如何让数据分析助力零售企业寻找最佳营销策略

郭皓

摘要：在科学技术水平迅速提高的当下，对传统的零售企业造成了一定的负面影响。虽然传统零售业的实体店购物形式与在线购物相比仍存在一定的优势，但是，随着科技的发展，必然会促使传统零售企业进行变革。文章将重点阐述在实体店购物体验中传统零售企业吸引消费者的营销策略。

关键词：数据分析；零售企业；营销策略；助力

一、数据分析的概念及特征

在零售业、电信业、金融业等各个行业中，每天都将产生大量的运营与交易数据，而这些数据多数都难以得到有效的应用与处理。事实上，在进入21世纪以前，对于许多零售企业而言，这些数据多作为基本的管理要素，而很难被用于企业经营决策的分析报表当中。随着近年来物联网技术的普及与发展，数据分析技术已日益成为了社会各界所关注的热点，并普遍认为数据分析将为各行各业带来可观的经济效益与社会效益。

数据分析的概念，即是从企业多样化、海量的交易数据、传感数据以及交互数据中，快速、及时的分析与挖掘出具有价值的信息。数据分析的基本特征是：快速化（Velocity）、多样化（Variety）以及价值化（Value）这3V特点。

1、快速化。快速化，主要是对数据分析与处理在速度上的要求。随着近年来零售企业生产成本的不断提升，以及经济全球化时代的到来。零售企业的市场竞争压力正日益激烈，在这种情况下零售企业如何更加及时的把握市场动态，迅速的洞察消费者的需求，从而制定出最佳的营销策略，将成为零售企业提高竞争力的关键所在。快速化的数据分析，将为零售企业迅速响应及把握市场先机，提供有力的决策支持。

2、多样化。传统的零售企业运营与交易数据，多是以结构化数据为主，即是以二维表结构存储在Excel、word等软件中。但是随着近年多媒体技术、网络技术的普及与应用，图片、声音、视频等非结构化数据在零售企业中也逐渐占据了较大的比重。这就需要数据分析技术的应用，能具备多样化分析与处理的特征，以充分挖掘出各种数据信息的价值。

3、价值化。随着近年来零售企业中数据存储量的日益增加，以及数据信息来源与数据类型的逐渐多样化。数据作为零售企业的一种重要管理要素，也是形成市场竞争力的重要基础，如何使数据更加价值化，将成为企业提高市场竞争力的关键。然而，零售企业数据的价值虽然非常巨大，但价值的密度却较低，这就需要充分利用数据分析技术，以更加深入的挖掘与分析数据的潜在价值，以得到更加有用的数据分析，以体现出数据分析价值化的特征。

二、数据分析在零售企业应用的意义

当前，数据分析在零售企业应用中的意义，主要体现在以下方面：

1、有利于快速响应客户需求，实现精准化营销。由于我国零售业中同类产品普遍存在着可替代性强、差异性较小等特点。因此，要实现零售企业销售收入的提高，就离不开出色的客户服务与购物体验。而通过有效对零售企业销售数据的有效分析、挖掘与应用，能够实现对顾客购买信息的多维度、多量化的快速分析，从而及时洞察与了解客户的需求变化，以制定出更加适宜、更加精确的销售与促销策略，进而提升顾客购物的满意度与购买率。

2、有利于提升顾客的忠诚度。通过对顾客的购买记录，以及日常消费习惯（如每月消费金额、购买序列等）等数据的具体分析，可以得出客户的购买趋势以及对某产品的忠诚度，从而更加详细的了解客户消费情况以及对产品的喜好程度，进而对该类产品的价格与品种进行适宜的调整，以便更好的留住老客户，吸引新客户，提升客户对该产品的忠诚度。

3、有利于实现产品的交叉销售。通过数据分析，还能够对顾客的相关购买信息进行关联性的分析与应用，从而寻找出顾客在购买商品时的共同信息。例如，当分析出购买某商品的顾客，多少情况下也购买了另一商品。利用这种关联性分析结果，有助于零售企业根据顾客的实际购买情况，对产品进行关联化推荐与个性化推荐，这也有助于进一步提高顾客的满意度和商品的购买率。

三、数据分析对零售企业寻找最佳营销策略的推动作用——5P营销策略

当前，数据分析对零售企业寻找最佳营销策略的推动作用，主要体现为5P营销作用。它主要包括了对原市场营销学理论中的“4P理论”进行分析，即产品（product）、价格（price）、渠道（place）、促销（promotion）四个数据因素，再加上对人（people）这个最重要数据因素的分析，从而得出零售企业最佳的营销策略。

1、产品的数据分析。在零售企业中，产品既包括了有形的实物，如服装、家具、电子产品等，也包括了无形的产品服务、创意观念等。通过对产品的数据分析，有助于产品在市场中的合理定位，提高产品的市场接受性。

（1）产品生命周期分析。产品生命周期（Product Life Cycle），即是指产品从进入市场开始，直至被市场淘汰所经历的时间段，包括了导入期、成长期、成熟期及衰退期这四个阶段（见下图1）。由于产品在不同阶段中，潜在顾客对产品了解程度、市场竞争情况、产生加工技术等各个方面都有不同的特点。对该产品生命周期的数据分析，有利于零售企业制定合理的产品生产与营销策略。

图1产品在不同生命周期阶段的特征

（2）产品定位分析

①主力产品——导入品牌策略。对于零售企业的主力产品，由于其承担着企业未来主要营销指标的重任，因此在主力产品的定位上，应积极树立产品的品牌形象，使顾客能尽量喜好和偏爱这一产品，积极扩大其市场竞争力。

②侧翼产品——紧贴功能策略。侧翼产品是指为保护主力产品，所诞生的附属产品种类。例如，可口可乐公司的主力产品为可口可乐，侧翼产品为雪碧、七喜等。在侧翼产品的定位上，着重追求与主力产品的共性与一致性，但品牌形象不宜过于张扬，以免对主力产品造成影响。

③细分产品——凸显个性化策略。部分产品是针对小众人群或顾客特殊需要所涉及的，这类产品往往具有很强的个性化特征。对这类产品的定位，应重点强调市场中的差异性。例如，宝洁公司将洗发水细分为去头屑、深层护理、草本精华、柔顺等个性化特征，并相应建立了海飞丝、飘柔等品牌，适宜于各种用户人群。

（3）产品包装分析。当前，包装设计已然成为了产品非常重要的营销工具。由于零售店中多采用的是顾客自选的方式，因此通过良好的产品包装，有助于吸引顾客的注意力，并通过对产品状况的正确描述，以帮助完成销售。通过对产品包装数据的分析，一方面应注意产品包装的差异性和个性化，如大小、颜色、形状、材料等，使产品具有鲜明的特点，能吸引顾客的注意；另一方面，还要求产品的包装内容，应尽量与产品定位、产品营销策略相一致，应与相应的产品广告、定位、分销策略相吻合。

2、价格的数据分析。产品能否在市场中打开销路，能否给零售企业带来预期的收益，价格因素将起到关键性的作用。因此，应通过对市场中各种产品的价格进行有效的分析与统计，从而制定出合理的价格。

根据产品价格的数据分析，其定价的方法主要有成本导向定价法、需求导向定价法、竞争导向定价法等。以竞争导向定价法为例，它是综合分析市场中竞争对手的价格水平、服务状况、（上转第82页）

生产条件等多方面因素，并结合自身的竞争实力、生产成本、供求状况来确定产品的价格。

3、促销的数据分析。促销是指零售企业通过一定的策略，使企业及相关产品的信息能充分传递给顾客，从而使顾客能了解、偏爱与购买该产品，以达到提高营销效益的目的。目前，实体零售店促销的方式，主要包括了人员促销、广告促销、营业推广促销以及公共关系促销这四种，其相应特点与优劣势详见下表1所示。

从上表中可以得出，各种促销方式都有着其优劣势。零售企业可根据实际产品特点、服务状况，以及用户人群需求等方面的因素进行分析，灵活选择一种或者多种促销方式。

4、渠道的数据分析。渠道即产品如何通过分销系统，到达最终用户与消费者手中。零售企业的分销系统主要由中间商网络所构成，包括了批发商、零售商、代理商等，它们通常负责不同的分销区域。在下表2中，即为我国消费者在购买食品杂货、保健品、美容产品、电子产品、服装/服饰这几个品类时，优先选择的5家实体零售店：

从上表数据可以得出，国际连锁零售店所占比重较大，消费者在以上三个品类中均有家乐福，而在以上5个品类中均有沃尔玛。其共同的特点是产品齐全、服务质量好且地理位置优越，这都是实体零售店吸引消费者的主要优势。

因此，零售企业在选择实体店分销渠道时，除应重点选择地理位置优越、顾客量大、服务质量好的实体店以外，还应当结合自身的市场目标与综合实力进行渠道设计。通常而言，应根据消费需求，决定分销渠道的宽度。即当市场规模越大、产品聚集度越弱时，所建立的分销渠道应越宽；当顾客购买量越小，购买季节性越强时，所建立的分销渠道也应越宽。

5、人员的数据分析。影响实体零售店员工人数的数据因素，主要包括了市场规模、产品销售额度、店铺的位置与面积等等。其中，销售额度与市场规模，将直接反映出零售店员工的工作负荷情况；而店铺的位置将反映顾客的流动性，店铺的面积则能反映顾客的饱满度与人均业绩。因此，通过对人员的数据分析，能够合理的配置实体零售店的员工人数。

结束语：

本文从数据分析的概念、特征及意义出发，并着重分析与探讨了如何让数据分析助力零售企业寻找最佳的营销策略。传统的数据管理方式，已不能适应现代化零售企业发展的需要，这就需要我们积极引入现代数据分析的理念，通过深度挖掘、分析与应用零售企业运营中各个环节的数据，从而制定出最佳的营销策略，以不断提升零售企业的管理水平与服务水平，真正实现零售企业数据价值应用的最大化。

参考文献：

[1]董燕.中小企业营销策略研究[J].中国管理信息化，2014（5）.

[2]赵伟.大数据在中国[M].江苏：江苏文艺出版社，2014.

[3]严家明，李生校.工业品营销[M].上海：上海财经大学出版社，2013.

[4]陈刚，李丛杉.关键时刻战略 激活大数据营销[M].北京：中信出版社，2014.

[5]宋宇辰，孟海东著.数据挖掘与管理实践[M].北京：冶金工业出版社.2010.