剖析零售业三大层级数据的运用与价值发掘.pdfVIP

剖析零售业三大层级数据的运用与价值发掘 作者: 联商网—李展宏 来源: 联商资讯 联商网消息：零售业、餐饮业、金融业等与消费者直接接触的产业，每天都 有大量的交易数据产生，近年来由于大数据分析技术的兴起，消费性产业也相继 投入数据分析，试图从数据寻找洞见、拟定战略并创造价值。大数据的概念抽象、 架构庞大却难以掌握，许多企业制定大数据战略来因应趋势，却两三年毫无作为， 主要原因可能是: (1) 对于外部数据的过度追求，却无决策参考意义 企业常认定外部数据才是自己未知的领域，只要分析大量外部数据，就能靠 一两个洞烛先机一举领先对手。导致部分企业在设定大数据分析目标时，皆在追 求”高管未知的洞察”而忽略现有资料能带来的内涵与价值。此现象常导致企业过 度追求外部资料的收集，包含社交渠道(如微信、Facebook)的舆论搜集、天气、 人口地理统计资料等数据，而该种数据的分析成果通常难与现有顾客的数据进行 链接，最终无法成为决策的根据。 (2) 虚耗时间扩充内部数据成”大”数据，却无分析能力 除对外部数据有过多的期待，企业在讨论大数据分析时，通常会出现”数据 这么少，怎么做大数据分析?”的杂音，转而致力开拓数据源或整合数据，从POS 系统、财务数据、营销活动成效、店内存货数据、新渠道的顾客活动资料等，最 终投入大量资源于升级ERP(企业资源规划)系统，或建立与ERP 系统内存信息 重复的数据库，当企业内部认为数据已经足够时，分析能力却未能跟上，最终仍 无法产出具有决策影响力的分析结果。 为避免上述状况，先整合有用的内部数据并针对重大商业议题快速展开分析 更能快速体现数据决策的价值，本文将带领读者了解消费性产业各种既有的数据 组，并探讨其应用领域与实际范例: 交易层级数据 – 购物篮中的玄机 交易层级的数据即是小票上的资料，从POS 系统出来的小票记载每一笔交 易的总金额、购买的物品、参与的促销活动、付款方式甚至会员编号等，藉由小 票数据，企业可以了解各种品类的表现及顾客如何购买商品，从各种商品的销售 表现、并买品类、回购率、忠诚度，商品促销期间、特殊档期的表现等等，不但 可以协助高管了解销售数据的细节组成，亦能提供高管商品捆绑、促销设计的决 策基础。 举例而言，一台湾领先便利商店即长期分析其交易层级数据，在近几年的重 点鲜食开发中，该便利商店曾针对销售额、并买率和潜在需求的考虑，找出现煮 咖啡、面包、饭团作为第一优先的开发和扩充品项，并且进一步找到热门的购买 组合，根据商品利润等不同种的绩效指标设计促销活动，成功带动整体的销售绩 效成长。 门店层级数据 – 除了缺货数据还有什么重要? 门店的数据通常反映运营的绩效，常用的领域包含各门店销售绩效的比较、 存货销售数据的分析等等，但对于门店较多的零售业者而言，运用不同的门店属 性 (如门店型态、门店区位、门店大小等) 进行关联性的分析，找出销售绩效的 驱动因子，可进一步预测未来销售绩效。 此外，许多新举措都会以门店为单位来推广，因此企业会运用门店层级数据 变化来评估新举措的成效。为了避免市场杂音对分析结果的影响，世界许多领先 的零售业者会运用实验组与对照组的分析方法，将有实施新举措的门店作为实验 组，并运用过去的财务绩效表现、门店属性找出与实验门店相似的对照组门店， 进一步评估在新举措开始后，实验组与对照组间的绩效差异。该分析可协助企业 了解新的营销活动、运营策略、定价促销活动之成效，且可针对不同的品类、消 费者、门店类型、商圈的人口地理数据进一步的探究，找出未来较适合推行新举 措的门店。 举例而言，麦当劳中国在推行新举措时，即会以门店作为基础进行实验，并 经过缜密的市场实验及数据分析做出决策。以推出新商品为例，麦当劳先是在部 分门店推行新的商品，并比对实验组与对照组门店的表现差异，了解新商品是否 会对旧商品产生竞食、或是否能带来新的客户，经综合评估以后，再决议是否推 出该产品来完善其产品线。 门店层级的数据在分析上较为困难且繁杂，但其中可应用的议题远超出存缺 货、人力配置管理的范畴，从货架空间分析与优化、运营策略调整、门店改装、 开关店的影响、营销促销策略等，都适合以门店层级的销售数据为基础进行分析， 并作为决策推广的依据。 顾客层级数据 – 顾客分群的盲点 顾客层级数据的分析近年受到高度关注，包含忠诚计划的推出，支付工具的 创新，营销渠道的