空包代发

空包代发新零售时代的“商品”重新定义(下)

更新时间:2018/9/15 / 阅读次数:47

空包代发前言

从商品时代进入新零售时代,核心在于如何建立以消费者为中心的品牌的用户生态,利用算法,更加精准地推荐商品。产品是消费者对品牌认知及购买决策的核心要素,而“合理”的商品结构,精准的销售预测,供应链能力等就成为品牌的核心竞争力。在实践过程中,如何建立消费者和商品交互的商品计划算法模型,再结合客户关系体系,打造出端对端的商品及供应链的能力,从而提升产品力和销售收入。

2018年8月24,由雅各布专栏、ECV International、大时尚科创产业联盟主办,杭州数云、上海欧睿供应链协办的“打造新零售时代的智能商品计划和决策体系—AI Merchandising Salon"圆满落幕。在本次活动上,各位业内人士就新零售时代的商品重新定义及如何打造智能商品计划等议题现场进行了精彩讨论。今天我们给大家分享第二场圆桌讨论的下半部分内容。

新零售时代的“商品”重新定义

从人货场的角度重新认知“商品”的定义: “人”,突破品牌原有的用户群体,实现用户增长;“货",通过零售加强”人与货“的精准标签;”场“,实现中国”全世界“的整体和区域商品计划。

商品作为连接消费者和品牌的“置换品”,从来都是一个“不确定的潜在消费者需求”,也是在快速变化的市场中最难以扑捉的“实物”。重新定义商品,也是新零售时代的新要求。消费者者对“产品”的理解不单纯是“商品”本身,更加是“商品”+“内容”的定义。

诸刚强:有两个非常有意思的话。第一个就是平台的数据维度是有价值的,第二个就是通过平台到如何找到品牌的用户。虽然品牌的“人货场”是有样本的,但是这个样本的可复制性是比较弱的。另外,今天我们是不缺少市场的,市场够大了,也不缺少消费者,中国的消费者每年都有7%、8%的增长力,而且消费市场、消费升级是有的,但是在增量市场和消费市场中为什么有这么多的不适应性?一定是在传统零售可复制的模式中感觉不太有效。新零售这种模式中看上去也是有规律可循,但是也很难复制。所以大家谈的最多的样本就是盒马,但是盒马没有办法在品牌零售商复制,还有就是它所谓的数据维度的能力是非常昂贵的,它完全是一个投资驱动的新物种。今天我们讲的品牌,我认为品牌还是比较小的,比较精巧的,品牌的关注力和消费力对人群来说是相对聚焦的,所以平台和品牌是两种完全不同的商业模式,在那个平台和传统品牌中还有很多的不适应。问一下高老师,我相信你在这个行业中看到了大量的市场实践,而且这么多的品牌公司在面对新零售市场中跟平台和传统公司都不适应的地方,我们是不是有一个可实践的路径可以帮助品牌?

高峻峻:我接触了很多品牌商,确实大家是这样想的。因为目前大家的规模不一样,能够过百亿的就更少了。事实上所有的品牌商都有自己的梦想,比如说目前在这个阶段,但是无论看欧美还是日韩都有很好的标杆企业在那里,以后是有空间,自己以后到底走哪一个模式实现自己的目标,是做品牌还是做一个很大众化的东西抢占市场,对未来的梦想前提之下,他确实需要有自己的一整套的商品管理的精细化体系,可以支撑未来的发展,这也是品牌商关注的一点。

再往下来的这个阶段是计划各个体系。第一步最简单的决策就是把所有的计划都串起来,有什么变化第一时间可以看得到。说一个很简单的例子,商品管理中可能有人决定这次活动要弄什么活动,要做什么样的备货。其实对于管仓储的人来说,这么多的备货,阿里要求我们按一定的授信去备,那么这个时候仓储不够怎么办?但是你再仔细算算是否一定要再租一个库区做这件事。所以商品管理的每一个环节都是这样的。所以确实是从最初的研发端和研发效率开始,到底研究出来的ABC款的比例到底是多少?是适合什么样的情况?它会不会影响下一个环节?所以这些品牌商更希望自己未来有长远的发展,同时要把自己的体系搭建起来。计划体系第一步就是要串起来,第二个就是里面的决策要科学化,最起码把自身管理人员的经验先进去,多少公司面临的情况都是换一个人就是半年的库存,其实这种协调能力的强与不强真的是太重要了,所以要先把这件事解决。

我也很赞成大数据对这个行业带来很多颠覆性的变化。确实所有的新技术都有各种各样的问题,所以企业肯定是先试,总不能说等成本降下来了以后再试。但是在解决的过程中可能多管齐下,因为这套体系未来还能不能往上走,能不能适合多个品牌,原来的买手都是靠买手个人的能力和经验。或者说我全国有多少家店,一家店可以放多少,这个时候店货匹配肯定需要更多的预算,所以要有好的经验资深的人进来。

从人工智能落地到企业最痛苦的一个环节其实还是刚刚说的经验,这里面的数据中到底哪些特征是真正有影响的,这些特征抓出来以后可能简单算一个结果,这个结果也很好,但是那个特征是什么有影响的,所以我们说否定消费者,不是否定几百个用户标签的作用,但是对于品牌商可以用到的各个相关的指标是什么,你会知道谁买我们的东西,哪个东西放在这个店的效率不高,我要改,因为我们就是要让好的进来,让不好的出去,要有真正有意义的标签指导我们这家店,确实逐渐需要模型和算法逐渐的匹配人的经验。

诸刚强:实际上我们缺少的是算法,其实从技术维度角度来说,这是一个相对可预测的,我觉得可能最重要的还是品牌的市场能力。我通过这个算法迭代了商品,再经过市场以后如何让我的“货”“店”“人”形成数据化的维度和数据的能力,形成一个模式,这个是核心。因为传统零售对库存的把握很重视,因为我们每季的第一批上货量就已经非常可观,还有接下来的补货,调货计划。在这些维度中,在需要市场来迭代的所谓的智能产品决策体系中,我们怎么样找所谓的更好的商品预测能力?我相信大家今天在品牌市场中,我们都知道用户群,但是我觉得大家还是缺少一个统一性、整体的,不断落地的路径。Tony和徐文,两位有没有思考过这个问题?怎么样更加精准的帮助品牌了解自己品牌的商品结构?

徐文:我最近也在落地一些项目。我简单说一下。举个例子,比如说在商品这块,其实在品牌商的视角来看,很重要的一个就是哪些属性是消费者目前正在重视的或者是未来可能会重视的是哪些属性,以及目前市场上存量的品牌或者商品都跟这些属性有什么关系。站在技术层面来看,这是商品知识图谱的一套系统,可以把所有的商品和它的属性进行网状的建模,建模有什么好处?其实跟百度和谷歌搜一次名词会带出来很多相关的属性是一个道理,很多商品也有自己的属性。

现在很多的品牌或者是品牌公司、企划公司就是在做基础数据库的建设,这个事情如果不做,连这个商品本身有哪些属性构成的你都不知道,何谈大数据和算法呢?所以首先要建立一套商品完全属性的知识图谱。

那么怎么让它服务这个品牌商?首先我们要知道目前市场上消费者所重视的这个商品属性的市场。我举一个例子,比如说粮油,大家在短期之内大家比较重视转基因,大家很关注这个问题,会发现消费者在做决策的时候转基因可能是排在第一优先级,第二优先级可能是品牌,他们可能对某一些品牌有偏好。中国很大,你会发现在不同区域、不同城市、不同的街道,其实消费者对某一个商品做决策的时候,对这个属性认知的优先级都不一样,所以这个模型要建的非常好,消费者在做决策的时候是基于什么样的树状结构去做决策的,要把这个属性先建模出来。其次,建模出来以后我们发现其实左右的商品都可以作为一个叶子挂在这个树上,你会发现这个叶子上没有挂任何的商品,意味着什么?这往往意味着这可能是一个市场机会。后面某一个属性上的某一个叶子上挂了很多的商品,这个时候你该考虑这个商品是不是要差异化竞争,如果你还没有特色的话就会变成价格战,压成本,后面所有的环节都会比较痛苦,所以在上面这些诠释希望给大家一些启发。

诸刚强:这个想法比较创新。我们今天推荐给消费者的商品标签除了商品自身所在的属性之外,也应该在营销中,因为首先是由需求链接到品牌和商品,从需求端拉动整个供应链的反应。从品牌来说,因为品牌的核心还在于商品,贴什么标签其实就是如何通过营销的手段和平台的数据置换的时候,如何让消费者找到品牌?

Tony:商品的标签或者说商品的信息库的建设,不管你叫它什么,这是你必须要做的,也就是长什么样,你必须要了解清楚。这是第一步。第二步零售商的商业模型是什么样的。

我觉得零售商的商业模型就是三大支柱点。第一个点是你产品设计的能力决定了你是否盈利,如果你很烂,你做什么数字化都不会成。你的商品永远是消费者选择你的第一要素和你核心的设计能力,这是品牌商必须要关注的。

第二个支柱就是你的前端,不管是你的营销手段还是线上的精准化营销、线下的精准化营销,这些都是前端,这块要保持在市场的中等水平或者是争取比别人好一些,当然这个和你的定位有关系。

第三个就是商品管理。我也会和国内的公司交流,他们在这个方面比较欠缺,设计会注重,他也明白商品是我能够在这个市场上最重要的因素,前端销售一定注重,整天打鸡血、发奖金、培训,但是商品管理大家的理解没有那么深刻,就是计划做的不太够,你对整个货品库存的管理是不是那么好。

刚才诸总提到补货,提到铺货,我也再分享的具体一点。供应链一定要做,现在没有人闭着眼睛把这个季节的货物都卖掉,这是不负责任的,因为你每年能做的生意就是这么几十亿,所以供应链要做,做了供应链要不要做计划?没有计划怎么做供应链?这个是由高老师的观点引发出来的一个思考。

接下来每家门店有商品宽度、深度,剩下来的怎么办?接下来靠什么?靠人眼去看。我给大家分享一个数据,GXG的品牌管理人员多少?一个品牌30个人,一个品牌大概六七百个店。因为我们想把商品做好。怎么办?要么招很牛逼的人,要么招一些很普通的人,但是尽管这样你还是无法妥善的把商品管理的很稳健,甚至你有一个比较强一点的商品管理人员离职,就会发生刚才高老师说的情况,就是下一季你会死的很难看,所以你必须要借助系统、借助数据、借助算法,要把很好的理念固化在系统中。其实我们并不单纯在意这30个人的工资,我在意的是这个企业,如何成为增长到60亿以上的过程中,我若再去开这么多店,势必每年的成本和利润要上去,这个时候我怎么样保证投资的安全性。这就是我的一点体会。

诸刚强:我们谈这个话题就是说如果算法是对的,方法论是对的,市场化能力不断为这个平台创收。刚才Tony讲的非常有意思的地方,我们刚才一直围绕着门店的角度去讲,我们也可以围绕消费者的角度去讲,商品对导购也有要求,对导购来说面对消费者是否能够通过品牌能力,为导购输出什么是适合进店消费者的内容。还有一个就是商品供应链能力的标签,因为我的商品从商品企划到补货、调货也涉及到商品供应链的能力,有这个货,我捡不出这个货,最后还是没有办法满足消费者的诉求,所以商品供应链也是品牌面对线上线下消费者一个非常重要的商品的标签。面对今天的品牌挑战,从商品的能力来说,我觉得不单纯是创造一个产品,还需要让我们的产品跟消费市场有更多的互动,还有很强的供应链的能力,我相信高老师在这个领域有非常多的研究。在我们描述端到端的所谓的商品预测计划和商品满足中,什么是我们面对品牌公司的123?

高峻峻:第一,因为有很多品牌商专门去上一个补货系统或者是调拨系统,这种属于哪痛医哪的感觉,其实往前推为什么调拨会这么多?可能就是铺货的问题。所以我的第一个建议是:不管怎么样,和这个商品有关的整条线、要决策的内容点要清晰。我们不用追求这个决策一定是超级完美的,逻辑一定是无懈可击的,不一定要达到这样的程度,至少要先把这些串起来。事实上前面的前端的反应也很大,前端算得更精准一些,事实上后面的补货和调拨也会精准些,包括有一些企业的分布问题,我们给一些企业做的时候发现他们就是自己开发的。但是从一个体系性的角度去看,因为当时订货会的时候是分公司订货的,库存又归公司,所以为什么到最后非常复杂?是因为你要分点给分公司,分公司再想给哪个店。从体系的角度来说为什么不一开始就分析到哪家店?如果一开始做到,那么分货的时候就超级简单。如果像一开始有柔性供应链的方式,那么首单下的单就是低的,也是精准的,剩下的就是留仓,而且要平分公司的利益,因为一开始大家都是抢单的,这个时候我的调拨自然就上去了,所以一开始没有一个体系出来就会出现这样的问题,而且这个逻辑也超复杂,解决也是很随便的,所以我的第一个建议就是体系化。

诸刚强:最近在厦门,和京东物流及品牌商物流沟通,大家非常关注供应链“加”物流。比如说绫致在门店调拨的物流业务比较多,其中60%的物流业务是通过调拨实现的。另外一个有意思的数据是波司登的供应链,波司登在早期做整个供应链物流设定的时候,因为早期都是围绕着“货”的物流,它们前期做的一个创新就是波士登把整个公司所有的商品从门店到前置仓,到大仓,设计了门店轻库存,100多家前置仓作为门店调拨的柔性供应链,通过供应链中台实现商品通。但是最近有重新复盘,建立品牌大仓,缩减前置仓,学习NIKE的大仓模式,从整体效率提升商品周转。不管怎样的模式设计,都是尝试商品,供应链,物流,仓储的全链条的调通。从订货会的门店货权到品牌商,到全渠道打通,是一个持续变化,与时俱进的演化能力。

Tony:我们有自己的办法。我也是到了GXG之后大吃一惊。GXG的办法很简单,也很直接,执行的好的就奖,执行不好的就罚,门店执行率如果低于95%就要罚,因为错永远是他们的资源,要把他们的资源拿出来就是割他们的喉,但是我必须要这样做,只能用这个粗糙的方法来做。

诸刚强:如果市场是精准的,效率是最高的,品牌商并不是从行政手段决定多个渠道和门店的商品结构和库存深度。因为我们今天讲的新零售的落地实践,我认为商品预测精准度和商品供应链是体制化的过程,为什么今天有大型的公司有大量的商品调拨?实践上是因为品牌商对商品在落地需求上是不透明的,单纯通过供应链的效率的提升来满足用户并不是整体商品价值链的健康模型。

高峻峻:接着回答前面你提的问题,前面讲了第一点。现在讲第二点,目前的品牌商供应链其实都是混合型的。原来讲的一种是效率型的供应链,我前两三个月就把它生产出来,在销售的时候开始往下分货,这是效率型的,确实适用于一定量的款式。另一种就是柔性供应链,以最快的速度并且交付,但是那么快的交付一定是单拉出了生产线的资源,小批量的生产,它背后有很多的假设,这个假设一定适合一些款式,不适合一些款式。比如说我要有一定的个性,可能就不适合,所以在一家公司中永远有很多种类款,配套的供应链有的款比较适合走效率型,有的适合走柔性化,所以我们看到品牌商也是两个模式都在走。

比如说原先都是存货的,现在有一定量的款式开始拉式柔性的供应链。但是这个路不能一直走,原来一开始快速的柔性的供应商发展到今天也开始扛不住,因为原来都是在销售季开始之前的一个月通过订货会的方式,这个时候已经干不动了,这个时候他会发现排不进生产,因为给的时间太短了,所以一定会挑一些风险比较低,自己预测比较准的款式,最起码提前两个月做预测,然后进行生产,之后是第二批生产,没有一家公司可以一招鲜吃遍的,这样肯定会遇到问题。

对品牌商的挑战就意味着从最初的那一端开始做,不能从中间砍一刀再走,一定是从最开始的时候定位好这些款,找哪个供应链,所有的配套的计划体系都是跟着这个走,这也是我们和品牌商合作的时候经常碰到的一个观念上的转变。这两种是混合型的,而且这个混合型从头到尾,千万不要从中间砍。所以我第二个想表达的就是混合式的模型,而且是从头到尾、端到端的,这已经是必然的,而且每家公司几乎都得这样。有些企业之所以效率不是很好,就是因为没有从头到尾的做这种事,走的还是老模式。

第三点,我们在实际落地的时候,在数据上碰到了太多的问题,在企业的系统里你想让人维护,你必须要告诉我以后的属性用起来会用到什么程度?分析到什么程度?以后怎么样帮你改?什么信息是有用的?结合这些才能把整件事推动好。数据就是这样,我们碰到太多,做到最后门店的用量不规范,缺库存等等一堆问题,这都是背后管理的流程,原来上的时候可能就是系统上去了,大家把这个系统搞通了,可以支持业务,但是里面所有的数据都没有规范,像这样的一个计划系统对企业来说也不是很大的流程再造,而是针对数据运用和决策这一段确实也需要一定的改变,要规范大家对各种各样系统的规范性,包括主数据错误的,在这样的情况之下看那的生命周期肯定会有差别,因为在落地的时候数据上的问题也非常多,所以内部在整个数字化转型的过程中要各个部门都要跟着这个思维转变,还需要进行很多逻辑的讨论、数字的展现,解决很多很细的问题,规范也有了,执行力也有,这些都是实实在在的问题,这些都要做。

空包网 http://www.35kb.cn

上一篇:京东空包网瞄准赋能商家 京东大快消公布“5G战略”

下一篇:空包加盟汪海:让跨境电商卖家凭数字化供应链出海

最新文章

最热文章

35空包网欢迎您的光临: 如何打造爆款 快速注册 购买快递 拼多多放单 新手教程 流量收藏