如何打造智慧的购物体验？

针对于中国零售业大数据应用的调研发现，特别是线下传统行业，大数据分析还处于刚刚起步阶段。大部分企业是已经认知了大数据的重要性，却仍有些企业处于观望阶段，据统计，47%的企业目前是开始尝试并且会有指定部门对数据进行获取、统计、分析，并且应用到销售、业务、运营当中；另外还存在相当于55%的企业处于考虑、探讨、分析当中，对于大数据感到陌生。

大数据分析是零售企业向未来转型升级的核心竞争力。我们一致认为大数据是可以帮助企业提升自我、创造价值的。在智慧的客户体验领域的全方位的洞察顾客、提升客户服务、基于位置的营销和服务，以及精准营销；将它称之为“智慧购物体验”。

打造智慧的购物体验的战略重点

利用大数据打造智慧的购物体验当中，客户的智能分析和全渠道营销是战略重点。具体有：

1）客户智能分析：客户识别，顾客行为分析；

2）全渠道营销：基于位置的营销，精准营销，提升全渠道的购物体验；

大数据在打造智慧的购物体验带来的价值有：

1）360度顾客视图与细分；

2）增加顾客留存、新增顾客、降低顾客获取成本；

3）提高到店率、购买率和忠诚率；

4）减少活动与投资成本，提高投资回报。

关于企业大数据的获取、分析、运用调查，了解到国内仅有1/3的企业会有职能专一的人全面负责大数据分析工作。35%的零售企业会分散在不同部门完成，如市场部、销售部、业务部等；26%企业把有关大数据工作放置在于it部与业务部负责。另外经过访问了解到，不设立同一大数据分析，分得越是散乱的企业，会出现各部门根据自身需求进行相关数据分析，造成数据与数据之间没有挂钩，导致数据的价值被孤立，无法真正发挥出价值。

缺乏工具也是一个重要的问题。自己开发软件显得大不可能，采用外部软件的同时，会有对接要求，对数据质量要求太高，工具无法适应数据，一定要数据适应工具。对于数据的概念，应该被这样定义，“数据从不是现学现用，而是一个积累过程”企业对于数据分析手段需要更加深化和多样化。

恰好类似于雅量客流统计，通过对于客流量的监测是为了更精准地寻找顾客，营销活动则是为了更好促成买家买单。客流统计以量的统计为主，透过数据的积累以及分析，足以作出更加深化和多样化的数据分析，比如预测客户将要购买、利用以往数据变化规律进行行为指导等，进而运用在零售企业运营管理当中；除了量的统计和分析之外，更是对热与不热进行分析，达到商品优化原则，找到畅销与滞销原因，最大程度优化商品组合、陈列和提高销售、降低库存。

1）描述性分析：从历史数据当中分析过去，反映出已经发生的和正在发生什么事；

2）诊断性分析：了解事情发生的原因，分析为什么；

3）预测性分析：指出可能会要发生的事是什么；

4）规定性分析：从分析过去发生的在预测未来的基础上对行为进行指导；

5）认知性分析：通过交互学习，让分析能力逐步成长、逐步提高认知的过程。

已经开展大数据分析的零售企业当中，有74%的企业需要通过利用大数据解决的业务问题是准确理解客户需求和消费者习惯，进而全方面的洞察顾客；42%的企业需要运用大数据在精准营销方面，基于客户需求预测及顾客特点，从而进行针对性营销，提高成交率和客单价；37%的企业则是运用大数据解决了商品优化问题，找出畅销与滞销商品，分析原因，从而提高售罄率、降低过期损耗，同时也达到优化商品组合和陈列。