零售商數據資產外部價值分析

2020-02-06 03:53:45 商業經濟 2020年1期

李衛華

[摘 要] 零售商每天都在產生大量的POS小票數據和會員數據,這些數據不僅具有應用價值,也具有經濟價值,具有外部變現的可能性,它與尼爾森、凱度等同類研究數據相比有深度和細顆粒度的優勢,對于供應商而言,零售商數據有助于彌補供應商數據的結構缺陷,有助于更全面的用戶畫像,有助于小眾商品市場分析、新品推廣以及自有會員的管理和評估。

[關鍵詞] 零售商;數據資產;經濟價值;外部變現

[中圖分類號] F340[文獻標識碼] A[文章編號] 1009-6043(2020)01-0112-05

Abstract: Retailers have a lot of POS receipts and member data every day. These data not only have application value, but also have economic value, and have the possibility of external cash. Compared with similar data such as nelson and kay degree, these date have the advantage of deep and fine granularity. For supplier, retailer data can help make up for the supplier data structure defects, help users' portrait of a more comprehensive, help small commodity market analysis, management and assessment of the new product promotion and its own members.

Key words: retailers, data assets, economic value, external cash

一、研究背景

(一)理論背景

近年來,在大數據浪潮中,“數據即是資產”的觀念已成為共識,社會對數據價值的重視程度與日俱增。什么樣的數據能夠成為資產,或者說什么樣的數據有資格成為資產?首先需要了解什么是財務意義上資產。資產是指由企業過去經營交易或各事項形成的,由企業擁有或控制的,預期會給企業帶來經濟利益的資源。

類比資產的定義,零售商數據資產是零售商擁有或控制,能帶來未來經濟利益的數據資源。因此,并不是所有的數據都是資產,只有可控制、可計量、可變現的數據才可能成為資產。其中,實現數據資產的可變現屬性,體現數據價值的過程,即稱為“數據資產化”。

數據具有“應用+經濟”的雙重價值。數據助力企業自身的運營,用于服務企業經營決策、業務流程,從而提升企業業績,這是一種挖掘數據價值的方式,稱之為應用價值。從經濟價值的眼光來看,它應該可以通過外部變現來獲取價值。

(二)行業背景

零售商作為供應商商品交易的平臺,每天都會產生大量的小票數據和會員數據,這些數據不僅具有應用價值,同時也可以考慮到它的經濟價值,以便將這些數據變成數據產品,提供給需要的企業,主要是品牌供應商,實現數字資產的外部變現。

在比較初級的零供合作模式下,零售商關注的是整個品類的生意,而供應商關注的是自己品牌的表現。一個品牌的成長如果只是蠶食了產品生意而沒有幫助整體品類的增長,在零售商看來是失敗的,對該品牌的資源投入(海報、陳列等)是零收益甚至負收益的。因此,零售商在向供應商分享數據時尤為謹慎。

隨著品類管理在零售行業推廣應用的出現,零售商也越來越開放,他們愿意讓更多的供應商參與到生意中來,因為在供應商那里有著更多數據分析的資源和人才,也有著零售商之外的整體市場信息,這能幫助他們挖掘更多的數據價值。所以很多零售商在重點品類中選擇領先的供應商作為他們的品類冠軍,一起來建設品類,管理品類生意。

新零售時代,零售行業的數字化轉型越來越普及,騰訊、阿里等零售賦能平臺的出現,以及市場上出現了一些專注于零售大數據挖掘的公司。這些公司的數量不多,他們的服務需要直接調用零售商底層最核心的數據——小票數據和會員數據,與零售商是戰略性合作關系,而不是簡單的數據分析服務商。這類第三方企業以更公平的視角,更專業的能力為零售商和供應商之間搭建起一個平臺,在平臺上,大家用同一種顧客語言對話,實現品牌和品類雙贏,零售商數據資產向供應商外部變現的通道逐漸通暢。

二、零售商數據與其他同類研究數據的區別

當我們介紹零售大數據時,供應商的顧客洞察、市場營銷或品牌團隊經常會問到的一個問題是:“我有尼爾森(Nielsen)的零售研究數據,我有凱度(Kantar)的消費者樣本數據來報告我整體市場的銷售和份額。為什么還需要看某一個或某幾個零售商的數據呢?”零售商數據和尼爾森或凱度數據是兩個不同體系的數據,研究方法和用途也不盡相同。簡單而言,尼爾森和凱度報告的是整體市場的表現,追求的是數據的覆蓋廣度和整體市場代表性。零售商數據報告的是顧客洞察,追求的是深度和細顆粒度。

從方法角度出發,尼爾森的零售研究和凱度消費者樣本都不是大數據,兩者都是基于采樣的方法。尼爾森基于店的采樣,它根據店鋪業態、省市區域和營業額大小將全國幾百萬家店鋪分成各種小類,并在每個小類里抽取部分店作為樣本店。最終樣本店數量在1~2萬家左右。之后定期(一般一周或一月)在這些店鋪收集銷售數據,并按比例放大得到全國或某個區域的市場數據。而凱度是基于消費者的采樣,它在全國各區域(一、二線城市為主)招募4萬個家庭,讓樣本家庭自主收集并定期報告購物信息,之后通過按比例放大的方式得到各類產品的銷售及顧客滲透率等市場信息。零售商數據是非采樣數據,它來自所有在零售商內購物的小票和會員信息,每一天、每一個小時、每一分鐘、甚至每一秒的數據都被詳細記錄,是真正的全量數據。

從數據源類型看,尼爾森只在店鋪收集每一個產品一段時間內的銷售,并不細化到顧客和購物籃。凱度數據只收集樣本消費者購買的產品信息,數據質量完全依賴樣本消費者的質量,但一些沖動性消費,如口渴街邊買罐可樂很可能無法被顧客完整地記錄。而零售商數據是除了細到每位顧客每張小票的真實行為外,還能細致到每一筆交易的支付方式、促銷參與、店內堆頭、庫存信息等等,豐富度非傳統市場研究公司可比。

從數據可讀性看,采樣方式的數據會受到諸多限制。最主要的就是制約于按比例放大過程中的統計學誤差。一般來說,當一個產品的鋪貨率低于20%(有售賣該產品的店鋪總銷售占全部市場銷售的比例不足20%),或一個產品的顧客滲透率低于20%(購買過該產品的消費者數占所有消費者數的比例不足20%),尼爾森的銷售數據或凱度的消費者數據會承受很大的統計學誤差,也就是說報告中的數據的隨機性會比較大,銷售趨勢的波動可能會很劇烈。數據的穩定性會是一個很大的挑戰。而零售商數據由于非采樣,所有數據都是可靠可讀的。特別對于一些低滲透率或低鋪貨率的產品,如新品上市、小眾產品、單品級別的分析,零售商數據就具有了得天獨厚的優勢。

三、零售商數據對供應商的價值分析

(一)零售商數據有助于彌補供應商數據的構成缺陷

1.零售商數據有助于供應商從全品類的角度考慮問題

同零售商一樣,各品牌供應商也需要管理它的顧客,將顧客分類進行精準營銷。第一步最基礎的就是建立起CRM會員庫,甄別顧客,知道他/她是誰,他/她與品牌的交互關系。供應商能夠招募會員并能同時獲取購買行為的渠道主要有幾個:自營店鋪、自營線上商城、微商城等,對于大多數快消品品牌來說,這些渠道的銷售貢獻很有限。即使算上天貓、京東,銷售占比大多也不足20%。況且這些渠道的行為數據僅限于自己品牌的銷售,無法知道本品牌會員在整個品類,甚至其他品類的表現。

零售商數據很好地彌補了這些缺陷,零售商數據是第一手顧客數據,它的價值在于從顧客角度全面審視該品類發展和品牌生意,它能告訴你,誰購買了你的品牌,誰對品牌忠誠,誰在品牌間不斷猶豫,你的忠誠顧客都有哪些特點,你的非忠誠顧客喜歡什么等等。所以說,它的顧客(或部分顧客)對供應商來說就是一個天然的CRM會員庫。尤其是供應商得到的洞察不僅可用于該零售商,根據供應商對市場的知識,一些洞察完全可以映射到整個市場,并且可以回頭在該零售商店里做嘗試和驗證。

舉例而言:A顧客購買我的品牌10次,B顧客購買我的品牌5次。A顧客就比B顧客對我的品牌更忠誠么?不一定。如果A顧客還同時購買其他品牌10次,而B顧客不再購買其他品牌,那么盡管A顧客的價值比B顧客高,但從忠誠度角度看,B顧客更忠誠。對于A顧客,品牌需要加強情感粘性,可以通過促銷等手段從其他品牌那里贏回另外10次購買中的幾次。而對于B顧客,品牌要做的是了解如何提升購買頻次(例如品類教育)或鼓勵交叉購買等。所以供應商就可以利用零售商數據搭建一個簡單實用的品牌顧客細分模型(見圖1)。

根據顧客對品類的購買(頻次、花費)和品類購買中品牌的份額將品牌顧客分為幾大群體,供應商可以針對不同的顧客,采用“爭取、維護、教育、觀察”不同的營銷策略。

2.利用零售商數據可以進行跨品類的全面顧客畫像

零售商的顧客不僅購買某一品牌、某一品類的產品。供應商在進行顧客畫像時,利用零售商數據可以更全面地描述顧客,甚至可以擴展到全品類。例如,福佳啤酒是一款進口高端白啤,品牌商想知道都是什么樣的顧客在購買這個產品。傳統的方式可以通過消費者調研,詢問曾經購買過(宣稱購買過)該品牌啤酒的顧客的年齡性別和一些生活方式和生活態度。年齡性別是常規的畫像維度,但對于生活方式和態度就需要事先有假設,問卷中不能完全開放地讓被訪者回答,不然無法編碼和分析。而有了零售商數據,它可以先不做任何假設,觀察購買過福佳啤酒的顧客在其他產品的購買商哪些是遠高于平均水平的(請注意,這些行為都是實際發生的,而不是顧客宣稱的)。

案例中,我們看到福佳啤酒顧客會更多購買可口可樂、樂事薯片。這些都是更多是年輕顧客的選擇;同時她們又更多購買卡士酸奶、維他檸檬水、益力多乳酸菌飲料,這是女性顧客或對健康關注的顧客選擇;另外,卡士酸奶、潔柔紙巾、樂事薯片都是各自品類中的國際或高端品牌。由此,我們能分析出,福佳啤酒的購買者多為年輕白領女性。不僅如此,福佳啤酒還能直接與這些相關品牌進行聯合促銷等活動,或目標購買這些產品的顧客(不拒絕啤酒/購買過酒類)推薦福佳啤酒來進行招新。

同樣的思路,某全國連鎖的著名美容機構L進入M市開設首店。為了盡快將市場開拓起來,L公司的企劃經理請求與C購物中心結成聯盟單位。L與C在M市舉辦了一場由女性VIP參加的歌舞晚會,其費用由L全部承擔,僅需要C的客服按照L的要求篩選出符合下列條件的女性會員:(1)25~45歲女性;(2)收入穩定;(3)在化妝品方面消費周期規律。C在自己的資料庫里篩出1000人左右參加了這個晚會。L則在這個會議上吸納了足以支撐其經營的會員人數。

(二)利用零售商數據建立品牌會員庫可操作性強,成本更低

1.可操作性強。許多品牌供應商建立自己CRM系統的可行性低。目前建立自己品牌CRM系統比較好的例如歐萊雅等,他們相對高單價,值得去投資招募品牌會員,有商場/商超專柜這樣的接觸渠道去招募和維護會員。而對于另一些低單價高頻次產品的品牌,如可口可樂,首先他們接觸會員的渠道就有限;其次這類的品牌忠誠度變化很大(大量品牌間搖擺者,他們可能接連幾天買可樂,對可口很忠誠,但接下來幾天可能就因為某個廣告或促銷,接連幾天買百事)。特地建立品牌CRM去長期管理每個會員的投資回報也不高。即使他們能利用社交手段,例如微信公眾號網羅一批粉絲,這些人是否真的是品牌忠誠用戶(是否購買),并且能否能有效通過內容轉化成購買也是一道未解難題。因此,擁有購買行為數據的零售商就成為這些品牌的天然CRM系統。他們可以很靈活地甄別情感忠誠(長期頻繁購買)和動態行為忠誠(短期頻繁購買)顧客,予以不同的營銷影響。

2.成本更低。有時候品牌商不需要投資建立自己的CRM系統,完全可以花少量的費用與零售商合作,利用零售商數據按需抓取人群包,進行精準化營銷。例如,某珠寶品牌商T公司進了一批高級大克拉鉆石,由于貨物的價值太高,不方便在賣場的柜臺銷售。但是,T公司由想在較短的時間內將它們出手。通過協商,C購物中心為他們提供了聯合營銷的便利。C購物中心的客服經理首先在顧客中選取購買力TOP500會員進行分析,在購買傾向上進行分類,找出明顯有珠寶喜好的150人。由會員中心發出邀請,參與T公司舉辦了一個盛大的珠寶show及現場拍賣會。由于,會員鎖定的準確,在拍賣行當場銷售了三顆大克拉珍寶級鉆石。

(三)零售商數據有助于小眾商品/新品的市場分析

1.小眾商品市場分析

在對比零售商數據和市場研究公司數據(如尼爾森,凱度)時,我們提到,零售商數據在跟蹤新品和小眾商品時有著得天獨厚的優勢。他們的共同點就是購買人數少,利用采樣方法得到的數據統計學誤差大,很難報告可靠的趨勢。

舉個例子,電動牙刷是一個小眾品類,顧客年滲透率(100個顧客中有幾個在過去1年購買過該類產品)只有1%~2%。當凱度樣本有4萬個時,理論上能找到400~800個人購買過電動牙刷。如果再下鉆到電動牙刷品牌,再到單品,每個產品的購買顧客數只有個位數,甚至找不到了。而我們看零售商數據時,僅某個區域的一個中型零售商內就能找到8000多顧客在過去一年購買過電動牙刷,當擁有多個零售商數據時,這個樣本群就很客觀了。即使做到單品層級也有足夠的購買顧客。這時候,我們看各種產品的顧客畫像時就能獲得更可靠的數據。

我們就進一步看電動牙刷,同時比較另一個相關的小眾品類漱口水。品牌商很關心的一個問題是,誰是我這個品類的主要客群?在凱度的消費者樣本框無法提供足夠樣本時,零售商數據的威力就體現出來了。我們僅用某一零售商數據就可以容易觀察到:

漱口水的顧客群體明顯年輕于電動牙刷,而電動牙刷偏向關注生活品質的顧客,對于性價比關注的顧客在購買電動牙刷時會很謹慎,但漱口水品類面對的客群面就廣很多。需要指出的是,由于我們這里看的是某一個或幾個零售商的數據,這里存在著不同零售商本身面對的客群不同這一客觀事實,因此在分析客群時,我們會以在該零售商整體顧客的占比作為100,計算指數。譬如,在某一零售商購買漱口水的顧客中,18~25歲的占10%;而在該零售商中,18~25歲的顧客占所有會員的5%,那么漱口水的18~25歲年齡指數就是200(=10%/5%*100)。

在這個分析中,大家也注意到一個叫品質/性價比關注指數,這也是完全根據顧客的歷史購買行為來定義的。一般情況下,品牌商會通過家庭收入來做為判斷顧客購買力的指標,家庭收入的數據手機通常是依賴問卷。作為家庭最敏感的信息之一,在很多情況下,關于收入的回答的可靠性是一個痛點。在我們的案例中,顧客不用回答任何問題。零售商里售賣上百個品類,每個品類內都有高端、中端、低端品項。我們觀察每個顧客歷史購買記錄,在每類高中低端商品商的花費占比,來反映該顧客的購買偏好,高端產品占比高的可以假設是更關注生活品質的顧客,相反是關注性價比。如果更進一步,我們可以很容易甄別出對生活吃穿住行關注點不同的顧客群。

除此之外,基于購買行為的顧客標簽可以非常豐富,僅舉幾例:是否有孩子,規律購買不同年齡的嬰孩產品;是否關注健康,偏向購買健康品類或品類中健康商品(產品預設健康標簽);是否需要照顧整個家庭,通常購買大包裝的米面糧油產品;是否敢于嘗試新品,新品購買的踴躍行為。這些豐富的標簽都可以幫助品牌更生動地描述目標客群的畫像,從而制訂精準營銷計劃。

2.新品市場分析

創新是未來中國市場的主旋律,每年上市的新產品不計其數,品牌商也希望通過不斷的上新來更好地滿足現有顧客更細分的需求,以及滿足更多顧客的需求來擴大銷售潛力。一般情況下,品牌會預設目標顧客,新品的設計研發,以及市場營銷支持都圍繞目標顧客進行,但在上市之后,購買新品的顧客是否如品牌商預設期望一致呢?有時候,品牌會設定相關的幾個目標顧客群,但究竟哪個目標群體在真實場景下更喜歡上市的新品呢?哈爾濱啤酒上市了一款白啤,這款白啤的生意究竟從何而來,應該目標怎樣的顧客去營銷呢?

我們觀察一個指標:在哈爾濱白啤這個新品上市之前,顧客都在購買哪些啤酒。將新品顧客和整體顧客做一個對比,就能看到一些很有趣的現象。首先,購買哈爾濱白啤的顧客資源更多來本土品牌(相對中低端),這與哈爾濱啤酒本身的品牌定位是一致的。通常來說新品顧客通常更多先從自己母品牌來,這是母品牌暈輪效應。但這一白啤新品顧客明顯更多從競爭對手青島啤酒而來(之前更多的顧客購買的是青島啤酒),它很好地吸引到了競爭對手的顧客,這對品牌來說是個很好的消息。再者,作為白啤產品,哈爾濱的這款新品并沒有更多地吸引到之前購買白啤的顧客,而是聚集了很多以往購買名稱中帶有“小麥王”啤酒產品的顧客。這是為什么呢?我們對此做了一個的分析。首先,市場上白啤品牌大多為進口產品,價格較高,之前喝白啤的顧客偏向追求生活品質的高端人群。而本土品牌哈爾濱推出了白啤新品,從品牌定位和產品定價角度,它很難讓那些原本的高端進口白啤顧客“降級”購買本土品牌(也與消費升級這一大趨勢不符)。其次,白啤的特點就是加入更高比例的小麥,麥香柔和,更清爽,這和“小麥王”的賣點很相似,迎合了目前購買本土品牌小麥王啤酒的顧客需求(但還不具備進口白啤的購買力)。最后,青島啤酒相比哈爾濱啤酒來說品牌形象更高端,哈爾濱白啤也被認為是在原本哈爾濱產品線上的創新升級。青島啤酒本身沒有白啤系列,喜歡青島啤酒(這一“檔次”),而又向往白啤的顧客,就不難理解很愿意嘗試哈爾濱的白啤新品的行為了。基于這樣的結果,品牌商很清楚知道應該針對怎樣的顧客進行精準的溝通和營銷。類似這樣的分析是很容易運用零售商數據,在新品上市初期就可以完成的,而且不需要任何消費者調研的額外成本(產品滲透率低的時候,用戶招募難度會很大,招募成本也會相應提高很多)。

(四)零售商數據可以賦能品牌供應商自有會員的管理和評估

很多品牌商已經建立了自有CRM系統,是不是零售商的會員數據就沒有價值了呢?當然不是。通過零售商會員與品牌商會員系統打通,零售商的數據是能夠豐富對品牌商自己管理會員的畫像描述。同樣兩個都是品牌商會員系統中的忠誠消費者,可能通過零售商數據能夠看到一個是關注健康的顧客,一個是關注享受的顧客(例如買食品看重口感多于營養),那么在推薦產品、使用話術、營銷內容的出發點都可以不同而直擊顧客內心。更直接的是,零售商的購物數據可以幫助品牌商來評估自有CRM的投入產出比。

有英國一家食品公司,主要的銷售渠道是線下商超,幾年前在網上建立了品牌互動網站,在網站上用戶可以注冊成為品牌會員,從而不斷收到網站定期發送的產品目錄,營養話題文章,線下活動介紹,網上抽獎活動等。在運營了幾年之后,他們的CEO問了一個問題:“我們這幾年投入建立和運維這樣一個網站到底效果如何?”們這幾拿出了一系列數字,包括注冊會員數量、參與抽獎的活躍用戶數量、會員的人口學統計畫像(與品牌目標顧客對比)等來試圖說明網站的意義。CEO追問道:“這些會員真的購買了我們的產品嗎?因為我們的網站,他們真的有增加了對我們的產品購買么?如果從來都沒有這個網站,他們不喜歡我們的產品么?”員工無法立刻回答這些問題。市場研究部門的總監提出可以做會員調研,通過問卷回答這些問題。但如果沒有網站會員這些假設性的問題,顧客能給到準確的答案么?又如何很容易地量化這個效果呢?這時,零售商大數據的負責人提出了方案,何不將我們自己的會員與零售商會員匹配做分析呢?如果能知道我們網站注冊的會員從每一個人的注冊那天起,他們在線下的購買行為對比他們在注冊會員之前的購買行為的變化情況不就能量化網站的效果了嗎?就此,他們和英國最大的零售商之一合作,同時邀請零售商大數據公司為他們做了一個自有CRM效果評估項目。

第一步是匹配工作。首先,他們確定幾個顧客key_id標簽,即可以唯一或組合后唯一識別某一顧客的屬性,例如:姓名、手機號碼、電子郵箱。這些信息在注冊品牌網站CRM和申請零售商會員時都會提供。接著,大數據公司利用這些key_id將品牌網站的會員和零售商會員卡顧客進行匹配。匹配過程中大數據公司收到的這些key_id都是品牌方和零售商雙方加密過的(用同樣的方式加密),匹配后哪些記錄被匹配上也不回傳給雙方。這樣確保大數據公司無法知道每條記錄分別具體指向實際個體(姓名、手機號碼、郵箱地址),而零售商也無法知道他的哪些顧客也在品牌網站上注冊成會員,反之亦然,從而最大程度上保證了個人信息的安全和雙方數據資產的不流失。最終,品牌會員中有近一半的人被成功匹配到零售商會員中。盡管沒有百分百匹配,但也有幾萬之眾,這樣的樣本數量足夠得到可靠的結果。匹配的成功率取決于顧客個人信息的質量,雙方生意覆蓋的重合度,雙方會員數量。但不管怎樣,最終匹配上的人數最終決定了項目的可行性和結果可靠性。

第二步是在零售商會員體系中尋找對照組。這一步至關重要,對照組的質量直接影響評估結果的質量。我們當然可以直接觀察匹配上的顧客在注冊品牌會員前后的消費變化,但品牌表現也是在變化的,一些因素可能比是否注冊品牌會員對銷售的影響更大。如果品牌期間做了一次深度價格下調,整體銷售會上漲,在這種情況下,僅僅看前后時間的購買變化可能始終看到是提升的,但這種提升并非由注冊品牌會員這件事情驅動的,它的效果會被淹沒在價格下調的影響中,依舊無法得到合理的評估結果。因此,需要尋找一個對照組,由他們的表現來模擬,如果那些品牌會員之前沒有在網站上申請注冊,之后的購買行為會如何。兩者之間的差異更純粹是由這個注冊品牌會員的行為影響的。評判對照組好壞的最主要因素是鑒別觀察期之前(這個案例中的觀察期就是注冊網站品牌會員之前)對照組和測試組(本案例中的品牌注冊會員)的行為差異是否很小。由于每一個品牌會員網上注冊的時間都不一樣,因此需要針對每一個人分別尋找參照人進入對照組。

具體做法是:先拿出一個匹配上的顧客C1(該顧客既是品牌會員又是零售商會員),獲取他/她注冊品牌會員的具體日期。再從零售商會員但不是品牌商會員中,找1個對照人c1。該對找人c1人在一些維度上必須同時與顧客C1一致或高度相似,這些維度包括注冊當日之前前一年和半年以及3個月內購買品牌金額、購買品牌次數、購買品類金額、購買品類次數、年齡、性別等。遍歷每一個匹配上的顧客生成測試組{C1、C21配Cn},生成對照組{c1、c21對cn}。

第三步便是進行對比分析。這里用到一個叫虛擬日期的概念,即不管顧客是具體在哪一天注冊成為品牌會員的,這天都是Day0。這樣就把所有顧客的行為統一疊加在一個時間維度上。

從分析結果可以看到,測試組和對照組在注冊日之前一年的銷售曲線高度吻合,不可能也不需要完全一致,允許測試人和對找人購買節點有差異,例如一個1、3、5、7月每次花費10英鎊的顧客的和一個2、4、6、8月每次花費10英鎊的顧客行為可以認為是一樣的,但總的趨勢是一樣的,即在某些大型活動(如大促銷)期間銷售變化趨勢是相同的,在注冊日之后可以明顯看到兩條曲線發生了分歧,測試組突然有了一個尖峰,這是因為顧客在注冊成為品牌會員后會對品牌有更多關注,類似于“熱戀期”,他們在零售商內也有了大幅購買增加。需要指出的是,這樣的尖峰在零售商原本的數據里是很難看到的,原因有二:其一,我們是做了虛擬日期調整,將所有品牌注冊會員的時間統一,注冊后銷售增長行為發生了疊加和放大,而在真實零售環境里,這些行為是打散在不同時間點上的;其二,品牌注冊會員的數量(并且能匹配上的)占零售商會員數量的比例很小,這些顧客的行為對整體銷售貢獻有限。過了“熱戀期”后,這些品牌會員的消費又回歸平穩理性,但值得注意的是,他們銷售的整體水平依然高于對照組,并且持續很長時間,這說明品牌的一系列CRM活動增強了品牌和顧客之間的情感綁定,獲得了顧客的信任。這不僅帶來了短期的銷售突增,也得到了長期的效果。

第四步就是推算量化投資回報率(ROI)的分析。我們將分析中得到的兩者銷售之間的差值計算出來。但這個差值并非實際全部品牌網站CRM的效果。這里有兩個因素要考慮:還有超過一半的品牌會員沒有被匹配上零售商會員,他們也貢獻了銷售收益。因此僅用匹配會員計算的銷售增長是低估效果的。所有會員也不是同一天注冊的,他們在實際日歷年上的貢獻比例是不同的。因此,用虛擬日期計算的銷售增長是高估效果的。

因此,在計算實際ROI時還需要對數據進行校正。最簡單的方法就是將分析中計算得到的銷售增量按匹配上的人數占所有品牌會員的比例擴大,并直接除以2,這是假設顧客注冊會員的時間平均分布在一年的每一天,那么實際銷售增長就是用虛擬日期算出的一半。這就是當時的校正做法。如果需要更為精準的話,可以對每一個品牌注冊會員根據實際注冊日期單獨計算,對未匹配上零售商數據的品牌會員也一一在匹配上的會員中尋找最相似的進行模擬。計算出實際增益后,除以開發和維護品牌網站的費用,就得到了具體的ROI。最終的結果顯示,該品牌會員系統還是獲得了正向收益,通過更細致的分析和小規模試點,對活動機制進行了優化,例如定期溝通的周期從一周改成了一月,降低了成本而效果沒有被顯著影響,從而進一步提升了ROI。

[參考文獻]

[1]劉國華,蘇勇.新零售時代[M].北京:企業管理出版社,2018.

[2]張藝,龔鵬飛,雷婧.智慧新零售模式下電子商務發展探究[J].吉林廣播電視大學學報,2019(7):53-54.

[責任編輯:潘洪志]

热带动物园登陆
彩客网比分直播 中平特一肖是几倍 闲来广东麻将精华版 河北十一选五遗漏查 黑龙江p62开奖数据 网上兼职赚钱日结无 大唐麻将的挂怎么买 青海11选五5全单开奖前后 雪缘竞彩足球比分直播 足球宝贝 多多棋牌游戏 秒速赛车是正规的吗 知富知管期货配资假盘 22选5每天几点开奖 掌心福州麻将正式版下载 1分11选5_[官网首页]