官方信息

公司网站：https://www.bianlifeng.com/

数学为魂：拆解便利蜂

便利蜂重仓数据科学的逻辑。底层设计师 @虎嗅 https://www.huxiu.com/article/307190.html

零售模型解释不了的新物种

几乎其所有的决策都由数据和算法确定，中央大脑形成的各种业务决策，作为相关人员行动的依据，业务链条上的所有人员，只需要按照软件提示的策略执行。

理解便利蜂，需要理解我们所处这个新时代下公司价值的逻辑。很多公司的价值已不是诞生于工业时代的财务报表所能够体现的。根本上看，这已经不是销售、价格和成本策略都合理，公司价值就会增长的时代。

在便利蜂的价值要素中，人工智能的算法、数据、计算能力、供应商关系、消费者关系等因素，在企业价值中占据越来越重要的位置，这些都是在报表中无法呈现的。

便利蜂的逻辑

在便利店的业态中，从业者正试图越过两座大山：便利店市场潜力大但市场分散；便利店门店数量多但效率低下。这源于便利店行业价值链的很多环节存在问题。在这样的技术、社会背景下，零售科技在多个方向上实施创新。这些零售科技有一个共同的底层——数字化转型。

通过数字化能力洞察消费者，突破生产管理、门店扩张、供应链管理等瓶颈，实现“生产—配送—门店”的全链条数字化掌控，利用人工智能优化各环节业务决策，成为在中国做便利店的重大机遇。

便利店是一个庞大的、分散的、增长的市场。发达区域的经验是，这将会演化为一个市场高度集中的业态，这提供了一条完美赛道。技术环境大变的背景下，在人工智能技术发展、新消费人群出现的时候，便利店的价值链面临重新改造，这酝酿了破局的机会。

拆解便利蜂

在我们的调查中，便利蜂的数据来源非常广泛。相关的交通、关键日程事件、新闻和本地化社交热点等，都是反映和影响消费行为的数据。根据不完全整理，便利蜂至少还囊括如下数据类型：

来自电商平台：对各大电商平台商品数据的搜集和分析，是新品决策的重要依据。来自天气预报：包括天气、气温等指标，在很大程度上会影响当天的消费内容。
来自消费者的消费数据，是便利蜂的重要来源。此外，数据还来自调研。便利蜂的线上调研，平均每周触达 1.5万—2 万名消费者，收集来自消费者的反馈用于帮助改进商品。
在生产环节，整个工厂的数字化改造，生产过程各个工艺检查点的信息。在仓储环节：常温、冷藏、冷冻的独立温层仓储的监控数据。在运输环节：全温层电子化温度追踪数据、位置信息、地理信息。
在整个链条的数据还包括摄像头采集的数据。摄像头是门店管理的关键设备，对于店员行为的考核、消费者的行为的分析，都是重要的数据来源。
便利蜂有哪些不为人知的内幕？

揭秘便利蜂的行业细节。不觉春晓 @zhihu https://www.zhihu.com/question/296680326

要点

零售行业便利蜂数字化分析 - 图1

负责给你开发盒饭、包子、面包、甜食的人，都是在一线企业（如百胜集团）从业了10-30年的专家；
便利店行业培训一个店长需要2-3年，便利蜂需要45天-6个月。原因是便利蜂把店长最难的工作——排班和订货，都变成了自动化管理；
便利蜂门店的商品，每周有7%-8%的品类会消失，换成新品，更换的依据是上一周的销售数据；
便利蜂的短保商品（保质期在48-72小时内的），都是动态定价的，变价规律借鉴了航空公司对机票的“收益管理”机制；
便利蜂的哪个商品、哪天、几点开始打折，店长和店员是不知道的，都是自动的；
每个便利蜂店铺，里边的商品都不一样，依据周边人群消费偏好配货；
便利蜂掌握店铺周边交通要道的人流数据，包括每个时间段向各个方向走的人流变化；
便利蜂不做加盟，所有店铺都是直营；
便利蜂是唯一一家公开自己热餐用油品牌的连锁便利店；
理论上，任何一个便利蜂的人可以看到任何一个门店不同位置的温度（虽然我也不知道有什么用）；
便利蜂在北京的门店数超过了7-11、全家、罗森在京店数的总和；
天津海河牛奶，卖得最好的地方是北京；
便利蜂店员的收入在各个便利店里属于较高的；
便利蜂提供很多你想不到的服务，比如：帮力气小的女生拧瓶盖，帮洗你刚买的小番茄（或别的水果）；
任何一个便利蜂都提供免费wifi，一部分便利蜂可以给手机充电。
人力靠边，系统如何成为总指挥

通过数据科学解决复杂的运营配送与运管工作。技企学社 @zhihu https://zhuanlan.zhihu.com/p/371477255

发展

2016年12月，便利蜂商贸有限公司在北京成立，2019年3月开始转型“蜂小柜”智能货柜，2019年5月，便利蜂上线“蜂超市”业务。纵观便利蜂的整体发展，一片向好。但是要做到像完全高质量、一致性的服务，对于地域辽阔、更多元化的中国，显然难以实现。

便利店是一个非常巨大的行业，便利店在东亚的很多国家大概能够占到社会零售总额的10%，然后平均2000多个人一家门店。当然，中国发展的阶段和情况与东亚很多国家并不一样。比如日本、韩国、泰国，其实都是这个水平，中国今天差距还比较大。

思考

便利店对于消费者提供的服务就是4句话：第一个是干净卫生，第二个是新鲜美味，第三个是商品齐全，第四个是服务亲切。这是711的创始人玲木敏文说的。

由于我们是全链路的，连着物流工厂生产，全部都是自动化的决策过程，这样让整个供应链体系能够应对多变的环境，做出一些高难度的动作。因为当门店发现任何变化，就会直接传导到工厂，到物流，他们会协同变化。这样让店长和店员既不需要花太多时间去思考各种各样的商业决策，把大量的精力用来服务消费者，同时还能完成比过去更高难度的操作。

总体来讲，我们希望给消费者提供的服务曲线是说在15分钟、15块内，提供最多的服务选择和最佳的服务体验。智能货柜就是在办公室里的，所以对于消费者来说只是5分钟的路程。
第一个我们和所有零售企业最大的不同是，我们要求店长和店员不为销售负责，也不为利润负责。他们最重要的工作是两个，一个是服务好消费者，让消费者满意；第二个就是系统指令的合规律，这需要他高度信任系统。系统给它不同指令的时候，它要先符合系统的指令要求，但是他同时可以反馈。当系统和人的判断出现差异的时候，他可以反馈。我们来分析、处理、测试。系统在一定程度是有生命的，系统会犯错误，他可以纠正系统错误。但是在行进的过程当中，他对系统需要信任感，有问题，我们事后复盘，系统会学习和改进。

落地

第一个是数据输入问题。当这个数据需要人输入的时候，它难免就错误和不及时，会导致系统做不出正确的决策，得不到正确的反馈。所以最后的解决方案是系统和系统沟通，系统和硬件沟通，这样尽可能让数据采集来自设备和系统之间的交互，让数据的准确性和及时性能够得到保障。

第二个问题是，当我们为一部分系统提供了系统和赋能以后，会发现一个很大的问题，系统根据数据算出了一个更佳的解决方案，但实际上它的上下游是无法执行的。因为它的变动速度太快，而人的平衡感比较强，他可以对于变化的环境做一个非常具有平衡感的决策，但他没有能力做高速变动的决策。所以当人和系统进行协同的时候，系统并不能发挥出它的优势来。但它在适应人的节奏时，系统的决策能力又没有人这么强的平衡感，所以变成了以己之短公彼之长。当人机配合的时候，人和系统都不能发挥最大的优势。

因此，最终我们做了一个很大的决定，把整个引擎全都换掉。我们是从门店的各种环节到物流到工厂，全部都改成了自动化操作，全部都是系统和系统之间互相交互，这样才能最终把模型跑通。它不是一片一片去更换的，而必须是整个引擎一起更换的过程。

我们绝大部分都是通过视觉采集的，极少量的数据是通过IoT采集的。因为视觉的通用性更强，成本更低一些。而且随着业务的发展，它可能需要更多的功能，我们认为，从通用性角度来讲和发展弹性角度来讲，视觉是更强的系统。所以大概有百分之七八十的数据都是通过视觉来采集的，会有一些用电的设备，我们会通过IoT采集，比如温度、声音，以及用电的一些操作。

全时出局，便利蜂高亮，不同境遇只因这点

全时出局，便利蜂高亮，不同境遇只因是否有效进行了数字化管理。

资料来源：DataHunter
文章日期：20200528
原文链接：https://mp.weixin.qq.com/s/mgw7X78S4NGGyXv9kf2hXA

背景

便利蜂已经在全国20个城市开出了超过1500家门店，其中包含北京的500多家、天津200多家、华东几城数百家。2020年2月，便利蜂还于深圳开出华南首店。这距离它在北京中关村开出第一批门店还不到三年。与中国门店最多便利店全家做对比，全家开出2500家门店花了整整16年时间。

相关数据研究显示，当一个地区的人均GDP达到6000美元时，便利店就可以进入发展高峰期。按照美国、日本等国家的历程，在大型超市充分发展之后，会迎来现代连锁便利店发展的高潮。
日本第一家真正意义上的现代便利店，也是7-11的第一家日本店是1974年才开张的。而我国当前的人均GDP已接近一万美元。如果横向对比，中国的大城市和东部沿海地区基本具备了1970年代日本社会的购买力，同时，在全国范围内，大型超市的发展已经进入全面的衰退期。

可是，从单店辐射人数来看，国内目前便利店的渗透率尚低。据中国连锁经营协会统计，国内26个重点城市单个便利店辐射人数为1.2万人，同期日本和台湾这一数值约为2500人。行业发展优先的城市如广东、上海，两地便利店密度达到了白热化竞争阶段，此外其他城市便利店市场普遍处在起步和初期成长阶段。

行业挑战

1. 所需资金较大，但净利润却低

对便利店的经营来说，资金问题是非常重要的，便利店的生产成本是零售业中最高的，通常来说店铺面积越大，租金、电费、装潢等经费就越高，开店越多所需资金就越多。中国连锁经营协会发布的《2018中国便利店报告》显示，近一年来便利店行业的运营成本正在快速上升，其中房租成本上升18%，水电成本上升6.9%，人工成本上升12%。尽管便利店的平均价格比传统超市高15%、毛利率多在20%~30%，但净利率却难超5%，投资回报周期长，实际是门苦生意，赚的辛苦钱。

2. 店铺难以标准化

不同区域的单店铺是否能盈利所受影响因素较多，比如选址、产品售卖、店铺装修，因此店铺难以标准化。比如，7-11和罗森在日本都有非常标准的店型模板：100平米左右，四方的标准size。店型应该怎么选、货架应该如何陈列、如何施工，都有现成的标准。中国的店铺建造是没有标准化的，每一家商铺的施工材料、结构都有可能不同。在中国，如果没有标准模板，每家店就需要设计出十几张图纸，成本很高。基于这样的情况，由于不同门店货架的摆放不一致，那么能够做到多少营业额，就需要重新动态计算。

3. 规模化以后管理成本过高

在中国，零售行业要发展就需要规模化，而规模化是通过直营或者加盟来解决的，但是这中间就会导致管理成本过高。直营就不用说了，对于加盟也是一样，因为从根本上来讲，要统一品牌商跟加盟主的利益关系，在中国是非常困难的一件事。加盟模式的重要底层逻辑是激发加盟主主动经营的意识。但是在食品行业，这个主动经营获得最大利润的意识，有可能变成违反食品卫生、破坏品牌的行为。比如过期食品不废弃，偷偷换标签……其次，中国加盟主相对来讲人均素质和日本不一样，学历没有这么高，自我优化经营的能力没有那么强。

4. 单店模式不成立，就不能追求规模

便利店是单店模型，通常来说，一个城市至少要有商圈店、社区店、校园店、交通枢纽店四种模型，但是不同城市还有不同变化，比如深圳还需要有工厂店。不同的单店模型盈利能力必然不同。所以只有培养出成熟的单店模型，再去规划化复制，才能通过在某一区域密集开店，从而让物流、供应链和运营成本降到最低，也是很多便利店品牌在地方很成功，而无法在全国却实现规模化的原因。

便利蜂高亮时刻

1. 提前布局供应链

虽然顶着“互联网标签”，但便利蜂是忠实的日系便利店信徒。在日系便利店中，鲜食和自有品牌是主要的盈利来源，也是相比本土便利店最大的优势。在华北和华东，便利蜂投资了多家鲜食工厂，并在一开始就投资了北京7-ELEVEn鲜食合作工厂呀咪呀咪。今年2月，便利蜂还在天津成功摘得30亩土地使用权，用于建设鲜食供应基地。自有品牌上，便利蜂在2年时间做到了近200个SKU，去年11月，便利蜂推出自有商品品牌——“蜂质选”。根据官方说法，现在便利蜂的鲜食和自有品牌的营收占比基本与三大日系便利店持平。

2. 算法推荐

“算法推荐”则是便利蜂与传统便利店之间最大的不同，为此便利蜂不惜花重金投入到中央系统的计算能力、数据采集和算法的迭代上。在发展的初期，便利蜂甚至还推出了共享单车和无人货柜业务，据悉这也是为了获取用户动线数据，以指导便利蜂选址开店问题。比如便利蜂曾做过一个实验，让10个最有经验的7-ELEVEn店长，拿着所有数据工作一周，把一个店铺的商品减少10%的 SKU；结果显示，销量隔日跌了5%。复原让计算机选择，同样减少10％SKU，销量隔日只下降了0.7%。

3. 数字化管理

便利蜂几乎其所有的决策都由数据和算法确定，中央大脑形成的各种业务决策，作为相关人员行动的依据，业务链条上的所有人员，只需要按照软件提示的策略执行。这就意味着，在运营中人的负担被大大减小，而经营效率得到了大幅提升。这种极致量化管理自然有它的好处。首先，大量缩短了员工培训的周期，便利店行业培训一个店长需要2-3年，便利蜂只需要45天到6个月，因为传统便利店模式下需要由店长做的决策，大部分被算法取代，变成自动化管理。这一点至关重要，如果按照传统培训周期，根本跟不上便利蜂的开店速度。另一方面，对生产、配送流程的数字化管理，能够最大程度保证产品品控，实现标准化；基于销售数据选配每个门店售卖的商品，成功率也远高于人工选品。

数据价值

1. 供应链监控

对供应链来说，数据可以帮助从生产源头到物流配送再到门店销售，全程强监控、数据化、在线化，能够最大程度保证产品品控，实现标准化。比如以食品安全为例，为确保加工好的食材安全配送至门店，可以利用冷链物流车上安装了GPS和蓝牙温度计，在后台实时监控车内温度，发现异常实现自动报警。其次，还可以利用数据来监测商品是否过期，在一定程度上堵住了人工疏漏，有效解决食品安全问题。
零售行业便利蜂数字化分析 - 图6

2. 选址决策

所有实体店成败的第一个关键点就是选址。未来的选址一定是基于大数据。比如美团、饿了么就有非常好的数据，可以随时开发出这样的产品，直接告诉你城市的哪些位置的消费需求、年化投资回报率多少等等。所以选址一定是基于依据靠谱的商业数据决策来进行。

3. 商品管理

便利店的选品，需要综合多重因素，例如营业额占比和毛利占比的分配，综合考虑起订量、消费者惯性品牌、本地上货红利、社交网络流行要素，人无我有、人有我有、人有我比，货品轮替，不同阶段的集采优势或者单品牌采购或者补贴，这取决于实时综合计算和内部指标的设计。譬如便利店日商可以拆分为：日商=流动客日商+固定客日商=（集客店人口+流动客流）转化率客单价，则对于不同人客单价、订单结构、不同品类转化率的数据，都是需要区分并且长期计算和维护的。举个最简单的例子，便利店很容易出现“好卖的sku出现扑空”的情况，而基于数理统计和相关性分析，销售预测和实际情况的拟合度有机会做到更高，最终会减少货损。

4. 洞察与管理用户的需求

比如可以通过门店的智能摄像头来识别门店客户的用户画像，并对通过用户购买行为数据，对用户进行标签化，从而实现用户需求的洞察。与此同时，用户行为数据分析也能反向推动店铺的商品与管理运营。除此以外，还可以对用户进行分层管理，提升客单价，最终提高店铺的运营效率，实现盈利。

零售行业便利蜂数字化分析