大数据下的“商业学习实验” 能否改变超市业?

浓缩观点

消费动力不足、利润下滑、电商侵蚀,大型超市的突围之路在哪里?掌握以大数据分析为基础的“商业实验学习”的5个方向,将给零售企业带来数以亿计的经济效益。

零售企业可能每天都会产生令人兴奋但有些风险的创意,这些点子要不要做?效果又会如何?

大数据下的“商业学习实验”

台湾的全家便利店,在台湾拥有2000多家门店。它们在调查中发现,消费者对现煮咖啡有显著需求。对全家而言,是贸然在所有门店都提供现煮咖啡,还是将这些咖啡机将优先添置在某些店铺?现煮咖啡大卖的同时,是否会挤占店里其他咖啡及饮料产品的销售额?

过去,富于经验的管理者会通过直觉形成策略假设。而现在,他们可以通过APT以大数据分析为基础的“实验与学习”软件,进行更为谨慎的数据求证——挑选一些店面小量测试这个新点子的不同做法,从结果中学习,找出对公司营收、净利润、投资回报、市场占有率最成功的版本,从而设计出一套最佳的推广方案,再全力推动。而这套系统性的方法叫做“实验学习”。

首先,APT将2000多家门店的资料输入一个数据平台,并在两周内将过去3年来全家便利数千台收款机的交易记录转化成一个数据库;在两个月内为每一家门店建立一个属性档案,包括店铺大小、周边人口年龄、就业状况、竞争商家的距离、地理位置等等关乎经营的所有要素。

之后,APT选择一批店铺,分成实验组和参照组进行实验。通过“商业实验学习”,全家便利店增设咖啡机的疑问很快找到了答案,他们了发现了导入咖啡机的优先顺序,并获悉了哪些位置的店铺根本不需要咖啡机,而哪些店铺在导入咖啡机后提升了净绩效。

类似的抉择也曾出现在赛百味身上。2008年,这家企业打算在北美市场推出一款一英尺长的5美元潜艇堡,希望借此特卖商品带来更多生意,但是他们又担心促销活动影响价格较高三明治的销售。

为了检验商业创新的可行性,他们同样和APT设计一个实验,在搜集完所有餐厅的信息后,分类工具挑选出拥有近乎一致的餐厅面积、地理位置、周边人群结构、商圈特性等外部要素的实验组和参照组。在实验周期内,分别比较餐厅整体销售业绩,5美元潜艇堡销售额以及其他三明治的销售情况。实验结束后,平台上的综合财务计算工具可以在数小时内提供结果,显示这款特价潜艇堡真的为企业带来业绩的提升。

“商业实验学习”的提出者APT公司(Applied Predictive Technologies,亚博德)创建于1999年,主要业务集中在成熟的北美市场,是一家通过“实验学习”协助企业优化策略的软件公司,星巴克、赛百味、卡夫食品、沃尔玛等公司曾先后应用过APT产品。目前,APT在亚太地区为中国、日本、新加坡及澳洲等超过10大市场提供客户服务。

商业实验学习的5个方向

在目前消费动力不足、成本水涨船高的情况下,再加上遭受电商侵蚀的大型超市开始寻求新的发展道路。“对以店面为主的大型超市来说,成百上千的分销网络是一个极具价值的知识和信息来源,他们可以从中汲取成败教训。”APT副总裁及亚太区负责人李展宏说。他表示,“商业实验学习”会给超市业带来以下5方面的帮助:

1.提升O2O的ROI。O2O整合的本意是希望通过在线销售、吸引那些原本不会前往这些店面消费的新增客户,以增加收入来源。而事实却事与愿违,一些店面新客户没有增长的同时,还产生了庞大的营运成本。李展宏表示,若在方案推广前,先针对少数样本店面进行“在线购物、上门取物”的实验测试,将可能降低这些创新计划推行的风险。然后再根据数据,针对显著获利的店面进行锁定和精准推广,将更有效提升该计划的ROI。超市有很多独特优势,比如那些保质期短的食品、生鲜食品、易损易耗品,都是电商的短板,超市不妨做大做强。

2.优化海报。海报促销是超市惯用手法,但它真的带来利润了吗?海报设计主要考虑两个问题,海报的发放人群以及放入哪些商品。对于前者,以前的海报发放的主流人群是那些负责家庭采购的阿姨,她们在比较多家超市海报后,买走最廉价的商品;对于后者,可能一款特价啤酒获得了巨额的销量成长,超市可能会认为本次促销相当成功。其实真相很可能是大部分的消费者只购买了特价啤酒,而没有顺带购买任何其他商品,虚假繁荣背后是超市的毛利受损。

通过“实验学习”得出,在海报发行时要区隔不同的客户群,吸引更多年轻人进超市购物会带来更多利润;至于放入哪些商品,需要超市进行大量的交易数据分析,以设计哪些优惠产品。比如将薯片或是色拉放在啤酒旁边,可能会增加客户的单笔销售金额。

3.扩张自有品类。自有品牌是超市经营的一大法宝,在这一领域,沃尔玛、华润万家、屈臣氏、万宁等超市和连锁店近几年一直都在耕耘。据研究报告,美国超市业的自有品牌近3年的销售成长超过18%,是其他品牌商品成长率的两倍以上。

对于零售商而言,扩张自有品类不能简单仿制成功的制造商产品,这样会造成大量产品销售不良。李展宏表示,为了使扩张自有产品线创造更多利益,超市管理者需要策略性优化商品组合,以避免交易下降而损害毛利。超市企业可以利用交易数据分析,了解哪些品项常出现在金额较高的交易中,并且常被高价值客户购买,以优化自有品牌成长策略。

以山姆会员店为例,山姆店在中国的经营目标是满足商业会员在销售、办公和发放福利需求,同时满足高收入的个人会员的需求。因此,山姆会员商店销售的8块装 “会员优品”香皂、整箱装的复印纸,现实的销售数据也证明了这些经过改造的产品是自有品牌成功的典范。

4.精准族群促销。通过绑定会员资料与交易数据,超市可以开展分群促销,这样能准确了解每次促销的替代效果、延迟消费的现象,以及不同消费者在各因素上变异。

比如特价啤酒促销可能使消费者仅购买大量的折价啤酒,导致未来的销售下降,进而损害毛利。针对小部分的顾客测试将会减少毛利显著下降的风险,并能协助企业了解哪些分店可以产生额外效益,而哪些分店仅是让利于客户,因为客户无论如何都会购买该商品,最终导致毛利下滑。

5.衡量SNS营销。当80后日渐成为超市的主要顾客群,许多超市使用微博、微信和其他SNS工具作为提供促销及特殊优惠信息的传递渠道。企业可以透过实验,比较有投放广告的实验组及未投放广告的对照组的市场业绩差异,避免浪费广告投资,并且专注于较有效的市场与顾客群。

时间: 2024-08-25 06:22:09

大数据下的“商业学习实验” 能否改变超市业?的相关文章

我对大数据相关技术的学习心得及理解

本篇为这一段时间以来我对大数据相关技术的学习心得及理解,主要涉及以下几个方面: noSql, 集群, 数据挖掘, 机器学习,云计算,大数据,以及Hadoop和Spark.主要都是一些初级的概念澄清之类的东西,并且比较凌乱,慎入.* 1. NoSQL我的理解是,NoSQL主要用于存储一些非结构化数据, 是关系数据库与文件存储方式(比如视频文件就适合使用文件的方式存储)的过度. ** 1.1 NoSQL的分类: 列存储: Hbase(BigTable的开源实现),可存储结构化数据. Cassandr

【教程分享】基于Greenplum Hadoop分布式平台的大数据解决方案及商业应用案例剖析

基于Greenplum Hadoop分布式平台的大数据解决方案及商业应用案例剖析 课程讲师:迪伦 课程分类:Java 适合人群:高级 课时数量:96课时 用到技术:MapReduce.HDFS.Map-Reduce.Hive.Sqoop 涉及项目:Greenplum Hadoop大数据分析平台 更新程度:完毕 对这个课程有兴趣的朋友可以加我的QQ2059055336和我联系 下载地址:链接:   pan.baidu.com/s/1nthYpKH 密码: niyi 随着云计算.大数据迅速发展,亟需

如何快速掌握大数据知识,按照学习路线来

第一阶段:linux 系统 这章是基础课程,帮大家进入大数据领域打好 Linux 基础,以便更好地学习 Hadoop, NOSQL, Oracle, MYSQL, Spark, Storm 等众多课程.因为企业中 无一例外的是使用 Linux 来搭建或部署项目. 第二阶段:大型网站高并发处理 通过本章的学习大家将会了解大数据的源头,数据从何而来,继而更好的了解大数据.并且通过学习如果处理大型网站高并发问题反向更深入的学习了 Linux 同时站在了更高的角度去触探了架构. 第三阶段:Hadoop

大数据下的数据分析平台架构zz

转自http://www.cnblogs.com/end/archive/2012/02/05/2339152.html 随着互联网.移动互联网和物联网的发展,谁也无法否认,我们已经切实地迎来了一个海量数据的时代,数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB,对这些海量数据的分析已经成为一个非常重要且紧迫的需求. 作为一家互联网数据分析公司,我们在海量数据的分析领域那真是被“逼上梁山”.多年来在严苛的业务需求和数据压力下,我们几乎尝试了所有可能的大数据分析方法,最终落地于Had

【CSWS2014 Summer School】大数据下的游戏营销模式革新-邓大付

大数据下的游戏营销模式革新 邓大付博士腾讯专家工程师 Bio:毕业于华中科技大学,现任腾讯IEG运营部数据中心技术副总监,负责腾讯游戏的数据挖掘相关工作,包括有用户画像,推荐系统,基础算法研究等.主要感兴趣的领域包括有分布式计算平台系统架构,机器学习算法等. =================================================== 这个讲座时间比较短,内容也比较少,不过还是让我开拓了眼界,比如TX游戏数据的规模.游戏服务器的规模以及游戏中一些算法.模型的应用. ==

MySQL大数据下Limit使用

对于一直用Oracle的我,今天可是非常诧异,MySQL中同一个函数在不同数量级上的性能居然差距如此之大. 先看表ibmng(id,title,info)  唯一  id key 索引title 先看看两条语句: select * from ibmng limit 1000000,10 select * from ibmng limit 10,10 很多人都会认为不会有多大差别,但是他们都错了,差别太大了,(可能机器不同有点差距,但绝对10倍以上)具体执行时间留给好奇的同学. 这是为什么呢,都是

大数据下的数据分析平台架构

时间:2011-08-15 14:59 作者:谢超 随着互联网.移动互联网和物联网的发展,谁也无法否认,我们已经切实地迎来了一个海量数据的时代,数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB,对这些海量数据的分析已经成为一个非常重要且紧迫的需求. 谢超 Admaster数据挖掘总监,云计算实践者,10年数据仓库和数据挖掘咨询经验,现专注于分布式平台上的海量数据挖掘和机器学习. 作为一家互联网数据分析公司,我们在海量数据的分析领域那真是被“逼上梁山”.多年来在严苛的业务需求和数据压

大数据下,24小时精准医疗或将在2020年实现?

日前,在2016英特尔生命科学信息技术论坛上,一款名为GTX One的生物计算加速平台现身,引发了业内对于精准医疗行业新的看法.这款GTX One加速系统,通过算法创新充分释放FPGA的计算能力,相当于将一台超级计算机压缩到一个小盒子里:一张FPGA加速卡就能达到60台高性能至强Xeon CPU服务器的计算性能,极大地缩短了生物信息数据的计算时间.事实上,通过生物数据与医疗行业结合,生物医疗行业正在经历高速发展.此次英特尔在京推出的“英特尔精准医疗伙伴计划(Intel BioIT Partner

【阿里云产品公测】大数据下精确快速搜索OpenSearch

[阿里云产品公测]大数据下精确快速搜索OpenSearch 作者:阿里云用户小柒2012 相信做过一两个项目的人都会遇到上级要求做一个类似百度或者谷歌的站内搜索功能.传统的sql查询只能使用like 或者FIND_IN_SET来实现.后者性能稍微好点但是必须要逗号分隔才可以实现匹配.甚至多条件的话还可能用到OR这是极影响系统性能的. 最近公司项目需要.主要是系统查询缓慢.并且查询精度不敢恭维.一开始想到的是Lucene 毕竟是一个开放源代码的全文检索引擎工具包 并且官方还在持续更新中.当时闲暇时