新零售模式下消費者數據化發展研究

龍佳芩

(中國計量大學法學院 浙江杭州 310018)

2021年，我國“十四五”規劃提出以數字化轉型驅動生活、生產方式的變革，將數字化轉型戰略明確規定于頂層設計中。數字化轉型成為數字經濟發展的重要著力點，成為推動企業高質量發展的重要戰略，企業進行數字化改革成為大勢所趨。各行業以數據要素驅動為關鍵舉措，以云計算、大數據、人工智能等數字技術為抓手，在生產、銷售、運營等各環節推進數字化發展。零售業走在中國企業數字化進程快速推進的最前沿，特別是2016年以來，線上線下相結合、虛擬數字與傳統實體相結合的數字化運營模式興起，零售企業開啟了新零售模式時代——以消費者為導向，通過大數據要素挖掘、分析消費者需求，將云計算、人工智能等新技術融入商業活動各環節，并結合線上、線下渠道開展各類營銷活動，使企業和消費者獲得最大化效益的商業運營模式。可見，新零售模式具有三個明顯特征：一是以數據要素為驅動；二是依賴互聯網環境，借助數字化技術；三是突出消費者的主體價值。

新零售模式下，消費者數據化成為零售商運營活動的重要內容。首先，新零售模式強調將零售業與互聯網電商結合，線上零售已經積累了相當規模的消費者數據。國家統計局2022年公布的數據顯示，2021年全國網上零售額超13萬億元，其中約11萬億元來源于實物商品網上銷售，比2020年增長12%，占社會消費品零售總額約24.5%。這一數據既反映出線上零售帶來的巨大收益，也反映出線上零售方式廣泛適用于零售業中，其為消費者數據化提供數據來源支撐。其次，云計算等手段為海量的消費者處理數據提供了技術支撐。根據國際數據公司(IDC)和數據存儲公司2019年的研究，2018年中國產生約7.6ZB數據，至2025年將增長到48.6ZB。海量數據的處理成本較高，必須借助相應的技術手段以提高數據處理效率，降低數據處理成本。然而，消費者數據化在助力新零售模式發展的同時，也存在一系列發展難題——消費者數據利用與數據保護如何平衡，中小零售企業數據處理技術是否足以應對海量的消費者數據內容，消費者數據價值是否被零售企業充分發掘？這些問題不只是經濟問題，也是法學問題、技術問題，需要跨領域、跨學科綜合分析。而這些難題的解決，有利于促進消費者數據化發展，推進新零售模式的完善，故有必要對此問題進行深入研究。

1 新零售模式之消費者數據化的基礎

1.1 新零售模式下“消費者為王”的經營理念基礎

傳統經營模式強調以企業自身為中心、以商品為中心，對消費者的感受與需求重視不足；而新零售模式對此有所突破和創新，強調以消費者為中心，為消費者數據化發展提供了理念基礎。零售行業的發展從戰略層面由產品為王、流量為王發展到新零售模式下的消費者為王，通過消費者行為數據分析獲取消費者喜歡什么產品、喜歡在什么渠道購買產品、更容易接受何種營銷方式，從而制定科學合理的商業策略。將消費者行為數據化，將消費者數據作為生產要素，是零售企業踐行消費者中心經營理念的重要內容。

“消費者為王”理念下，消費者數據價值能夠反哺到零售行業生產、銷售、運營等各環節、多場景當中。零售企業借助消費者行為數據得到其購物偏好，精準刻畫用戶畫像，從新產品的設計、供需兩端渠道的選定、銷售策略的改進再到已有消費者的維系、潛在消費者的拓展，都以消費者為中心展開，從消費者需求出發輻射到各場景，在商品推薦、潛在需求預測等方面進行精準營銷、個性化營銷。以阿里巴巴旗下的產品為例，依靠線上平臺用戶消費行為所形成的消費者畫像，淘寶會在客戶端主頁顯示相關商品推薦，同時該用戶在淘寶瀏覽過的商品還會被推薦其在聚劃算、閑魚、天貓等的平臺賬號上。

1.2 新零售模式下消費者數據資源基礎

普通消費者的日常行為能夠突破時空限制，低成本、便利地轉化為能夠被企業獲取和利用的數據資源，該數據資源是持續、來源廣、海量的，為消費者數據化提供了數據要素基礎。企業主要通過刺激消費者在線上銷售中的交互行為獲取大量數據，主要包括拓寬交易渠道和豐富營銷活動兩種方式。在交易渠道上，零售企業可以入駐各大電商平臺，如天貓、京東等進行全網化營銷，借助多交易渠道吸引顧客，引導顧客瀏覽、購買、評價等互動行為，同時與各大電商平臺建立數據合作關系，得到平臺所擁有的市場交易數據。在營銷活動中，零售企業可以參與各大平臺的營銷活動，也可以在自營旗艦店內開展直播帶貨、滿減優惠等活動，吸引消費者參與，產生更多的數據。

消費者數據資源往往有結構化數據和非結構化數據兩種，兩者雖然對于技術要求有所不同，但均對銷售企業具有巨大的商業價值。以結構化為主的訂單數據，如消費者下單后形成的品類、顏色、價格、數量、地址、購買日期等數據；以非結構化為主的溝通數據，如消費者通過淘寶平臺與商家客服或者淘寶客服交流產生的產品信息咨詢數據，及消費者購買產品后所形成的用戶評價數據。結構化數據與非結構化數據都是消費者跟企業交流的最好載體，具有重要的數據資產價值。

1.3 新零售模式下消費者收集處理數據的技術基礎

隨著數字經濟的發展，零售行業從集貿式、連鎖店式發展到電子商務式，如今又發展到新零售模式。新零售區別于傳統銷售模式的一大特征，即“線上線下一盤貨” 營銷技術的創立，這為消費者數據被實時、全面生成和記錄提供技術支撐。利用互聯網進行線上營銷使消費者行為實時、全面在線，所有消費者的瀏覽、咨詢、購物和評論行為都可以被記錄，零售企業可以從海量消費者的數據中創造價值。如盒馬鮮生通過消費者在線化獲得用戶在線瀏覽記錄、購物類型分布、購物時間分布、訂單支付行為等諸多數據，及時反饋到企業采購和運營部門，獲得更多的競爭優勢。

除了為消費者生成數據、記錄提供支撐的線上營銷技術外，新零售模式中的智能化客戶管理為用戶數據收集提供了高效的技術支撐。智能化客戶管理可以借助云計算、人工智能、大數據等技術，幫助商家獲取和統計難以收集的、更加精準的顧客信息，并且能夠將所收集的信息類型化、結構化，為后續的信息分析環節提供了基礎。收集全面、精準的用戶信息與消費者行為數據，極大縮短了零售商與終端消費者之間的距離，零售商能更好地了解客戶的需求與偏好，經銷方式由“廣撒網”轉變為“精準投送”，直接推動企業的進一步發展。

消費者數據經過生成、收集后下一步是處理，其是發掘數據商業價值、潛在價值的關鍵環節，要求企業具備相應的處理和分析數據的能力，而云計算等技術為消費者數據處理提供了支撐。一方面，對消費者數據的處理和分析有利于為消費者提供精準化推薦、個性化服務。靜態分析出購買產品數量的類型、購買次數、瀏覽次數；動態分析消費者月、季、年的消費類型、數量變化，從相關人與相關物兩個運算方向分析消費者偏好，進行商品推薦，用“貨找人”模式取代“人找貨”模式，為消費者選購商品提供便利服務。另一方面，對消費者數據的處理有助于為企業提供產品制作、選擇、改進方向，如淘寶公司通過對瀏覽量、訪客數、支付訂單數等數據研發的“生意參謀”數據產品，能夠使零售企業更清楚地了解線上店鋪整體情況，明確運營方向，優化資源配置，注意改進經營策略。

2 消費者數據化在新零售模式發展中的難點

2.1 消費者數據化戰略規劃的缺失

當前，很多零售企業對消費者數據化價值認識不足，從戰略層面對消費者數據發揮主觀能動性利用不足，缺乏對消費者數據價值利用的通盤考慮和系統設計。很多企業對于數據價值還沒有引起重視，單純地認為消費者在電商平臺上進行交易行為、留下數據記錄即可，而沒有結合自身業務有目的地收集、處理消費者行為數據，更不必說對數據基礎業務之外的潛在業務、增值業務進行發掘。零售企業即使收集了消費者數據，也缺乏對數據利用的預先規劃，往往僅泛化用以觀察熱銷產品，而沒有選擇適當范圍的數據研發數據產品或進行增值業務的發展規劃。

2.2 數據處理的負擔

隨著實體零售企業的數字化轉型與平臺企業跨界合作的深入，企業所生成的數據規模越來越大，數據成為關鍵生產要素，成為企業優化資源配置的基礎，但數據處理技術給企業帶來了沉重負擔。數據體量爆炸式增長，數據生產主體與數據結構形式泛化，海量數據中不僅包含來自商家的商品數據、來自用戶的購買數據、來自快遞公司的物流信息等結構化數據，而且包含用戶網絡評價、搜索索引、商家客服記錄等非結構化數據，這些都加大了零售企業處理數據的負擔，包括數據處理技術負擔、數據處理人才負擔、數據處理資金負擔。

2.3 數據安全的擔憂

線上零售平臺存儲了大量的消費者數據，涉及消費者個人信息權益、個人隱私問題。2021年《數據安全法》《個人信息保護法》相繼出臺，要求線上平臺在存儲、收集、處理消費者數據各環節中加強數據安全保護，避免數據泄露和個人權益受到侵害。在存儲環節，可能存在被第三方竊取的危險，企業需要重視必要管理措施和必要技術的利用；在收集、處理環節，企業可能存在超出消費者意愿的數據利用，須遵守“告知—同意”的程序規則，嚴守信息處理必要性原則，平衡消費者數據的利用和保護兩方價值，同時可能存在技術人員的操作不當或違法交易，因此須加強數字化人員的技術能力、職業素質。

3 新零售模式中用戶數據化難題的解決

3.1 消費者數據價值深度發掘理念的強化

在海量數據積累和數字技術發展的條件下，零售企業不應僅僅限于利用技術對消費者行為進行數據化，更應當注重從數據化的消費者行為中挖掘新的業務，著力于拓展消費者數據的價值增值空間。大多數零售企業都在對自身業務進行數字化改造，對消費者行為進行全程數據化、可視化，但是對數據的價值發掘深度不足，往往僅考慮其現有的用途，而對其未來可能被使用到的各種方式的發掘不夠注重。“數據的真實價值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而絕大部分則隱藏在表面之下”。消費者數據的價值不僅僅顯示消費產品數量、類型的基礎作用，還有利用數據分析進行新業務拓展、新產品開發等增值作用、深度作用。例如，蘇寧利用所積累的海量消費者數據，針對消費者在使用普通冰箱長期冷凍儲存食物導致食物營養和口感降低的問題，蘇寧聯合海爾研發出了全球首款T門全空間保鮮冰箱。

3.2 消費者數據處理能力的提升

消費者數據化處在數字技術與零售企業融合進程中，人才、技術、資金是提升零售企業消費者數據處理能力的三大要素。首先，數字化人才是數字經濟發展的基石，需多方共同發力加強對數字化人才的培養。一是零售企業要加強數字化人才建設，培養員工運用數字化技術處理消費者數據的能力；二是政府應出臺相關支持政策，加大推進數字化人才的培養工作。其次，海量消費者數據的處理離不開高效、精確的算法，需加強云計算等新技術的開發。企業應加強數據處理技術的自主研發，政府推動產學研合作研發，實現科研技術成果轉化，利用互聯網、云計算、人工智能等先進數據處理技術準確預測消費者需求、生產新型產品、優化資源配置。最后，資金是零售企業各項運營活動的基礎，不論是數字化人才的培養，還是數據處理技術的研發，都需要企業必要的資金投入,應發揮內外部聯動優勢，為推進消費者數據化發展提供堅實的資金支持。一是企業要編制合理的預算，綜合考慮營銷、建設和技術引入等費用，控制消費者數據化成本；同時不斷發掘消費者數據的潛在價值，獲得更多盈利渠道。二是政府應在零售企業推動消費者數據化發展初期給予一定的資金支持，推動企業數字化轉型，促進國家數字經濟發展。

3.3 消費者數據化的合規建設

我國將數據定位為新型生產要素，數據利用與數據治理齊頭并進，零售企業在推動消費者數據化發展過程中，必須加強數據合規建設。消費者數據來自個人，大部分內容涉及數據安全相關法律和個人信息保護相關法律的規范內容，2021年《數據安全法》《個人信息保護法》出臺，規定了數據安全審查制度、數據分級分類管理制度、個人信息處理必要性原則、個人信息處理必要技術保護措施等內容，對企業處理消費者數據進行了明確的要求，在挖掘消費者數據商業價值的同時，維護消費者個人信息權益和隱私權，做到各方利益的平衡。