从流量时代到效率时代,苏春园:新品牌的数字化路径是什么?
作者: 浪潮新消费 来源: 浪潮新消费 2020-10-21 09:35
数字化一直是消费零售行业的主旋律。
尤其是在过去两年,前端人群、渠道的瞬息万变,让快速迭代成为新品牌应对这种不确定性所必须具备的基本能力。而这种能力背后的数字化,也逐渐成为品牌增长乃至爆发的重要驱动力。
疫情让数字化再一次被很多企业提上日程,但除了直播、私域,大部分品牌对于数字化的落地依然感觉无从下手。“大量的本地数据散落在10-20套系统,以及各种业务人员手中的Excel、报表里,这是90%公司的现状。”
在这种情况下,品牌如何从底层规划数字化的路径?落到企业内部,如何思考数字化对于不同角色的价值?
最近,在新浪潮品牌俱乐部会员活动中,观远数据创始人兼CEO苏春园围绕企业数字化的具体趋势、价值以及落脚点,深度分享了近一个小时。
苏春园拥有超过15年数据分析、商业智能管理服务经验,2016年创立观远数据。
围绕数据分析决策,已服务联合利华、元气森林、三顿半等众多零售消费企业,对于数字化在各阶段消费企业的价值和落地有着深刻的理解。
节选部分精彩内容,与消费创业者共享!
整理 | 李 响
口述 | 苏春园
很高兴有机会跟大家分享,对于新消费品牌数字化的一些思考。
我在大数据分析、商业智能这个领域做了十几年,服务了很多500强的消费品牌,在四年前与几位合伙人一起创立了观远,深耕零售、消费与新经济领域。
今天不会讲太多直播、私域,现在的概念太多了,我们更应该从底层的角度思考,怎么样去规划数字化建设,哪些是真正持续的红利,哪些只是阶段性的红利。
最近一年很有意思,大家都在谈论疫情,但现在国内疫情已经差不多稳定。我们说不要浪费任何一场危机,对于消费品牌,对于经营者来说,在疫情期间沉淀了什么?
大家可能想到直播、私域、全渠道等等这些概念。在疫情前期,确实也有一波品牌抓住了这些红利。但走到今天,所有的品牌都在尝试做微商、做直播。
当它变成人人都去做的事情时,什么才是可持续的红利?这里我分享几个例子,像Lily商务时装2月底就开始做直播,奈雪小程序下单也是在春节之后推出的,联合利华这种500强也开始加入到直播的行列。
但我想跟大家分享的是背后的数据化,前面的事很多品牌都会去做,但数据化只有那些意识相对领先的企业才会去做。
比如这里大家看到的,叫“人人都是带货王”,当一个企业发动全部员工,把所有人都变成微商,让所有人带货的时候。
怎么在第一时间,发现哪些是带货达人?哪些不同Level的同事,在他朋友圈的九宫格里,新品老品的搭配、选款产生了比较好的效果?他们在社群里面,有一些什么样的动作?
还有像线上跟线下,线下陆续恢复,同样的产品线上哪些渠道跟线下有不一样的表现?包括新旧货的分析,怎么用新商品去救活老商品,通过更大的折扣力度去强化库存消化等等。
我们一个企业可能会产生几百几千个KOC,每一个带货的员工,就相当于原来的一个渠道或店长,里面一定有一些人的能力、品味、促销方式比别人更好。
在疫情中,有一些比较领先的企业,就是在这个过程中每天不断地迭代,不断地进行带货分析,不断找到更好的带货组合,促销定价方式。
然后把这些好的方式复制给其他人,从运营、激励的角度做赛马,做各种内部分享,让更多人带货,提高带货效果的极限。
所以真正可持续的红利未必是前端的这些动作,而是在人货场里,把每一次促销、社群运营,以及每一次的商品选择,进行及时快速的迭代,然后不断发现新的增长机会。
无外乎还是围绕“人货场”,但这里面,从技术的角度我们看到一个正在发生的趋势,就是颗粒度在不断地细化。
以前大家可能每周开一次经营会,通过看上一周的表现,去发现商品、促销上的问题和机会。但在疫情带来数字化的今天,大家的意识都在加速觉醒,注意力回到了单店,甚至是单点上。
比如每次朋友圈促销,顾客购买的背后意味着什么?我们能不能抓住原因,去把它放大?然后看哪些商品,在什么群体、什么时间点适合做什么样的动作?
甚至每小时不断地进行线上测试,尤其在直播时,以小时为单位进行迭代,进行促销调整。
过去流量所带来的红利,包括最近的直播,都是一个非常快的窗口,更底层的是需要把流量精细化地用好。在同样的时间周期里,通过数据的方式、更细的颗粒度,去发现里面的增长机会,然后更快地去迭代。
这是我要跟大家分享的第一点,2020年已经从流量时代进入到效率时代,真正比拼的不是热词或者什么红利,而是精细化运营、智能决策以及快速迭代的反应能力。
现在的消费品品牌和零售品牌,正在向智能化使用数据的方向做创新。以前大家做管理决策更多的是基于历史数据统计,比如用Excel、报表等等,它没法响应前面讲到的颗粒化的单店、单品、单客、单次的快速迭代。
未来的趋势一定是更加智能的分析与决策,比如说上新品之前就应该搭建一个分析的指标体系,先确立要通过什么动作,来达到什么效果。
在开始实施后,通过这个体系不断地发现各种问题与机会,及时地去调整和放大,甚至可以用来预测未来一段时间的变化,比如通过预测去发现需求端、电商端的异常,然后给出行动建议。
从传统的报表往更加智能的方向演进,是从2020年到2030年决策方式的变化。
每个企业和竞争对手最终比的是从CEO到一线,所有人每天做决策的水平,这些决定了公司的水平,所以如何更高效地做决策极为重要。
这里面有三个关键角色:
首先是一号位CXO,尤其是CEO。
第二是一线,能不能通过更傻瓜的方式赋能给前线,让他们快速地知道问题,不用特别动脑筋,就可以做出一些响应。
然后是分析师,数据分析师是一个非常重要的抓手,用他可以盘活数据,做整体决策能力的升级。
大家都知道数据很重要,但是不同角色应该关注什么,抓手在哪?
1、一号位:从周迭代到日迭代是如何实现的?
首先从CXO一号位说起,任何一个一号位都希望可以运筹帷幄,但疫情没法出去就直接导致了与一线的隔离,出于与一线进行连接的需求,疫情加速了数字化的应用,原先可能想做没有做的事情,现在给做好了。
很多CEO的办公室开始出现一个大屏,像上面这样的全国通览,我们叫空中巡店,从总部可以看到整个经营的神经末梢不管什么终端,都可以通过一层一层的穿透,在这个屏幕上表现出来。
这里面我们要思考的是,企业一方面要有一个数据载体,第二还要有数据文化。比如CEO把数据给各个部门的中层或者高管,甚至是整个前线,让他们知道一号位的决策逻辑和数据逻辑是什么。
尤其是渠道部和运营部,让他们知道自己的指标和CEO关注的整体指标之间的关系后,就可以更好地配合公司整体战略。
因为一号位非常透明、非常实时地在看这些数据,可以再放大数据分析和数据决策的作用。所以过去以周为单位的迭代,在今天可以变成每天迭代若干次,基于这样的逻辑,创新意识较强的一号位在快速拥抱这种方式。
2、一线:如何让95%的人复制5%的优秀经验?
第二是一线人员,他们是渠道的最终端,当所有人都在做一件事的时候,一定只有5%的人做得比较好,剩下95%都是芸芸大众。那能不能让这95%复制这5%的优秀经验?
假设我们有1000个导购,一定会有一些导购的做法更有参考性,去发现其中的规律然后推荐给更多人。
可能不同城市的做法不同,但通过算法、分析模型,可以找到最匹配目标群体的方式,本质上就是怎么给一线更多的赋能。
3、数据分析师:每天运行500个试验的背后
第三是数据分析师,这个在新锐消费品牌里很常见。
我特别建议团队里有一两位专门做数据分析的人,这个至关重要。以小红书为例,它有超过3亿的用户,如果说其中有1500-2000万的活跃用户。
那这2000万活跃用户怎么商业化?如果说历史准化率是1%,怎样通过运营、定价、营销等方式,把1%变成1.05%、1.1%,只要不断地迭代增长,未来就非常可观。
所以,小红书有大量的数据工程师在不断地做实验,原来可能每天做50个试验,到现在每天运行的数量是500个甚至更多。基于有业务敏感度的分析人员,再加上数据分析平台,不断做增长黑客,来去驱动转化率的不断增长。
如果企业有数据分析师的话,能不能让他拥有快速迭代的能力是关键。
所以说CEO、前线和数据分析师,是企业数据赋能、数据驱动最重要的根据地。
在企业数字化路径中,我们有一个核心的观点叫:看三年做三个月。
整个快消行业的市场需求很复杂,还要考虑端到端的全链条,只凭单点能力已经不可能做好,现在要比拼的是各个环节的能力,尤其在整个竞争态势和消费者偏好都瞬息万变的情况下。
在这种复杂且多变的情况下怎么做规划,是不是用传统意义上的顶层设计,然后在未来两三年使用一个巨大的系统去做数据驱动?
一定不是这样的。大家可以规划三年的数字化路径,但同时一定要考虑未来三个月每个月做什么,一步一步做,因为时间没法等我们去做一个又大又安全的系统。
今天有很多自有系统,也有第三方电商平台的系统,还有一些企业级的ERP,所以90%公司的现状,就是大量的本地数据可能会散落在10-20套系统里面。所以就需要把这些信息系统打通,整合到一个数据平台中。
但对于公司早期,还没有上规模化的大数据平台或者现在经常提到的数据中台之前,怎么样去做数字化建设?
现在大量数据还是在Excel、报表里面,而这些又散落在各种业务人员手中,那怎么去做决策?未来到了一定规模后,又是否可以平滑的延展,支撑更大的业务规模和复杂度?
这些问题尤其在新锐消费品牌上特别显著。如何“短长结合”来解决这些问题?
解决这些问题的核心会分为几个方面:
第一,一站式打通数据,沉淀数据资产。第二,用数据来满足不同人员的决策需求,以自动化来提升效率。
基于这两点,我们提炼了5A路径的解决方式。
首先把散落的数据一站式接入平台,进行敏捷化分析。由于在平台上的积攒,它可能能够回答平时决策里最重要的50个问题。
在数据能够被看到之后,消费品牌就根据场景,看相应的指标,之后进一步拆解到业务,再看其中的因果关系。
有了场景的基础,再去套用或者借鉴一些领先的数字分析体系,让系统自动地去追踪,有异常的时候自动监测和反馈。
因此没必要让人每天就盯着一个手机,而且我们还有更重要的事要做,比如运营、战略讨论、管理,所以重复、监控的事情,就可以交给公司的自动预警系统。
随着数据越用越深,往后进入到更加智能的分析决策,在数据基础比较好的情况下,用AI增强和指导行动,给出辅助建议。
这是一个可以落地的数字化路径,回到每一个企业,可以看现在处于什么位置,或许这是一个三年的路径,但可以以三个月为周期去迭代,不断增强数据分析的能力,以此来配套业务的增长。
有了好的产品、好的技术之后,也要将它们应用到实际中,所以下面我举几个例子。针对消费领域围绕人货场、经销存跟财务,可能会有上百个场景,挑2-3个快速跟大家分享。
第一个是线上营运。原来大家可能都用生意参谋,但今天大家都越来越清楚,做全渠道之后它只是其中一个数据源。那我可以使用更好的工具进行全站监控,同时检测不同的指标。
第二个是营销活动的策划和分析。现在很多公司可能每天都做活动,但每个活动,你能不能都对它进行分析,而这个分析背后的逻辑是什么?
比如围绕营销目标的达成,怎么把最近的活动,根据预估去拆解,不同人群应该贡献多少?后来有没有达到指标,核心的营销因子是什么,在这个过程中要投入什么样的资源,不同渠道应该怎么分配?
然后活动做了之后再进行复盘,到底多少人参与了活动,转化怎么样,新品贡献度多少,ROI怎么样。所以这背后就是活动之外的另一个场景,原来可能做完活动,想要拿到一个活动的分析未必容易。
但如果有一个更加场景化更加自动化的分析系统之后,就能够拥有快速迭代活动的能力,针对每一次活动更精准地提升。
其实今年包括接下来的10年,一方面是新消费的崛起,但另外一方面各种不确定性也已经成为常态,即使没有疫情,消费本身也是瞬息万变的。
这里面最重要的就是“数据内功”,基于数据实现精细运营、快速反应、智能决策。无论是500强头部消费品牌,还是新锐高成长的本土品牌,这都是未来几年最大的增长确定性。
【声明】该文由作者本人上传,其观点仅代表作者本人。亿邦号系信息发布平台,亿邦动力网仅提供信息存储空间服务,如本文涉及侵权 ,请及时联系run@ebrun.com。