市場營銷培訓師講師劉杰克老師文摘：大數據時代的電商市場營銷策劃

市場營銷培訓師講師劉杰克老師文摘：大數據時代的電商市場營銷策劃。在荔灣醉觀公園的唯品會總部，龐大的業務系統令數據部門忙碌不堪，內外部數據整合每天將產生1T的數據量。據相關負責人介紹，唯品會大數據分為離線計算平臺與實時計算平臺。離線計算平臺支持所有原始數據的存儲以及多種粒度的數據切片，匯總及交叉分析等；實時計算平臺實現了數據采集、清洗、加工、建模、輸出等全流程處理。在數據的架構、數據模型、數據計算等方面，數據工程師與業務分析師團隊的組合正在產生的“化學反應”。

利用BI商業智能系統在“雙11”前監測全行業景氣狀況，并且對標如裂帛、韓都衣舍等第三方淘品牌的備貨及生產情況，并結合行業年均增長，制定了對供應鏈的備貨方案。

BI商業智能系統今年首次被茵曼應用于“雙11”，系統對供應鏈的指導作用立竿見影，最終直觀的是“雙11”庫存量大幅度減少。

何健偉說，以“雙11”的備貨為例，“雙11”既是全年大促同時也要兼顧此后的“雙12”、圣誕、元旦等節點銷售，備貨多少將決定來年初的發展大計。“服裝周期太短，如果備貨太多，來年的消庫存壓力巨大，以致于無法拓展新款型。”他直言。

今年，利用BI商業智能系統在“雙11”前監測全行業景氣狀況，并且對標如裂帛、韓都衣舍等第三方淘品牌的備貨及生產情況，并結合行業年均增長，制定了對供應鏈的備貨方案。“去年我們因為缺乏精細化數據統計，備貨過多，將近一半的產品成為庫存。如果按照每件每天一分錢的倉儲成本，每月光是存儲的花銷就高達幾百萬。”他說，今年預判比較到位，按照同行的平均水平，備了1.7億元貨，剛好滿足年底的所有需求。

一方面是對上游制造廠，另一方面是對下游客戶的預判營銷。何健偉調整了BI系統，關于新老客戶的分析呈現眼前。在系統中，老客戶的二次購買是這樣預判的：以11月為最后一次消費，從1月到10月，越靠近11月的二次購買幾率越高；進一步分析，從去年數據來看，同是上述規律。“但值得注意的是前年11月消費的老客戶，在次年消費的幾率達到70%，這說明參與‘雙11’的客戶在明年繼續參與的幾率大大提高。”他說，可以預料老客戶的消費已經占到“雙11”銷售的四成。

唯品會團隊對今年銷售額頗為滿意，“雙11”完成了2014年同期的3倍的銷售額，他們認為，大數據研究在整個活動的前后發揮了重要作用，通過對大數據的應用，實現了活動前預測研判，活動中分析優化，活動后復盤改進。“實際上，就是借助品牌商品競爭分析、爆款商品買手推薦，特賣價格區間設置、活動優惠方式創新、版面交互測試分析，力求達到最優效應。”相關負責人說。

根據今年“雙11”的最終數據顯示，何健偉團隊所形成的銷售預判總額與當天茵曼單品牌銷量相差僅500萬元。精準的預算令營銷團隊舒了口氣，較低的庫存壓力讓來年的準備有了足夠的資本。

從觀察數據來看，8月份開始毛衣在整個淘系的銷售占比不斷擴大，預計可以賣到明年的3月份左右，大概有6—7個月的生命周期。

擁有1000多人技術團隊的唯品會早期便重視數據的聚合及交互分析應用。“在各個業務環節擁有完善的挖掘分析師協助決策團隊，比如運營、經營、品牌等分析部門，這些分析部門專注于將數據應用到業務決策中的不同關鍵環節，創建出大量針對性的數據模型。”前述負責人說，唯品會在美國硅谷也設立了研發中心，與斯坦福、伯克利等大學專家教授國際頂尖人才深度合作，共同完善唯品會大數據平臺。

未來，數據的有效利用讓業務全流程的決策、執行、監控、預警有望實現生態的閉環。

何健偉所帶領的團隊正在為來年的茵曼毛衣戰略提供參考報告。“比如有60款毛衣，有20款是‘雙11’專供，明年第一批什么時候上線，剩下40款又如何確定上市時間。”

他說，從數據觀察，8月份開始毛衣在整個淘系的銷售占比不斷擴大，預計可以賣到明年的3月份左右，大概有六七個月的生命周期。

“毛衣上新應該在這區間，8月有店慶、9月淘寶99活動、10月有集團大促、‘雙11’。我們必須在這幾個時間節點安排毛衣上架。”這意味著，茵曼銷售量和補單量會在年底至明年初制定。他說，2月之前毛衣的售罄率要達到多少，庫存要小于多少，才不至于有太多積壓？每次的補貨會根據這段時間可能的銷售量去決定，數據的支撐極其關鍵。

在決策前，何健偉還需要做出技能分析——實際上是不同品牌毛衣產品的對比。在BI系統中可以清楚看到，在毛衣的排名中茵曼落后于恒源祥、優衣庫、amii等。“不僅僅是發現，還需要細化研究其他品牌熱銷的產品定價結構是怎樣的。”他說，第三方淘品牌毛衣在市場上的份額還有很大的突破空間，當前需要的是針對價格區間設計檔次差不多、價格差不多、一些性價比比競爭對手更高的款型，此外，還會根據線下調研發現同樣的客戶買的比較多的是amii、裂帛、優衣庫，客戶本身的偏好指明了一些不足，從而完善自己的結構。

在BI商業系統，12月第一周，茵曼毛衣的交易額平均的售價是155元，總銷售接近16萬元。而在“爬蟲”（抓取信息程序）的抓取的信息中，行業龍頭恒源祥每天銷售額達到40萬元，整體趨勢是上升的。

“冷空氣來了，毛衣銷售正在上升，我們需要補足短板趕上去。”何健偉說。

每到消費節點，匯美集團數字化總監何健偉尤為忙碌，在他的團隊以數據規律形成營銷方案的同時，一條條“合胃口”的消費信息已經發送到不同的注冊用戶手上。

“雙12”將至，正當電商平臺再度發力促銷大戰時，廣州大型電商企業“硝煙彌漫”，一場后臺的“戰爭”早在一個月前打響。

“大盤”由兩個維度構成，每個品牌累積構成＋每個品類構成。這些數據會在天貓＋淘寶整個淘系統上公開及監測，監測某些品牌一段時間內的交易，可以知道哪一個品牌在整個份額里占比多，關注到它的產品和零銷。另一方面，借助“大盤”獲悉各個品類的銷售額，按照這個標準調整主推款，包括大至預判明年秋冬的產品設計，小至羽絨服、外套要做多少種款式。

“這是一個交互的系統，例如我們點擊韓都衣舍，可以看到韓都衣舍的品類結構，可以觀察競爭對手品類的差異：按照銷售總量，韓都是連衣裙賣得比較好，我們是襯衫和羽絨服賣得比較好；按金額來說，我們的羽絨服賣得比較好，起碼是399元到599元；按件數來說，韓都的連衣裙比較好，一般價格在90元到150元左右。”何健偉說，“大盤”只是提供數據整合和趨勢，但要把“大盤”價值轉化為營銷還需要提煉、分析、決策等多個工序。

主導這場比拼的是隱藏于電商幕后的一群數據分析師。他們供職于不同的電商企業，每天的工作就是搜集競爭對手情報、分析客戶習慣、提供發展策略研究……把數以百萬計的數字、文字、抽象信息整合為具有模型、可視的圖表。

“你可能無法想象，一個涉及數億元的備貨決策，最初是來自于一只網絡爬蟲（抓取信息程序）。”何健偉笑言。

“大盤”監測是為了解電商趨勢，例如女裝市場是否在增長、增速是怎樣的，是電商企業戰略的初期判斷

早晨9時許，到達海珠創意產業園的匯美公司數字化團隊第一件事是打開“大盤”。

盡管內容有些雷同，但這并非股市中的大盤，而是一套耗資百萬、自主開發的BI商業智能系統。

“商品生產周期是不是很快，現在有多少庫存，轉化是好還是不好，客戶評價如何，退款率高不高，毛利如何？每一個數據細化到某個產品。”何健偉說。

“大盤”監測是為了解電商趨勢，例如女裝市場是否在增長，增速怎么樣，這些將影響到電商企業戰略的初期判斷。大盤高速增長時可能會不斷投入，大盤萎縮時公司的產品不會盲目擴張。以最近的“雙11”后為例，11月25日是銷售的峰值，淘寶、天貓綜合數據顯示服裝類目總銷售4億元，包括優衣庫、韓都衣舍、歐時力、裂帛等知名品牌。“如果把‘雙11’拉進來，大盤便形成一個凸顯的三角形，兩邊的平線矮了一大截。”他說。