⑴ 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
⑵ 8個典型案例看懂零售巨頭的「大數據」戰略
8個典型案例看懂零售巨頭的「大數據」戰略_數據分析師考試
未來的零售分析要求零售商藉助集成式業務流程和信息系統，為客戶洞察提供支持，將客戶洞察發展成一種企業級的戰略能力，並根植於企業結構和企業文化中。在這種形勢下，零售商的所有業務職能部門在制定決策時，將把基於情景的客戶洞察作為一個重要依據。
分析公司 EKN 認為，為了真正實現以客戶為中心，零售商需要具備多項關鍵能力，而這些能力均由業務分析驅動。
全渠道集成。如果缺乏相關客戶洞察支持與客戶的互動，零售商將無法實現跨渠道無縫客戶體驗。零售商與客戶互動的聯絡點能為零售商提供豐富的客戶數據，因此，所有聯絡點也成為了零售商的最佳競爭利器。
個性化互動。與網上零售商相比，實體零售商具有兩大優勢：能與客戶進行個人接觸，以及擁有更豐富的歷史記錄和更多樣的客戶數據。如今，「個性化」購物體驗已成為人們津津樂道的話題，而如何巧妙地結合上述兩大優勢，即在行動中及時交付客戶洞察，將成為零售商打造「個性化」購物體驗的基礎。
持續的卓越運營。客戶洞察的應用並非僅局限於面向客戶的使用案例。事實上，如果零售商已經能夠在各個運營職能部門中更成熟地運用分析功能，那麼集成客戶洞察便是他們不容錯過的增量機會。
零售商用例
銷售
瑞士零售商 Globus 使用大數據內存計算和高級分析來獲取寶貴的銷售績效洞察。目前，他們能夠實時處理海量的產品數據，並在幾分鍾內分析不同時間范圍、店鋪和區域內數千種產品的銷售模式與促銷活動。該零售商還向其管理人員提供了這些洞察的訪問許可權，以便他們能夠更迅速地響應市場狀況。
美國零售商 Guess 使用高級分析向其高管提供暢銷產品和可用庫存的實時視圖。該零售商的分析解決方案基於大型客戶數據集，分析銷售額、細分目標客戶，並策劃促銷活動。
市場營銷
沃爾瑪的 Global.com 部門充分利用「快速的大數據」和社交分析，快速識別不斷變化的客戶喜好。該零售商的社交意識（Social Sense）項目能通過社交媒體確定商品的暢銷程度，並幫助顧客發掘潛在需求和感興趣的新產品。同時，藉助 ShoppyCat 工具，他們可根據 Facebook 用戶的愛好和興趣，為這些用戶推薦適合的產品。此外，Global.com 還使用社交基因組（Social Genome）技術，來幫助客戶為朋友挑選禮物。
塔吉特（Target）百貨公司利用預測分析程序，來推斷個體消費者是否具備成為該公司特定營銷活動優質客戶的特質。他們給每位顧客分配了一個獨一無二的客戶識別號碼。該號碼將客戶個人信息、購物行為和喜好整合到一個可跟蹤的實體內。塔吉特還專門成立了一個客戶營銷分析部門，致力於全面了解客戶，超越其他競爭對手，從而獲得競爭優勢。藉助動態數據倉庫（Active Data Warehouse），塔吉特可在整個企業的混合工作負載環境下，基於海量數據管理復雜的用戶查詢。
全渠道
英國零售商巴寶莉（Burberry）集成了旗下所有渠道，包括實體店、網上商店、移動終端以及各大社交網站。他們採用了創新技術和數據分析，用於分析來自所有數據源的數據，旨在實時識別個人客戶並建立客戶檔案。相比過去，巴寶莉的分析速度提高了 14,000 倍，以前需要 5 個小時的請求，現在 1 秒就能完成。不論店員處於什麼位置，他們都能在客戶踏入店內時立即識別客戶信息，了解他們過去的購買記錄，並提供個性化建議。
韓國零售商 NS Shopping 將移動渠道和社交渠道集成到零售環境中，並利用大數據分析，實時、集中地獲取所有渠道的客戶和產品數據。而公司的電子商務團隊和市場營銷團隊將利用這些數據，向顧客提供個性化的產品建議。
供應鏈
美國網上零售商亞馬遜基於非平穩隨機模型，構建了全新的供應鏈流程和系統。該方法能為訂單履行、尋源、產能和庫存決策提供鼎力支持。亞馬遜不僅開發了聯合和協調補貨的新演算法，還基於歷史需求、活動記錄和計劃、各履行中心的預測結果、庫存計劃、采購周期以及采購訂單，在 SKU 級別實施了全新的國家預測方案。
英國零售商樂購（Tesco）採用先進的建模工具，基於歷史銷售數據模擬配送倉庫的運作，從而達到優化庫存的目的。該零售商還組建了一個內部分析團隊，該團隊主要負責通過回歸測試掌握各要素之間的關聯，如天氣數據、特價優惠，及銷售模式等等。
以上是小編為大家分享的關於8個典型案例看懂零售巨頭的「大數據」戰略的相關內容，更多信息可以關注環球青藤分享更多干貨
⑶ 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