1.服装零售行业现状
随着大宗商品原材料价格攀升、商业地产租金的不断上涨、人口红利的逐渐消弭，传统服装零售业态在成本端承受了巨大压力，而透明化的电商信息在价格端的进一步施压，更让服装零售利润率一降再降。纵观2016年上市服装企业年报，赚销售不赚利润的品牌比比皆是。品牌商不禁开始思考两个问题——在利润收窄的背景下，如何利用更少的资源获取更高的回报；线上线下渠道到底应该是什么关系？越来越多的品牌商把目光投向了以“数据赋能”和“优化资源配置”为功能特点的大数据，寻求更高质量的决策依据。
2.数据资产建立的战略意义
大数据在“十三五”规划建议中作为国家战略被正式提出，之后迅速在金融和电商行业内获得广泛应用，提升运营盈利模式，改变价值版图。零售行业因数据联通性弱、交易频次相对较低、价值链并联而非串联的特点，仍有大量未整合的数据。举例来说，服装零售企业目前拥有大量一方数据散落于CRM系统、ERP系统、POS结算系统、会员管理系统、APP、实体店、线上浏览监控平台及电商交易数据，缺乏打通机制。
2011年2月成立于旧金山的服装电商公司Stitch Fix有着“服装行业Netflix”的名号。公司创立之初是为了给那些没有时间购物但又追求时尚的职场妈妈提供“订购服装礼盒”，如今却估值高达30-40亿美元，在萎靡的零售行业中杀出重围，有望成为美国近两年内最大的一例IPO。该公司能够实现人货标签化对应、状态机式库存管理、人机结合的成熟应用，让行业竞争对手望尘莫及，凭借的正是其强有力的数据资产。
2.1数据资产带领线上线下从“争夺战”走向“同船渡”
实体零售在经历了三十多年的野蛮扩张之后，自2012年开始每况愈下，电商同时间的疯狂崛起也催生出“线下已死”的舆论。事实上，线上零售并不是对线下零售的替代，而是在科技和物流行业不断成熟的环境下，应运而生的新的消费渠道和体验场景。
不容忽视的一点是，2012年上半年,全国大中城市的房价在连续十几个月环比下跌后掉头向上，从此开始长达五年的一路上扬。在此期间，消费者信心指数一直停留在低位，服装零售主力消费者的消费力受到巨大挤压。在消费力有限的情况下，顾客寻求更物美价廉的商品，同时要求更高的附加值。他们在消费时，不再满足于购买物质，而是关注物质带来的体验。社交媒体上的分享内容转变也正印证了这一点。过去人们乐忠于分享单一的奢侈品，而现在，“健身”、“旅游”、“下午茶”的体验式消费占据了朋友圈。
由此看来，线上和线下是相得益彰的。在线上，顾客可以获得更优惠的价格和便利性；在线下，顾客获得的是体验的附加值。同时，线上和线下的数据整合能够帮助品牌从全渠道的角度更准确地了解顾客偏好，把店铺开到目标顾客身边去，以顾客喜爱的营销渠道和内容进行顾客关系管理，带给顾客丰富有趣的体验式服务，把顾客喜欢的产品送到他附近的店铺去，打造品牌的社交功能帮助顾客找到志趣相投的人。
2.2数据资产带领资源配置从“广撒网”走向“精耕作”
散落在服装零售行业的数据具有优化资源配置的重要价值，在宏观上可以优化店铺布局、降低获客成本、提升产品投资回报率，微观上可以提升店内日常运营的有效性。具体来说，这些数据可以指导品牌在店铺选址中覆盖契合目标人群的商圈，以目标顾客偏好的渠道和内容进行触及，实现从“交易”洞察到“交互”洞察的突破，在库存分配中构建“人-货-场”的恰当匹配。
2.3 全渠道服装零售大数据解决方案
TalkingData服装零售行业大数据解决方案以消费者这一主体为基础，涵盖丰富的数据维度，提供多种深度支持，既可深入一方数据提供算法建模，也可以和TalkingData自有及第三方数据相结合。TalkingData的方案核心是将“人、货、场”数据化，并借助创新方法实现三者的精准匹配，联合线上线下数据发挥价值，为店铺选址提供科学全面的支撑，通过泛会员管理实现内容和渠道的双重顾客关系管理、利用物联网技术打开实体店陈列、运营、服务的“交互”黑盒，使其白盒化。
当越来越多品牌意识到数据资产的价值，宁愿放弃免费平台也要建立自己的数据资产，TalkingData始终坚持客户价值至上的原则，不为了做数据而做数据。所有的数据采集、产品选择、平台搭建都以为客户创造业务价值为目标，并按具体需求提供SaaS和私有化的不同形式部署。
3.大数据在零售行业的应用
3.1大数据前策助力科学化店铺选址
传统零售店铺选址大多依赖抽样样本线下调研，从业人员过往经验，人口数量、收入水平、周边房价等官方常规统计数据，存在样本率较低、量化支撑不足、时间相对滞后、指标维度单一等问题，且几乎不涉及人群消费及行为偏好这类对后期店铺绩效影响较大的数据，对城市、商圈及物业进入的指导意义有限。近年来，高企的商业地产租金让零售商不得不从“广撒网”转向“精耕作”，因为一旦判断错误，动辄十年的租期和摊薄渠道的有限性让零售商们面临着高昂的退出成本。因此，零售商迫切需要寻求一种更理性、更全面的方式来获取城市、商圈及物业洞察，作出明智的落位决策。 
TalkingData基于6.5亿的平均月活跃用户，为城市地图研究提供了坚实基础，客观而细致地呈现城市人口吸附力，结合品牌线上交易数据，全面降低城市进入风险；这些数据像前所未有的电子行为记录仪，描摹出目标消费者的人口基本属性、职住娱分布、消费能力和线上线下行为偏好，展现人群与商圈的匹配程度，帮助零售商选择契合的商圈；同时结合品牌连带消费及客流情况，根据品牌需求，结合“中心地带模型”、“重力模型”、“竞租理论”、“最小差异理论”、“饱和法则”帮助零售商作出物业进入决策，实现城市——商圈——物业层层递进的深入挖掘。
在某连锁药房选址案例中，TalkingData利用地理围栏圈定目标区域内人群，并充分发挥一方数据价值，将已有会员和经由Lookalike算法挖掘出来的潜客投射在地图上，综合人口密度、目标顾客分布密度和潜在客群分布密度进行分析；同时，基于TalkingData POI数据，展示自有门店（红色圆点）、竞品门店（蓝色圆点）的布局，寻找潜在的选址区域，完善城市布局。
在某餐饮客户案例中，TalkingData通过对其顾客的区域分布数据分析发现，其单店有效辐射人群为3km，在帮助企业捕捉市场空位的同时，避免自我稀释和竞争，优化选址投资回报。
3.2 内容和渠道双管齐下的流量管理
传统会员管理（CRM）基本等同于会员卡管理，一般包括顾客姓名、等级、积分等信息，维度较为单一，缺乏实时性，仅在开卡时登记信息且难以持续更新。
此外，这些会员数据缺少与内外部数据连通性，相对电商平台、公众号、应用、支付平台、社交平台等孤立存在，没有多交互点打通。TalkingData用户运营平台将企业一方CRM系统、ERP系统、POS结算系统、会员管理系统、APP、实体店、线上浏览及交易数据打通，用统一的TDID串联，建立标签化的体系。
打通线上线下的流量通道，颠覆单一的RFM原则，丰富会员描摹维度和范围，帮助线上和线下渠道从“争夺战”转向“同船渡”，让人群分类管理和二次扩增成为可能，为以顾客为中心的运营活动打下基础。基于这样的泛会员系统，品牌方可以借助云端池、场景设计、地理围栏设计等创新形式发掘目标客群并以目标顾客偏好的渠道进行联合营销或跨界引流，更重要的是，能够以顾客偏好的内容对其进行触达，最终完成到效果监测的闭环营销。在某个物业中心的营销活动中，TalkingData发现其会员具备明显的家庭特征，偏好影音娱乐，主力会员为餐饮会员，于是基于此设计了以亲子活动、电影券、美食节等多种形式的营销活动，随之而来的是客流提升1.26倍，销售1.47倍，活动日均增粉提升56倍，参与活动的粉丝转化率高达62.8%的优良营销回报.
3.3物联网大数据实现店铺运营黑盒的白盒化
顾客在店铺内的每一次交互动作、每一个细微的情绪都是我们了解目标顾客、评估自身服务质量的媒介。然而过去因为设备的匮乏、技术的缺失和数据处理能力的不足，这类信息像是被装到了黑盒子里，无法以结构化的形式进行解析。Gap北美区前总裁Marka Hansen曾说，“每进来的 100位顾客中，最后只有 25人买了东西，其余 75人抱着买东西的目的而来，却空手而归，而我们作为零售商却不知道原因。”
TalkingData在与某快消品牌实体零售店[郭皛璠1]创新实践合作项目中，联合推动了基于“人、货、场”数据逻辑的物联网传感、计算机视觉、情感分析、智能眼镜等场景化创新能力落地，打破过往只能对“交易”进行分析的困境，将“交互”行为数据化，让零售店铺能够对顾客结账前的行为进行及时干预，提高“交互”向“交易”的转换率，提效零售店品类库存卖空率。
通过引入智能货柜物联网技术、人脸识别技术、计算机视觉和情感分析技术，TalkingData对顾客从交互到交易之间的行为和转换历程作出衡量，通过评估“货架吸引度”，哪些商品被拿取评估“商品关注度”，被拿取的商品是否被放回评估“商品犹豫度”等之前无法被数据化的行为洞察数据之后，零售店得以可视化店铺陈列和库存的有效性，实时掌握库存情况并及时作出调整，捕捉销售机遇。
在该项目中，TalkingData借力人工智能技术根据顾客情绪调节音乐并及时干预潜在投诉，提供智能眼镜帮助顾客了解商品的更多详细信息以促进购买决策，满足了当前顾客对消费体验度及趣味性日益增加的需求。
4.大数据在零售行业未来应用方向
大数据的商业化落地才刚刚开始。随着人们对数据维度理解的颗粒度细化、处理能力和存储能力的进一步增强，大数据在零售行业的应用有望从“以人为本”迈向“社交化流量”和“人货强关联”的新纪元。
在品牌APP运营中，用户大数据可以帮助企业跳出“交易”思维，打造品牌的“交互”属性，利用“人以群分”的天然优势，搭建品牌社交功能，提高用户粘性。在产品价值向体验及情感价值转变的今天，品牌社交功能带来的亲切感和互动感无疑将创造出全新的商业附加值。
例如在服装设计环节中，将每种服装的各类基本属性分解看待，每种商品就成了有自己“基因标签”的生物。以这种方式考虑庞大的样式集，利用销售数据和客户反馈评估每个“生物”的“适应性”，继而通过重组现有样式的属性来创建新样式。在家电产品领域当中，随着硬件、软件及云端建设的不断增强，物联网生产大数据可以帮助硬件厂商挖掘用户的设备使用行为，提供个性化智能体验，判断故障潜在使用原因，优化产品。
在库存管理中，目前零售商主要依赖过往一方销售数据、当下流转周（WOH）进行自动配货和人工调货，对来过店铺但因为缺货没发生购买的顾客缺乏捕捉，分析深度只能触及到基础分类（T恤、裤装等），维度单薄。产品标签化和以人为本的店铺标签化的叠加能够实现货场对应，支持更为精准主动的配货。
5.结语
掌握用户数据就是掌握未来市场。TalkingData致力于以为客户创造价值为使命，帮助企业做出更为科学的决策。TalkingData智能数据平台，集海量数据、创新的技术和专业的咨询服务为一体，逐步打造开放的数据生态，携手客户创造独特的数据价值。返回搜狐，查看更多
责任编辑：
