盘点：全渠道的同品同质同价 新零售的五重境界

要提升效率，就要为每一类构成去制定针对性的运营方案，但通常不会同时执行，要考虑企业目前的发展阶段和用户在生命周期中所处的位置，不要幻想能一口吃个胖子。例如参考AARRR等类似模型，在不同时间阶段找到对GMV贡献效率最高的提升因子，集中火力做到事半功倍才是正确的做法。多管齐下只会困扰用户，各指标下的运营规则互相打架，最后连公司自己都算不清账，反而事倍功半。

最后说到代表供应链的“货”，供应链的优化水平很可能是未来各零售商间拉开差距的重要一环。

首先其改造的难度之大，不论是事情本身，还是人的因素，在前面都有谈到了；其

次这也是大量互联网公司的知识盲区，即便手握技术和数据，但传统零售在供应链上已有百年积累，理论也相当成熟，这可不是光靠互联网思维就可以颠覆的。

互联网企业要对供应链行业，包括传统零售有敬畏之心，要真正去深入了解，和领域内专家沟通，再洞察问题。

不同细分行业里可能都有不同的供应链，有些是设计搭建的，有些可能是自然演进的，但肯定都不会是最优的。例如在”场“中提到的分销网络，不同的库存持有方式和产品交付方式间的组合，会构成适合不同情况下的分销网络，这都要结合产品本身的特性和各类成本等进行选择。

供应链中的每个环节由于都经过了长时间的迭代，而且这也切实关系到该环节运营者的利益，一般在具体某一环上的效率已经比较高了，这也是其自身进化后的优势。所以互联网企业想要涉足供应链，最好将链条看作一个整体，进行统一的优化，而不要聚焦到某一环节上，因为你既不专业，可优化的上限也不多了。

通常来说，环节越短，效率越高。因此，第一步先观察清楚你所在的供应链，是否所有环节都是必要的，是否作为整体已经不能再短路了。

缩短供应链，可能是短路掉某些效率不高的节点，也可能是整合某些节点，形成新的节点，通常新节点较整合前应该要么具备规模经济，要么具备协同能力。更深度的做法是回归问题本质，直接不看现有供应链，考虑最大化的供应链盈余。

在曾鸣老师的《智能商业》中已经给出了未来的核心模式，就是C2B。未来供应链会以拉式为主，这必然是建立在对用户需求精准把控和预测的基础上的，优秀的拉式供应链可以有效缩短响应时间，减少库存，对效率的提升是明显的。

不过以目前的技术还无法达到理想的C2B模式，所以曾鸣老师也给出了演化路径上的中间态：S2b2c的双向通信模式。每个c根据需求与特定的小b交互并产生数据，数据从小b处流转到平台S，S为小b提供一系列的赋能，最终S和b共同满足c的需求，如下图示意。

互联网企业想要改造链条，要么自己做S，要么找到现有的S为其提供服务。

以上就是我对B端效率革命的理解，针对其中的“人”、“货”、“场”，都存在机会点，做好任意一点基本就能在新零售领域内站稳脚跟，做好两点并相互协同就已经建立起了自己的护城河，如果能做好三点，你就是新零售的代名词。但随着问题规模的提高，解决难度并非线性上升而是呈指数上升的，所以最好还是实际点，先根据自身能力聚焦突破一点，是为上策。

总结下新零售：就是通过各环节的效率提升，为用户提供更有价值的产品。而价值需要作为一个整体提升：即全渠道的同品同质同价。

新零售的五重境界

新零售怎么做，或者说是做到什么程度？

这里再次推荐曾鸣教授的《智能商业》，本书信息量和含金量都非常高，既有高屋建瓴的商业判断，又有接地气的实操准则。在曾鸣教授的启发下，我将新零售区分为五重境界，或许（其实应该说一定吧）还有更高的境界，但目前我还企及不到，基于当下行业的发展阶段，我认为暂时也还不需要去探索。

境界一：上线触网

这是最基础的境界，传统零售商意识到线上渠道流量的价值，同时意识到自己可以通过互联网连接全球。虽然如今才意识到这点已经很落后了，但这却是当下大量中小微企业的现状。越是在产业链的上游，触网的程度可能越低，掌握的数据也越少。

在该境界内也存在上下限，开设官网、微博、公众号等可能是最基础的操作了。随着业务越来越集中到线上，系统变得越来越复杂，但若不懂得挖掘数据的价值并通过数据分析指导业务，将永远无法达到下一重境界。目前大量的电商零售公司，虽然业务基本都在线上，但其实也就停留在这个阶段。

该境界内的主要产品形态包括了提供具体服务的前后台，例如前端的网站、后端的各类运营平台等。

境界二：识数读表

目前大量的电商平台以及一些大型的自营电商，甚至一众互联网企业，基本处于这一境界。该境界内的公司具备数据运营的意识和相关知识，做的好一点的还会有专门的BI团队。区别该境界内的高下程度，主要取决于企业数据分析、挖掘的能力，能否真正从数据中发现价值指导实际业务。由于数据分析能力的范围可以很广，因此不同企业间的差距实际可以很大。

该境界内的主要产品形态包括了一系列数据产品及数据分析报告，例如报表系统、OLAP等。也包括了底层的数据架构，选择合适的数据库，搭建必要的数仓。

境界三：数据活化

活数据是曾鸣教授提出的概念，其含义是数据始终在线并不断更新，数据一边产生又一边被业务消费，消费方又会继续产生新数据，最终会形成一个数据流的闭环。

检验企业数据是否活化，有3个标准：

（1）被动记录全量数据，而非主动抽样

用户所有行为的数据都需要直接记录下来。这点线上可能比较好完成，而线下就需要一系列技术的支撑，包括5G、IOT等。通过全量数据的记录，我们可以拿到以前完全空白的数据，例如线下门店客流的用户画像，每个用户在店内的动线，在不同货架前的停留时长等，进而可以分析不同空间设计、商品陈列、选品对进店流量、交易转化等关键指标的影响。

（2）先有数据后有洞察，而非先定义问题再寻找数据支撑

了解大数据的同学都知道，大数据的一个核心思维就是：重视相关性，而非因果性。由于数据存储和计算的成本越来越低，我们只用定义计算的规则，建立合适的模型，由机器对海量数据进行计算，并从中形成洞察。

（3）数据直接决策，而非指导决策

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!