系統版本：i7-1165G7，windows10

APP版本：ZOHO-manageengine 2021版

硬件型號：聯想ThinkPad E14

“貨”、“人”、“場”是新零售企業運營的核心。零售企業應該從以上3個角度進行數字化轉型。

一、管理“貨”：如何科學布局智能供應鏈？

“貨”的管理離不開對供應鏈監控，提高供應鏈效率是零售企業致勝的基礎，這是重新審視市場需求與供給的全過程。庫存管理是其中重要一環，供需平衡是企業對貨品運營與管理的理想效果。

由于不同客戶銷售狀況無法判斷、無法衡量商品的熱銷和冷門品類、不同地域下的市場差異性需求難以評估等原因，導致商品供求總額之間的矛盾、商品供求構成之間的矛盾、商品供求在時間上和空間上的矛盾。

庫存均來自“需求”，因此控制庫存本質就是要看透“需求”。庫存是一場企業要贏的生存戰，以降低庫存成本和提高企業市場反應能力為目的。

• 場景一：如何找到重點客戶的“高頻貨”？

這是零售企業亟待破解的難題。零售終端（商點、超市等）銷售能力、剛需與高頻的商品品類是企業的首要考慮因素。我們可以先假設滿足訂貨量大、訂貨頻繁、客單價高條件之一的商超客戶為“重點客戶”。

圖2 重點客戶不同乳制品品牌的商品銷售

企業同樣可以掌握“非重點客戶”的品牌青睞，除此之外，還應該了解這些“高頻貨”和“剛需貨”都賣給了哪些商超。

• 場景二：作為經銷商，能否向品牌商交付優質業績單？

作為上游生產廠商的經銷商單位，為確保以后能與品牌廠商持續穩定地合作，經銷商要為合同(協議)履行期間交付的銷售業績負責。為保證階段性的銷售任務達標，經銷商要實時了解各城市、各階段的鋪貨情況，以實現市場渠道終端品牌銷售的精細化管理。管理者還應了解各個商超的鋪貨情況，對銷售預測提供一定的科學根據。

 圖3 企業各分公司對特定商品

新零售的核心是線上線下的融合。多數零售企業會通過線上電商銷售以及線下實體銷售，來構建線上線下多終端全零售服務場景，線上與線下體驗融合與精細化運營，給客戶建立多渠道的立體式互動體驗。

“陳列”與“氛圍”是賣場的重要衡量因素——線上下店鋪都需要考慮陳列關注商品是否易瀏覽、易購買、展現形式是否刺激消費欲望等。

科學的數據分析可以無限逼近客戶真實意愿，零售企業通過改進購買決策路徑、優化列表頁的體驗、提升首頁流量分配效率、最終提升用戶的轉化率。

其中常用的數據分析模型為事件分析模型、分布分析模型、漏斗分析模型、點擊分析模型等。下面通過兩個場景介紹下數據分析在“場”的管理價值。

• 場景一：深度感知APP商超客戶體驗

“我的商超客戶是否在用APP？是否活躍？”與傳統互聯網企業不同，除關注交易數據外，線上業務運營狀況頗受轉型中零售企業的重視，他們十分關注：客戶是否熱衷于使用APP／網站？客戶應用體驗如何？是否活躍？是不是每次使用都訂購了貨品？是否能夠快速找到自己想訂的貨品？等等。

3月份客戶APP應用時長

• 場景二：啟動APP后，為何只有30 % 商超客戶交易成功？

在某次評估客戶總體轉化率過程中，通過漏斗分析發現，提交訂單的商超客戶僅有30%，接下來可以通過用戶路徑客戶流失的原因所在。通過數據分析平臺，清晰展示了商超客戶的動作走向，為判斷客戶流失原因重要方式之一。

圖6 用戶行為路徑分析

中商惠民運營人員選取若干事件對客戶購買路徑進行深度分析。圖5顯示，用戶登錄APP后，約有40 %的客戶會點擊Banner，30 %的客戶會直接進行商品搜索，約10%的用戶會瀏覽商品列表，約 5 %的客戶直接退出APP。

進一步看4類用戶的提交訂單的情況，直接進行“搜索商品”的用戶進行提交訂單比例最高，超過90% ；與其形成鮮明對比的是，盡管“點擊Banner”是更多客戶登錄APP后的首選動作（約占總客戶的40%）但是這部分用戶群體在瀏覽商品列表后，僅僅30%的用戶提交訂單，說明Banner內容布局有著比較糟糕的用戶體驗，則成為企業首選優化與改進的方向。

• 場景三：科學評估站內推廣位的效果

首頁推廣位的效果監控是站內運營重要一環，數據的監測與分析是重要工作，它為站內優化、頁面體驗提升作出指導。運營人員可以通過用戶的點擊轉化率與購買轉化率可以判斷頁面不同推廣位置效果。

圖7  “一元促銷”、“清潔專場”兩個Banner轉化率情況對比

除了以上三個應用場景，零售企業來說在數據分析平臺上完成“場”的管理：商超客戶是否都能快速找到自己想訂的貨品？商超客戶的購買路徑是否最優？商超客戶的訂貨意愿低的癥結在哪等。

三、“人”的管理：如何數字解密，實現用戶畫像與業代科學評估？

在新零售時代，“人”的管理主要包括對客戶管理和業務人員管理兩方面。

1、客戶管理

客戶管理的重點是關注用戶整個生命周期價值，更重要的是客戶成功，即客戶是否在更好地使用產品，是否再續約、升級銷售。當運營人員可對客戶分群管理，從而采取不同的策略。用戶分群分析模型能夠幫助企業甄選出具有一致屬性或特征的用戶群體，并對其深度觀察其行為特征。

眾多零售企業在數據分析平臺上借助用戶分群功能配合其他分析模型，能夠了解到客戶使用產品的頻率、活躍天數、使用深度、采購趨勢等數據指標，快速甄選出高活躍度客戶、一般活躍客戶、流失風險客戶。

對于處于中間環節的供應商來說，高活躍度客戶成功經驗能夠傳遞給企業許多優質運營經驗，而具有流失風險的客戶則需要重點且快速地跟進。

• 場景一：如何預警客戶流失？如何挽救？

由于大客戶資源的稀缺性，其粘性被受企業關注。在上文“貨”的管理中已介紹如何篩選重點客戶，此處不再贅述。通過數據分析的“用戶分群”功能可以將篩選出來這批客戶定義為“重點客戶”。

一組數字的變化重點客戶流失前兆：購買頻率降低、充值金額降低、登錄頻率降低等，這據企業業務情況有所差異。下圖是通過數據分析的“用戶屬性”分析模型，篩選出距上次購買已經超過一個月的重點客戶。

圖8 準流失客戶群預警

上圖顯示有超過166個商超客戶一個月未訂貨。點擊166數字，會呈現166家重點客戶明細。30天未發生購買的原因很多：一是重點客戶未流失，只是不再用APP下單；二是重點客戶流失了等等。此時就需要業務代表進行召回動作，無論屬于哪種情況，運營人員可以在神策分析上通過個別用戶行為（重點客戶）序列，分別了解重點客戶路徑，找到重點訂單量驟降的原因。

2、業務人員管理

• 場景二：如何科學、全面衡量業務代表的工作表現？

業務代表是經銷商的一線人員。業務代表需要定期拜訪終端客戶，了解終端客戶需求，并執行銷售政策和促銷政策。且需要在區域經理和經銷商的指導和監督下做好終端維護工作，以協助經銷商完成銷售指標。

由于業務代表常年在外奔波，業務代表管理工作考核格外重要。為透明化管理業務代表情況，管理者需要了解“我的業代人員每天在做什么？”、“業務代表的每日行為路線？”“路線覆蓋區域有哪些？”“巡店拜訪簽到和現場情況記錄如何？”等等。

數據分析平臺能夠與CRM系統對接十分重要，除了高質量線索的渠道評估、把握客戶需求賦予銷售精準洞察力外，還實現了對業務人員的管理。

圖9 年初迄今，包頭市四名業務代表的拜訪客戶次數情況概覽

不難看出，但從拜訪次數上說，003的拜訪勤奮度明顯高于002。不同業務代表所負責客戶完成支付訂單的情況也是評估業務代表績效的重要因素，如圖10。

圖10 不同業務代表所負責客戶的支付訂單次數

總之，為保證對業務代表考核的科學性，應該多維度全面地考量。當數據分析平臺與CRM對接后，管理者可以按時間周期匯總業務代表拜訪客戶情況、分布、訂貨情況等，并能針對性分析單個業務代表的行為線路（時間、路線內外的操作情況——拜訪、上傳等操作）等。

新零售時代，是以客戶為核心的全域洞察時代。在新服務業態下，客戶數據不完整，粒度粗糙等已成為零售企業發展最大羈絆。