第43期南零商盟：每人计&每人店的创始人 丁晓刚分享“数据驱动零售”

 导语

华南零售行业全渠道联盟，简称“南零商盟”，华南时尚行业CIO联盟和广州鞋服行业信息化联盟、华南CIO联盟（筹）唯一联合指导交流社群，汇聚服饰、时尚行业新零售全渠道搭建双方的精英联盟；

第43期“南零商盟”微谈会于2017年11月9日晚上8点正式开播，本次分享嘉宾是来自每人计&每人店的丁晓刚，分享主题“数据驱动零售”

各位大咖们，晚上好，我是每人计&每人店的创始人丁晓刚，我们公司在深圳，公司到今天为止，成立了有三年的时间。在这之前我和我的团队，还有四年多的一个基于零售门店的顾客数据采集和分析这样的方向的一些应用的这个经验。到今天为止，总共有差不多八年的时间在这个方向上面。有一些探索，有一些思考，一些想法，有一些这个结果案例。今天我跟大家来也一起分享一下，我们在数据和零售这个。数据驱动营销这个方向上的一些思路和想法，希望大家有任何问题，随时给我指正，谢谢。

我主要分三个方面来去做的这个分享。第一块是为什么需要用数据来驱动零售。第二方面是数据怎样去驱动零售。第三件事情是驱动数据去驱动零售的这个结果和价值，可能会有一些什么样的意义。最后还有一点点小的时间，用很短的时间去讲一讲我们在数据上面的一些产品和应用的一个状态，然后跟大家分享一下。

第一部分先说说为什么我们要去提速渠道零售。数据系统零售这个概念是我们在14年，成立公司的时候我们就有这方面的一个概念。来去推我们对于数据零售门店的数据和零售的这个行为之间的一个关系的一个想法思路，我们知道在10年-11年，那个时候我们去听到，很多这个零售方面的行业沙龙论坛，这种沟通的时候。我发现在10年到12年之间的时候，很多人会回去以后，就哎呀！！！这个实体零售受电商的冲击，电商来了怎么怎么样？到12-13年之后这样的声音就会慢慢的少了。为什么会有这样的一个现象。

 那个时候实体零售为什么会说受到很大的电商的压力。时间已经过去了好多年了，总结、行业里面有各种各样的总结，那我看来的话会有，比如说流量的红利，是吧？比如说这个渠道的缩短、成本的降低等等。各方面导致说实体零售受到电商很大的冲击，当年。在我看来，其实那个时候还会一个非常大的一个点，就是实体零售，在那个点上实体零售的对顾客的理解和对销售过程的理解，其实比电商要差非常非常远，我们知道电商在一开始就会每天都会去关注我的电商的成交量、转化率、我的这个线上的流量。我的不同的数据。比如说他会去对流程做AP测试，那每个环节上他的流程的转换率怎么样。

   有非常多的数据，包括比如说。这个当年的数据魔方，类似这样的产品，他们有非常非常多的一些详细的数据去检查分析理解，这个零售过程中的。这个销售漏斗，它的所有的流程的这个状况，每一个点上会有些什么样的问题，在什么时候，但我的支付流程缩短了一步之后。是不是我的转化率就很好的提升。我的这个电商的顾客他在哪个页面上跳出了这个整个销售环节。离开我们是吧？他都会很多很多分析。那他这个分析都是很实时的，每天都能看到。当时的实时数据、状况。然后通过这些数据可以去支持他说，我可能做一些怎样流程改善，做一些怎样的页面的变化，我就能够去得到更好的一个销售的结果。

   他这是是一种非常非常强的，把数据看得非常非常重的一种模式，对于整个销售过程的数据有很详细的一些采集和理解，然后。通过对销售，对销售漏斗的分析。对整个流程的监控，发现中间的薄弱点，随时去改进，小步快跑的，很快就去改善了。这个消费者零售的这个过程的体验，是电商的部分，而反过来去看，当时线下的部分，前面有提到的说没有那么大的流量红利，没有这个渠道环节比较多，是吧？线下的成本比较高之外，还有非常重要的是对顾客销售过程理解。其实在这个时间点上，当我们把货摆到货架上之后。剩下的都在等吧，顾客怎么样怎么样来到我的店，店内怎样去购物，在我的门店里怎么样？呆了多久？在什么地方呆的？

   顾客到门店里面去看一些什么样的货架，他选什么样的商品是吧？其实他对我的哪些商品会比较有兴趣，去试衣，试了什么衣服，所以这些东西都是不清楚的。是一种被动销售的状态。对于顾客的销售过程，只有到最后他买单了，之后才能知道我的销售，今天有多少单。那至于前面的所有过程说，我今天有多少人经过了我的门店，有多少人进来，进来之后在哪个区停留，看了哪些货架，看了多久，是吧？这些人是男的女的，大概多少岁。第几次进来，所有的信息全都没有，而所有这些在电商部分是被要了解的，了如指掌，非常非常清晰的。所以这是，就是对零售过程，对销售顾客的这种理解是非常非常大的差异了，而我们的传统零售的BI是从销售结果开始，有销售单之后才开始我们的BI。

我们可以看到就这张这张图片，上面讲到我们这个销售漏斗，在电商的部分，线上的部分，他对于整个销售的过程，非常非常清楚的，非常非常详细的，每一个访问者的行为都是采集的非常详细的非常清晰的。所以它对顾客，对于零售过程产生的这个非常理解，但是我们反过来看，我们的线下零售，从销售结果开始才有数据，在这之前，完全不知道销售是什么，零售是怎么产生的。所以这就是我们去看说，一个是用数据武装到了牙齿的一种手段，和一个纯粹靠经验。当然那时候我也经常会听到很多很多大咖们说，我在这行业里面做二十年，我这个门店做得好不好，为什么好不好，我看一眼就知道，当然没问题，这个非常好。但是每个大咖不可能二十四小时，盯着每一个门店啊！有那么多门店，那么销售点，你怎么去发现所有的随时出现的问题呢？

最好最有效的手段，最容易复制的手段，就是规模化的，数据的应用。通过数据去发现这个销售过程中的所有问题，所有的状况。对吧！现在可能没有办法达到那个二十年经验大咖的这个人的功力，但是能够让所有的门店，都获得一个比较好的销售洞察能力，所以这是我们理解的，说必须要有对零售过程的非常清晰的，完整的理解。那理解的前期就是有足够的数据去支持我的理解。那有这些数据之后，我们就很容易通过数据建模发现说，哪些指标的变化差异。销售过程中的哪些数据的波动。他背后可能是什么原因导致。那我做些什么样的行为，可以去做些对指标的对象的影响，是吧！我们就可以去通过数据和行为去改善门店。

数据去发信息行为和这个指标间的关系，然后通过数据发现问题，然后去做对比改进。改进完之后，可以再下一个，下一个销售周期里面去看。我们的改进的行为，引起的数据的变化，指标的变化是正向的，还是负向的。如何是正向的，我们继续坚持，如果是负向的，我们要考虑可能是其他的原因，这种手段就跟电商对于数据的运用和理解及支持是非常一致的一种方法。

对我们也会发现说，曾经在电商上面做的比较久的一些品牌，到线下了之后，他们都会非常非常关注这一部分。但是这个非常好的一点是从1314年开始。零售的这个传统连锁品牌也开始逐步地关注我们的零售的过程，但是有一个口号说让零售回归零售。而不是以前粗犷的批判模式，那回到零售，零售回归零售的之后。要学会理解说我的零售，到底怎么产生价值，做绩效的改进，怎么样去做一个推动，是吧！那所以，这个整个过程看起来，我们就发现说，没有数据驱动的零售是就靠经验去推动的零售，是很难去有大规模的扩张，并且。在扩张的过程中能够保持一个非常好的一个一次性的结果的。而非常高的一次性的效率，这个是需要去注意的问题。

基于这个我们就提了一种方案说OK，我们可以去尝试，是不是说，把销售前的一些数据，接触我们顾客的，所有接触点。去采集到更多的一些结果。去理解顾客到底是怎样去进到我的店。怎样去产生零售，为什么她会离开。为什么我跳出这个流程，是吧！那对这些人对这些数据分析，我们首先需要有去采集的手段，而且采集一些数据，然后去分析和理解他们的行为，然后并且对这些行为去做一些改进的工作，这就是我们对一些方案的思路。

为了去做这样的事情我们在以每人计的项目里面，我们去做了最核心的一个数据的采集，就是进店的客流量的数据的采集。采集完这个数据之后，我们就有机会去补齐门店里面的，门店这个成交率和试衣率以及进店率这样一些数据。而基于这些数据就可以做很多一些分析。一会儿我会发几张图片给大家去，跟大家去解释这个分析的过程和思路。比如说我们可以通过，最简单的我们直接通过客流量，我们可以去理解说，他的周末，不同的门店的周末，是不是有不同的这个周末弹性。因为有些大商圈，可能周末的这个客流量是平时的三到五倍，那我们合理的是周末除了我们同事不要休息之外，还有需要去增加一些临时的兼职同事，是吧！

比如说这个客流量去结合到门店的租金，我们可以去理解说。这个单客的租金成本，平均租金成本是什么样的，那这个指标可以在所有门店里面去拉通。去衡量不同的门店的这个租金价值，是吧？比如说有一间门店，他一个月是三万块钱的租金，然后它的这个月均的客流量是三万个人呐，那他平均的成本是一块钱一个人。另外一个地方是五万块租金，但是他的这个客流量是七万个人是吧，那他的平均客群的租金成本还不到一块钱。哪个会很低，所以通过这些数据可以去做很强的一个比较对，无论你的所在的商圈，所在的门店的大小等等都可以去做横向的比较，我们可以去追踪评估。

我们可以通过数据去发现说。做一个，做更深入的一些分析，比如说我们可以去结合员工的接待能力，每小时我们的员工接待多少个位为潜在顾客。结合他的成交率啊，我们可以去发现问题，比如说这个成交率下降，是不是因为我们的员工太高的劳动强度，导致他接待效率下降了，所以你的接待能力，达到某一个点时，他的这个成交率就会突然下降了，是吧！这个也可以去发现，我们在那个点上可能真的需要去增加这个劳动的人手了，这都可以去做一些分析，我一会儿发几张图片出来给大家看一看。

从这边这个图片上，我们可以看到，不同的门店他的这个客流高峰期的时间段是不一样的，这周在周末和平日是不一样的。然后我会发现，就在这个图片里面的，那个红色那条线门店B。他的周末的周六日的这个弹性非常非常高，淡黄色的那个门店的周末跟工作日的弹性就差不多。也就是说他周末可能黄色的周末客流量就增加了五倍，但是这个红色的这个线她就增加了三倍四倍。那针对这个红色线所在的这个门店，我们可以分析他的商圈是有什么差异吧，他的这个周边的客群的构成有什么差异，是吧！你就可以去理解说，不同的地方，可能会在不同的时间，可以去做不同的排班或者不同的这个促销的活动。

这张图我们可以看到，不同的门店ABC 3家门店在过去的13周，平均的这个数据下面，会

出现不同的薄弱点。像那个第二个门店，门店B，她在周五的时候其实客流量是一个很高的高峰期，虽然他的成交率是会有，但销售额是没有达到一个同步的一个水准的，而这个C店，可能在周二周三时间是很弱的点，虽然客流量是没有特别的地方，销售额是一个非常非常明显的低谷，那针对这个不同的时间就可以去做不同的这个分析和处理。

比如说我们都知道门店可能需要去做合理的广告，去做引流，但是如果，我刚刚发的这个图，我们可以看到。如果门店是处于这种高客流量，但是低成交率了，那这类的门店更需要的是提高内功，因为客流量很高，你的成交率很低，你再增加更多的外部的流量来说，对于我们的这个销售额，这个营业额的提升，可能是有限的。而且很有可能因为他的客流量。过高，导致这个员工的接待能力达到他的极限。没有办法去满足，那可能更需要的是必须增加人手，然后或者是发现其他的可能影响到低成交量的一些事件问题。那去做这方面的改善。先去把这个外部引流的事情可以先缓一缓。但是有些门店可能是属于低客流量高成交率。那这个时候你可能就要真的要去加强外部的引流儿，对内部的事务，可以暂时放一放吧。很容易通过这样的一个数据，客流量和成交率就也就能去理解到他的，把门店分成多类，然后去理解这个中间不同的问题，怎样去处理。这是我分享的三个例子，其实还有很多这样的例子就是基于客流量一件事情，我们就可以去做非常多的分析。去发现原来没有发现的一些问题，然后针对这些问题做些改善。那我们开始只做了这件事情–客流量。那么如果再加上更多的，比如说我们的进店率。然后每天我们门口经过了很多人，到底有多少人进来了，那么我的门头，我的橱窗，我的销售策略。我在门口有没有这个导购去做导流，会不会能够带来后面的这个陈进店率的这个差异。
    而进店之后，他在我的哪些区域停留。我可以通过热区的这个数据去理解说，我的左边柜，我的右边，我的中岛，那他的这种差异是怎么样的，我今天我们做了一下陈列的调整，左边柜这一个星期下来，左边的这个关注度是不是比右边的或者要比上一个星期的是不是增加了百分之多少。还是下降了，对吧！然后他右边柜的差异有什么样呢？最弱的点是什么啊？这些这些数据都可以通过更多的这个顾客的信息采集需要去发现，发现中间的一些问题。

那还有就说我们可以去理解，可以通过这个试衣的这个数量。平均也说我们今天进来的一百个人到店里之后，大约有多少人试衣服了，昨天平均下来一百个人有十五个人试衣服了。今天平均下来，一百个人有二十个人试衣服了，为什么。这多出来的5个人试衣服的，是对哪些事情做的吸引。那今天和昨天有什么差异。我们今天是陈列做了变化吗，灯光发生了变化吗，还是我们今天有做了新的促销，还是说没有什么大的变化，只是今天我们的同事，换来了一个更有力的一个导购。这些都可以去发现，发现这种新的这个点，然后去做变化。

这一部分就是我今天分享的第二个部分，就是数据怎么样去驱动零售的变化。怎样去驱动零售，归根结底很简单，就是我们去获取更多的数据跟获取更多的顾客在销售前的数据。为我们的ERP，我们的bI系统是销售结果开始的，从订单开始。我在销售之前我们去理解更多的顾客，这个客户是怎么样啊，在产生是什么样的行为。那我们的一些经营情况上的一些变化，导致客户的有哪些指标会发生变化，他在什么节点上决定说买或者什么节点上决定说不买。我们去发现中间的这个薄弱点，然后可以去做对的改善。能改善完之后。就可以反过来去检查说，我们这一周是改善呢，和上一周的差异点是什么地方。结果是不是按照我们的心中的想象，我们的需求去发生正向。

因为我们在过去的这8年时间，做的方向都是在顾客销售前，就是在产生成交之前的这些数据的采集和分析。所以我们更多的这个数据。就关注这一部分，我们的关注点都在销售前，我们怎么样去发现销售前的一些改进的机会，绩效变化的一个机会，我们其中的都是在去讲说我们的顾客到店之后。然后销售之前他到底发生了些什么事情，什么样的行为，我们采集到这样数据做了分析。去做一些分析和改善，然后最后大概价值就会使我们，会看到说，原来从bI也好，ERP系统也好，从后台看到的，都是销售后的嘛。那现在我们有机会把眼光在往前走一步，去从接触销售机会开始。

那我们的零售的经营者就会有更多的更多的机会去，去理解这个整个零售的整个的过程的思路、决策、方法。就会跟跟电商所做的一些手段，非常一致。我们能够去通过我们的数据的变化去发现。经营中可能存在的问题，然后再通过我们的改进的手段，在下一周再去看我们的变化是不是正向。而且发现这个东西的价值。这就是第三部分的内容，我们都我们可以理解更多的这个零售的过程产生的一些行为，一些数据，一些变化，一些机会，一些信息，然后对它进行有效的掌控。

那我们原来第一阶段门店的每人计的时候，我们做的都是在偏后段的数据决策分析的一部分，我们通过数据的采集和分析去发现，零售过程中的这些薄弱点。而且这些薄弱的点。可能会有各种各样的手段、方法去做一些改进，那这些工具是跟我们是脱离系统的。跟我们没有直接的关系，后来我们一说，客户一开始有很多一些想法思路，需要有很多想法和需求，希望通过一些比较方便的手段，方便的工具去做一些更多的管理，所以我们后面做了每人店的一个应用去提供了更多的的这个服务。

这个页面是我们每人店后面加入的新的这个业务工具的之后的结果。在我们看来说，当我们的零售客户发现了受故，发现了零售经营中的薄弱点，比如说我们知道每个星期三下午的三点到五点。这十家店都是他的这个成交率的最低峰，是吧！那为什么他的成交率会比较低。那我们是不是可以合理的怀疑他的这个经济上会有些管理不到位的地方，或者甚至有些什么，或者比如说星期三下午是不是补货。星期三下午店长和这个店主都休息了，是吧。我可以是不是去长期发现。因为前面每人计的数据已经得出了这些结论，我们知道现在星期三的下午三点到五点是她的薄弱点OK，那我们可以是不是在这个时候做做尝试，做做巡店工作。

然后我们就可以提供一套询店的工具，询店工具就会自动在那个时候去推进，经过一段时间之后，它会自动学习了，然后发现说，它告诉你星期三的下午3.0该去看这几家店。而这几家店，你可以去通过现场去看了，也可以通过远程去看。看完之后你可以去发现中间的一些问题。然后给出指导的改进意见，然后给到某个店长或者某个督导告诉他，你应该怎么改，改完了之后。你可以只要求他在下个星期几之前给我回复，确认是不是改成到位，如果确认改成到位了。完成了这一个询店的这个整个流程之后。我们可以去再检查一下说。下下周是不是这个数据在星期三下午三点到五点钟发生了变化的成交率就回来了。这样就可以把前面的每人计对于零售的这个数据流量，成交率销售额连带率等等一些指标的分析。导出来的问题需要去做这种询店的方式去解决。

然后你询店解决完了之后，我们再下一周再去看看你的对应的指标是不是有变化，这就是一个完整的循环。通过数据驱动零售做了哪些行为，然后你的行为被我捉到了，知道你在什么时候做了，什么样的事情，座机是一种我们再去看你这个改进的时间点的前后是不是数据变化。

我们里面会有提供到陈列的这个管理功能。陈列也是一样，我们发现说。过去十三周的数据，过去一个季度的数据发现。我们看到排名最后的有十家门店的连带率一直没有上来。我们这个连带率和成交率要跟这个陈列有非常强的关系，当然导购也很强的这个主观能动性在里面，那我们可以结合到我们的陈列的这个方案。去做一下变化啊，你这些门店去做特殊的陈列，做完陈列之后，我们看到说，是不是在陈列点的前后。这个数据发生的变化，如果是，我们的陈列师的感觉是有意义的，我们可以去再去做更多的推广，是吧！这样的那我们就提供了一系列的这样的一个管理的工具，把数据和行为之间把它在连起来。之前就只有数据分析，那现在还有很多数据分析，完了之后你还有行为的工具和执行力的这个经营的过程啊，把这些连起来，那么真正的去产生数据。帮你去驱动你的零售行为。行为去反向验证你的数据变化。

到今天为止，已经有接近1000个品牌，使用了每人计&每人店的服务，覆盖门店有数万家。希望能够有机会和大家沟通，互相学习。

以上文章是“华南时尚行业CIO联盟”授权发布，未经允许，不得擅自转载！

让您的观点更具价值，你只要敢写，我就敢发敢付：

注：以上内容摘选自南零商盟分享会，转载仅限学习分享；

       如产生版权问题，请联系我们处理；

       文章不代表”华南时尚行业CIO联盟“立场！

长按二维码扫描加关注

获取更多时尚行业信息化资讯

本篇文章来源于微信公众号: 时尚行业CIO