- 数据智能
- 零售
近日，爱分析在京举办了2019爱分析·中国零售科技论坛。爱分析邀请了TalkingData合伙人兼执行副总裁林逸飞进行了题为《零售行业的数据深化应用》的主题演讲。
林逸飞分析了大数据技术在零售行业的新型应用场景，对如何深化数据应用、实际落地案例也做了详细的讲解。
现将林逸飞的演讲实录分享。
林逸飞：大家上午好！我是TalkingData林逸飞。零售行业是一个特别有趣的行业，有一个小的故事，就是20年前我看到一条499块钱的牛仔裤，久久不愿离去，因为我买不起。两年前跟一家快时尚行业CEO拿着拼多多9块9的牛仔裤不愿离去，他在想怎么会变成这样。
过去四年里，国内有很多家赛道上的头部企业，都是（市值）过百亿甚至接近千亿的企业，他们思考的一些问题，我用接下来20分钟时间跟大家做一些分享。
数据深化应用，从私域流量说起
首先，为什么会 “深化”？是被逼的。目前的市场，大家都非常缺流量，您的产品再好，设置的逻辑再好，如果找不到一种办法，有两座大山你是没办法迈过去的，这是特别浅显的道理。在过去，这两大流量平台除了有流量还有非常好的资本力量，企业做的非常好就收购，两方的阵营里面不断的进入各种零售业态的玩家。
为什么用“深化”这个词，是因为依然有小罐茶或者新的品类能够破茧而出。套用某个说法，这叫某一种经济圈，在这个圈子里面找到自己的生态领域。
这个图我不讲了，有百分之十几的人群，所有的东西在线上买，热衷于在双十一之前把自己东西买好。还有百分之十几的人群永远不会在网上买，不会相信这些东西，还是需要线下体验。但出自于消费者考虑，出自于品类考虑，（其余）绝大部分人是两栖类的。
在零售行业里面忠诚度是特别艺术的事，运营者和消费者永远在做互相追逐的游戏，过去几年线上流量蓬勃发展，迅速崛起很多红利；而现在变成大家都要去进入深水区，那75%的两栖类这部分人群就是我们争夺的点。这个时候在应用数据这个概念就出现了。
我依然用我刚才那个词“被逼的”，为什么叫被逼的？人家的流量，那是人家的流量，没有你的流量，于是我们很痛苦地提了一个私域流量，无论做短信、做图文、到今天做短视频，甚至出现KOL、李佳琦带货，都是在两种不同流量之间我们试图找到一种所谓的私域流量，只不过给了你几个好一点的助手，好像你可以控制更多的流量。
我加了一个“泛”（泛私域流量），因为这样的私域流量不真是你的流量，而是那75%的两栖流量被释放出来了。从前这些流量从你的面前流过，你没有机会管理他，没有手段经营这些流量，现在这里面崛起数据智能或者运营智能，使得一些企业在过去两三年时间里面，在江湖上有了很好的自我定位。
从地理区块开始，做全方位用户画像
2018年下半年到2019年进入深化阶段，我们不仅对消费者群体做画像的，还可以对地理区块做画像，也就是在零售里讲的“人货场”的“场”这件事情也被画像了，做完以后上面能生长出来很多应用，使得我们做的运营智能提升了一个台阶，这是第一个。
第二个当销量通路上的消费者和产品可以如此大程度被数字化的时候，意味着你在以销定产，甚至定义自己的供应链，那么在提效降本这个角度上，你就有机会做很多数字化尝试。这方面我们做了一些预测性的产能规划，这些尝试每个都超过半年时间，而且全部都已经投产。
第三个线下流量，我自己粗略算了一下，在过去一年里面，线下各种屏的市场至少砸进600个亿。把各种屏改造成数字化，将来都可以做互动广告。这带来了线下数据和线上数据的融合，这里面有巨大的红利，一些企业在一年前甚至一年半以前做了很多大数据的尝试。
对人群做标签化的技术有很多流派，这不是我今天要讲的。今天讲对一个地理区块做标签化，举例说100米×100米的区块，上面有好多设施，像一个提拉米苏一样有很多层，这个区块里面有建筑，有交通设施、娱乐设施、路网设施，也有经过的人群，有走过的也有停留的。当我们希望把任何一个区块标签化或者智能化的时候需要把这些东西包含进去。
对任何一个区块，无论是哪个行业，都可以结合相应业态进行价值评估，这个价值评估既可以用于初设阶段选择自己的经营场所，也就是常说的选址，也可以用于运营阶段为地理区块的经营网点进行导流，并且无论线上还是线下引流方式，全部支持基于LBS导流。
国际餐饮品牌数字化，开始数据深化应用的实践
实现模式有这样几种，后端首先基于一个自研的算法，也就是一个AI模型，开放相应接口给不同业态。做茶叶、做餐饮、药、便利店（的需求）不一样的，比如考虑人流、物流潮汐的时候就不一样。当你选择一个地方开始做经营，这个区块100×100也好，500×500也好，区块上的人群两年前已经被数字化，所有触达线、长渠道五年前做好了各种各样触达模型。把这个逻辑拿出来，做5公里舒适圈牵引，就有各种各样的形式去做，拼接人群、区块、渠道等的内容，内容就可以是李佳琦这样的直播。这个平台产出历经了将近一年，我们用数百家门店的实际运营情况对算法做调整。
我们根据不同的业态去看潮汐数据，做半年生意、半条街生意、半天生意，将数据调整到相应精度；第二与品类销量做相应的耦合跟分析；第三对一线城市，甚至三线四线以下的城市，构建一个可以作业化的模型。
第二个案例，我们服务于一个在中国地区年营业额接近千亿的国际品牌，当消费者群体和地缘数据可以被数字化以后，就有机会对门店接下来一个小时或者半天的销量进行预测。第一阶段能实现的逻辑是提效降损，第二阶段满足供应链要求。这是一家快餐企业，一天五次订货，但有的（货品保质期）是4小时，有些可能是28小时，坏了就得扔。原来，订多少货是在上万个店长或者厨师长的脑子里面，实现数字化之后，做一个足够简单的输入输出的界面，把他们的智慧、经验导入（数字化平台）。这个（平台）一共在数百家门店测试了9个月。
现在，可以用这样数据预测下半个小时、每一个SKU的销量。店长和经营者会去看这些数据（是否准确），通过六个月运营反馈，模型更精准了。这里很重要的是，有数万个有经验的店长输入了相关数据，这远比找一堆咨询顾问在后面做ERP更有效果。
我现在发现用数字化通路整个贯通起来以后，我们收集数据和样本的方式是如此容易。第二我们的覆盖范围如此大，使得原来很多方法论已经被颠覆掉。在这种情况下考虑构建模型的时候问题来了，如何降低使用门槛？模型设计足够复杂，用户却很简单，因为你的用户可能是生产末梢直接控制生产的那个人，那个人可能是店长、可能是厨师长、可能是便利店店长，他们需要非常简单的输入和输出，你跟他们说什么决策森林，他们根本不懂。对这些用户必须输出接近于动作、接近于结论性的东西，而模型跟算法放在后面交给专业的人去做，就会尽快的或者非常大规模的投入生产。
在今年我们在数千家店已经全部投入生产，我认为这种先发优势是一种加速的过程，任何一个模型在每天经过数万个店长不断的训练，最后差距绝对不是几个月，可能是三年，这个逻辑很简单，因为算力改变人脑进化过程。
智慧化对接采集数据，训练模型靠用户，而不是工程师
当线下数据成为很重要一个环节的时候，大家在线上看到各种媒体、大流量的持有方，因为要进入线下，其开放程度逐渐被开拓出来。这句话是有含义的，不是因为您的品牌足够强势所以流量方给你开流量，而是因为有竞争，所以需要开放流量出来。
我认为今天任何一个单一品牌，还很少有可以跟流量方掰腕子的，千万不要认为自己有这个能力，而是要判断大势。过去两年里流量方开放出来的流量越来越多，开放出来的接口越来越多。另外，线下流量大规模被数字化，作为流量的一个新的元素，出现了地缘数据化和数字化极大的丰富。再加上线上流量方增加，开放程度不断出现，这种情况下运营所谓的私域流量一定要考虑这几个大势。
第二所有数据出来的时候，你会想象今天做生意最好的情况是同时跟不同的流量渠道对接。所以你需要运营核心，或者说策略中心，这个中心是可以对接各流量渠道的策略中心。将客群链接进入策略，进行自定义策略跟管理，并且可以数字化、规模化对接，这样你的生意才可能做起来，这是一种理想情况。
现实可能只能对接某两个流量方或者更差的只能做一个。有个例子，我们花了两三年时间，在深圳做了这样的案例，将客户的各渠道数据都汇聚进入一个平台，所有的数据科学家就工作在这儿。
这些工作是两个重要命题，第一个命题是把零售的品效合一这件事情模型化，要不然要品牌，要不然要效率。第二个命题，就是不要只追求模型所谓KS值或者什么样的值精准到百分之多少，可以通过大规模的消费者群体反馈来训练模型，而不要为了让KS值提高两个点而逼死你的数据科学家。
这是我一直以来的观点，尤其零售业态，有机会用大规模实际反馈训练你的模型。所以重要的问题是如何把它投产，如何把它产业化、大规模的部署下去，迅速把所有的反馈收集起来，这个平台就转起来了。
第三部分是做智慧化的对接，将卡券和各种各样的导购都智能化，无论谁家的卡包，还是您自己做的卡包，这些都是智能化的用户群体交互触点。策略、交互和执行的输出点全部在这儿，当它们循环起来的时候，至少会留下一些痕迹，留下一些自己可控的点。
我们既服务互联网行业，也服务零售、金融、政府，做的只有一件事情，数据怎么通过科技发挥作用，在新的数据时代，能够为不同业态改变他们的一些做决策的方式，甚至改变他们一些做生意的方式。
我们给自己的定位是数据智能平台，公司大概是这样一个规模，在北京、上海、深圳、美国都有自己的分公司。
我叫林逸飞，来自于TalkingData，跟大家做了20分钟的分享，对零售这一块我自己的一些观点，如果有机会跟大家讨论非常好，谢谢大家。