零售数据智能价值实现战略白皮书.pdf

零售数据智能价值实现战略白皮书2022年7月目录1中国零售行业的挑战与诉求2零售数据智能的应用机遇3零售数据智能案例分析新零售除了布局电商之外，未来还有怎样的发展？零售数字化创新，不只是销售渠道数字化和营销数字化，后端的供应链和运营管理也有显著的转型升级诉求。零售消费品行业八成销售在线下，饮料和调味等品类线下销售额占比逾九成，实体零售场景仍然是消费品市场增长的主要战场。然而，实体零售市场目前集中度较低，除大型商超之外，社区夫妻店仍然占比全国零售消费额的40%，这样高度分散的市场对零售品牌而言，一方面拥有不可忽视的商业价值，但同时也带来高昂的管理成本。实体零售该如何借力新兴技术，有效运营升级？沉淀在零售终端的海量数据如何有效采集与应用？POS数据、SKU陈列数据、库存数据、线上+线下用户数据等数据孤岛如何打通？人、货、场不同维度的数据如何有效整合并有效驱动零售品牌和销售终端的商业决策？人工智能、机器学习等前沿科技如何赋能海量零售数据的智能分析与应用？供应链管理、产品创新、选品陈列、渠道管理等业务场景如何利用数据智能？“将数据作为生产要素”已成为国家级战略，从数据采集、数据清洗与分析、到实现端到端数据驱动的决策，零售消费品行业该如何一步步推进与落实？“数据作为生产要素”的国家级战略政策也逐步在实体零售行业从概念落地到业务决策的方方面面。分享三家零售品牌商的数据智能应用案例，逐步解析数据智能如何为零售企业在以消费者为中心的新产业格局下释放增长潜力。1中国零售行业的挑战与诉求2020年，受新冠肺炎疫情冲击，中国消费出现历史罕见的下滑，据中国国家统计局统计，2020年全年社会消费品零售总额比上年下降3.9%1。进入2021年，随着后疫情时期的社会经济复苏，零售消费品市场也逐渐回暖。2021年1-11月份，社会消费品零售总额399554亿元人民币，同比增长13.7%，比2019年111月份增长8.2%。其中，除汽车以外的消费品零售额360339亿元人民币，增长14.0%2。从国家层面，中国正构建以扩大内需为战略基点的“双循环”新发展格局，将为促进消费做出诸多努力。因此，有关专家表示，2021年零售消费品市场重回两位数增长十分可期3。在积极的市场环境下，中国零售行业亦面临诸多挑战。进入“十四五”时期，数字经济的发展已被列为国家级战略，也将成为中国经济增长的重要源泉。数字经济的发展趋势也势必会进一步驱动实体经济的各垂直产业持续创新转型。1.1 零售行业数字化转型进入深水区1.http:/ 中国社会消费品零售总额及线上线下零售额1社会消费品零售总额（万亿）线下零售额（万亿）线上零售额（万亿）社会消费品零售总额增速（%）线下零售额占比（%）线上零售额占比（%）消费品零售行业在我国各大产业中属于数字化转型起步较早的产业之一，“新零售”也早已不是新名词。中国迅速崛起并持续高速发展的电商行业，也成为全球的行业标杆。然而，零售消费品行业的数字化转型远不只是“渠道线上化”这样简单。在完成了各大电商平台的全渠道销售触点布局之后，“新零售”未来还有怎样的发展？人工智能、5G、物联网等前沿科技又将如何落地应用到零售场景，并真正产生商业价值？对于大多数零售品牌而言，数字化转型已经进入深水区。在2020中国全零售大会上，面对进入深水区的零售行业数字化转型的现状，业内人士在产品应消费者需求而变和重视线下渠道两个战略方向达成共识4。国家统计局最新数据亦显示，我国零售消费品线下与线上销售额比重在 2.5：1，线下仍具有明显优势，因此，当我们聚焦零售消费品的数字化转型时，线下零售产业链的转型仍然应是重中之重。1.2 实体零售行业的挑战与诉求线下零售渠道贡献了消费品企业70%以上的销售额，根据尼尔森的报告，其中啤酒、酸奶、果汁、有汽饮料、酱油等品类在线下渠道的销售占比高达90%以上，并且依然保持近10%的销售年增长率，表明这些品类的消费场景主要发生在线下5。1.http:/ 渠道管理：人力成本较高，数据准确度待提高为了在庞大的线下终端赢得消费者的选择，零售品牌在终端重点关注在争夺产品在货架上的露出位置和比例，知晓跟哪些竞品在一起露出，以及如何通过货架陈列和视觉呈现吸引消费者等。在行业里，终端渠道管理的超强执行力中可以看到一些扩大销售增长的例子，但是这种执行力依赖人的管理，受人的影响因素很大。在实际执行过程中，经常会出现陈列执行不到位的情况，如缺少必销品，重点商品、新品陈列没有占据醒目位置，排面靠后或被竞品压制，摆放不整齐、物料没有展示出来等。在门店拜访、陈列督导、促销管控等场景，传统业务人员肉眼清点记录、拍照提交审核的方法耗费高昂的人力成本，而且工作效率低，容易错检漏算，报告数据失真。运营审核部门面对从终端门店采集的海量货架照片，只能抽查部分门店，无法全面掌握终端陈列的真实情况。同时，人工肉眼检核周期长，时滞严重。对于实体零售渠道管理而言，稽查数据的准确性、时效性十分重要。同时，人工稽查的高成本和数据质量问题，也对消费品企业的运营管理带来极大的挑战。品牌商经销商/渠道零售终端消费者产品创新：缺少终端消费者洞察和消费行为信息，落实“以消费者为中心的”品类创新有挑战渠道管理：人力成本较高、数据准确性待提高店铺运营：店铺选址、“千店千策”运营数据支持不足供应链管理：需求预测、智能补货和物流管理缺少数据支持实体零售价值链及品牌商所面临的挑战31.2.2 供应链管理：缺少数据支持需求预测、智能补货、物流运营零售品牌商的供应链管理所面临的现状主要是由消费者需求的两个方面的趋势来驱动的。首先，从零售的需求端消费者对便捷性和时效性的要求逐渐提高，促使物流企业缩短供应链周期，优化仓储管理。持续多年的“一仓发全国”，再由各地经销商自行处理的模式或将不再适用，取而代之的是近两年以来涌现的区域仓、城市仓、前置仓。第二个消费趋势则是市场的分层化和个性化。个性化已经成为当前消费市场的主要表现特征。不同消费能力的群体，对于消费品的需求的差异化和个性化愈加明显。因此，提升品牌方的产品创新能力和生产效率是有效渗透当前消费市场的重要途径，对于ODM和M2C模式的品牌商而言，这也意味着他们将需要向生产制造商提供更高频次、更小产量的订单，以“小步快跑”的方式将所研发的新品快速投入市场试水，并收集消费者数据不断优化和精细化管理供应链的需求预测。而这样的柔性生产对于传统大型快消品品牌方而言，意味着预测、库存控制和生产弹性都面临巨大挑战。企业内外部数据可见度低，更是提高了预测难度。面对大幅增加的SKU数和订单频次，许多企业往往面临“分析师人手不足、分析深度不够”的尴尬局面1。从销售端给出销量反馈，到渠道端、供应链端提出需求响应，最后到生产端安排生产，传统的零售商需求预测都是依赖管理者的行业经验和统计分析去做判断决策。而人工预测常带有主观色彩并且过于依赖于个人能力，经常出现误差较大的情况2。特别是当前端渠道提供的销售数据不及时、依赖人工上传沟通、以及数据真实性准确性有待提高，这都对品牌商的供应链需求预测带来很大的挑战，而需求预测的准确性和库存成本息息相关。在消费需求个性化、柔性生产成为大趋势的市场环境下，零售商的需求预测也需要更准确、更及时的前端销售数据的供给，以驱动精准有效的决策。除需求预测外，库存管理和智能补货也是实体零售产业链管理降本增效的重要发力点之一，某休闲食品零售商，依据门店销售系统、智能电子秤等回传的数据对所有门店实现自动补货，其准确度在1.https:/ 店铺管理：运营数据不足以支持店铺选址、“千店千策”对于零售品牌商而言，终端店铺的智能陈列与店铺运营效率提升也是新消费产业格局下的主要创新与转型方向之一。首先，终端店铺的选择是零售品牌商销售战略的重要一环，所选店铺是否覆盖有相应购买力的社区、人群密度和流量是否达标、人群品类偏好和消费需求是否与品牌商所计划分发的产品类型一致、所选店铺周围是否已经覆盖其他的中大型商超、所选店铺是否已经投放竞品、竞品的销量如何等等，这些都是店铺选址的成功因素。其次，对于大型零售品牌商而言，由于销售的价值链比较长，下游分销商、经销商反馈给品牌商的零售店铺覆盖数据真实性、准确性存疑，店铺统计数据不准确、店铺信息不吻合等情况给品牌商的售点管理带来挑战。1.https:/ 产品创新：缺少终端消费者洞察和消费行为信息，落实“以消费者为中心”品类创新面临挑战所有强大的创新都始于识别市场没有解决的消费者需求的能力。从食品饮料、服饰内衣到美妆个护等消费领域，一个个直达消费者（DTC）品牌近年悦然而起，特别是诸多以深度用户洞察推出爆款产品的本土消费品牌，一度凭借拉近与消费者的距离和以用户为导向的思维，以倍数级的速度增长，向传统的消费品牌发起挑战。因此，越来越多的传统品牌也开始关注“直达消费者”的创新模式，从“自上而下”变革为“自下而上”的创新模式，以消费者需求作为决策的出发点，以达到精准、及时、灵活地满足消费者的需求。以顾客需求为中心的大数据深度分析，可以加速产品决策，不断修正产品组合，以调整现有不同品类和特定产品线，并且积极地引入新的产品甚至创造全新的产品和服务。在数据分析中，除了品类销售数据，搜索引擎、社交网络、电商平台评论关键词，以及顾客群体画像、消费场景数据、消费习惯数据等都是关键的产品创新数据要素，通过大数据分析，得出流行元素、功能指标以及顾客痛点，作为新品研发的输入。因此，零售终端的人、货、场数据是指导零售品牌商产品创新的关键数据要素，如何高效、准确地获取这些数据，是零售品牌描绘增长地图、定位品类战略的重要成功因素。62零售数据智能的应用机遇随着信息化、数字化、智能化额进程加速，特别是后疫情时代，数据在全球经济运转中的价值日益凸显。在2020年4月发布的中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见，将数据作为与劳动力、资本、土地、知识、技术、管理并列的生产要素，这是第一次在中央文件中明确将数据作为一种新型生产要素。那么，数据相较于劳动力和其他传统生产要素相比，有怎样的特殊性和优势？2.1 数据作为生产要素的三大优势边际效用递增：劳动、资本、土地生产要素会随着使用而消耗其价值，而数据并不会因为使用而消耗。相反，数据在流动、应用过程中能得到进一步积累，数据价值会更大。间接赋能：目前，数据并不能直接创造价值，其价值需要通过赋能业务、管理，通过提升企业效率来体现价值，其价值传导链条具有间接性。数据呈指数型增长：传统生产要素都是线性增长的，但数据增长轨迹却是非线性的。图灵奖获得者JimGray提出，每18个月全球新增信息量是计算机有史以来全部信息量的总和1。1.https:/ Gray提出，每18个月全球新增信息量是计算机有史以来全部信息量的总和数据确权数据孤岛数据安全数字权属，就是数据所有权问题，即数据归谁管理、归谁使用，创造的利益归谁分配、如何分配各个系统、各个组织的数据标准不一，数据格式不同，各部门之间数据无法互联互通，不易评估和发挥价值，因而很难根据数据做出全局决策数据易泄露、易滥用、易盗用、难追踪，让数据资产发挥生产力需要先实现“组织规范+技术”的完美整合的安全体系但是，尽管数据有多种作为生产要素的优势特性，如何对数据进行挖掘处理，以释放数据价值、解放数据生产力仍处在探索阶段，且面临以下三大挑战：2.2 数据作为生产要素的三大挑战数据确权：数字权属，就是数据所有权问题，即数据归谁管理、归谁使用，创造的利益归谁分配、如何分配。数据全书包括国家层面的数据管理权、控制权、防护权、反制权、司法权等权力，企业层面的对数据的采集、存储、迁移、制造、分析挖掘、交易、分配等权益，公民层面的基本数据权、人格权、财产权等权力1。数据孤岛：各个系统、各个组织的数据标准不一，数据格式不同，各部门之间数据无法互联互通，不易评估和发挥价值，因而很难根据数据做出全局决策。数据安全：数据易泄露、易滥用、易盗用、难追踪，将让数据资产发挥生产力需要先实现组织规范+技术的完美整合的体系化安全。数字经济的本质是数据驱动，数据作为新的生产要素，正在成为竞争力之一。随着算力和技术发展，大数据和AI技术融合下的数据智能，逐渐在商业环境中应用，并间接创造价值。1.https:/ 数据智能：释放数据生产力的重要引擎什么是数据智能（Data Intelligence）？数据智能是指基于大数据，通过人工智能（AI）对海量数据进行处理、分析和挖掘，提取数据中所包含的有价值的信息和知识，使数据具有“智能”，并通过建立模型寻求现有问题的解决方案以及实现预测。人工智能主要由AI数据、算法、和算法三部分构成，在其发展历程中，先后以传统机器学习和深度学习作为其主流算法。人工智能作为数据智能的模块之一，在2017年AlphaGo成为新闻媒体焦点之后，再次让大家熟知，此后人工智能更多地在自然语言处理，机器视觉等方向蓬勃发展。与之同时在2020年，AlphaFold带来蛋白质结构预测史无前例的巨大进步，也是人工智能另外的一个里程碑。数据智能在更高维度串联行业和企业的业务，将人工智能的算法优势与业务结合，逐步解构和重构行业商业逻辑1。1.https:/ 零售行业的关键数据资产在零售行业的数字化浪潮中，人、货、场的“数智化转型”（数据智能化转型）也在不断深化，数智化的变革也在不断优化消费人群的管理、零售货品的管理，和线上线下卖场的管理。未来零售企业的数智化将不仅是专注于某一个维度的数据，而是尽可能地整合打通人、货、场的数据，实现真正意义上的新零售生态。从人、货、场汇集的海量数据是实现数据驱动的决策的先决条件，这些数据要素不只能够指导营销战略，在渠道铺陈、门店管理、供应链管理、产品研发等方面都能成为优化升级的重要推力。2.5 数据智能赋能实体零售战略升级在实体零售场景下，数据智能将着力赋能解决目前的四大实体零售业务痛点：-产品创新：缺少终端消费者洞察和消费行为数据，落实“以消费者为中心的”品类创新面临挑战-供应链管理：需求预测、智能补货、物流运营缺少数据支持-渠道管理：人力成本较高、数据准确度待提高-店铺运营：运营数据不足以支持店铺选址、“千店千策”人货场数据打通10购买行为数据营销活动行为数据电商浏览评论行为数据社群互动行为数据客服系统数据会员数据商品库存数据商品陈列数据物流数据供应链数据门店终端数据售点分布数据电商平台数据效果营销渠道数据现象级产品研发数据智能能够通过洞察四大维度的数据解决实体零售产品创新的痛点，聆听与洞悉消费者兴趣和潮流趋势，实现现象级DTC产品研发：-线下消费者行为洞察：通过打通和对接零售终端的销售数据、商品铺陈数据、和卖场消费者行为数据，获得线下消费行为洞察，分析受欢迎的产品品类-线上消费者行为洞察：社区团购已经成为实体零售增长的重要渠道，通过埋点社区团购平台的用户行为数据，可以获取实体零售门店线上渠道的消费者行为洞察-营销平台消费者互动行为洞察：通过埋点线上营销平台的消费者互动行为，洞察消费者对线上营销内容、形式的反馈，从而分析消费者兴趣热点-公域社交媒体潮流趋势洞察：通过爬虫、对接公域社交媒体数据，洞察最新潮流趋势敏捷化供应链管理数据智能能够通过对接零售终端的多维度商品数据，解决目前零售品牌商供应链管理的多重挑战。当品牌方能够实时获取零售终端的销售数据、社区团购销售数据、库存数据、和出库商品的“一物一码”数据，将能够实现精准需求预测、智能补货和高效物流运营高效化渠道管理数据智能能够通过集成零售终端的商品铺陈数据和销售数据，降低渠道管理的人力成本。通过AI图像识别和算法分析等工具，品牌方能够实时获取零售终端的铺陈情况，提升零售稽查效率精准化门店运营数据智能能够通过打通零售终端的商品铺陈数据、销售数据、第三方LBS数据、人口信息数据、和会员数据，实现精准店铺选址和“千点千策”门店运营现象级产品研发整合线下消费者行为数据、线上消费者行为数据、营销平台消费者互动行为数据、及公域社交媒体潮流趋势数据，聆听与洞察消费者兴趣和潮流趋势，从而高效创新研发现象级产品，驱动品牌增长01敏捷化供应链管理对接零售终端销售数据、库存数据，商品“一物一码”数据、社区团购销售数据，实时获取零售终端的销售进度，从而实现精准需求预测、智能补货和高效物流运营02高效化渠道管理集成零售终端的商品铺陈数据和销售数据，通过AI图像识别和算法分析等工具，品牌方能够实时获取零售终端的铺陈情况，提升零售稽查效率03精准化门店运营通过打通零售终端的商品铺陈数据、销售数据、第三方LBS数据、人口信息数据、和会员数据，实现精准店铺选址和“千点千策”门店运营04数据智能赋能实体零售战略升级11可收集可识别可分析可运营数据智能赋能实体零售战略升级零售数据智能战略架构数据感知AI图像识别数据(OCR)社区团购平台埋点数据RFID数据更多渠道数据数据采集整合系统对接零售稽查系统采购系统POS系统ERP系统API数据对接数据存储交易数据陈列数据库存数据物流数据消费者数据售点数据LBS数据选品采购数据营销数据数据治理数据标签化消费者标签库人口统计 交易行为营销行为 社交行为商品标签库产品属性 功能属性设计属性 流通属性售点标签库门店特征 门店绩效门店客群 门店铺陈营销标签库活动类型 折扣程度场景行为 投放渠道AI算法分析数据分析建模分析数据可视化商品运营市场品牌门店财务数据驱动决策门店洞察供应链洞察渠道洞察产品洞察门店精准选址千店千策店铺运营陈列督导增效敏捷促销管控精准需求预测柔性生产赋能DTC产品创新消费者聆听2.6 零售数据智能战略架构数字化转型的一个重点是从根本上加强数据的可获得性，来自“人货场”的海量零售终端数据如何实时、精准地反馈给品牌商，从而赋能品牌商进行数据驱动的战略决策？在整个零售数据智能的战略架构中，释放数据要素的生产力分为四个步骤：可收集 可识别 可分析 可运营。数据可收集数据要素的收集分为采集整合与数据存储两部分，而在数据采集整合中，有两种类型的数据源：感知数据和系统对接数据。感知数据可分为“硬感知”和“软感知”。“软感知”数据可包括埋点数据、爬虫数据和系统日志。“硬感知”数据包括图像识别、语音识别、视频识别、二维码识别、RFID识别、传感器数据、工业设备数据等。在实体零售场景下，“软感知”数据可包括社区团购平台的用户行为埋点数据，“硬感知”数据可包括货架铺陈图像识别数据、消费者行为视频识别数据、“一物一码”二维码识别数据、商品追溯RFID数据等。而除感知数据之外，另一重要数据源则是系统对接数据。包括内部和外部的系统对接，如渠道管理系统、售点信息系统、门店POS系统、CRM系统、ERP系统等。通过采集感知数据和系统对接数据，零售数据要素得以实时、精准地对接给品牌商，再根据品牌商的运营需求，围绕“人货场”及相应细分类别将采集对接的原始数据进行分类。12数据可识别完成存储的海量零售终端数据，可能是结构性的，也可能是半结构性，这样的数据需要清洗汇总才能使用。清洗后的数据被标签化之后，成为能够直接为业务所用并产生业务价值的数据载体。而在实体零售场景下，完成存储的原始数据，通常以业务类型进行标签库算法识别，常见标签库分为四大类:消费者标签库、商品标签库、售点标签库、和营销标签库。在消费者标签库中，包括人口信息、交易行为、营销行为、社交行为等子标签；在商品标签库中，包含产品属性、设计属性、功能属性、流通属性等；在售点标签库中，包括门店特征、门店绩效、门店客群、门店铺陈等维度的子标签；在营销标签库中，子标签包括营销活动类型、优惠政策力度、活动场景行为、活动投放渠道等。数据可分析对接业务系统并标签化的数据通过建模分析，可以直接为各业务部门提供可视化数据报表，从而为精准业务决策提供可视化、实时、精准的数据要素。商业数据分析通常分为四个层次：描述性分析、诊断性分析、预测性分析、和指导性分析。零售品牌商将根据具体业务需求和原始数据的质量，搭建适合的数据分析架构，并以可视化的方式，反哺与赋能各部门的业务管理。数据可运营在实现数据可分析之后，通过AI和机器学习高级算法，能够实现智能化数据驱动的决策，从而实现现象级产品研发、敏捷化供应链管理、高效化渠道管理、和精准化门店运营，端到端赋能实体零售的战略升级。随着5G、物联网的发展，数据呈现爆发式增长状态，预计2025年全球数据量将达到175ZB，中国预计48.6ZB，成为全球第一1。作为零售品牌商而言，数据作为资产的重要性愈加凸显，对于不同类型数据资产进行融合、打通、管理成为影响数据资产价值的关键因素。1.2025 年全球数据量高达175ZB，开发者如何挑战数据洪流？_Stratix()133零售数据智能案例分析随着新常态下实体零售行业的变革与发展，“数据作为生产要素”的国家级战略政策也逐步在实体零售行业从概念落地到业务决策的方方面面。在本章节中，我们将分享三家零售品牌商的数据智能应用案例，逐步解析数据智能如何为零售企业在以消费者为中心的新产业格局下释放增长潜力。3.1 快消饮料集团A：全链路数字化，快消饮料产业数智升级的先行者作为全球领先的快消饮料生产零售企业，快消饮料集团A早在2019年，就明确将数字化战略定位为五大核心战略之一。在中国的首条数字化生产线也在2021年正式上线，标志着数字化战略将覆盖业务运营的所有环节。得益于中国市场的数字化基础设施建设和人才，快消饮料集团A的数字化进程发展顺利。目前国内的87万台智能冰箱已经全部联线；数字化工具连接超过100万家终端零售客户，1.2万多名销售人员全部配备手机移动端，在店内可以进行库存检查、及时下订单、检查执行以及与客户互动1。1.http:/ 高效化渠道管理：实时终端数据回传+秒级分析报告，为渠道管理降本增效快消品零售中，除了产品本身，陈列执行也是影响销量的核心因素之一。商品陈列不仅是为了展示产品、吸引消费者注意力，实质是为提高商品的成交率。为了能使自家产品占据有限的货架资源，品牌商通常会此支付高昂的费用，然而即便如此，这些产品仍可能不容易被顾客察觉到。因此，渠道管理对饮料产品的销售业绩影响显著。“物有所值、心中首选、无处不在”是快消饮料集团A一直以来的品牌策略。“物有所值”是品牌形象的塑造和打造有市场竞争力的产品，“心中首选，无处不在”是销售渠道端尽善尽美、销售者至上的管理模式，“渠道管理即是覆盖消费者从品牌认知到产品获取的所有中间环节，饮料产品消费者购买时通常在一两秒的时间内瞬间作决策，因此渠道铺陈的成功执行特别重要”快消饮料集团A渠道规划总经理表示。按照行业情况，一家零售品牌商的产品陈列费用占其营收的5%左右，而陈列费用中的10%是用在了零售稽查上2。传统的零售稽查成本在每家门店近百元左右，高昂的成本使品牌商不得不采用抽查的形式，因此只能覆盖极少的售点，并不能够看到市场全貌。对于快消饮料集团A这样在中国拥有超过数百万家门店、及数百万家零售门店直控管理的品牌商，一年的零售稽查成本大约在几亿人民币。因此，高效化渠道管理成为快消饮料集团A零售数字化升级的先行赛道。2019年中，快消饮料集团A与某新零售人工智能服务公司达成战略合作，利用后者的AI图像识别技术覆盖零售渠道系统。在软件端，业务代表通过APP或小程序拍摄冰柜、货架、堆头、促销物料等场景照片，系统自动识别其中的商品陈列信息，并自动生成BI报表，包含产品铺货、可视排面冰柜、渠道活动、价格沟通等多个维度，帮助品牌提高在零售终端的执行力。店主也可以自己拍照并通过APP上传，并且实时生成报告，如果排面合格，店主可以实时收到快消饮料集团A分发的奖励，信息反馈效率大幅提升。与此同时，快消饮料集团A也可实时查看陈列执行情况，掌握产品市场表现，大幅提升执行效率。在硬件端，利用IoT、RFID、移动支付等技术，它能够实时获取如冰柜开关门的频次，货品数量变化等数据，且所有数据实现秒级回传，并在云端完成基于规则引擎的实时数据分析生成排面报告，赋能品牌商的运营决策。目前某新零售人工智能服务公司的AI数据智能服务已应用到快消饮料集团A全国数百万家门店中，全球预计过千万家。以传统稽查方式，业务代表检查一家门店大约需要14分钟。使用某新零售人工智能服务公司的市场执行管理系统，可以将店检时间压缩到3分钟左右。服务上线一年半，已经为快消饮料集团A渠道管理大幅降本增效。某新零售人工智能服务公司的解决方案一方面降低人工拍照、照片审查的成本，另一方面，能够实现全售点覆盖的市场执行管理，全面地向快消饮料集团A反馈市场洞察。同时，也能够赋能区域销售代表的管理，为销售根据门店市场执行的表现进行工作任务排序，提升销售部门的渠道运营效率。3.1.4.2 精准化门店运营：数据闭环赋能“千店千策”，提升门店销量/库存周转率对于大型零售品牌商而言，所管理的渠道终端不仅数量庞大、遍布广泛，其种类也繁杂多样，1.https:/ 门店陈列设计4门店任务管理5智能运营监控6效果回归追踪“千店千策”门店智能运营闭环“千店千策”门店智能运营闭环203.1.5 未来展望：饮料快消数据资产生态化作为快消零售渠道数字化的先行者，快消饮料集团A已经积累了海量零售终端的商品及卖场数据，这些数据资产本身对于饮料零售行业而言也具有显著的商业价值。展望未来，饮料快消数据资产的商业化可以从下面三个方向逐步发展演化：数据智能，用技术手段进一步解锁数据资产的商业价值数据能力外溢，通过数据即服务（DaaS)的方式为行业中其他品牌商赋能数据资产生态化，整合行业品牌商，共建共享零售终端数据，将数据资产生态化数据智能：饮料快消行业作为与人打交道的行业，市场经验仍然很重要，在快消饮料集团A看来，数据智能的未来发展方向，一定是大数据和经验决策的有机结合。通过全链路数字化采集实时的业务与市场数据，从而极度颗粒化地掌握消费者在何时、何地、何种场景下有消费需求，并及时做出响应，是数据智能发展的商业目标。数据能力外溢：企业内部的数据智能发展到一定成熟度，所积累的市场执行数据资产在赋能企业内部管理之上，也能够产出有价值的市场分析洞察，快消饮料集团A亦希望通过数据即服务的方式，与饮料快消行业分享有价值的市场洞察，让各家品牌商都能基于实时、精准的市场洞察，进行品牌、业务和产品升级。数据资产生态化：渠道管理作为各饮料品牌商的资源部署重点，耗费高额成本，同一家门店一天内经常有多家品牌商进行市场执行数据收集，“我们希望大家一起整合资源去做这件事，通过建立统一的行业数据标准，让我们和全行业一起，以极高的效率、极低的成本完成市场执行管理，让市场执行数据变成行业基础架构的一部分，实现数据资产生态化，是我们的愿景。”快消饮料集团A数字与资讯科技总监表示。站在行业视角，整合零售终端的货场数据，更好地赋能饮料零售行业的发展，进一步释放数据要的生产力，构建饮料零售行业共同的数字化愿景。213.2 快消饮料领先企业B：加强供应链管理实现降本增效，产学研结合突破创新难题快消饮料领先企业B自90年代成立以来，厚积薄发，凭借独特的经销体系和稳健的经营理念，长期以来居与行业领先位置。一大核心因素为强大的市场渗透能力，截至2020 年 5 月，快消饮料领先企业B终端零售网点超过200万个。去年，某气泡水新消费品牌的成功为软饮料行业展示了全新的经营模式，这不仅为渴望在市场上占据一席之地的新兴软饮料企业们打了一记强心针，更给传统饮料行业领先企业带来极大触动。作为在线销售比例低、主要依赖传统渠道的软饮料快消行业，某气泡水新消费品牌的成功驱动了软饮料快消行业从传统ToB业务模式转型到ToC模式的转型，也展示出拥有和消费者直接对话的能力、能够实时获得市场洞察对品牌商的重要性。为此，快消饮料领先企业B的数字化转型将以数据为基点，加强供应链管理，贯彻产学研结合的政策，不仅要推出新品，更要推出爆品。3.2.1快消饮料领先企业B三大零售数字化转型目标现阶段，快消饮料领先企业B的数字化转型主要着重于三个方面：供应链管理，大数据决策与产学研创新，做到三方面全方位推动数字化转型赋能零售业务增长。加强供应链管理：供应商生命周期全过程进行线上管理，跟踪生产过程各类检测指标，对异常数据实现复核追踪；人工智能帮助实现销售数据反哺供应链管理，提高效率，降低成本。1.https:/ 快消饮料领先企业B数字化转型未来蓝图全方位的数字化转型目标要求快消饮料领先企业B联合数据科学专业服务公司，某新零售人工智能服务公司，共同搭建蓝图，双方从数据驱动的市场洞察及产品创新个层面，为快消饮料领先企业B量身定制了新零售市场下的数字化转型方案。数据驱动的市场洞察：从人、货、场三大维度收集市场数据、销售数据与消费者数据，扩充已有数据库，把握真正的市场表现，增强市场洞察力，识别具有爆发力的竞品；进一步挖掘当前数据库，实现供应链管理升级，做到经销商数据透明化。DTC产品创新：在直营端，通过布局“芝麻店”和发布微信小程序“送水到府”开展O2O、社区团购，拓展家庭、商务渠道，基于b端的流量，不断触达、接近、裂变消费者，通过不断优化直营业务的透明度和市场规模获取一手消费者洞察。在经销端，与某新零售人工智能服务公司合作获取线下零售终端的卖场数据洞察，同时，“送水到府”小程序也直连门店b端，能够多维度采集到b端的数据，通过b端c端数据的有效采集和集成，实现DTC产品创新1。231.https:/ F2B2C大数据助力产品创新：扎根于线下b端赋能，获取精准市场洞察在传统饮料品牌商的营销模式中，品牌商和“B端”（终端网点）基本属于失联状态，原因是营销技术的发展还不足以让品牌商具备直接链接B端的能力。进入产业互联网时代，用互联网大数据为零售终端千千万万的B端赋能，与B端易于触达客户的优势进行创造性的结合，是释放品牌增长势能的重要路径。坐拥强大的线下渠道资源，打通F2B2C链路，通过赋能与激励b端更好地触达和服务C端用户，将撬动巨大增长动能。通过F2B2C小程序，收集整合海量线下渠道的人、货、场数据，并利用人工智能大数据分析市场洞察、消费者洞察、产品洞察、营销洞察、品牌洞察，实时精准反哺b端，同时基于敏锐及时的市场洞察与消费者洞察，实现DTC产品创新，再通过敏捷、小范围投入市场试水，快速收集市场反应并快速匹配相应的供应链规划，从而实现完整的DTC产品创新数据闭环。快消饮料领先企业B作为饮料行业的头部企业，在数字化转型过程中追求的不仅是保留当前领先的市场占有率，更要做到在新品频现的市场上独树一帜。而打造一款“爆品”需要的不仅仅是前沿的生产能力和新颖的研发角度，更重要的是透彻的市场洞察和完备的消费者画像，快消饮料领先企业BDTC产品创新数据闭环品牌商未覆盖经销终端已覆盖经销终端直营终端消费者F2b2C小程序F2b2C小程序经销商管理门店管理品类数据商品动销率品类偏好营销活动偏好消费者原生数据消费者行为数据消费场景数据交易数据DTC产品创新千人千面推荐引擎24而消费者偏好的有效传达则是品牌商在创新过程中面临的痛点之一。而对于像瓶装饮用水领先企业A这样线下渠道庞大的大型品牌商而言，市场洞察的获取也需分渠道类型精准管理，整体将渠道分为三种类型：未覆盖经销终端未覆盖的经销终端对于传统品牌商而言是市场盲区，除了通过市场调研公司获取粗线条的数据报告之外，精准的市场洞察和竞品生态很难获取。瓶装饮用水领先企业A通过与AI零售数据智能公司零眸智能合作，获取海量尚未覆盖的经销终端的卖场铺陈数据和竞品品类数据。已覆盖经销终端对于已覆盖的经销终端，瓶装饮用水领先企业A基于数字化能力，以F2B2C“送水到府”小程序，打通线下480家门店1，一方面高效进行经销商和门店管理，同时及时获取商品动销率、客流量、客单价分析、商品品类等相关渠道经营数据，并且赋能b端有效链接和运营消费者社群，提升消费者生命周期价值。直营终端对于已覆盖的直营终端，同样通过F2B2C小程序系统，及时获取商品动销率、客流量、客单价分析、商品品类等相关渠道经营数据，并且有效链接C端消费者，建立一个用户账户体系，对用户数据进行打通并进行深度经营。通过F2b2C小程序，快消饮料领先企业B解决了B端的用户连接与用户数据的问题。通过小程序的连接能力，瓶装饮用水龙头企业B知道他们的消费者究竟是谁、终端网点客户需求如何、产品在终端是否能够得到充足的铺货与陈列、打折促销是否能够吸引更多的新用户。快消饮料领先企业B通过用户账户体系获取到B端的用户数据之后，实现数据驱动业务增长的模式2。同时，基于清晰及时的市场洞察，快消饮料领先企业B的产品创新也得以通过更敏捷高效的模式推进，更好地聆听消费者，赋能更精准的新品研发，真正实现DTC产品创新。1.https:/ 世界领先酒类企业C：智能化渠道管理，使市场投入效用最大化世界领先酒类企业C拥有悠久的历史，自踏入中国市场以来，在中国以及整个亚太区实现了20多年的持续增长，成为亚太主要国家的酒类市场引领者。作为市场份额领先的大型酒类企业，庞大的销售网络的管理效率一直是世界领先酒类企业C的痛点之一。在其整个销售网络中，直销门店远低于经销门店，区域经销商对市场投放的效果的影响力很大，因此，对于品牌商而言，售点销售情况和市场执行管理面临的首要问题就是数据收集。世界领先酒类企业C一年的市场投入高达300亿，但传统投放激励模式资金损耗较大，在运营中台尚未落地的2020年内，世界领先酒类企业C通过业代访店、QC人员检查等方式稽查出近亿元未合规发放市场投入。为解决渠道管理的痛点，世界领先酒类企业C与某新零售人工智能服务公司达成深度战略合作，根据公司现状和数字化新零售的前景需求，从数据、决策、成果稽查及反馈三个维度设计了渠道管理数字化转型的方案。为了打通零售点和品牌方之间的人时地三重阻碍，世界领先酒类企业C推出面向店主的小程序并在某新零售人工智能服务公司的图像识别技术支撑下，做到了每天输入输出4-10万张售点铺陈图像，自上线以来覆盖了大量线下售点。世界领先酒类企业C与某新零售人工智能服务公司合作之后，业务代表通过移动手机拍摄售点货架、促销物料等场景照片，上传系统数据库，采用图像识别技术将新图像与过去6个月至一年间内的图像数据进行对比，借助人工智能自动判断零售终端对营销战略的执行力。这一解决方案既能有效监督市场执行商，又能够实现投放合规之后直接将激励金落实到售点商家账户，充分激发商家的积极性。26