實體服裝零售已死？遊戲才剛剛開始！

1.服裝零售行業現狀

隨著大宗商品原材料價格攀升、商業地產租金的不斷上漲、人口紅利的逐漸消弭，傳統服裝零售業態在成本端承受了巨大壓力，而透明化的電商信息在價格端的進一步施壓，更讓服裝零售利潤率一降再降。縱觀2016年上市服裝企業年報，賺銷售不賺利潤的品牌比比皆是。品牌商不禁開始思考兩個問題——在利潤收窄的背景下，如何利用更少的資源獲取更高的回報；線上線下渠道到底應該是什麼關係？越來越多的品牌商把目光投向了以「數據賦能」和「優化資源配置」為功能特點的大數據，尋求更高質量的決策依據。

2.數據資產建立的戰略意義

大數據在「十三五」規劃建議中作為國家戰略被正式提出，之後迅速在金融和電商行業內獲得廣泛應用，提升運營盈利模式，改變價值版圖。零售行業因數據聯通性弱、交易頻次相對較低、價值鏈並聯而非串聯的特點，仍有大量未整合的數據。舉例來說，服裝零售企業目前擁有大量一方數據散落於CRM系統、ERP系統、POS結算系統、會員管理系統、APP、實體店、線上瀏覽監控平台及電商交易數據，缺乏打通機制。

2011年2月成立於舊金山的服裝電商公司Stitch Fix有著「服裝行業Netflix」的名號。公司創立之初是為了給那些沒有時間購物但又追求時尚的職場媽媽提供「訂購服裝禮盒」，如今卻估值高達30-40億美元，在萎靡的零售行業中殺出重圍，有望成為美國近兩年內最大的一例IPO。該公司能夠實現人貨標籤化對應、狀態機式庫存管理、人機結合的成熟應用，讓行業競爭對手望塵莫及，憑藉的正是其強有力的數據資產。

2.1數據資產帶領線上線下從「爭奪戰」走向「同船渡」

實體零售在經歷了三十多年的野蠻擴張之後，自2012年開始每況愈下，電商同時間的瘋狂崛起也催生出「線下已死」的輿論。事實上，線上零售並不是對線下零售的替代，而是在科技和物流行業不斷成熟的環境下，應運而生的新的消費渠道和體驗場景。

不容忽視的一點是，2012年上半年,全國大中城市的房價在連續十幾個月環比下跌后掉頭向上，從此開始長達五年的一路上揚。在此期間，消費者信心指數一直停留在低位，服裝零售主力消費者的消費力受到巨大擠壓。在消費力有限的情況下，顧客尋求更物美價廉的商品，同時要求更高的附加值。他們在消費時，不再滿足於購買物質，而是關注物質帶來的體驗。社交媒體上的分享內容轉變也正印證了這一點。過去人們樂忠於分享單一的奢侈品，而現在，「健身」、「旅遊」、「下午茶」的體驗式消費佔據了朋友圈。

由此看來，線上和線下是相得益彰的。在線上，顧客可以獲得更優惠的價格和便利性；在線下，顧客獲得的是體驗的附加值。同時，線上和線下的數據整合能夠幫助品牌從全渠道的角度更準確地了解顧客偏好，把店鋪開到目標顧客身邊去，以顧客喜愛的營銷渠道和內容進行顧客關係管理，帶給顧客豐富有趣的體驗式服務，把顧客喜歡的產品送到他附近的店鋪去，打造品牌的社交功能幫助顧客找到志趣相投的人。

2.2數據資產帶領資源配置從「廣撒網」走向「精耕作」

散落在服裝零售行業的數據具有優化資源配置的重要價值，在宏觀上可以優化店鋪布局、降低獲客成本、提升產品投資回報率，微觀上可以提升店內日常運營的有效性。具體來說，這些數據可以指導品牌在店鋪選址中覆蓋契合目標人群的商圈，以目標顧客偏好的渠道和內容進行觸及，實現從「交易」洞察到「交互」洞察的突破，在庫存分配中構建「人-貨-場」的恰當匹配。

2.3 全渠道服裝零售大數據解決方案

TalkingData服裝零售行業大數據解決方案以消費者這一主體為基礎，涵蓋豐富的數據維度，提供多種深度支持，既可深入一方數據提供演算法建模，也可以和TalkingData自有及第三方數據相結合。TalkingData的方案核心是將「人、貨、場」數據化，並藉助創新方法實現三者的精準匹配，聯合線上線下數據發揮價值，為店鋪選址提供科學全面的支撐，通過泛會員管理實現內容和渠道的雙重顧客關係管理、利用物聯網技術打開實體店陳列、運營、服務的「交互」黑盒，使其白盒化。

當越來越多品牌意識到數據資產的價值，寧願放棄免費平台也要建立自己的數據資產，TalkingData始終堅持客戶價值至上的原則，不為了做數據而做數據。所有的數據採集、產品選擇、平台搭建都以為客戶創造業務價值為目標，並按具體需求提供SaaS和私有化的不同形式部署。

3.大數據在零售行業的應用

3.1大數據前策助力科學化店鋪選址

傳統零售店鋪選址大多依賴抽樣樣本線下調研，從業人員過往經驗，人口數量、收入水平、周邊房價等官方常規統計數據，存在樣本率較低、量化支撐不足、時間相對滯后、指標維度單一等問題，且幾乎不涉及人群消費及行為偏好這類對後期店鋪績效影響較大的數據，對城市、商圈及物業進入的指導意義有限。近年來，高企的商業地產租金讓零售商不得不從「廣撒網」轉向「精耕作」，因為一旦判斷錯誤，動輒十年的租期和攤薄渠道的有限性讓零售商們面臨著高昂的退出成本。因此，零售商迫切需要尋求一種更理性、更全面的方式來獲取城市、商圈及物業洞察，作出明智的落位決策。

TalkingData基於6.5億的平均月活躍用戶，為城市地圖研究提供了堅實基礎，客觀而細緻地呈現城市人口吸附力，結合品牌線上交易數據，全面降低城市進入風險；這些數據像前所未有的電子行為記錄儀，描摹出目標消費者的人口基本屬性、職住娛分佈、消費能力和線上線下行為偏好，展現人群與商圈的匹配程度，幫助零售商選擇契合的商圈；同時結合品牌連帶消費及客流情況，根據品牌需求，結合「中心地帶模型」、「重力模型」、「競租理論」、「最小差異理論」、「飽和法則」幫助零售商作出物業進入決策，實現城市——商圈——物業層層遞進的深入挖掘。

在某連鎖藥房選址案例中，TalkingData利用地理圍欄圈定目標區域內人群，並充分發揮一方數據價值，將已有會員和經由Lookalike演算法挖掘出來的潛客投射在地圖上，綜合人口密度、目標顧客分佈密度和潛在客群分佈密度進行分析；同時，基於TalkingData POI數據，展示自有門店（紅色圓點）、競品門店（藍色圓點）的布局，尋找潛在的選址區域，完善城市布局。

在某餐飲客戶案例中，TalkingData通過對其顧客的區域分佈數據分析發現，其單店有效輻射人群為3km，在幫助企業捕捉市場空位的同時，避免自我稀釋和競爭，優化選址投資回報。

3.2 內容和渠道雙管齊下的流量管理

傳統會員管理（CRM）基本等同於會員卡管理，一般包括顧客姓名、等級、積分等信息，維度較為單一，缺乏實時性，僅在開卡時登記信息且難以持續更新。

此外，這些會員數據缺少與內外部數據連通性，相對電商平台、公眾號、應用、支付平台、社交平台等孤立存在，沒有多交互點打通。TalkingData用戶運營平台將企業一方CRM系統、ERP系統、POS結算系統、會員管理系統、APP、實體店、線上瀏覽及交易數據打通，用統一的TDID串聯，建立標籤化的體系。

打通線上線下的流量通道，顛覆單一的RFM原則，豐富會員描摹維度和範圍，幫助線上和線下渠道從「爭奪戰」轉向「同船渡」，讓人群分類管理和二次擴增成為可能，為以顧客為中心的運營活動打下基礎。基於這樣的泛會員系統，品牌方可以藉助雲端池、場景設計、地理圍欄設計等創新形式發掘目標客群並以目標顧客偏好的渠道進行聯合營銷或跨界引流，更重要的是，能夠以顧客偏好的內容對其進行觸達，最終完成到效果監測的閉環營銷。在某個物業中心的營銷活動中，TalkingData發現其會員具備明顯的家庭特徵，偏好影音娛樂，主力會員為餐飲會員，於是基於此設計了以親子活動、電影券、美食節等多種形式的營銷活動，隨之而來的是客流提升1.26倍，銷售1.47倍，活動日均增粉提升56倍，參與活動的冬粉轉化率高達62.8%的優良營銷回報.

3.3物聯網大數據實現店鋪運營黑盒的白盒化

顧客在店鋪內的每一次交互動作、每一個細微的情緒都是我們了解目標顧客、評估自身服務質量的媒介。然而過去因為設備的匱乏、技術的缺失和數據處理能力的不足，這類信息像是被裝到了黑盒子里，無法以結構化的形式進行解析。Gap北美區前總裁Marka Hansen曾說，「每進來的 100位顧客中，最後只有 25人買了東西，其餘 75人抱著買東西的目的而來，卻空手而歸，而我們作為零售商卻不知道原因。」

TalkingData在與某快消品牌實體零售店[郭皛璠1]創新實踐合作項目中，聯合推動了基於「人、貨、場」數據邏輯的物聯網感測、計算機視覺、情感分析、智能眼鏡等場景化創新能力落地，打破過往只能對「交易」進行分析的困境，將「交互」行為數據化，讓零售店鋪能夠對顧客結賬前的行為進行及時干預，提高「交互」向「交易」的轉換率，提效零售店品類庫存賣空率。

通過引入智能貨櫃物聯網技術、人臉識別技術、計算機視覺和情感分析技術，TalkingData對顧客從交互到交易之間的行為和轉換歷程作出衡量，通過評估「貨架吸引度」，哪些商品被拿取評估「商品關注度」，被拿取的商品是否被放回評估「商品猶豫度」等之前無法被數據化的行為洞察數據之後，零售店得以可視化店鋪陳列和庫存的有效性，實時掌握庫存情況並及時作出調整，捕捉銷售機遇。

在該項目中，TalkingData借力人工智慧技術根據顧客情緒調節音樂並及時干預潛在投訴，提供智能眼鏡幫助顧客了解商品的更多詳細信息以促進購買決策，滿足了當前顧客對消費體驗度及趣味性日益增加的需求。

4.大數據在零售行業未來應用方向

大數據的商業化落地才剛剛開始。隨著人們對數據維度理解的顆粒度細化、處理能力和存儲能力的進一步增強，大數據在零售行業的應用有望從「以人為本」邁向「社交化流量」和「人貨強關聯」的新紀元。

在品牌APP運營中，用戶大數據可以幫助企業跳出「交易」思維，打造品牌的「交互」屬性，利用「人以群分」的天然優勢，搭建品牌社交功能，提高用戶粘性。在產品價值向體驗及情感價值轉變的今天，品牌社交功能帶來的親切感和互動感無疑將創造出全新的商業附加值。

例如在服裝設計環節中，將每種服裝的各類基本屬性分解看待，每種商品就成了有自己「基因標籤」的生物。以這種方式考慮龐大的樣式集，利用銷售數據和客戶反饋評估每個「生物」的「適應性」，繼而通過重組現有樣式的屬性來創建新樣式。在家電產品領域當中，隨著硬體、軟體及雲端建設的不斷增強，物聯網生產大數據可以幫助硬體廠商挖掘用戶的設備使用行為，提供個性化智能體驗，判斷故障潛在使用原因，優化產品。

在庫存管理中，目前零售商主要依賴過往一方銷售數據、當下流轉周（WOH）進行自動配貨和人工調貨，對來過店鋪但因為缺貨沒發生購買的顧客缺乏捕捉，分析深度只能觸及到基礎分類（T恤、褲裝等），維度單薄。產品標籤化和以人為本的店鋪標籤化的疊加能夠實現貨場對應，支持更為精準主動的配貨。

5.結語

掌握用戶數據就是掌握未來市場。TalkingData致力於以為客戶創造價值為使命，幫助企業做出更為科學的決策。TalkingData智能數據平台，集海量數據、創新的技術和專業的諮詢服務為一體，逐步打造開放的數據生態，攜手客戶創造獨特的數據價值。