下面小編為大家介紹一些案例給大家做一個新零售模式的案例分析。

       在零售里面大家都談“人、貨、場”，但是咱們發(fā)現(xiàn)一定體量之后，第四個因素，也就是“決策大腦”越來越重要。為什么？這里舉了一些例子，當(dāng)然不同行業(yè)復(fù)雜度不同，可能復(fù)雜N倍。每一個零售的決策場景無處不在，因?yàn)樵蹅冇袔装賯€、幾千個實(shí)體店，或者幾千個渠道點(diǎn)，有大量的會員等等。但是每天從CEO的角度看店長，店長做的是什么？微決策。比如說下午4點(diǎn)以后，哪些品類要及時做調(diào)整，如何第一時間去關(guān)聯(lián)并主動去推動。

 

       第一個例子是今日超市，這是超市行業(yè)最創(chuàng)新的一個品牌，總部在武漢，有400家實(shí)體店。他們整套大數(shù)據(jù)分析的網(wǎng)站，從基礎(chǔ)的數(shù)據(jù)分析指標(biāo)系統(tǒng)到深度的應(yīng)用是和咱們一同共建的。

       

       選擇其中幾個場景來分享：

 

       首先這個是一個非常經(jīng)典品類的挖掘，這里面大的品類到中品類、小品類。原來的話基本是分析到小品類就差不多了，但是如何在海量數(shù)據(jù)里面鉆取到某一個單品，觀遠(yuǎn)智能BI可以實(shí)現(xiàn)，且這個分析路徑是自動監(jiān)控的。

 

       第二，是線下客流部分。咱們可以看到數(shù)據(jù)顯示，哪些人進(jìn)店前是開心的，哪些是進(jìn)店前是不開心的，哪些對消費(fèi)體驗(yàn)產(chǎn)生影響。通過采集，把實(shí)體店端的客流數(shù)據(jù)和經(jīng)營數(shù)據(jù)、排班數(shù)據(jù)結(jié)合起來形成一個完整的場景去回答，哪些實(shí)體店哪些客戶消費(fèi)體驗(yàn)是在過去24小時里面有問題的。這是數(shù)據(jù)驅(qū)動消費(fèi)體驗(yàn)的改善體現(xiàn)。

 

 

       第三，就是對于公司來說，三張報表只是基礎(chǔ)工作。第四張報表關(guān)乎公司運(yùn)營的是否健康。咱們這里可以看到每一個實(shí)體店跟他同比的實(shí)體店，在過去一個時間段營銷活動表現(xiàn)好或不好，從中可以進(jìn)行細(xì)分，對它進(jìn)行打分。對于督導(dǎo)、對于總部來說關(guān)注的是自動得出的結(jié)論。這樣的方式把好的經(jīng)驗(yàn)、管理、決策提煉出來，讓實(shí)體店運(yùn)營得到提高。

 

       還有一個例子是來伊份，這里是會員分析的場景，在這個基礎(chǔ)上可以進(jìn)行更豐富維度的分析。其實(shí)咱們知道CIO最擔(dān)心的不是上線一個軟件本身的復(fù)雜度，而是上了這個軟件推廣不起來怎么辦，否則這會產(chǎn)生巨大的浪費(fèi)。所以一個軟件好不好用，能不能很輕、快，被大量的用起來，這個尤其關(guān)鍵。更進(jìn)一步，當(dāng)這些軟件用起來之后咱們希望它能夠用活。天然直接的數(shù)據(jù)，幫助來伊份決策。

 

       接下來一個例子是亞瑪芬。他們也是SAP的客戶，因?yàn)檫@些品牌都是他擴(kuò)張的過程當(dāng)中陸陸續(xù)續(xù)收購的，雖然他有完整的SAP的軟件，但是挑戰(zhàn)在于多品牌、數(shù)據(jù)分散。

 

       它始終有一個場景繞不開，就是商品部門每周，甚至希望每天都希望知道每一個SKU真實(shí)的庫存數(shù)。這個咱們知道是不容易的，因?yàn)榭赡軙须娚倘?、退貨、在途等等，所以他們的商品部門的工作人員有兩位同事每周要花兩天時間手動的大量重復(fù)的工作，從里面導(dǎo)出SKU數(shù)據(jù)，和他內(nèi)部的主數(shù)據(jù)，再加上損耗等數(shù)據(jù)得出這樣一個結(jié)果。

       更多關(guān)于新零售最新資訊，請查看：新零售