知识卡片
零售人货场标签与OneID
新零售在发展数年后仍有四类问题:数据(库型不一、缺统一标准)、工具(依赖 ERP 报表和 Excel)、组织(缺数据分析人才,只做收集汇总)、方法(分析模型不体现业务逻辑)。生鲜新零售还面临流量增长难、产品差异化弱、客户洞察少、运营效率低,根源在线上线下数据隔离。
B 公司是水果生鲜新零售企业,上千家门店、数千万会员。问题是数据碎片化(ERP、会员、电商、财务等系统割裂)、用户运营难(用户 ID 未打通、指标维度不统一,难以发现高价值用户;早期用开源组件自建,使用难、性能不稳、运维成本高)、数据服务不灵活(无法快速响应门店和渠道需求)。
架构:在“基础平台底座、数据资产核心、上层服务应用”三层通用结构外,加入零售特有的算法引擎层,共五层:基础平台层(采集、治理、算法建模)→ 数据资产层(标签市场,会员、供应商、仓库、门店、商品五大标签体系及 OneID)→ 算法引擎层(推荐、查询、圈人、分析、销量预测、商品配送六大引擎)→ 数据服务层(把过滤查询、多维分析、算法推理封装为 API)→ 业务应用层(CRM、点单小程序、POS/ERP、BI)。
“人、货、场”标签类目:
- 人:会员、供应商、渠道商、店长、员工标签体系,用于个性化推荐与推送、精准营销、供应商评价、全息会员画像;
- 场(关系):活动展示、店长服务、员工服务、用户购买、用户点击等,用于商品改进反馈、销量预测、搭配策略和仓库优化;
- 货:商品、仓库、货架、活动、门店,用于门店选址、客流分析、经营指标、商超布局。
OneID:为每个自然人建立唯一 ID,把门店、App、CRM、公众号、小程序、美团外卖、天猫旗舰店等渠道的行为打通,所有服务只需关注一个 ID,不必处理多 ID 之间一对一或一对多的转换。由此能识别同一用户在哪些渠道购买、偏好哪些水果、价位与频次——果品偏好洞察对生鲜行业尤其重要;并形成基础画像、粉丝画像、商机画像,支撑全渠道精准营销、商品推荐和 A/B 测试。
项目分两期(约 7 个月 + 5 个月):一期搭平台、治理数据、建标准模型层和分析主题层、发布需经申请审批才能调用的数据服务接口并做可视化与报表;二期完善标签体系并提供可视化算法组件,支持商品调配、营销推荐、门店选址。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第16章 零售行业案例:B公司零售大数据平台项目 · 查看原书依据
在技术上,所有服务只需关注一个ID即可,不必考虑多个ID之间如何转换,是1对1还是1对多等情况,并可与第三方独立数据服务商进行数据打通,完善企业标签体系(见图16-5)。