大數據零售商

1. 大數據在餐飲行業的應用主要包括

主要包括以下幾方面：

1、准時交貨：通過各種大數據分析工具和技術，食品配送可以得到高度優化和定時。雖然這更多的是在物流大數據的作用下出現的，但有許多食品零售商專門從事食品配送，不要忘記有多少餐廳提供送貨上門服務。

3、情緒分析：情緒分析是通過社交媒體網路對客戶情緒的監測。利用自然語言處理等技術，數據分析工具對文本進行分類，將其分為積極的、消極的或中性的。這種大數據分析技術可以被食品公司用來分析顧客的情緒。任何負面評論都可以進行規模化分析，並採取預防措施防止負面言論的傳播。

4、更好的質量：消費者總是希望在他們喜歡的地方吃到同樣味道的食物。雖然保持相同的口味聽起來很容易，但這是一項非常具有挑戰性的任務。食物的味道不僅取決於配料的正確計量，還取決於它們的質量、儲存和季節。大數據分析可以分析這些變化，預測每個變化對食品質量和口味的影響。數據分析還可以分析儲運等因素對包裝食品質量的影響。

2. 大數據分析:零售業謀變新路徑

大數據分析:零售業謀變新路徑

只有將客戶數據轉化為洞察，用數據指導營銷計劃和銷售規劃的制定，才能把這些冷冰冰的數字轉化為客戶親密度，將零售商與客戶緊緊綁定在一起。

數據顯示，截止到2013年底，中國電子商務市場交易規模達10.2萬億，同比增長29.9%。在電商呈現如火如荼之勢時，傳統零售業受到擠壓，線上線下遭遇截然不同：客流減少、業績不佳、甚至被迫關閉門店……實體零售業經營陷入困局。面對來自電商的強烈沖擊，實體零售商也開始思索如何謀變，進行了一系列新嘗試。部分不甘淪為「試衣間」的零售商勇敢試水O2O，打通線上線下渠道。來自更多渠道的數據重塑商業模式的同時，也讓零售商看到了其蘊含的商業價值。數據中的豐富客戶洞察也推動了「以客戶為中心」的業務轉型。

大數據時代，亟待突圍的零售商該如何在探索中把握先機，SAS公司結合國外零售商最佳實踐給出了如下建議：

以客戶為中心的數據驅動營銷管理，從多種渠道獲得成功轉型

在技術的幫助下，零售商可以通過社交媒體、移動應用、定位服務和電子郵件等更多渠道與消費者交流。更多溝通橋梁也帶來了更為豐富的客戶信息，而僅僅獲取這些信息是不夠的，只有將客戶數據轉化為洞察，用數據指導營銷計劃和銷售規劃的制定，才能把這些冷冰冰的數字轉化為客戶親密度，將零售商與客戶緊緊綁定在一起。

1.梅西百貨：有的話，只想說給你聽

美國著名連鎖百貨公司梅西百貨設立電商部門Macy』s.com，希望消費者無論在哪裡，都能同步享受最新上市商品和促銷活動，尋找購物魔力。Macy』s.com設立了互聯網客戶洞察部門，利用大數據分析改進個性化營銷、廣告策略等方面，迅猛發展在線渠道營銷，從傳統的線下經營成功轉型為全渠道經營模式。面對激烈的競爭，Macy』s.com亟需關於客戶偏好的更精準實時決策。梅西百貨認為，獲取跨越全渠道的客戶洞察是提高顧客滿意率和營收增長的關鍵。為了更高效地了解和評估在線營銷活動對實體店銷售額的影響，Macy』s.com採用SAS解決方案大大加強分析實力，自此改變了群發通用型電子郵件的低效營銷方式，對客戶進行更精細的分類，針對性地發送促銷郵件。出乎意料的是，郵件發送頻率的降低並沒有減少網站訪問量，郵件退訂率反而減少了20%。

2.Harry & David：嘗嘗分析的甜頭吧

在經歷了經濟衰退帶來的業績下滑之後，美國美食和禮物零售商領軍Harry & David利用分析技術判斷誰是目標客戶，目標客戶希望以何種方式以及何時接收促銷信息以及哪類人群最有可能驅動銷售額增長，從數據中理清未來發展的思路。在開始的幾個月里，營銷團隊在獲取顧客行為和偏好方面取得進展。一年內，在客戶細分、客戶生命周期和並發價值分析上更進一步。三年之內，Harry & David新的客戶維系率上升了14%，顧客帶來的銷售額也增長了7個百分點，高質量忠誠客戶增加了10%。使用SAS? Campaign Management之後，Harry & David獲取了更多有價值的客戶洞察，例如：通過導入外部數據和分析歷史交易行為，他們得出了由社交網路渠道吸引而來的客戶更值得進一步培養這一結論。客戶檔案建模和管理也為銷售情況預測提供了可靠依據。由此，Harry & David嘗到了數據分析的甜頭，走上了數據驅動型的營銷道路。

3.Chico』s：告別猜測，和直覺說再見

成衣女裝零售商Chico』s FAS Inc.在全美境內擁有超過1000家門店。除了實體店外，Chico』s還通過商品目錄和在線渠道開展營銷活動。在面臨行業衰退時，Chico』s決定好好利用多年積攢下來的客戶信息，並由此驅動商業決策。但是，現實遠比想像艱難，來自於Chico』s 旗下的多個品牌數據難以整合，且公司並不具備海量數據處理能力。相較於真實可靠的客戶數據，營銷人員更多倚賴的是直覺。Chico』s需要一個為管理和整合海量數據提供可靠追蹤記錄的系統，並希望業務人員在沒有數據工作人員和程序員的情況下也能使用數據。Chico』s選擇了隨需應變解決方案：營銷自動化（SAS? OnDemand：Marketing Automation）。這是一個包含了一整套預測分析和數據挖掘工具、允許營銷人員計劃、測試和執行任意規模營銷活動的企業級解決方案。

該解決方案幫助Chico』s策劃節假日促銷活動。數據顯示，在使用該解決方案後，Chico』s季度利潤達到1700萬美元，而在上一年同一季度中，Chico』s虧損了4200萬美元。在營銷自動化解決方案的幫助下，Chico』s將客戶進行精細分類，並區別不同推廣活動達到的效果。Chico』s將目標群體劃分為三類，並採取相應行動：第一類顧客為希望第一時間購買新品的消費者。這類顧客能收到包括所有尺寸和價位商品、並標注出新品的商品目錄和郵件。第二類顧客是熱衷於折扣商品的顧客，Chico』s向這類顧客郵寄針對性更強的更薄的商品目錄和促銷傳單。第三類為網站用戶，Chico』s向線上客戶推送符合其消費偏好的電子郵件。

一旦發現銷售不佳的商品，Chico』s即可迅速調整促銷策略。Chico』s挽回了更多的流失客戶，成功率是此前的三倍。通過大數據分析，Chico』s從過往交易記錄中鑒別更受歡迎的商品，並選擇相應的促銷手段。作為一家擁有多個品牌的零售商，通過判斷消費者喜好，如今Chico』s能夠通過策劃促銷活動引導某一品牌忠實顧客也能會光臨旗下另一品牌，帶來了更多潛在銷售機遇。過去需要30天才能出爐的營銷計劃現在只需4天就能策劃完成。團隊也擁有了更快創造精準營銷活動的能力。

通過大數據分析，零售商可以用過往交易記錄指導營銷活動，創造切實符合客戶所需的深入人心的營銷活動，用個性化的消費體驗建立更緊密的客戶關系，最終促進營收增長。

洞察中的精準預測，指導策略規劃

從總結過去和觀察現在中預測未來，是大數據的另一魔力。這也啟發了零售商從一開始的供應環節就在大數據的指導下進行精準且具有可行性的需求預測，由此優化客戶的購買體驗。

DSW：7碼還是9碼，我知道！

不同於成衣的尺碼靈活性，消費者在購買鞋類時必須選擇合腳的尺碼，這對鞋類零售商的供應體系提出了更高要求。美國鞋業零售巨頭DSW利用SAS解決方案整合採購和供貨系統。有了SAS解決方案的合理分配邏輯，DSW對於尺碼供應有了更精準的判斷。這讓「按店鋪所需分配尺碼（size by store）」模型開發成為可能。從前，DSW實行統一標准供貨，12箱包含各個尺碼鞋子的包裹被寄送到各個門店。事實上，有的門店僅僅需要7碼和8碼的鞋子，而它們依然會收到6碼和9碼的貨品。數據分析能夠計算出在減少促銷活動並且無缺貨情況下每個地區所需的特定鞋碼和款式貨品數量和訂單補給量，確保門店內供應充足的正確尺碼貨品，並能實現及時補貨。門店運作更為高效，顧客更少等待，滿意度也大幅上升。

減少IT開支，增加系統靈活性，高性能分析技術創造更高價值

大數據的蓬勃發展催生了具有高度靈活性的技術，例如可視化分析、高性能分析和雲端應用等。得益於隨需應變的高度靈活的技術，零售商大大減少了IT運營的開支，並從更高級的分析中獲取了更有價值的洞察。

SM-MCI：「亞洲百貨之王」的分析利器

「亞洲百貨之王」SM集團旗下的SM Marketing Convergence Inc.（SM-MCI）運作著全菲律賓最大的客戶忠誠度計劃。這一計劃中記錄了每一名顧客在SM集團旗下購物中心消費中所獲積分的情況，存儲了超過十億次的消費記錄，卻並未得到有效利用。SM-MCI需要一種可以促進銷售，改善運營，同時也能增進顧客忠誠度的解決方案。最終，SM-MCI選擇了融合內存分析技術和商業智能高級數據可視化的SAS可視化分析（SAS? Visual Analytics）解決方案。它不僅擁有無與倫比的統計計算能力和速度，還能通過直觀的方式展示分析結果。在新變數添加時也不會產生多餘的數據規劃和提取轉化載入流程。從更加深度的報告中，SM-MCI能夠更加深入地了解消費模式，並鑒別趨勢，以此來及時策劃促銷活動，傳遞更優質服務，提升顧客滿意度，吸引新會員加入，發現有利可圖的追加銷售機會。

在發達國家，電子商務的崛起早已證明其對實體零售業的強烈沖擊，而國外零售商們在對抗沖擊中也累積了更多經驗。這些實踐經驗帶給近年來飽受電商威脅的中國實體零售商更多思考：雲服務、數據可視化和Hadoop等新興技術在零售業落地應用並發展迅猛，為行業注入了活力。

以上是小編為大家分享的關於大數據分析:零售業謀變新路徑的相關內容，更多信息可以關注環球青藤分享更多干貨

3. 大數據如何與零售業結合 在實戰中應用

大數據如何與零售業結合 在實戰中應用

一、「大數據」的商業價值

1、對顧客群體細分

「大數據」可以對顧客群體細分，然後對每個群體量體裁衣般的採取獨特的行動。瞄準特定的顧客群體來進行營銷和服務是商家一直以來的追求。雲存儲的海量數據和「大數據」的分析技術使得對消費者的實時和極端的細分有了成本效率極高的可能。

2、模擬實境

運用「大數據」模擬實境，發掘新的需求和提高投入的回報率。現在越來越多的產品中都裝有感測器，汽車和智能手機的普及使得可收集數據呈現爆炸性增長。Blog、Twitter、Facebook和微博等社交網路也在產生著海量的數據。

雲計算和「大數據」分析技術使得商家可以在成本效率較高的情況下，實時地把這些數據連同交易行為的數據進行儲存和分析。交易過程、產品使用和人類行為都可以數據化。「大數據」技術可以把這些數據整合起來進行數據挖掘，從而在某些情況下通過模型模擬來判斷不同變數(比如不同地區不同促銷方案)的情況下何種方案投入回報最高。

3、提高投入回報率

提高「大數據」成果在各相關部門的分享程度，提高整個管理鏈條和產業鏈條的投入回報率。「大數據」能力強的部門可以通過雲計算、互聯網和內部搜索引擎把」大數據」成果和「大數據」能力比較薄弱的部門分享，幫助他們利用「大數據」創造商業價值。

4、數據存儲空間出租

企業和個人有著海量信息存儲的需求，只有將數據妥善存儲，才有可能進一步挖掘其潛在價值。具體而言，這塊業務模式又可以細分為針對個人文件存儲和針對企業用戶兩大類。主要是通過易於使用的API，用戶可以方便地將各種數據對象放在雲端，然後再像使用水、電一樣按用量收費。目前已有多個公司推出相應服務，如亞馬遜、網易、諾基亞等。運營商也推出了相應的服務，如中國移動的彩雲業務。

5、管理客戶關系

客戶管理應用的目的是根據客戶的屬性(包括自然屬性和行為屬性)，從不同角度深層次分析客戶、了解客戶，以此增加新的客戶、提高客戶的忠誠度、降低客戶流失率、提高客戶消費等。 對中小客戶來說，專門的CRM顯然大而貴。不少中小商家將飛信作為初級CRM來使用。比如把老客戶加到飛信群里，在群朋友圈裡發布新產品預告、特價銷售通知，完成售前售後服務等。

6、個性化精準推薦

在運營商內部，根據用戶喜好推薦各類業務或應用是常見的，比如應用商店軟體推薦、IPTV視頻節目推薦等，而通過關聯演算法、文本摘要抽取、情感分析等智能分析演算法後，可以將之延伸到商用化服務，利用數據挖掘技術幫助客戶進行精準營銷，今後盈利可以來自於客戶增值部分的分成。

以日常的「垃圾簡訊」為例，信息並不都是「垃圾」，因為收到的人並不需要而被視為垃圾。通過用戶行為數據進行分析後，可以給需要的人發送需要的信息，這樣「垃圾簡訊」就成了有價值的信息。在日本的麥當勞，用戶在手機上下載優惠券，再去餐廳用運營商DoCoMo的手機錢包優惠支付。運營商和麥當勞搜集相關消費信息，例如經常買什麼漢堡，去哪個店消費，消費頻次多少，然後精準推送優惠券給用戶。

7、數據搜索

數據搜索是一個並不新鮮的應用，隨著「大數據」時代的到來，實時性、全范圍搜索的需求也就變得越來越強烈。我們需要能搜索各種社交網路、用戶行為等數據。其商業應用價值是將實時的數據處理與分析和廣告聯系起來，即實時廣告業務和應用內移動廣告的社交服務。

運營商掌握的用戶網上行為信息，使得所獲取的數據「具備更全面維度」，更具商業價值。典型應用如中國移動的「盤古搜索」。

二、「大數據」與零售業的結合運用

對於數據的使用，許多實體零售商同樣表示非常重視，他們對企業積累的數據進行了各種預測和分析。然而，對具體的銷售業務來說，往往存在理想與現實的糾結，前不久市場中一家知名的服裝零售企業一方面在宣傳盈利上市的同時，一方面曝出有近10億元的庫存。國內很多零售企業都知道「大數據」應用的好處，但他們一旦將「大數據」的應用結合到自己的企業經營中時，便會出現與目前經營有非常大的不適應問題，如此導致許多企業對此都持非常謹慎的態度。

1、將零售策略與「大數據」技術進行結合

零售企業談的「大數據」的最大價值，是在零售策略上與「大數據」技術進行結合，最大程度地編制前置性的零售策略，確保銷售計劃的實現。「大數據」講究四個「V」：一是數據體量大（Volume）；二是數據類型復雜（Variety），多涉及到各種結構性與非結構性的；三是價值密度低（Value），這和體量大是相對應的；四是數據更新與處理速度快（Velocity）。

根據這些特性主動地在業務數據產生的同時做出相應的策略應對，會為企業贏得更多的時間和市場策略調整空間。這類似於大江大河的洪峰預警，上游的洪峰出現什麼狀況，下游要做什麼樣的應對。數據用到這一層面上，才具有直接的業務價值，這不是那種銷量同期比、環比、銷售計劃比數據能指導業務的價值能相比的。例如一家涉足線上業務的實體零售商，在一組貨品的15分鍾促銷時間內，往往准備著3套應變策略，以確保貨品能夠按計劃賣出。

在實體商業領域，有許多關於數據與營銷的案例。一個較早的版本就是美國沃爾瑪啤酒和尿布的數據關系。原來，美國的婦女在家照顧孩子，所以她們會囑咐丈夫在下班回家的路上為孩子買尿布，而丈夫在買尿布的同時又會順手購買自己愛喝的啤酒。

當分析師了解到啤酒和尿布銷量存在正相關關系、並進一步分析的時候，發現了這樣的購買情境，於是將這兩種屬於不同門類的商品擺在一起。這個發現為商家帶來了新的銷售組合。當然，即使再多的零售連鎖企業知道這個故事，也極少從平時銷售中能發現這樣的組合，哪怕是牽強附會的。

所以，零售策略設計是零售業「大數據」價值最大的地方，也是「大數據」可以直接為其提供支持的業務。

2、零售企業對「大數據」應保持正確態度

企業的領導者首先要重視「大數據」的發展、重視企業的數據中心，把收集顧客數據作為企業營銷運營的第一目標；第二，對企業內部人員進行培訓及建立收集數據的軟硬體機制；第三，以業務需求為准則，確定哪些數據是需要收集的；第四，確認在企業已有的數據基礎上或者未來方向前提下，如何達成前三項目標的基礎建設方案。

在這些IT基礎工作需要企業有實實在在的投入和建設規范的信息化團隊，作為中國商業最大的一分子——中小微型零售企業似乎是不可能也沒有足夠的能力來面對這樣一場變化的。

大中型零售商因為本身業務及利潤的積淀，已經能夠承擔這樣一場需求趨勢的需要成本。中小微型企業還處於快速發展過程中，如果也如同大中型企業進行全方面的投入，將很快會被新型的IT工具拖垮或者遭受重創。

但這並不意味著中小零售企業沒有機會，實際上IT的發展為所有的企業都提供了平等的選擇，雲計算的廣泛應用即是對這樣一場變革帶來的臨時禮物。

作為中小微型零售企業，完全不必考慮自己建設一套「大數據」的IT系統，他們從精力、成本、能力上來說都不適合，因此此類企業可以將企業的IT建設外包給適合的服務商，企業本身的所有精力可以投入到對商圈的開發上。

目前，一些IT軟體開發運營商也已經針對傳統零售企業推出了雲服務的基礎平台，為中小微型商業企業提供了大型企業和超大型企業同樣的基礎環境及系統架構，小企業只需清晰地規劃出自己的目標和適合的步驟，使用雲平台按需付費即可，大可不必進行巨大的初始投入和不可預測的運行成本。

三、「大數據」在零售企業實戰中的應用

1、Target

最早關於「大數據」的故事發生在美國第二大的超市塔吉特百貨（Target）。孕婦對於零售商來說是個含金量很高的顧客群體。但是他們一般會去專門的孕婦商店而不是在Target購買孕期用品。人們一提起Target，往往想到的都是清潔用品、襪子和手紙之類的日常生活用品，卻忽視了Target有孕婦需要的一切。為此，Target的市場營銷人員求助於Target的顧客數據分析部要求建立一個模型，在孕婦第2個妊娠期就把她們給確認出來。在美國出生記錄是公開的，等孩子出生了，新生兒母親就會被鋪天蓋地的產品優惠廣告包圍，因此必須趕在孕婦第2個妊娠期行動起來。如果Target能夠趕在所有零售商之前知道哪位顧客懷孕了，市場營銷部門就可以早早的給他們發出量身定製的孕婦優惠廣告，早早圈定寶貴的顧客資源。

如何能夠准確地判斷哪位顧客懷孕？ Target想到公司有一個迎嬰聚會（baby shower）的登記表，開始對這些登記表裡的顧客的消費數據進行建模分析，不久就發現了許多非常有用的數據模式。比如模型發現，許多孕婦在第2個妊娠期的開始會買許多大包裝的無香味護手霜；在懷孕的最初20周大量購買補充鈣、鎂、鋅的善存片之類的保健品。最後Target選出了25種典型商品的消費數據構建了「懷孕預測指數」，通過這個指數，Target能夠在很小的誤差范圍內預測到顧客的懷孕情況，因此Target就能早早地把孕婦優惠廣告寄發給顧客。

為了不讓顧客覺得商家侵犯了自己的隱私，Target把孕婦用品的優惠廣告夾雜在其他一大堆與懷孕不相關的商品優惠廣告當中。

根據這個「大數據」模型,Target制訂了全新的廣告營銷方案，結果Target的孕期用品銷售呈現了爆炸性的增長。Target的「大數據」分析技術從孕婦這個細分顧客群開始向其他各種細分客戶群推廣，從Target使用「大數據」的2002年到2010年間，Target的銷售額從440億美元增長到了670億美元。

2、ZARA

ZARA平均每件服裝價格只有LVHM四分之一，但是，回看兩家公司的財務年報，ZARA稅前毛利率比LVHM集團還高23、6%。

（1）分析顧客的需求

在ZARA的門店裡，櫃台和店內各角落都裝有攝影機，店經理隨身帶著PDA。目的是記錄其顧客的每個意見，如顧客對衣服圖案的偏好，扣子的大小，拉鏈的款式之類的微小舉動。店員會向分店經理匯報，經理上傳到ZARA內部全球資訊網路中，每天至少兩次傳遞資訊給總部設計人員，由總部作出決策後立即傳送到生產線，改變產品樣式。

關店後，銷售人員結帳、盤點每天貨品上下架情況，並對客人購買與退貨率做出統計。再結合櫃台現金資料，交易系統做出當日成交分析報告，分析當日產品熱銷排名，然後，數據直達ZARA倉儲系統 。

收集海量的顧客意見，以此做出生產銷售決策，這樣的作法大大降低了存貨率。同時，根據這些電話和電腦數據，ZARA分析出相似的「區域流行」，在顏色、版型的生產中，做出最靠近客戶需求的市場區隔。

（2）結合線上店數據

2010年，ZARA同時在六個歐洲國家成立網路商店，增加了網路巨量資料的串連性。2011年，分別在美國、日本推出網路平台，除了增加營收，線上商店強化了雙向搜尋引擎、資料分析的功能。不僅回收意見給生產端，讓決策者精準找出目標市場；也對消費者提供更准確的時尚訊息，雙方都能享受「大數據」帶來的好處。分析師預估，網路商店為ZARA至少提升了10%營收。

此外，線上商店除了交易行為，也是活動產品上市前的營銷試金石。ZARA通常先在網路上舉辦消費者意見調查，再從網路回饋中，擷取顧客意見，以此改善實際出貨的產品。

ZARA將網路上的海量資料看作實體店面的前測指標。因為會在網路上搜尋時尚資訊的人，對服飾的喜好、資訊的掌握，催生潮流的能力，比一般大眾更前衛。再者，會在網路上搶先得知ZARA資訊的消費者，進實體店面消費的比率也很高。

這些顧客資料，除了應用在生產端，同時被整個ZARA所屬的英德斯（Inditex）集團各部門運用：包含客服中心、行銷部、設計團隊、生產線和通路等。根據這些巨量資料，形成各部門的KPI，完成ZARA內部的垂直整合主軸。

ZARA推行的海量資料整合，後來被ZARA所屬英德斯集團底下八個品牌學習應用。可以預見未來的時尚圈，除了檯面上的設計能力，檯面下的資訊/數據大戰，將是更重要的隱形戰場。

（3）對數據快速處理、修正、執行

H&M一直想跟上ZARA的腳步，積極利用「大數據」改善產品流程，成效卻不彰，兩者差距愈拉愈大，這是為什麼？

主要的原因是，「大數據」最重要功能是縮短生產時間，讓生產端依照顧客意見，能於第一時間迅速修正。但是，H&M內部的管理流程，卻無法支撐「大數據」供應的龐大資訊。H&M的供應鏈中，從打版到出貨，需要三個月左右，完全不能與ZARA兩周的時間相比。

因為H&M不像ZARA，後者設計生產近半維持在西班牙國內，而H&M產地分散到亞洲、中南美洲各地。跨國溝通的時間，拉長了生產的時間成本。如此一來，「大數據」即使當天反映了各區顧客意見，無法立即改善，資訊和生產分離的結果，讓H&M內部的「大數據」系統功效受到限制。

「大數據」運營要成功的關鍵，是資訊系統要能與決策流程緊密結合，迅速對消費者的需求作出回應、修正，並且立刻執行決策。

3、亞馬遜

此前亞馬遜並未大張旗鼓推展廣告業務，直至2012年年底，有報道指出，亞馬遜即將推出實時廣告交易平台，從而向Facebook和谷歌發起挑戰。這個實時廣告交易平台又稱「需求方平台」（Demand Side Platform，DSP），可以讓廣告與目標消費者相遇。廣告商可以在「需求方平台」上競標網站的閑置廣告空間，而競標標的包括廣告版位，以及符合特定條件的消費者。

亞馬遜開發的「需求方平台」可以「協助廣告商接觸網路上的眾多用戶，同時也幫助客戶迅速找到想購買產品的相關資訊」，「需求方平台」概念雖非亞馬遜首創，但以豐富資料為後盾。

亞馬遜與廣告商分享的資訊有兩類，一是依用戶網路行為所做的通用分類，例如熱衷時尚、喜愛電子產品、身份為母親、愛喝咖啡等，二是用戶的商品搜尋記錄。至於消費者的實際購物資料，亞馬遜似乎尚未列入分享。廣告商即使無法得知實際消費記錄，能了解潛在顧客的商品搜尋記錄；亞馬遜如果全力進軍網路廣告市場，仍可能大大改變產業生態。

亞馬遜2012年的廣告收入約為5億美元， 2013年的廣告收入將達10億美元。這會成為亞馬遜未來幾年內營收增長的新動力，更重要的是，它可能是亞馬遜各項業務中利潤率最高的業務之一。

4、沃爾瑪

2011年，沃爾瑪電子商務的營收僅是亞馬遜的五分之一，且差距年年擴大，讓沃爾瑪不得不設法奮起直追，找出各種提升數字營收的模式。最終，沃爾瑪選擇在社交網站的移動商務上放手一搏，讓更大量、迅速的資訊，進入沃爾瑪內部銷售決策。沃爾瑪的每張購買建議清單，都是大量資料運算而出的結果。

2011年4月，沃爾瑪以3億美元高價收購了一家專長分類社群網站Kosmix。Kosmix不僅能收集、分析網路上的海量資料（大數據）給企業，還能將這些資訊個人化，提供采購建議給終端消費者（若不是追蹤結帳資料，這些細微的消費者習慣，很難從賣場巡邏中發現）。這意味著，沃爾瑪使用的「大數據」模式，已經從「挖掘」顧客需求進展到要能夠「創造」消費需求。

沃爾瑪本身就是一個海量資料系統，適用各種商業上的分析行為，它的綜合功能，作為世界最大的零售業（專題閱讀）巨人，沃爾瑪在全球超過200萬名員工，總共有110個超大型配送中心，每天處理的資料量超過10億筆。由於資料量過於龐大，沃爾瑪的「大數據」系統最重要的任務，就是在做出每一筆決定前，將執行成本降到最低，並且創造新的消費機會。

Kosmix為沃爾瑪打造的「大數據」系統稱做「社交基因組（Social Genome）」，連結到Twitter、Facebook等社交媒體。工程師從每天熱門消息中，推出與社會時事呼應的商品，創造消費需求。分類范圍包含消費者、新聞事件、產品、地區、組織和新聞議題等。同時，針對社交網路快消息流的性質，沃爾瑪內部的「大數據」實驗室專門發展出一套追蹤系統，結合手機上網，專門管理追蹤龐大的社交動態，每天能處理的資訊量超過10億筆。

「社交基因組」的應用方式五花八門。舉例來說，沃爾瑪實驗室內部軟體能從Foursquare平台上的打卡記錄，分析出在黑色星期五，不同地區消費者最常購買的品項，然後，針對不同地區送出購買建議。

以上是小編為大家分享的關於大數據如何與零售業結合 在實戰中應用的相關內容，更多信息可以關注環球青藤分享更多干貨

4. 零售企業如何面對「大數據時代」

零售企業如何面對「大數據時代」

當「物聯網」、「雲計算」我們都還沒有理解清晰時，又出來了一個新名詞——「大數據」，這些IT名詞僅僅是概念，還是與我們所處的商業環境有直接關系？筆者認為，大多數的零售從業者都不能清晰地回應。

首先我們需要明白，商業行為的本質是什麼？就是企業發現和挖掘客戶需求，並提供有價值的服務以滿足客戶需求。最佳的商業行為就是企業通過提供不同形式的服務超越客戶的需求，讓客戶的物超所值的感覺持續下去；這樣的商業行為將能夠獲得更高且持續的利潤。

「物聯網」、「雲計算」或「大數據」都是幫助我們發現和挖掘客戶需求，提供快速和准確的市場數據以便客戶及時決策的工具。相對傳統的工具，它們更高效率、更低成本、更准確。筆者認為作為商業信息領域的從業人員，可以不需要過多地了解其內在核心技術及方式，但它們能夠給零售用戶和行業帶來哪些變革或趨勢是我們不能忽視的。

2008年馬雲成功地預測了經濟危機，並幫助成千上萬的小製造商准備了過冬的糧食。此舉讓馬雲在業內贏得崇高榮譽的同時，更為阿里巴巴帶來持續的客戶。馬雲如何做到這些事情的呢？是「大數據」給了他啟示。馬雲對未來的預測是建立在對用戶行為分析的基礎上。一般而言，買家在采購商品前，會比較多家供應商的商品。此舉反應到阿里巴巴的統計數據中，就是查詢點擊的數量和購買點擊的數量相對會保持一個數值，綜合各個緯度的數據能夠建立用戶的行為模型。因為淘寶網用戶樣本量巨大，從而保證了用戶行為模型的准確性。「大數據」為阿里巴巴清晰地預測了用戶需求和市場變化。

什麼是大數據

相信馬雲的案例已經給我們一些啟示了。

那麼什麼是「大數據」呢？談到大數據，離不開物聯網和雲計算的關系。物聯網、雲計算和大數據實際上是不可分割的三大技術，不可孤立而言；物聯網的快速發展為大數據提供了廣泛的數據來源，雲計算為大數據的誕生創造了基礎環境，脫離物聯網和雲計算的層面，就沒有大數據存在的巨大價值。

從數據的角度來看，物聯網僅僅是數據的來源或者承載的方式，我們可以簡單地認為是收集信息和數據的一種更加簡單和有效的終端方式。

雲計算是一種新的IT業務模式，這種模式的特點在於提供極低的成本、極快速的交付手段、極簡單的使用方式，並且讓各個關聯的系統協同變得異常簡單和輕松。雲計算的蓬勃發展，客觀上開啟了大數據時代的大門，如果用高速公路來形容比喻雲計算，那麼大數據就是所有汽車中的貨物。雲計算為大數據提供了存儲空間、訪問渠道及運算能力。大數據是雲計算的靈魂。

大數據技術簡單來講就是從各種類型的數據中，快速獲取有價值信息的能力；在互聯網時代，我們的數據已經不單單是傳統的結構化數據了，非結構化數據、半結構化數據開始占據了我們數據的大部分內容，我們從中找到有價值的信息，已經變得不是那麼容易。大數據技術的發展開始讓這些問題的解決變得簡單。

大家可以清晰看出，我們提及的智慧商業脫離了大數據是不可能實現的，大家熟悉的商業智能離開了大數據就是一個忽悠人概念了。

大數據具備四大特徵：第一，數據量巨大，從TB躍升到PB級別；第二，數據類型豐富，包含日誌、視頻、音頻、圖片、地理信息、文檔等等；第三，數據價值密度低，以視頻數據為例，一個超過一小時的視頻，可能有價值的信息不到三秒；第四，數據處理速度快，要達到秒極，需要能夠實時獲取有價值的數據。

這些還都是大數據的概念和特徵，回歸到我們實際的商業行為中，大數據能夠為我們帶來什麼益處？

以往我們進行商業判斷時，大多靠我們的經驗和直覺，所以會出現不是很確定的判斷或者走一步看一步的探路式情況發生。大數據時代很多企業的正確決策是依靠數據分析得出，從而為企業帶來巨大的運營效益。麥當勞、肯德基以及蘋果公司等旗艦專賣店的位置都是建立在數據分析基礎之上的精準選址。在零售業中，數據分析的技術與手段更是得到廣泛的應用，傳統企業如沃爾瑪通過數據挖掘重塑並優化供應鏈，新崛起的電商如卓越亞馬遜、淘寶等則通過對海量數據的掌握和分析，為用戶提供更加專業化和個性化的服務。

各類企業如何應對大數據時代發展

我們怎樣來面對大數據時代？筆者認為可以分為幾步來考慮。

首先企業的領導者要重視大數據的發展、重視企業的數據中心，把收集客戶數據做為企業運行第一目標；第二，對企業內部人員進行培訓及建立收集數據的機制；第三，以業務需求為准則，確定哪些數據是需要收集；第四，確認在企業已有的數據基礎上或者未來方向前提下，如何達成前三項目標的基礎建設方案。

看完這些，很多人會認為，這些IT基礎工作需要巨大的投入和龐大的信息化團隊，做為中國商業最大的一份子——中小微型零售企業不可能或沒有足夠的能力來面對這樣一場變化。

大中型企業因為本身業務及利潤的積淀，已經能夠承擔這樣一場需求趨勢的需要成本。中小微型企業還處於快速發展過程中，如果也如同大中型企業進行全方面投入，將很快會被新型的IT工具拖垮或者遭受重創。幸運的是IT的發展為所有的企業都提供了平等的選擇，雲計算的廣泛應用即是對這樣一場變革帶來的臨時禮物。做為中小微型零售企業，完全不必考慮自己建設一套IT系統，他們從精力、成本、能力上來說都不適合，因此此類企業可以將企業的IT建設外包給適合的服務商，企業本身的所有精力投入到客戶的開發上。

亞馬遜在全球率先推出了雲服務的基礎平台，為中小微型商業企業提供了大型企業和超大型企業同樣的基礎環境及系統架構，小企業只需清晰規劃自己的目標和適合的步驟後，使用雲平台按需付費即可，大可不必進行巨大的初始投入及不可預測的運行成本。目前國內已經出現一批在為國內中小微型零售企業提供類似服務的信息服務商，比如基於客戶關系管理的「XTOOLS」，基於客戶服務的「迅鳥」雲呼叫平台，基於連鎖店面管理的「甩手掌櫃」等等。至於各中小微型企業怎麼選擇適合自己的發展平台，則需要依靠該企業領導者本人的智慧。

以上是小編為大家分享的關於零售企業如何面對「大數據時代」的相關內容，更多信息可以關注環球青藤分享更多干貨

5. 零售業擁抱大數據:用數據讀懂消費者

零售業擁抱大數據:用數據讀懂消費者

在過去一年，"大數據"的概念持續加溫，熱度已經覆蓋除互聯網以外的各個行業。關於大數據的概念已經無需再多說，大數據不僅僅是「看起來很美」，如何有效運用大數據創造商機，讓大數據更好的發揮其自身的價值，為企業帶來更多的效益，成為了各個企業亟待解決的問題。

大數據的起源要歸功於互聯網與電子商務，但大數據最大的應用前景卻在傳統產業。一是因為幾乎所有傳統產業都在互聯網化，二是因為傳統產業仍然占據了國家GDP的絕大部分份額。

具體來講，中國最需要大數據服務的行業就是受互聯網沖擊最大的產業，首先是線下零售業，其次是金融業。受電商的沖擊，國內很多零售巨頭都增長嚴重放緩，甚至遭遇負增長，線下零售已經到了不得不變革的危機關頭。我們看到銀泰百貨、王府井百貨、萬達集團這些具有創新意識的傳統巨頭開始利用互聯網和大數據來改造線下商業。坐擁成百上千門店的傳統零售企業，該如何面對迅速興起的互聯網戰場?擁有海量會員信息和購買記錄的傳統零售企業，在逐漸變革的消費市場中如何利用數據優勢迅速搶占市場?

在所有的零售渠道中，實體店占據著絕大多數的市場份額，但是線上渠道的吸引力在迅速增強，並且以中國消費者尤為突出。隨著線上線下購物逐步融為一體，生存和成功將取決於零售商通過各種渠道接觸到消費者的能力，更重要的是其為消費者提供多渠道的無縫連接購物體驗的能力。如今掌握主動權的消費者希望能同時享受線上線下兩種渠道的優點，並將會到那些能夠提供優異的多渠道購物體驗的零售商那裡購物。

如何建立一個線上線下無縫連接的品牌和購物體驗方便消費者的選擇，從而贏得顧客的忠誠度和持久的客戶關系?這些曾經棘手的問題，如今都迎刃而解。國內大數據技術服務商百分點推出的大數據管理平台(BigDataManagement，以下簡稱「BDM」)通過整合第一、二、三方的用戶數據，對數據進行清洗、加工和建模，為企業的戰略、運營、管理、市場、營銷等提供各種數據產品和應用。傳統零售業擁有海量數據。每天，每筆交易、每個訂單、每次促銷、都會產生無數的數據。一個值得關注的現狀是，目前大部分的企業還沒有將這個數據利用起來。這些數據的整合和解讀將是企業無形的資產，並成為企業最大的優勢，幫助傳統零售企業在瞬息萬變的互聯網市場迅速搶佔一席之地。

那麼，零售商們應該如何將大數據運用到商業活動中呢?來看看百分點是如何描繪的。

A用戶是一位標準的攝影發燒友，我們知道他最常瀏覽的網站就是「攝影愛好者論壇」。某天當A用戶打開一個網站准備瀏覽今天的新聞，卻被相機廠商發布在網站首頁的廣告迅速的吸引。A用戶發現正是他關注的「新款鏡頭」，於是A用戶決定去實體店看看。是的，百分點BDM通過A用戶的瀏覽習慣等知道他是個理智型消費者」。

當A用戶來到實體店時，一場數字化旅程即將開始。作為某商城的會員，A用戶用商城會員卡買了咖啡，發現購物小票上顯示「會員今日購買數碼類產品享受9.0折優惠。登陸該商城免費的Wi-Fi時，A用戶又收到商城推送的個性化推薦信息「最新款鏡頭，今日購買可低價換購相機包」。最終，A用戶以優惠的價格買下了心儀已久的「最新款鏡頭」，並得到了「x商城」低價換購的「相機包」。

在上面的故事中,「攝影愛好者論壇」、「相機廠商」、「網站」、「商城」都是百分點大數據家族的一員。百分點BDM收集社交媒體、論壇和第三方的海量數據，並加以分析整合，宏觀用戶畫像顯示「85%的消費者在購買單反之後的兩年內會購買鏡頭。」

以上只是百分點BDM對用戶分群、畫像，並將這些信息利用到商業活動中的舉例。事實上，98%的中國消費者希望零售商能夠利用他們掌握的信息提供個性化的促銷和建議。在這個領域中，百分點關注兩方面的內容，一是將線上線下數據的打通，為用戶提供一致的購物體驗;二是將電商的經驗運用到傳統賣場，為他們提供新的營銷手段。

百分點BMD通過對海量數據的整合和解讀更好地了解和預測消費者行為，掌握消費者偏好和需求甚至終生客戶價值，以便把握住全新的促銷機會，為他們提供更多個性化的產品和服務。通過融合多方數據，零售商為消費者提供創新的購物體驗，促進消費者的品牌忠誠度和重復購買，進一步實現零售商的利潤和市場份額的增長。

作為大數據服務商百分點一直致力於大數據的技術的研發和應用。百分點利用大數據分析技術為用戶畫像，以及利用用戶畫像來幫助企業實現個性化服務。在任何一門生意中，能夠讀懂用戶並分析用戶數據來預見未來都是行之有效的，這也是未來商業創新發展的必由之路。

以上是小編為大家分享的關於零售業擁抱大數據:用數據讀懂消費者的相關內容，更多信息可以關注環球青藤分享更多干貨

6. 零售行業大數據技術如何應用

1、實時進行管理交付
作為零售商，開展業務和獲利的關鍵要素是盡快收到貨物，並確保貨物也能迅速交付給商店或客戶。大數據通過使零售商能夠實時管理交付而提供幫助，這是零售供應鏈管理的關鍵。零售商可了解交通和天氣狀況最新信息，以及正在運輸的貨物所在的位置。
2、揀選更好的時間
許多零售商的另一個重要組成部分是揀選和包裝訂單。這是一個傳統的勞動密集型流程，在以往，只有大型零售商才能通過自動化揀選機器人或組織大量員工來加快揀選速度。如今採用大數據，即使是小型零售商也可以改進其流程，並在更好的揀選時間進行揀選。
3、將供應鏈細分
消費者比以往任何時候都期待獲得更加個性化的購物體驗和客戶服務。零售商可以通過數據對供應鏈進行細分，更好地迎合不同的目標市場，提高轉化率。通過記錄數據分析告訴零售商在不同渠道(例如，網路、移動和社交)與購物者的互動，從而使其向購物者提供個性化服務。
4、供應商管理常改善
零售商可能與供應鏈中的多家公司合作。可能會有直運供應商、物流供應商、包裝供應商和其他供應商，他們需要組織、管理和審查。反過來，試圖提高盈利能力和可靠性也可能是一項挑戰。大數據技術可以提供幫助。