零售

红杉、IDG联合加持,WakeData阐述零售数字化方法论

唤醒沉睡的线下数据资产

2019年08月08日
调研 | 张扬 黄勇 撰写 | 黄勇 赵子梦
  • 数据智能
  • 零售

围绕大数据三个层面的价值在泛零售行业的落地,WakeData目前推出了惟客通、惟客宝、客流宝三款核心产品,分别为企业提供数据中台、用户运营业务中台和基于 AI 人脸识别的线下门店智能导购系统。

零售行业是信息化发展较早的行业之一,大型零售商由于有海量的SKU和订单流通,必须要使用信息化工具进行管理和运营。

然而,在数据方面,相比线上零售在数据采集和沉淀上的天然优势,传统线下零售的数据积累则非常有限且分散。线下门店往往只有POS系统交易订单数据,缺失消费者数据,更无法关联消费者的其他数据,更谈不上数据平台和数据应用,无法对交易和用户数据进行分析挖掘实现智能运营。

在大数据、AI及IT信息化领域具有资深经验的前阿里巴巴技术专家李柯辰,看好线下零售大数据的发展潜力,于2018年创立了WakeData。顾名思义,WakeData致力于“唤醒”未被充分利用的线下数据资产,将互联网公司数据驱动的运营理念带给线下零售企业,助力企业数字化转型。

红杉、IDG联合加持,WakeData阐述零售数字化方法论 | 爱分析访谈

李柯辰认为,大数据对企业的价值主要体现在三个层面。

第一层是IT能力价值,随着数据量增长和业务对实时性等要求的提升,传统数仓等IT能力不再能够满足业务需求。第二层是管理流程价值,通过数据实现知识转移、能力复制,驱动组织能力提升。第三层是业务价值,比如通过大数据应用为企业带来获客、客单价、复购率等指标的提升,在ROI上体现最为明显。

围绕大数据三个层面的价值在泛零售行业的落地,WakeData目前推出了惟客通、惟客宝、客流宝三款核心产品。

红杉、IDG联合加持,WakeData阐述零售数字化方法论 | 爱分析访谈

惟客通作为数据中台,帮助企业进行数据打通和治理,沉淀数据资产,是数字化的基础。具体而言,惟客通提供大数据基础平台、流计算平台、数据接入平台、数据开发平台等整套工具,利用Data-in技术打通POS、CRM、电商等多系统数据,并将这些数据整合至数据中台,为企业构建自有用户画像和数据体系。

在数据资产化的基础上,惟客宝是面向用户运营的业务中台,包括外部用户连接平台和内部运营管理工具两部分,实现数据的管理流程价值和业务价值。用户连接层面,惟客宝提供小程序微商城等应用,进行拉新获客、营销裂变、导购智能推荐和用户数据采集等。用户运营层面,惟客宝提供会员中心、全链路数据分析、商品和订单管理、自动化营销等工具,支撑用户运营和管理决策。

客流宝是一套基于 AI 人脸识别的智能导购系统,主要用于线下门店场景的用户运营,并实现线下场景的用户数据采集。系统基于人脸识别,可采集门店客流数据,建立用户画像,赋能门店一线销售人员实现VIP到店识别、智能导购、客流诊断、用户精细化运营等服务。

此外,WakeData与极光大数据、科大讯飞等有数据源的投资方达成合作,可借助第三方数据源,为企业补充线上数据,解决数据沉淀不足的冷启动问题。

目前,WakeData主要服务泛零售领域的腰部和头部企业,合作的标杆客户包括喜茶、屈臣氏、百佳超市、碧桂园等,以提供解决方案+产品的模式为主,数据中台产品支持公有云、私有云和混合云的灵活部署。基于整套从数据中台到数据运营的能力的不断积累,WakeData未来还计划向其他行业应用场景拓展。

红杉、IDG联合加持,WakeData阐述零售数字化方法论 | 爱分析访谈

近期,爱分析对WakeData创始人&CEO李柯辰进行了访谈,他阐述了WakeData的业务思路和发展战略,以及对零售行业数字化趋势的见解,现节选部分内容分享如下。

大数据应用的三大价值和五步走

爱分析:WakeData为线下零售企业构建数据中台的思路是怎样的?

李柯辰:从IT信息化到系统集成,再到互联网,大数据的应用是现阶段最主要的大方向。既然要做大数据,就要搞清楚大数据能够为企业解决什么问题,我们把大数据的价值分成了三个层面。

第一层是IT基本能力的价值,解决传统数仓等解决不了的问题,比如数据规模、多样性、实时性等问题,也就是IT的成本、质量、效益、安全。

第二层是管理流程的价值,从小的维度来看是解决知识转移的问题,应用数据的方法,把一个团队的能力复制到另一个团队去。从大维度来看,组织结构要数据驱动,提高组织能力。

第三层是商业价值,也是现在市面上大家最愿意看到的。商业价值就是获客、客单价、复购率、留存、忠诚度,或者是用数据改变用户到店的服务体验,这是我们认为能够显著产生ROI的价值。

我们做了三个场景,把这三个价值概括了。第一个产品是一套数据中台,可以以PaaS的方式租赁给线下连锁品牌企业,比如喜茶、屈臣氏,也可以私有化部署。这个产品主要是交付给IT的,IT在这个基础上开发更多的数据产品和数据应用。

在上面一层,大家喜欢把它叫做业务中台,其实是一个用户运营的大数据产品,分成两部分。一个是公司内部的管理场景,一个是连接用户的场景。公司内部的管理场景是用来做投放落地、用户分析等管理决策运营用。连接用户的场景,在微商城体系、导购体系、支付等连接用户的环节,用数据去做一些相关推荐、定向运营、导购实时服务提醒、VIP到店服务提醒等,用数据做更快的分析。

爱分析:三个场景里面,具体帮助零售企业做哪些事情?

李柯辰:在数据平台那一层,现在线下连锁企业还没有收集用户数据的工具和能力,收完数据之后还要打通,打通之后还得把它变成类似于标签这种人可以理解的数据,最后要找更多的场景和流量去把数据用起来。

往上去看,企业也缺管理类的工具。比如以前的营销都是粗放式的,不是定向的,门店运营工具和分析工具都是传统企业不具备的,需要我们来提供。

另外,我们讲整个线下企业赋能最重要的一个概念,是希望建立企业自己和用户的连接。从传统意义上来讲,很多品牌连锁对用户的连接是不存在的,线上电商用户是平台的用户,线下用户往往是经销商的用户。品牌是真正对用户产生价值和定义产品的企业,它没有用户数据,这个时候我们得给它提连接用户的工具。

另外,我们在做私域流量。比如说去构建微信里面的微商城,用线下的社团营销和微信裂变的流量去构建线上流量池。还有线下门店的流量,导购也有流量。像这些所有连接用户的点,数据有没有被企业收集起来,并且加工利用到服务用户上去,是我们在做的事情。

爱分析:数字化具体实施过程是怎样的?

李柯辰:我认为有五步。

第一步是建平台,需要有一套Hadoop的工具,而且是封装好的,IT门槛没有那么高,不需要在DOS下面去编命令,有可视化的一套编程方式。

有平台之后,第二步要把数据导上来,叫做数据资产化阶段。这个阶段里面有三个动作。第一是主数据的采集和打通,第二是要做数据治理,第三个动作就是建模和资产化。比如地产行业,我们要在营销中心看销售、面积,但没法看到成本中心的成本,我们把它拉在一起的时候,就是一个项目维度的标签,包括成本维度标签、供应商维度标签、用户维度标签、物业维度标签,我们全部都可以打通去看。这个是我们认为资产化的过程。

第三步是做数据产品。传统的数据产品可以是做一个大屏,做一个可视化报表,或者针对用户做VIP都属于产品。

第四步是数据服务。在互联网公司里数据服务是很多的,比如广告点击的预估,或者哪个地方要调用数据资产,都把它API化或者服务化,应用到各个业务系统里去。但是在传统企业里面数据分析和产品比服务更重,基本上没有数据服务的概念。我们做数据中台更多是在做服务。

最后是数据运营,就是如何让企业对数据的应用,从以前的决策层,能逐渐应用到末端执行层去。就像在互联网公司,每个运营经理都在看日活、月活或者页面的数据。

爱分析:零售行业的IT基础能力情况如何?

李柯辰:零售行业的数字化客观上来讲以前已经有一些,因为这个行业没有数字化就没法工作。零售一天卖那么多货,Excel管不了的。零售行业麻烦的点在于,线下没有系统,可能就一个POS机,即便是有数据,也没办法关联用户。

第二个困难点在于,比如说在电商平台,做一个产品,肯定是通过好几个平台都得接,很多传统公司,IT能力不强,做一套平台把数据全部接起来是很困难的。我们目前碰到更多的会用我们云端的平台,因为客观上做大数据的人本身也少,不是每家公司都有能力。

爱分析:所以大部分客户都需要先从搭建数据中台做起?

李柯辰:零售企业现在基本上没有中台。

首先企业会考虑数据中台是否有价值。如果是拿来做分析,是有价值的,但价值有多大?还有一个原因,它们不知道自己有哪些数据资产可以用。很多企业不但没有中台,前端收集数据的工具都没有。

所以我们还要往前再走一步,做业务场景,要帮企业去收集数据。我们做门店导购、做人脸识别、做微商城和统一的电商平台和广告监测平台,这些都是企业与用户连接的数据点,没有的话需要补齐。考虑到很多企业没有数据,我们整合了很多有数据的投资方,像极光大数据,帮助企业把线上的数据补全,解决冷启动的问题。

比如说我去喜茶,可能喝了两年才能对我的偏好有了解。如果想在半年内就了解我,我们就把线上标签补给它。即便是这样,有可能数据只有60分,有了60分之后怎么办?靠前端工具持续滚到80分,天猫也是一样的。

爱分析:做数据中台这件事情,目前是很多公司在跑马圈地的过程?

李柯辰:有很多公司都在说自己做中台,但很多软件公司做数据中台这件事情是挺不靠谱的。

首先,大数据这件事情,干过的人就很少。做个软件,懂Java懂前端我们就可以来做,但大数据这个事情发展历程本身就很短,有这个场景去做大数据的人就更少了。除了一线互联网公司,有几个人真正做过拿数据去做数据中台和用户运营的?

第二个,这件事从人才上来说就不成立。中国现在大数据的人才市场是130万的需求,总共有30万的人才,还缺100万,每家公司都可以做数据中台这件事是挺不可思议的。

另外,我觉得,甚至有了客户运营系统都是远远不够的,很多传统企业缺乏客户运营系统的人才和理念,因此WakeData也提供代运营和数字化转型的教练服务。

红杉、IDG联合加持,WakeData阐述零售数字化方法论 | 爱分析访谈

爱分析:如果每家企业只有一个数据中台,上层数据应用是需要开放一个生态出来吗?

李柯辰:第一个,数据中台上层应用产生的商业价值不一样,数据中台是有可能被替换的。对于有能力做数据中台的厂商来说,数据中台本身是没有技术壁垒的。数据平台搭建好,数据收集完了之后,关键是能够持续贡献什么样的数据服务价值。

上层的应用,有可能开放给第三方做,有可能是客户企业自己做,也有可能是提供平台的公司做。

面向用户运营场景,效果已被验证

爱分析:WakeData为什么选择用户运营这个场景?

李柯辰:第一,我们团队对用户运营更加了解。

第二,用户侧大数据的能力能够提升转化这个事情,在互联公司已经被论证过无数遍了。只要有数据和场景储备的话,毫无疑问能带来提升。

还有一个原因,用户运营和企业共建CDP这件事情,是可以越滚越大的,会越来越强。

爱分析:用户运营平台更多是为了把数据从60分做到80分,还是为了让客户把用户运营做得更好?

李柯辰:首先,我们给企业的是一个很大的产品矩阵。有些大的企业,从CEO到CIO都有决心去做变革,可以用我们所有的产品。但很多企业会先从某一块开始。比如说我们有微商城、CRM、导购、电商平台、营销系统,客户不需要全部都用,比如可以先从导购开始,在内部IT里是有一个过程的。

另外,我们有线上线下数据的打通,客户可能会在全国很多区域中选一块来尝试。这种方式,对企业来说成本是最低的,不需要花一两千万换一个系统。从互联网公司的角度讲,阿里巴巴也不是一天就架构好的,都是需要迭代的。这种迭代以前可能是被业务驱动的,但现在逐渐形成了一套方法论,未来我们可以按照规划来迭代。

爱分析:服务模式是以项目制为主?

李柯辰:这里面分为两块。如果说和企业是第一次对接,它自己的系统很多,会有一个系统对接、数据打通这种性质的项目。平台产品的服务是持续的。

爱分析:现在主力客群的客单价在什么水平?

李柯辰:我们主要是做腰部和头部的客户,客单价在100~300万,包括项目集成和SaaS年费两部分。

爱分析:线下到店用户行为数据获取采集方面,现在行业是否有重大改变?

李柯辰:我觉得目前突破相对较少。比如无人货架,它的用户行为数据采集太难了。买一盒饼干拿了又放回去算没买,拿出店就算结算,但是把饼干拿出来把盒子放回去是算买还是没买?再比如说对物品的识别,改变饮料包装的款式,识别的维护成本也非常大。而且现在拿照片去做模型训练,如果是识别顾客拿了哪件衣服,结果是和衣服实物的识别率是不一样的。这都是技术上的门槛没有解决。

做深泛零售领域,未来做行业延伸

爱分析:行业选择上会有哪些属性划分吗?

李柯辰:客群的划分上,泛零售范围挺宽的,从消费频次来讲会分成几个维度。一个是高频的,比如餐饮类,主要针对门店运营,比如微商城、营销工具等。第二种中度频率,美容美发、服装,更多讲线下服务体验、智能导购。还有低频类,比如地产、家装、汽车,主要针对导购和投放的优化。

爱分析:底层PaaS上要加业务逻辑会挺难的,每个行业和公司业务流程都不一样,WakeData是如何做的,包括产品化的问题?

李柯辰:我们的产品分为四层,加上运营的话分为五层。

最底下一层,包括Hadoop、机器学习平台,这些大家都一样是通用的。

第二层要做用户画像,打通基础数据,我们把市面上所有用户ID相关的产品都提取出来,手机号、微信OpenID、Mac地址等,客户数据处理这一层是完全通用的。再往上层来看,用户的留存、活跃、门店的健康度等工具是通用的,虽然维度不一样。

第四层存在一个问题,每个行业的运营方式是不一样的,需要最上面这一层工具做行业化。它可以配有很多产品,有最基本的财务、人力、供应链,基本上全行业可以适配。具体公司,需要适配所在行业的业务流程和组织架构。

早期我们在产业上经验是不足的。我们创业来源于我们对互联网的认识,但是在上层我们是不足的,要跟客户去做碰撞去形成标准。这就是为什么我们选择现在做头部客户,是因为我们认为大型的标杆这个行业可能可以拿来适用。

在刚开始的时候,总会有一些传统企业间的尝试,我们去找这样的企业,跟他们去共建这一块的产品出来。产品重和轻不是最重要的,完全看客户愿不愿意用你的产品。

爱分析:未来一两年整体的战略大概会是什么样的?行业拓展打算什么时候做?

李柯辰:第一,我们会在已有的两个行业里做得更深,再切入其他行业。数据只是中间的东西,未来企业还可能还会看AI、IoT。我还可以做更多,业务范围可变化,行业宽度可变化。