看到的商品推薦都是一樣的，即消費者畫像的千篇一律，精準營銷無法做到有的放矢。

(二)大數據處理在物流環節的滲透不夠，物流效率有待提高

物流作為將零售商品送到消費者手中的最后一步，是直接和消費者打交道的一環，其用戶體驗的好壞直接影響到消費者對零售商的評價。

在當今消費升級的大環境中，物質極大的豐富，消費者的購買渠道也五花八門，影響消費者決策的除了商品本身和價格因素外，一次便捷、安全、迅捷的物流服務在購物流程當中無疑顯得至關重要了。在調查中我們發現對于傳統零售業來說，開拓業務的方式更多的體現為開更多的線下門店，從一線城市到二三線城市，一些大型的企業還把門店布局到鄉鎮，而應當與之相匹配的物流配送等配套卻顯得差強人意。由于建立自己的物流中心投入較大，零售商們往往將商品交給第三方負責配送，其配送的時效性、安全性往往得不到保障，更談不上根據大數據分析得到的用戶對物流的偏好信息選擇上門派送、放快遞柜等貼心服務了。同時還會損失配送環節所能收集的大數據信息。往往一次體驗不好的配送服務就會直接損失掉一個消費者的信任，更甚至影響企業的形象和商譽，帶來的隱性損失是不可估量的。

(三)大數據處理在售后服務中未能得到體現，售后服務體驗差

和物流環節類似，傳統零售行業在售后上往往僅限于做到國家法制法規制定的內容，大多也沒有建立完善的售后系統，售后人員往往也是所有部門中人最少的。售后的態度、響應時間、服務質量、解決方案往往難以令人滿意。推脫、踢皮球更是售后屢試不爽的手段。而且隨著企業市場版圖的不斷擴大，往往一線城市還有售后，在鄉鎮一線的地方售后根本無從談起。

在售后大數據利用方面，企業往往更注重購買行為的分析，對售后數據重視程度也不夠，的確，在企業初期的擴張中，消費者的購買行為起了更重要的作用，但企業想要做穩、做強，售后卻是至關重要的。根據我們調查結論，一次令人滿意的售后體驗往往比一次滿意的購買體驗更容易獲取消費者的“忠誠”，因為滿意的購買體驗更多的體現為對所購商品的滿意，而良好的售后體驗則代表對零售企業品牌的認可，這種認可對企業的差異化競爭策略更難能可貴。

三、“互聯網+”背景下傳統零售業大數據利用策略研究

(一)建立大數據中心，拓展數據獲取渠道，深度挖掘數據價值，針對性創造價值

首先，應該拓展大數據獲取的渠道，對于規模較大的傳統零售集團，其擁有線下實體店、微信公眾號、網上商城等多種和消費者產生信息交互的信息點，大數據的積累是一個長期、持續性的過程，各信息點收集到的數據需要在數據中心里統一分析處理，而不是作為一個個信息孤島存在。其次，在大數據處理與利用方面，要充分挖掘其深度。傳統零售的銷售模式很長時間以來都是以商品為中心，銷售分析時也只注重商品是否暢銷、定價是否合理，諸如此類的信息都屬于同質化信息，帶來的只會是同業間的同質化競爭，結果往往就變成了價格戰。而大數據獲取利用強調的是長期的、持續全面的對消費者的行為數據的收集，以期形成生動的消費者畫像，更加全面精確的描述和預測消費者的消費行為，才能真正的想消費者之所想，將以商品為中心的銷售模式轉變為以消費者為中心，以人為本，從而做到差異化競爭、有的放矢、精準營銷。舉例來說，對于電器產品，如電視、手機等消費品，消費者很難在短時間內產生多次消費行為，針對這類產品，就需要長期的跟蹤用戶數據，在適當的時候去推薦更新換代的產品，而不能和快銷產品一樣，在一次購買后短時間內連續不斷的推薦同質產品，反而適得其反。

圖3 消費者畫像構建

(二)建立基于大數據平臺的供應鏈流程體系，無人化物流配送，提升物流人員能力

大數據的運用在商品全銷售周期內都應該做到流程的數據化，每個商品作為大數據平臺中一個個數據點，從供應鏈端、銷售、配送都需要做到數字化。一方面可以根據大數據分析結果給物流中心選址建設，以保障商品在最合理的時間內送到消費者手中。參考新零售模式的菜鳥網絡，其利用大數據平臺統籌協調全國個區域物流力量，以期能在最短時間內將最多的貨物送達消費者手中，所帶來的不僅是效率的提升，其經濟成本也比以往顯著下降。新零售另一巨頭京東，其建立的物流智能無人倉、無人配送服務所帶來的效率的提升也是不可忽視的。對于傳統零售商來說，或許做不到菜鳥這樣全國一張網，但利用大數據分析技術對所在區域的交通、商區、消費者活躍區等進行分析，優化配送路線，在綜合地價等成本找到最合適的物流中心位置，減少企業的建設成本的同時也使消費者對高效便捷的物流配送服務的要求得到滿足。

(三)建立完善的售后服務體制，利用大數據分析創建個性化消費者服務體系

零售業的競爭是商品同質化且高飽和的競爭，為了在這樣一種競爭態勢下體現出企業的差異化競爭力，售后服務無疑是非常好的一個窗口。如何提升消費者的售后體驗，增強消費滿意度和用戶黏性，使得用戶在獲得滿意的購物體驗的同時建立起對零售企業品牌的信任與認可成為售后策略中重要的部分。

如何不斷的將潛在客戶轉變為事實客戶，再將事實客戶變為忠誠客戶的過程無疑是長期的，難度和所需要付出的成本也是遞進的。利用售后大數據分析創建個性化消費者服務體系可以分為以下兩點內容：

1.消費者評價反饋大數據處理體系。“給個好評吧！”這樣一句話人盡皆知，好評作為零售企業的一種“證明”力，對于消費者決策起到決定性的作用，他人的評價內容直接影響潛在客戶的購買決策，評價內容比一切商家的廣告宣傳都顯得更有說服力，“好評”能堅定潛在客戶的購買決心，對商品的銷售起到正面的推動作用；而“差評”則對潛在消費者起到勸退的作用，對商品的銷售起到負面影響。調查發現，一個“差評”帶來的負面影響甚至超過幾十個“好評”的正面影響。如若企業對消費者評價置之不理，或未建立行之有效的評價反饋體系，久而久之對企業帶來的負面效益是不可估量的。大數據技術能通過分析消費者評價行為習慣，對“差評”的閱讀量，評價閱讀時間等信息分析，調整商品銷售策略并及時處理負面評價信息，同時對給消費者帶來的負面影響盡力予以消除，建立起負責、擔當的企業形象，或許一次成功對負面評價的有效處理，將能帶來數十個潛在客戶的認可。

2.消費者私人定制大數據黏性提升策略。傳統零售商在付出不菲的成本獲得消費者認可后，如何在瞬息萬變的市場中保有消費者存量，不斷的提升消費者對企業的黏性，除了保證商品質量，高效的物流服務外，為消費者私人定制的關懷策略不失為提升消費者忠誠度的良好策略。這是在用戶個人信息數據為上，結合大數據對其購買行為的分析判斷，在消費者及其家人生日，紀念日等重要的時間節點，通過微信、電話、短信等方式方法滿足消費者情感需求的定制化策略，策略的成功將極大的提升消費者忠實度和消費黏性。

希望本文的研究能為“互聯網+”背景下大數據在傳統領域的利用應用研究添磚加瓦，為傳統零售領域企業的競爭賦能，以期將來傳統零售領域的企業對大數據的獲取和利用的研究更加完善、成熟。