第6章 新零售数据化运营-1【16页】.pptxVIP

新零售数据化运营第六章6.1零售数据化

6.1零售数据化6.1.1零售数据化概述1.零售数据化的定义零售数据化就是通过互联网、人工智能等新兴技术，将传统零售业的人、货、场指标进行数字化，将其变为直观的、可供分析的数据，并对其进行处理分析，最终实现全渠道覆盖、全链条连通的新零售转型。

6.1零售数据化6.1.1零售数据化概述2.零售数据化的条件完善的数据软件系统企业的数据系统结构要更加科学合理，能满足多场景的应用需求。完整的基础数据从某种意义上讲，更准确、更及时、生成面更广的数据导入，将更有价值，能对企业发展起到更大的指导作用。完善的数据中台服务数据应用需要建立一个完整的数据中台，指提取各个业务的数据，统一标准和口径，通过数据计算和加工为用户提供数据服务。

6.1零售数据化6.1.2新零售数据类型1.新零售“人”的数据①解析人的数据分析用户数据，准确识别用户，企业需要回答六个问题：What——消费者进店都做了一些什么事情？Why——消费者进店为什么要做某件事？Who——谁是消费者，有哪些特征？Where——消费者一般去哪些位置？When——消费者访问的时间一般是什么时候？How——消费者是怎么做这些事情的？

6.1零售数据化6.1.2新零售数据类型1.新零售“人”的数据②“人”的数据化实现的步骤采集数据：消费者的原始数据采集可以通过线上采集和线下采集两个渠道。建立标签：通过分析数据建立一个标签库，然后对符合要求的人群打上相对应的标签。人群建模：对提取的标签特征进行统计分析，发现之间的关联和模式，进一步理解消费者的行为和偏好。用户画像：给人群匹配各种不同的标签组合，然后为每个人建立一个很清晰的画像，即“人”的全息画像。

6.1零售数据化6.1.2新零售数据类型1.新零售“人”的数据③“人”的数据类型根据人口学特征进行划分：可以分为性别、年龄、地域以及职业等。这些指标的差异也预示着消费者的需求不同，可以据此进行市场细分，再对选定的目标市场进行重点运营。

6.1零售数据化6.1.2新零售数据类型1.新零售“人”的数据③“人”的数据类型根据活跃度进行划分：可以分为新用户和老用户。新用户的分析指标包括“新注册UV”“新UV转化率”“新客客单”等；老用户根据“活跃天数”“复购率”等又可以进一步划分为活跃用户、沉睡用户以及高危用户，企业可以据此对各类用户采取相应的措施。

6.1零售数据化6.1.2新零售数据类型1.新零售“人”的数据③“人”的数据类型根据用户价值进行划分：可以选取“客单价”“转化率”“复购率”等等作为分析指标。其中“复购率”是较为直观地能够反映运营数据好坏的指标。

6.1零售数据化6.1.2新零售数据类型2.新零售“货”的数据①解析“货”的数据“货”即商品。商品数据主要包括商品的各项参数数据、库存数据、价格数据、销售数据、评价数据等。“货”的数据化主要为企业解决“卖什么比较好、卖多少较恰当、怎么把商品卖出去、赚多少”这四大核心问题。

6.1零售数据化6.1.2新零售数据类型2.新零售“货”的数据②“货”的数据化作用“货”的数据化可以帮助企业实现按需生产实现供应链前端和后端的衔接，使各个环节数据有效对接。“货”的数据化可以改进线下门店经营线下店铺利用线上数据，分析出应该如何设计商品展示橱窗，如何向消费者推荐符合需求的商品等，从而直接促进交易的达成。

6.1零售数据化6.1.2新零售数据类型2.新零售“货”的数据③“货”的数据类型根据商品的销售情况进行分析“退货率”“售罄率”可以直观地反映商品的受欢迎程度；“周转天数”“库销比”“平均单价”则可以衡量商品的周转情况。根据库存管理进行划分可以通过“品类库存量”“商品SKU动销率”“销售库存结构”“异常库存”等指标进行分析。

6.1零售数据化6.1.2新零售数据类型3.新零售“场”的数据①解析“场”的数据“场”也就是消费的场所或渠道。新零售的“场”是一场多用的“场”，线下门店也融合了线上数据。在交互场景中实现了商品数字化，交易场景中实现了支付自动化。

6.1零售数据化6.1.2新零售数据类型3.新零售“场”的数据②“场”的数据类型根据流量趋势分析包括“独立访问者数量”“重复访问者数量”“页面浏览数”“门店客流量”等，以此反映门店或者网页访问情况。根据流量来源分析包括“流量来源频次分析”“流量来源权重分析”等，以此反映客户的获取渠道。

6.1零售数据化6.1.3新零售数据收集1.线上数据收集①“数据中台数据收集包含数据采集、数据处理、对企业提供数据支撑等环节，从而紧密地和业务、运营结合在一起。②社交网站数据收集的核心是利用图文和社交网络分析方法来认识和预测消费者在社交网站上的行为。③有哪些信誉好的足球投注网站网站数据收集有哪些信誉好的足球投注网站网站根据特定的计算机程序向用