官方微博:

行业动态

原创 | 全渠道零售中地理空间分析的力量

  • 作者: 超级管理员
  • 时间: 2018-09-06 14:06:31
  • 点击率: 423


作者:Alana Podreciks,Nathan Uhlenbrock,Kelly Ungerman

翻译:刘亚娟

校对:彭婉莹



随着美国零售业实体店关闭浪潮的持续,对零售商提出了更大的挑战。要求零售商转变发展理念,突破原有的以实体店为主要销售渠道的方式,从消费者购物方式的转变出发,采用全渠道理念,衡量实体店的全渠道价值。那么,零售商该如何量化全渠道中实体店的实际经济价值呢?本文给出了具体的分析。

1全渠道零售时代已到来

 

图 1  零售业的现在和未来


近年来,整个美国零售业的实体店关闭浪潮一直在持续。仅在2017年,由于零售商无法承受消费者向电子商务的快速转移,消费者品牌的爆炸性增长,以及在过度投资的美国市场中零售面积过剩,导致有超过7000家实体店退出零售市场。虽然美国人均零售面积是其他主要发达国家的15-20倍,但购物中心的客流量却一直处于稳步下降的状态,几乎各大零售类的利润率都在下降。鉴于这种趋势,不难发现如果实体店不能达到预期的销售额,维持实体店开放的高昂成本只会让零售商的处境变得越来越艰难。2018年,美国零售商已经宣布计划关闭另外3800多家实体店。


不幸的是,零售商经常对关闭哪些实体店做出错误的决策,从而进一步损害他们的利益。同时,零售商还忽略了扩大市场占有率和解锁增长的宝贵机会,主要原因是他们一直使用已经过时了的指标:许多零售商一直利用“趋势分析”和“四壁盈利能力”的组合来评估实体店绩效,也就是说,零售商仍然主要考虑实体店产生的销售额和利润,而不考虑其他渠道的影响。这种评估会影响其他方面的决策,包括实体店的工资单、人工保险和库存。然而,今天的消费者开始选择跨渠道购物:他们可能会去实体店看产品,最终在网上购买,也可能会在网上选择产品,在实体店购买。在这种环境下,传统的四壁指标充其量只是实体店潜力的不完整指标。


最前沿的零售商已经开始密切关注客户线上、线下决策间的相互作用。他们采用一种全渠道的绩效理念,允许每家实体店为其发挥作用的所有销售“获得信誉”,无论这些销售发生在线下还是线上。通过这种方式,零售商可以更准确地了解每家实体店的总体经济价值,并对其全渠道的方式做出更好的决策。他们的秘密武器就是先进的地理空间分析。


2 实体店的光环效应

 

即使实体店关闭浪潮一直在持续,但实体店不会消失,预计到2025年,实体店销售额将占总零售额的75%-85%。也就是说,实体店不再仅仅是消费者购买产品的地方,而是可以扮演多重角色:可作为产品的体验店,在线订单的执行中心(返回或交换在线购买产品的便利场所),消费者也可尝试自拍,然后在社交媒体上发布,以及提供寻找想法和灵感的地方。虽然实体店是零售商整体业绩的最大贡献者,但实体店完全有可能在它本身的四面墙内发生销售和利润疲软的情况。


数据分析的发展可以帮助零售商量化实体店的光环效应(正面)和相互影响(负面)。那么,实体店的存在是怎样影响零售商其他销售渠道的绩效呢?(见图1)

 

图 2 基于消费者行为和财务指标的全渠道视图(百万美元)


零售商很早就认识到实体店可以产生光环效应,即实体店可以提高消费者对零售商品牌的认知度,就像广告牌或电视广告一样。从这个角度来看,光环效应很难衡量。然而,在全渠道世界中,实体店可以完成的不仅仅是提高消费者认知度,它还可以通过其他渠道拉动销售,反之亦然。麦肯锡的研究表明,实体店的电子商务光环占其总经济价值的20%—40%。

3 地理空间与机器学习

 

几十年来,零售商一直在挖掘各种数据:销售点信息、人口统计数据、市场趋势等,以便于了解客户更好地为客户提供服务。现如今,由于数据来源的可用性,零售商可以更深入地了解消费者和市场。通过电子收据和匿名移动电话位置数据,零售商可以获得比以往更多的消费者行为数据。利用收集到的数据进行地理空间分析,不仅可以揭示数量,还可以揭示客户质量。这些信息使零售商能够更详细地了解人们在市场中的移动和互动方式,以及他们在线下和线上销售渠道中的行为方式。

 

除了对数据进行分析外,企业也可以在机器学习模型中获得更高的分析能力。这些模型可以挖掘大数据资产,并帮助企业在微观市场层面形成一些具体的、可操作的方法。

 

先进的地理空间技术和机器学习相结合,应用于消费者行为的前沿数据,为零售商带来了强有力的新见解,特别是帮助零售商做出更好的扩展或收缩实体店网络的决策。它还帮助零售商制定实体店具体的行动计划以提高绩效


4 行为上的地理空间分析案例

 

以一家全球专业的零售商为例,他们通过实体店、批发和网上商店销售产品。但面对激烈的竞争,销售额正在逐步下降。为扭转整个零售网络的销售趋势,该公司转向地理空间机器学习。


数据科学家团队利用公司内部和外部数据构建了一个针对品牌定制的分析模型。该团队对数百个变量进行了测试,使用地理空间机器学习来识别对销售总额产生最大正面或负面影响的因素(见图2)。


图 3  每个邮政编码区域中对销售额产生最大正面或负面影响的因素


基于这些驱动因素,该团队能够预测公司在每个邮政编码对应的区域中各实体店的潜在销售额,并将潜在销售额与实际销售额进行比较。然后,利用地理空间模拟技术预估各实体店对批发和在线销售的影响。


该团队还能够分离出导致电子商务光环较强的特殊因素。他们发现如果实体店位于年轻人和专业人士集聚的地区,那么实体店就会有强大的电子商务光环。其他导致电子商务光环强大的因素更是令人惊讶:远离其他同品牌实体店,处于高流量的零售环境中(如高端商场或购物中心),以及旅游消费低(这意味着大多数客户在实体店附近居住或工作)。


零售商根据销售潜力和盈利能力将实体店分为四类,并利用上述因素来确定哪些实体店没有达到预期销售和利润(见图3),以及哪些实体店具有未开发的增长机会。进一步的分析表明,零售商可以优化其实体店网络的全渠道价值,并通过关闭、重新布局或格式化实体店实现EBITDA 20%的增长(例如,将全价零售实体店转变为数字展示厅)。


图 4  零售商根据销售潜力和盈利能力将实体店分为四类


5 建议


在开展地理空间分析工作时,每个零售商都会有不同的起点。我们建议零售企业首先形成一个数据可用性和高级分析功能的内部清单。


一些零售商的数据有限,业务部门之间较为孤立,以及数据科学家和分析师偏少。这些零售商应建立其最低数据要求,并考虑与外部提供商合作或直接获取数据分析功能。


对一些已经拥有广泛的外部数据合作关系的零售商而言,应与批发账户保持一致和可靠的数据共享流程,高级管理层专注于全渠道的成功。这类零售商可以选择建立一支具有地理空间分析经验的强大数据科学团队。该团队的任务不仅仅是数据分析,还可以给出有价值的见解,轻松地运用到实时业务流程和决策中。


无论零售商的“建立,购买或合作伙伴”决策如何,他们都必须不断努力打破商业孤岛的局面。如果零售、电子商务、批发、营销、房地产和财务职能的负责人都彼此独立运作,并且很少或没有跨领域的目标或举措,整个零售企业将无法做出最好的全渠道决策。


零售商可以量化绩效差距,寻找市场战略中的增长机会,特别是当一个有权力的跨职能团队负责领导时,在6-12个月内就可以从先进的地理空间分析中获得早期的胜利,在一两个市场中试点成功后便可以快速进行全球推广工作。利用地理空间分析的力量,零售商可以捕获全渠道客户。   


在不久的将来,客户很可能是唯一的客户。

 

(智慧物流空间翻译整理,转载请联系智慧物流空间)

  • 电话咨询

  • 010-68519188
  • 010-68519189