2020年注定會載入史冊。在逆境中，新一代的消費(fèi)心理和營銷模式正在發(fā)生巨大的變化，零售企業(yè)的“人貨場”格局也隨之重塑，數(shù)字化轉(zhuǎn)型再次被推到促進(jìn)增長的拐點。不確定性已經(jīng)成為常態(tài)，精細(xì)操作、快速反應(yīng)、智能決策將成為未來十年的必然。

10月23日，2020冠源數(shù)據(jù)智能決策峰會暨產(chǎn)品發(fā)布會在上海召開。本次峰會由中國零售智能分析領(lǐng)域的領(lǐng)先企業(yè)冠源數(shù)據(jù)主辦。峰會匯聚了連鎖零售、快消品、購物中心、新經(jīng)濟(jì)消費(fèi)等各個領(lǐng)域的500多名代表，發(fā)布前沿觀點，解讀疫情后企業(yè)的數(shù)字化轉(zhuǎn)型方式，共同探索數(shù)據(jù)智能化的新途徑。

黑螞蟻資本運(yùn)營總監(jiān)劉展發(fā)表了題為《資本前景:貫穿商品生命周期的數(shù)字化運(yùn)營》的主旨演講。他說，我們需要數(shù)據(jù)和系統(tǒng)來沉淀所有的運(yùn)營規(guī)則，通過快速的試錯來縮短反饋周期，并在原有運(yùn)營的基礎(chǔ)上不斷探索和嘗試實現(xiàn)復(fù)合增長。他認(rèn)為操作進(jìn)化分為四個階段，最后階段應(yīng)該是智能階段，通過機(jī)器學(xué)習(xí)尋求最優(yōu)解。

以下是劉湛講話的總結(jié):

黑螞蟻資本是一種以消費(fèi)為主的新資本。我們注重投資后的賦權(quán)，希望與企業(yè)共同成長。好久沒加入黑螞蟻了。之前在零售企業(yè)工作過很長時間，在數(shù)字化轉(zhuǎn)型方面做了很多探索和嘗試。今天主要分享這些內(nèi)容。

分享的內(nèi)容分為三部分:一、運(yùn)營的演進(jìn)路線:我們的運(yùn)營最終如何升級；二、如何圍繞商品做全鏈數(shù)字化運(yùn)營；第三，分享一些數(shù)字化轉(zhuǎn)型案例。

運(yùn)營演變的四個階段

我們需要用數(shù)據(jù)和系統(tǒng)來沉淀操作規(guī)則，通過快速試錯來縮短反饋周期，在原有操作的基礎(chǔ)上不斷探索嘗試，實現(xiàn)復(fù)合增長。

在我看來，運(yùn)營的演進(jìn)可以分為四個階段:第一階段是整合，主要是消除孤立的信息孤島，將碎片化的信息串聯(lián)起來進(jìn)行整合分析，實現(xiàn)整個流程和場景的開放。這個地方有兩層意思:一方面我們要干掉Excel，而不是用Excel來存儲、更新、傳輸數(shù)據(jù)；另一方面，我們的文檔存儲的是非結(jié)構(gòu)化數(shù)據(jù)，所以我不希望看到企業(yè)繼續(xù)用word記錄我們的產(chǎn)品文檔和業(yè)務(wù)文檔，并通過微信傳播這些文檔。因為這種文檔和數(shù)據(jù)管理方式缺乏協(xié)調(diào)和版本管理，會增加我們的溝通成本。

有了這個基礎(chǔ)，我們需要將所有的數(shù)據(jù)匯總到數(shù)據(jù)倉庫中，從而實現(xiàn)更高效的可視化分析。我們可以通過看板從各個維度分析數(shù)據(jù)，看到一些現(xiàn)象，猜測現(xiàn)象背后可能的原因，做出一些假設(shè)，思考如何解決這些問題。在這個過程中，我們的運(yùn)營水平可以提高到一個更高的水平，所以我們可以開始進(jìn)行一些差異化的運(yùn)營嘗試，把差異化的現(xiàn)象變成一個個性化運(yùn)營的機(jī)會，嘗試細(xì)化運(yùn)營。

精細(xì)化操作后，想要更進(jìn)一步，精細(xì)化的程度需要上一段樓梯。但是在這個過程中，數(shù)據(jù)的爆炸會讓我們的操作和勘探工作變得更加復(fù)雜，所以我們必須走自動化的道路。只有將人工經(jīng)驗沉淀到固化的操作規(guī)則中，才能維持高度復(fù)雜的復(fù)雜操作。

但把所有人工經(jīng)驗沉淀到系統(tǒng)中并不是操作的最后階段，最后階段應(yīng)該是智能階段，通過機(jī)器學(xué)習(xí)尋求最優(yōu)解。

全鏈數(shù)字化運(yùn)營

很多企業(yè)剛開始的時候沒有龐大的IT團(tuán)隊，所以這個時候做系統(tǒng)不容易，只能靠第三方公司。這時候數(shù)據(jù)比較輕，不需要很多人通過數(shù)據(jù)分析快速得出一些結(jié)論和方向性的指示。

數(shù)據(jù)有三個層次:第一是知道什么，第二是知道為什么，第三是知道如何。

首先要建立數(shù)據(jù)字典，了解公司有哪些核心運(yùn)營指標(biāo)，使指標(biāo)能夠可視化、監(jiān)控化；第二，找一些差異，比如銷售不穩(wěn)定。為什么銷售不穩(wěn)定？依靠對數(shù)據(jù)的分析，可以得到一些思路和答案，通過時間、空和類別這三個非常重要的維度來拆解。找到原因后，我們的最終目標(biāo)是什么？有必要做出改變，這就達(dá)到了這種技術(shù)水平。根據(jù)猜想做一些驗證和小規(guī)模測試。一旦驗證成功，就想辦法把它沉淀成規(guī)則和系統(tǒng)，把算法、模型、規(guī)則和流程放進(jìn)系統(tǒng)。下次可以在原有的基礎(chǔ)上做分析、拆解、驗證、沉淀，形成快速反饋鏈。

回店里也是一樣的思維邏輯。有兩個前提需要注意:第一，如果是比較新的企業(yè)，有歷史數(shù)據(jù)嗎？如果沒有歷史數(shù)據(jù)，很難快速做到這一點；第二，有歷史數(shù)據(jù)，但要注意數(shù)據(jù)是否有分析價值，是否穩(wěn)定。如果開店速度極快，數(shù)據(jù)不穩(wěn)定，那么參考值相對較低。如果是經(jīng)營了3到4年的企業(yè)，每年開店的速度都比較健康和恒定，那么數(shù)據(jù)的參考價值就比較高，可以做。

這是我們之前店鋪分析總結(jié)出來的經(jīng)驗和流程。首先我們會分析店鋪的歷史數(shù)據(jù)，然后通過逛店鋪來分析展示的現(xiàn)狀。在逛店過程中，你需要從各個維度看店鋪數(shù)據(jù)，比如單品數(shù)據(jù)、商品庫存、過去7天的銷售額、過去14天的銷售額等。另外還可以看看其他店鋪的情況，商品的銷售排名等。

經(jīng)過這些分析，我們可以開始制定一些調(diào)整計劃，讓店長配合店員實施。在這個過程中，我發(fā)現(xiàn)店長和店員很難推送數(shù)據(jù)，所以要更精細(xì)的處理數(shù)據(jù)，最好直接給出簡單易用的動作建議。如果不知道有多好，店長和店員可能不了解數(shù)據(jù)，不利于調(diào)整。

展覽藝術(shù)與庫存平衡

再來說說展示的藝術(shù)。我經(jīng)常從經(jīng)濟(jì)學(xué)原理中得到一些啟發(fā)。一切都是相通的，數(shù)學(xué)和經(jīng)濟(jì)學(xué)的原理給了我很多啟發(fā)。

陳列中有個概念叫最小陳列量，就是一件商品最少要放多少。那么這個最小顯示量是怎么計算出來的呢？我想到經(jīng)濟(jì)學(xué)中的一個生產(chǎn)函數(shù)，有三個核心指標(biāo):總產(chǎn)量、平均產(chǎn)量、邊際產(chǎn)量。如果超過最小展示量，然后產(chǎn)品疊加，每個產(chǎn)品的平均產(chǎn)量會越來越低，但是當(dāng)沒有達(dá)到最小展示標(biāo)準(zhǔn)時，平均產(chǎn)量遠(yuǎn)遠(yuǎn)低于正常水平，那么合理的最小展示量在哪里呢？這就需要我們對數(shù)據(jù)做統(tǒng)計分析。

我們利用遠(yuǎn)觀可視化工具做了一個非常直觀的分析。具體方法是:我們把數(shù)據(jù)的分析粒度放的很細(xì)，把每家店每天每件商品的庫存數(shù)量和銷售數(shù)量趕出來，然后匯總。聚合后我們可以在右邊生成兩個這樣的圖，可以看到兩次邊際產(chǎn)量和平均產(chǎn)量的交叉。

這一頁是關(guān)于庫存平衡的藝術(shù)。其實零售業(yè)就是要找到一個數(shù)學(xué)上的最優(yōu)解。庫存平衡的最優(yōu)解是什么？庫存平衡的挑戰(zhàn)在于供需不穩(wěn)定。

關(guān)于庫存平衡，我覺得首先要看我們是什么樣的企業(yè)，賣什么樣的產(chǎn)品，因為不同的企業(yè)會有不同的輸入?yún)?shù)。一個是安全系數(shù)，是服務(wù)水平標(biāo)準(zhǔn)正態(tài)分布的倒數(shù)。需要先設(shè)定商品滿意率或缺貨率的目標(biāo)，明確缺貨率能容忍多少，是10%還是20%。如果是10%，對應(yīng)的因子是1.28%，也就是90%的概率沒有斷貨。我們應(yīng)該衡量當(dāng)我多賣一件商品時我的邊際利潤是多少，當(dāng)我多庫存一件商品時我的邊際損失是多少。那么就要結(jié)合兩者來衡量這個水平，然后推回安全系數(shù)，帶入公式中完成計算。

我們可以做得更仔細(xì)。一般來說，缺貨率不是全球缺貨率，只要頭貨沒有缺貨。在28歲效應(yīng)下，頭貨為我們的銷售提供了重大貢獻(xiàn)，如果我們保留了頭貨，基本銷售就有了保障。頭部可以細(xì)分。比如頭部的Top100和Top300可以區(qū)別對待，設(shè)置不同的缺貨率可以計算出不同的結(jié)果。

匹配算法相當(dāng)于足球場上的護(hù)腰，起著前端銷售和后端購物的銜接作用。如果給店鋪的品類組合預(yù)留一些靈活的空區(qū)間，可以通過匹配算法反饋店鋪品類比例的變化，然后反饋到規(guī)劃層，拉動整體品類組合變化，加強(qiáng)購物計劃和反饋調(diào)整的頻率。

銷售預(yù)測和智能定位

我還做了一個購物籃分析，通過統(tǒng)計概率的概念，用FP-Growth算法實現(xiàn)。在用戶行為的預(yù)測中，我們使用機(jī)器自動學(xué)習(xí)，可以預(yù)測用戶在未來3天內(nèi)購買的概率，以及他在3天后使用優(yōu)惠券的概率。我們可以看到，發(fā)現(xiàn)的關(guān)鍵因素在不同的場景下是不同的。

銷售預(yù)測，很多人會問:用這個算法能實現(xiàn)多少銷售預(yù)測？這里有一個前提。首先，你為什么做這個銷售預(yù)測？第二，銷售預(yù)測的粒度是什么，達(dá)到什么粒度。這可以回到我們剛才講的時間，空和類別三個維度，回到應(yīng)該做什么銷售預(yù)測的問題。然后，做整體市場預(yù)測？還是對一個品類或者一個單項做預(yù)測？做品類的時候，要看是季節(jié)性的還是非季節(jié)性的。比如服裝銷量不高，生命周期短但交貨時間長，所以服裝的銷售預(yù)測很有挑戰(zhàn)性。

我們預(yù)測的目的是什么？我認(rèn)為銷售預(yù)測的最大目的是幫助品牌計劃。如果銷售預(yù)測準(zhǔn)確，規(guī)劃就容易多了。當(dāng)你確切知道未來6個月準(zhǔn)備什么商品時，可以添加各種規(guī)則和約束，避免過多的人為錯誤導(dǎo)致與目標(biāo)偏離太遠(yuǎn)。

預(yù)測和剛才說的安全庫存一樣。預(yù)測并不是說預(yù)測所有商品，也只是預(yù)測頭部的商品。之前我們開發(fā)了一個智能選擇的小工具。我們常說產(chǎn)品規(guī)劃是理性決策，商品規(guī)劃是感性決策，那么如何給感性決策一些理性支持呢？

以熱水瓶為例，我們拾取全網(wǎng)數(shù)據(jù)，買家輸入關(guān)鍵詞，然后拾取全網(wǎng)一些銷量高的產(chǎn)品，還原成一個直方圖，讓買家看到暢銷熱水瓶的價格分布。同時，我們提取全網(wǎng)最暢銷產(chǎn)品的所有屬性數(shù)據(jù)，匯總形成餅狀圖，可以看到2019年熱水瓶的灌裝應(yīng)該是水做的，而不是化學(xué)材料，可以給我們在為買家挑選產(chǎn)品時提供支持。

最后，關(guān)于智能選址，我們還做了一個工具。我們根據(jù)自己收集的宏觀周邊數(shù)據(jù)，和手工填充的微觀數(shù)據(jù)放在一起，大概有四五十個維度，通過機(jī)器學(xué)習(xí)可以達(dá)到70%以上。我們還把200多家店的歷史數(shù)據(jù)作為訓(xùn)練集，還有一個升級空房間——這些數(shù)據(jù)都是基于我們自己家200多家店訓(xùn)練的數(shù)據(jù)，也可以找一些標(biāo)桿品牌，分析一下他們的數(shù)據(jù)。

目前，一些品牌正在以一些巧妙的方式進(jìn)行選址，即遵循策略。肯德基的選址很有名。很多餐飲選址都是看肯德基怎么開店的。我們也可以通過評論的密度來猜測區(qū)域餐飲熱度，進(jìn)而決定是否應(yīng)該在那個區(qū)域開業(yè)。