序 言

零售业已经进入数字化时代。从实践来看，会员及营销的数字化是企业率先进入和希望突破的。而存量会员的数字化运营越来越成为零售商们关注的重点，这恰好也是回归零售本质的另一种表现– 服务好消费者，先从现有的消费者开始。本报告即重点探讨了存量会员营销的相关问题。
首先，会员营销应以存量为本。在消费互联网高度发达的背景下，流量思维也逐渐被线下所认同。但现实是，有了流量不见得就有了销量。即使能导来新的流量，也不见得能接住。更何况，导来的流量需要越来越高的成本。
其次，要把“以消费者为中心”落到实处。这是个老生常谈的话题，在数字化时代，对存量会员的运营需要有新的技术、方式和手段。不仅从会员营销层面，更要从零售本质要素上打造一套新道路和新动能，实现从粗放式向集约式发展，实现零售行业的新旧动能的转换。
最后，研究存量会员的意义在会员营销之外。通过有效的会员或销去倒逼整个零售流通到生产制造的整条产业价值链，真正在未来能够实现C2M，用消费链来指导产业链，最终帮助零售商能够在未来打造更有竞争力的商业模式。
本白皮书从梳理当前存量会员运营的痛点与挑战开始，帮助我们去理解在一个组织内部（甚至一个零售业态）创建一种统一的顾客语言的重要性和迫切性，进而在深度洞察存量会员的基础上，构建一套存量会员精准营销的闭环体系，从而提升存量会员的忠诚度和生命周期价值。白皮书的最后部分同时介绍了在新零售背景下开展存量会员运营的一些必要条件，帮助大家评估自己的企业。
在会员营销方面，哈步数据有10多年与欧美零售商合作的实践经验，也有5年多与国内数字化一线零售商的合作探索，积累了丰富的经验，为此，中国百货商业协会邀请他们共同撰写完成了本白皮书。
我们希望通过白皮书，为零售本质的回归贡献一点思考。期待与大家探讨、进步，一起让存量会员更忠诚，让零售更美好！

中国百货商业协会秘书长 杨青松
哈步数据联合创始人 & CEO 孙贤杰

一、存量会员运营的痛点与挑战

（一）得会员者，得天下

据中国百货商业协会2019年3月发布的《中国百货零售业发展报告》，随着市场的逐步饱和，获取流量的增量越来越困难，如何挖掘顾客特别是会员的存量价值成为企业制胜关键。
在数字化和存量增长时代，会员营销的重要性、会员沟通的方式手段、会员营销的流程体系都发生了根本性变化。许多龙头的零售企业已高度重视会员的精耕细作，如：银泰2018年推出中国百货业第一个付费会员体系，很快数字化会员就达到500万量级；在苏宁收购的万达百货37家店中，会员数量超 400万人；步步高则提出：“2019年核心工作，就是顾客标签、全面云化、运营与供应链数字化，决胜数字化战略攻坚战，全面达成1000万数字化会员。”
随着电商分流、竞争加剧，与新客的不断竞逐相比，老客的持续维系则显得更为重要，也就是存量会员运营的课题与挑战。各家零售企业均为存量会员提供差异化体验、多元增值服务，例如提供专属服务平台、使用积分兑换商品、参与抽奖、领取新品等，会员还可以享受专属特价优惠等，从而不断提升消费黏性，并提升顾客忠诚度、满意度。
得会员者，得天下。存量会员运营的精耕细作、推陈出新，已经成为零售行业的焦点、企业成长进步的发力点。

（二）存量会员经营的现状

关于存量会员经营数据，这里汇总了15家上市公司财报中的相关数据（按企业营收规模排序），作为行业大势的背景注释。
图1-1 部分零售业上市公司会员经营数据一览

注：以上数据来自各家零售上市公司2017年年报
从以上数据看，各家零售上市企业均对于会员经营投入了巨大的关注和资源。一般地，会员规模与企业营收规模成正比，而会员消费占比则起伏较大，与企业的业态差异、经营策略、运营重心等要素息息相关。
具体以某一商超企业为例：该企业全年营收190亿元，会员消费占比约58%，会员规模逾1320万人，其中电子化会员超过280万人，占比为21.2%；对应的会员平均年度贡献约为1439元，平均至每周约为27元。
该零售企业的现状可谓是存量会员经营的一个缩影；从上述的数字与分析，不难清晰地看到：

• 会员消费已占据零售企业营收的很大比重，并仍有持续提升的其实；
  
• 会员平均价值并不高，具有较大的提升潜力；
  
• 对于其中高价值会员的识别和锁定尚显不足；
  
• 会员数字化进程较为迟缓，尚未充分实现新零售场景下“可识别、可触达、可洞察、可运营”的基准条件。
  

对零售商来讲，面临新零售下的各个新业态的持续分列，必然需要完成由经营商品转换到经营顾客的关键时刻，对此必然要转换到对顾客的经营上去。并且，零售企业需要在会员运营体系不断成熟的进程中，深度挖掘和培养价值顾客，持续搭建起一个经营价值顾客的营销体系。

（三）存量会员经营中的挑战与不足

尽管存量会员的运营高度重要，已经凝聚形成了充分的行业共识，然而在零售企业经营实战中，仍存在着着诸多挑战。

1、缺乏会员战略洞察和统一顾客语言

零售企业普遍面临竞争加剧、顾客流失较多的状况，同时获客成本也在不断提升，花钱买流量更成为不可承受之重。
江小白创始人陶石泉曾说：“与其弱弱的影响10万人，不如深深的打动1万人。”对于重新认知顾客价值讲得朴实且深入，阐述了会员运营中的二八法则。
零售企业一般都有大量的存量会员报表，但绝大部分只是会员数据的简单汇总和统计，例如消费金额、客单价、会员人数增长比例等。然而，面对千千万万、千变万化的顾客，怎么能够识别他们中的共性和差异，并寻找最有价值和潜力的会员？零售企业往往缺乏对于会员群体的分群&归纳、品牌&品类偏好、黏性和流失趋势，在真正开展营销活动的时候，往往缺乏基础顾客数据、会员画像，而不知从何入手。
同时，每个企业、每个部门都会提出忠诚顾客、价值顾客、目标客群等概念，但具体落地时，这些概念所对应的人群以及划分标准往往公说公有理、婆说婆有理，难于达成一致，部门间的协同、企业资源的整合也就更难以发起和收效了。

2、缺乏会员数字化触达与精准营销能力

当00后已经成年，新新人类、Z世代们已经主导零售产业、消费格局，他们高度渴求被深度理解，并且对千人一面、堆积如山的推文、海报、优惠券反感至极，如何实现令他们欣赏并接纳的深切洞察、精准营销？这是零售企业都面临着的战略问题。
目前零售企业往往面临着会员数字化程度低，例如上文提到的头部商超企业，电子会员占比仅为21.2%，从而直接导致会员行为不可追踪、不可衡量，也难以进一步进行触达，并持续维系黏性。
由于缺乏充分的会员细分、价值洞察，零售企业往往拥有大量优惠券、海报、促销资源，却难以实现会员个体与营销资源的精准匹配，导致对于部分客户可能骚扰过度，对于另一部分客户则可能价值缺位。

3、缺乏围绕会员的品牌/商品的洞察和服务

零售企业往往只是拥有基础的品牌/品类/商品的历史经营数据，难以精准地看到品牌/品类/商品的发展趋势和成长潜力，而对于其间的价值流失、比例失衡、增长乏力等不足难以有效预见和预防。
当回归零售本质，一切应当以会员为中心，然而由于缺乏会员与品牌/品类/商品之间关联性、贴合度的数据和刻画，那么针对特定的会员群体，在万千的商品中选择最适合的商品，如何在千百品牌中选择最佳效益的品牌，同时又能兼顾营收、毛利、库存和顾客满意度，则几乎变成了一个不可能完成的任务。
针对上述困扰存量会员运营的问题与挑战，《白皮书》将在以下章节中，围绕着深度洞察顾客并统一对顾客的理解与认知，进而将洞察结果运用于精准营销过程并实现闭环，进而实现以顾客为中心的数字化经营转型，并获得内外部资源的整合和保障，确保数字化变革得以稳健落地。

二、构建统一顾客语言——洞察你的会员

（一）形成会员标签金字塔

会员标签对于精准洞察的作用和价值自不待言。然而，如何定义标签？如何使用标签？标签是否越多越好呢？这些问题往往让会员的运营者们莫衷一是。
在实战中，许多人热衷于拥有非常多的标签，各种会员属性、各种购物行为，都使用标签来进行刻画；同时企业的各个职能团队也会采用不同的维度来进行标签设置。最终，不同视角、不同维度的标签无法统合、难以运用，无法形成合力以及真正的顾客洞察。
殊不知，标签的定义和使用也需要分为不同的层级，也有元帅、将军和普通士兵之别，可称之为“会员标签金字塔”。

图2-1 会员标签金字塔

• 会员战略标签：战略（会员忠诚度）标签是指导企业会员战略的最重要的指标，需要企业的各个部门与层级建立统一顾客语言，并持续追踪；战略标签统帅全局、号令四方，标签中的“元帅”非他莫属，成为战略驱动层。
  
• 会员应用标签：应用标签通过基础标签结合算法进行计算，定期刷新；并且与各个业务系统进行对接，指导具体工作，一般数量在20个左右；应用标签独当一面、攻守兼备，自然是标签中的“将军”，组成场景驱动层。
  
• 会员基础标签：基础标签通过多维度数据源进行计算，存储在数据库中，定期刷新；整体的数量视企业所需而定，基于业务需求灵活扩展，多者可达数百个；基础标签恪守本分、守土有责，成为标签中的“士兵”，构建数据驱动层。
  

在实际存量会员运营中，作为统一顾客语言的基石，会员忠诚度细分的战略标签具有可沟通、跨部门、跨层级、可衡量的特征：由于形成了企业级统一的可识别、可度量的会员划分标准，所以能够实现跨职能部门、跨权力层级的有效的沟通和协同，同时可以根据月度、季度、年度等不同的时段，进行数字化的精准衡量，洞察会员群体在时段内的变动情况和发展趋势。
在后续的段落中，《白皮书》将详细介绍战略标签的忠诚度细分，以及作为应用标签的品质关注、生活方式、生命周期等内容。

图2-2 会员标签层次的细化示例

（二）会员战略细分

会员标签体系可以有非常多的标签，而会员战略细分不宜过多，会员战略细分是有着固定使用场景的细分，比如用于理解消费者，对某类特殊会员进行针对性的营销等。下面我们将介绍三类不同的会员战略细分以及每种细分的应用场景。

1、会员忠诚度细分

会员忠诚度细分是一种适合应用在顾客KPI追踪的顾客细分。顾客忠诚度细分是通过经典的RFM模型构建的。
通常以13周（一个季度）作为划分周期，一般来说，通过数据发现，对于超市来说如果一个顾客超过13周不再发生复购，其接下来再复购的概率是小于10%的。如果一个会员顾客超过13周没有发生复购，我们将其认定为易流失顾客，如果在13周内发生了购买行为的顾客我们在基于购买频次（F）与购买总金额（M）进行划分，可以把顾客分为忠实顾客、优质顾客、普通顾客和偶然顾客。忠实顾客和优质顾客我们一般统称为忠诚顾客，普通顾客和偶然顾客统称为机会顾客。

图2-3 顾客忠诚度细分模型

二八定律在零售领域也是适用的，可能不同客户的忠诚会员的比例和贡献度不同，但是总体来说一小部分忠诚会员贡献了大部分的销售额。因此如果能够保证忠诚顾客的到店与客单，那么基本上零售商整体的销售就不会发生太大的下降。

图2-4 某零售商的21%的忠诚会员贡献总销售的68%

因此将忠诚会员的人数作为市场部和门店的KPI也是变相的保证销售。
某零售商将忠诚会员数量作为其市场部和门店的KPI考核，把以顾客为中心的理念深入到各个部门。制定KPI的前提是在组织内部形成了一套顾客语言，当说到某类顾客的时候，大家都能够理解和明白其含义。制定以忠诚顾客的数量作为考核KPI之后，还要结合报表进行一系列的营销活动。比如如果发现忠诚顾客的人数在过去一个月出现了显著的下降，则要对其进行沟通和精准营销从而进行唤醒和召回。

2、会员价格敏感度细分

会员价格敏感度细分是在价格维度对顾客进行细分，通过分析每个顾客长期购买不同品类的商品价格带得出的该顾客对于价格关注度的普遍规律作为细分的基础。
该细分的前提假设是不同客群对于价格的敏感度是有显著差异的，所以不同价格带的商品所对应的目标客群也是不同的。要定义不同价格敏感度的人群首先要定义不同价格带的商品，而这种定义是要在一个品类的内部进行的而且要对规格进行归一化。如果一个人购买高端商品的比例较高，就会被定义成高端顾客，反之就是价格敏感顾客，中间的则是主流顾客。

图2-5 价格关注度细分模型

3、会员生活方式细分

顾客生活方式细分（Life Style Segmentation）主要是用来让零售商理解消费者的一种细分，通过此类细分可以把顾客分成若干类，每类人群尤其显著的特点。顾客生活方式细分是基于顾客标签、产品标签对顾客进行细分，会使用k均值聚类算法Kmeans 等无监督学习的算法进行聚类。
聚类方法的目的是寻找数据中：潜在的自然分组结构的关系。

图2-6 聚类基本原理
聚类中使用的标签就是在之前介绍过的顾客标签体系。比如：每个品类的偏好、购物时间、促销偏好、支付方式，年龄性别等。通常可以生成几十或者上百个维度的标签，然后对这些标签进行聚类。
我们通过顾客生活方式细分来理解某零食零售商内部客群类型，通过生成近百个不同类型的顾客标签，比如购物时间段、促销敏感度、每个品类的购物篮比例、支付方式等。


图2-7 生活方式细分举例

（三）会员全生命周期管理

会员生命周期是基于顾客当前的行为把其划分到不同生命周期的阶段，对于不同阶段的顾客可以采取不同的营销手段：

• 新客： 注册日后第一次购买发生在最近13周
  
• 苏醒顾客：最近13周发生第一次购买且距上次购买超过52周
  
• 流失顾客：最近13周没有发生购买
  
• 休眠顾客：最近52周没有购买行为
  

而忠诚和危险顾客是最近13周发生购买行为的人群且不是第一次购买，对于这两类人群的划分我们用到了机器学习中的逻辑回归算法进行划分。

图2-8 顾客生命周期
对于忠诚与危险顾客，是通过最近13周的表现基于逻辑回归模型进行打分，模型最终会输出每个最近13周有购买行为的顾客将会在接下来变成易流失顾客的概率。

典型案例1：
如何基于顾客生命周期进行定期的有针对性的营销
我们基于上述的方法对每个会员顾客定义他们的生命周期，同时生命周期的标签会每周/月刷新。当生成这样的标签后，就可以基于不同的生命周期阶段进行有针对性的营销。如下表2-1：
表2-1不同周期的针对性营销表

（四）会员全渠道规划与运营

一、以顾客为视角进行全渠道打通
全渠道是新零售的重要标签，单纯的分线上和线下没有意义，因为消费者本身是同时在线上和线下进行消费和体验的，所以零售企业也同时要在线上和线下进行与顾客进行洞察和沟通。但是目前的现状是很多零售企业的线上线下数据的分开的，甚至线上和线下是两个部门而且是内部竞争关系，这样的做法是非常危险而且也不利于全渠道的营销。正确的方法应该是以顾客为视角进行全渠道数据的打通，把消费者线上线下的行为串联起来，从而构建一个全渠道的顾客洞察的视角。
第一步要把消费者线上行为与线下行为进行整合和打通，之后就可以针对全渠道用户行为进行分析。需要回答的问题有：不同渠道的用户价值度差异；线上线下用户相互转化是什么因素驱动的；对于不同类型的用户应该以什么样的渠道和时机来进行沟通。
线下线上的数据打通需要通过唯一的用户身份证明（UID）来进行关联，目前来看这个UID最有可能的就是手机号或者手机设备号码。现在线下的会员注册都是需要手机号的，而线上的注册也是通过手机号，所以目前来看最可能方式就是手机号码。除了手机号以外，未来还有可能成为UID的就是基于人脸识别技术记录下来的每个人面部特征（faceID）。
二、全渠道的用户整合
零售营销正在改变。成功意味着与最重要的客户—全渠道购物者联系，无论他们身在何处，无论他们使用什么设备，特别是越来越多的智能手机。据Google的数据显示，在2017年的大部分假日季节，移动购物点击量都超过桌面上的点击量，因为购物者在旅途中做出购买决定。人们在购物时不再区分移动和桌面，可能是在商店也可能是在电子商务网站。
1. 全渠道零售的含义
全渠道零售是一种完全集成的商业方式，为购物者提供跨线上和线下渠道（例如接触点）的统一体验。 真正的全渠道购物从实体店铺到手机浏览、电子商务网站、现场店面、社交媒体、重新定位以及其间的所有内容。只要这些渠道被认为是独立的，非整合的销售方式，这些渠道的真正潜力就会一直被浪费掉。这不仅仅是要在多个渠道上展示，还是要让顾客选择在多个地方购物。如果你打算成为一个强大的全渠道零售商，就必须考虑到移动、营销、推销、履行、市场……
有线下门店和数字渠道的零售商，“在联系渠道内和联系渠道之间实现无缝，轻松，高质量的客户体验。”在线上和在线下渠道中提供一致体验的能力，同时考虑消费者用于与您的业务进行交互的不同设备。包括允许店内访客查看他们的移动设备上的产品和交易、将商品运送到商店、将店内购物发送到他们的家中，拥有商店流程退货，以及允许在实体零售地点进行交换。
可以看到这个定义是非常严格的，Periscope最近进行的一项研究表明，78％的零售商承认他们的消费者没有统一的品牌体验。45％的零售商也表示进展不够快。
他们提到的提供全方位渠道经验的主要障碍是：

• 缺乏内部组织（39％）
  
• 跨渠道缺乏客户分析（67％）
  
• 孤岛组织（48％）
  
• 数据质量差（45％）
  
• 无法识别购物旅行中的顾客（45％）
  
• 每个障碍都源于围绕先前商业时代建造的工具诞生和发展的管理实践。
  
• 构建全渠道购物的方法
  

全渠道作为一种理念，旨在为包括实体店铺，网络市场，网络，移动和社交在内的多个客户意识接触点提供一致的，独特的和背景的品牌体验。
客户通过亚马逊发现，从您的品牌购买数据出发，会收到针对亚马逊的量身定制体验，插入内容可以是亚马逊网站上未找到的广告资源以及折扣、有关您的忠诚度计划的信息、零售体验（即存储或弹出窗口）以及您的专用收藏页面的URL现场。
即使没有获得关于公司或产品类别的具体信息，也很容易看到这种基本的全渠道用户旅程如何使用关于一个销售渠道的信息，并邀请他们参与他们可能不知道的另一个销售渠道。与许多企业正在做的事情相区别的是，邀请买家采取其他渠道本地化的行动，这样互动就不会被强迫或做出。如果做得好，买家可以无缝地从一个渠道转换到另一个渠道，并且越来越喜欢品牌体验。
3. 全渠道的机遇
麦肯锡研究和哈佛商业评论最近与一家零售商合作，该零售商在美国各地经营数百家商店，以了解全渠道零售客户的真正价值。这项研究包括46,000名顾客，他们在2017年6月至2018年8月的14个月期间被问及购物行程的各个方面，重点关注他们使用哪些渠道以及为什么。为了研究起见，“渠道”被定义为与零售商的任何交互式接触点，包括网站，移动应用程序，交互式目录和店内平板电脑等。该研究发现，参与者中：

• 只有7％只在线上
  
• 20％是专卖店顾客
  
• 73％使用多个渠道
  

“全渠道零售客户不仅使用智能手机应用程序来比较价格或下载优惠券，而且还热衷于店内数字工具，如交互式目录，价格检查器或平板电脑。”该研究还发现，全渠道零售客户在店内每次购物时平均花费4％，并且比单通道客户在线上网时多10％。研究表明客户使用的渠道越多，他们花费的越多。“与仅使用一个频道的用户相比，使用4个以上频道的用户平均花费了9％的额外费用。”
4. 全渠道商业的宝贵性
这源于我们生活在一个持续连通的时代。根据尼尔森的“全面受众报告”，新生代顾客在屏幕前平均每天花费10小时39分钟。这是每月超过330小时在各种设备上消耗大量媒体。与麦肯锡之前的研究一致，尼尔森的研究表明，一个人拥有的设备越多，他们花费媒体的时间就越多。
问题在于，营销人员自己承认，媒体绝大多数关注获取新客户，这意味着他们的大多数沟通策略都集中在“获得”客户的关注，而不是采取任何措施来加深或加强关系。全渠道客户之所以如此珍贵，是因为真正的全渠道业务试图通过以下方式来消除噪音：在他们的目标客户可能需要或希望他们的产品；利用他们对目标客户的所有知识，尽可能提供相关经验，使他们建立更深层次的关系并培养品牌忠诚度。
还有很多要解决的问题，但是对于企业来说，提炼的内容是在目标市场中建立一种熟悉感，并为消费者提供一个定位点和一致的感觉压倒性的媒体景观。
5.创造沉浸式体验
如果屏幕无处不在，对于商品或服务最好的事情就是建立无处不在的幻觉。我们通过为广告、公共关系和搜索引擎优化工作创建一个集中和重叠网点的网络来做到这一点。为此，我们将重点关注三个主要方面：在线“发现”接触点、地理位置、正在使用的设备。构建这种无所不在的幻觉的第一步是在人们发现新品牌和内容的地方增加企业的知名度。
从现在起五年后，单渠道零售将会像WALKMAN一样过时，我们不会再考虑它。十年前，全渠道战略似乎是荒谬的，但现在这是常态，大部分购物者在购买之前碰到多个接触点。将自己局限于一个或两个平台，不进行无缝集成可能会对您的长期增长产生不利影响。这些提示应该成为您的全渠道零售战略的起点。始终寻找新的渠道和方式来连接每个渠道，才是零售变革的历史、现在和未来。

典型案例2：
腾讯社交广告联手孩子王，四招助推母婴行业营销升级
2018年7月31日，腾讯社交广告与国内孕婴童行业领导品牌孩子王共同举行发布会，正式推出“SMARTkids母婴零售闭环营销解决方案”（简称SMARTkids）。双方向在场的100多个母婴品牌的行业代表分享市场洞察，解读这一旨在应对营销痛点，联手助推母婴营销升级，融合双方能力和资源优势，打通线上、线下营销链路，推动母婴行业营销升级的解决方案。
腾讯社交广告与孩子王整合双方优势能力与资源，“孕育”出SMARTkids解决方案，以“更融合、更智慧、更好卖”三大优势，逐一破解营销痛点，助母婴品牌实现以消费者洞察为基础，线上、线下融合及全场景覆盖的全渠道营销策略升级。更融合是指线上、线下的日常生活和消费场景融合成相互打通的整体，全场景触达；更智慧是指高效完成消费者和潜客的洞察和定向，优化和评估的智能化和自动化；更好卖是指线上、线下转化路径形成营销闭环，打通转化路径，带动销量增长。
孩子王COO吴涛对此表示：“孩子王已在全国19个省份拥有227家大型门店，积累了2000万高粘度家庭会员。与腾讯社交广告合作推出的SMARTkids，完成线上、线下全渠道和全场景的完全打通，以更深刻、准确的消费洞察，以及LBS投放等高效的营销触达手段，将使市场发展获得更积极、更有成效的助力。

**

三、构建精准营销闭环——升值你的会员

（一）投其所好进行精准投放

一、为什么要做精准营销
精准营销的概念目前已经被绝大多数电商所接受，而且也在网站设计与广告投放方面得到广泛的应用。精准营销的概念火爆可能要归功于亚马逊在其网站上上线的推荐系统。该系统会根据消费者购买的商品推荐其可能感兴趣的其他商品，据说该系统帮助亚马逊提高了10%以上的GMV。
随着社会的发展导致物质极大的充裕，传统的供给驱动的市场逐渐变成需求驱动，再加上互联网和电商的兴起，消费者获取商品信息的成本大大降低。于是消费者可以自由的选择他们希望购买的商品。虽然消费者可以通过互联网的搜索引擎自由的选择商品，但是仍然需要花大量的时间进行搜索和上网浏览。当然前提是消费者是知道他们想要什么的。但是多数情况下消费者可能不知道他们想要什么，或者并没有太多时间来搜索他们想要的商品或者服务。
所以如果有一种方法可以未卜先知的告诉每个顾客他们有可能要买的商品或者他们有可能感兴趣的商品，就可以极大的帮助消费者节省时间，同时帮助零售企业提高销售。这种方法就是精准营销或者叫个性化推荐。所以精准营销在一个需求驱动的市场前提下，结合互联网、电商、手机这类的信息触达平台才有可能实现。除了这两个宏观前提之外还有两个很重要的技术前提：一个是大数据，一个是算法。
二、精准营销背后的技术要求
（一）数据积累
精准营销的技术前提之一就是数据的积累，无论是个性化推荐还是猜你喜欢都是基于对个体的历史数据的总结和群体的历史数据的规律提炼为基础的。所以如果没有长期的，大量的用户数据精准营销就无法实现。
1.用户数据需要的维度
首先要每个用户的可追踪，所以电商和银行是非常适合精准营销的场景的，因为先天每个用户都是会员都是可以追踪其行为的，而线下零售业也在慢慢积累会员数据。
然后要对用户行为进行分析，建立起人与商品之间的关系。这种关系可能是历史购买过，可能是浏览过，或者加购等行为，也可能是对促销的敏感度，对进口商品的偏好等。这就是我们之前讲过的标签体系，通过标签体系搭建人与商品之间的关系。
2.数据的时间价值
金融学中有货币的时间价值，数据也是有时间价值的。但是与货币相反，货币是随时间向后推移而贬值，数据是随时间的前推移而贬值。所以数据的时效性是很重要的，一般来说用最近一年的数据来分析消费者行为，一年之前的数据价值比最近一年的数据价值是递减的，所以要充分利用好最近的数据进行推荐和营销。
最极端的情况是实时数据的推荐，比如新登记一个消费者访问门店，TA之前是没有消费历史记录的，但是这个消费者身上是有标签的，比如年龄，性别等，那么可以实时推荐TA最有可能购买的商品。
（二）精准营销的算法基础
精准营销用到的算法是非常多和复杂，需要形成一个算法的体系，基于不同的问题和需求需要用到不同的算法模型包。比如一些经典的统计学算法：逻辑回归，时间序列、随机森林等，同时也会用到一些深度学习的方法比如：RNN、LSTM等，这里对一种比较常用的的推荐系统的方法:“协同过滤”进行介绍。

图3-2 精准营销的基础算法
如果两个用户（A、B）有相似的购买偏好：他们过去购买过商品非常类似，那么他们在之后的购买行为也会类似。比如用户A 最近买了一个商品M， 而用户B还没有买过，我们可以将商品M推荐给用户B。这类基于用户之间的相似度或者偏好推荐商品的算法叫做协同过滤法。算法包括：
l 如何计算用户之间的相似度
l 如何计算商品之间的相似度
l 如何处理新用户和新产品（冷启动）
基于协同过滤的定义我们看到，对于用户和商品之间的相似度的计算是协同过滤中非常重要的一部分，统计学上我们用距离来定义相似度。比如两个用户在年龄、性别、客单价、购买周期维度上是完全一样的，那么我们说这两个用户是相似的。完全一样就代表着他们在这四个维度的距离为0。
（三）如何对效果进行评估
精准营销还有一个很重要的优点就是可以对促销效果进行非常科学的评估。传统的DM的评估很难从消费者的层面进行评估，更多的是从商品的层面，比如促销期间对比促销前或者去年同期。对于精准营销来说可以非常科学的选择实验组和对照组进行A/B test 对比两组人群的到店率和销售额的提升。对照组和实验组的方法已经被广泛应用在各个学科，其核心是控制变量，也就是说同一个时间段内两组人只有一个变量发生了变化，从而通过结果来看这个变量对结果的作用是什么。对于精准营销来说，就是要看实验组的人收到商品优惠券这一个变量发生变化后所带来的影响。所以很重要的原则就是要保证在活动开始前对照和实验组的两组人是完全一样的两组人，之后对实验组发商品优惠信息或者促销信息，而对照组的人是不做任何事情的。由此来计算两组的人的销售额提升和到店率的提升。
三、精准营销在线下门店的落地案例
虽然精准营销在基于互联网的应用有得天独厚的优势，互联网先天整合的精准营销的三个条件：数据、算法和触达渠道，但是并不是说实体零售企业就完全做不了精准营销。
回归到国内的传统卖场的应用场景，国内很多大卖场的会员销售占比达到或者超过了50%，而且越来越多的零售商认识到了会员的优势导致这个比例还在不断的提升。假设我们可以对这50%的销售进行追踪与分析，接下来就可以对这50%背后的人群进行精准营销，进而带动新会员注册与销售贡献。
但是线下零售商仍然要面对精准营销的三座大山： 数据、算法和触达渠道。零售商是有交易数据以及CRM数据的，只要有最近一年的会员销售数据就可以对会员进行分析与建模。
分析和算法确实是传统零售商的弱点，由于大数据的概念在中国兴起的比较晚，直到最近几年才被更多的企业认识到其作用，所以人才的储备也是不足的。仅有的一些人才也被互联网公司重金挖走。
最后一个痛点在于触达渠道。传统的触达渠道就是手机短信，但是现代人对于手机短信的打开率越来越低，必须要找到新的触达渠道来迎合新时代的消费者。有的零售商选择自建APP来与消费者进行沟通，但是APP开发、推广和运营的成本是非常高的，前期的投入如也非常大。目前来看比较轻的线上触达方式还是基于微信生态，H5或者小程序。另外一个容易被忽视的就是线下流量。线上触达很重要的目的是为了提高到店率，而线下触达最重要的目的是提高客单。

图3-6 触达渠道

接下来将会通过一个案例来介绍精准营销是如何通过线上线下在一家零售商进行落地的。首先是这家零售希望通过精准营销在5.1档期对其忠诚顾客进行回馈，拉动其到店率和客单。这家零售商的会员销售占比接近60%，而且正在通过微信小程序提高其电子会员的占比。接下来就是零售商的选品，选品的原则就是为忠诚顾客选择他们喜欢的商品（渗透率高），比如一些民生用品，米面粮油、日化、日清等品类中的忠诚顾客的高渗透商品，假设共100个，并且每个商品都有一定程度的折扣。下面就是通过算法进行人货匹配。
分配之后就是触达，使用线上和线下两种触达方式。线上通过微信小程序，线下通过打印设备。微信小程序是目前非常流行的同时也是微信主推的一种帮助商户在微信生态内部与消费者互动的一种方式。不同的场景可以应用不同的小程序进行沟通，比如说个性化优惠券，或者是自助扫码买单服务。
另外一个很重要的触达渠道就是线下触达，现在被广泛使用的就是商场里面的大屏设备，基于屏幕的扫码打印功能可以进行优惠券的打印。基于不同门店周围客群的差异，线下的效果有时候要比线上的还要好。
通过实验组和对照组的比较，用券的消费者在客单方面提高了10元，在到店率方面提高的23%， 平均单张优惠券的用券率在15%左右。

典型案例3：
某著名连锁超市企业通过数据洞察发现某门店，受竞争对手影响，忠诚顾客到店频率下降，希望哈步团队运用数据科技，通过对顾客的深度洞察，结合以人找物的精准营销活动提高忠诚顾客的到店频次。我们在既有顾客洞察和画像的基础上，通过忠诚度标签和门店标签圈出了183,562人；丘比特引擎自动推荐所圈人群的偏好商品共50款及建议的活动机制，通过个性化推荐算法自动给每个人分配5张个性化商品优惠券；通过小程序和店内易拉宝等渠道高效触达消费者。
活动结束之后，我们进行活动效果分析，发现：
l 活动参与情况：活动领券率85%，活动用券率77%
l 活动销售影响：活动期间用券客单价95元，比其他顾客平均客单价高12元
l 具体用券情况：全场券核销率71%，个性化优惠券平均核销率11.4%，同步地，结合哈步团队开展的AB组对照，精准营销组的领券率、用券率均有至少75%以上的提升。
以人找物的精准营销开展之后，我们能够看到：全面提升了之前被顾客视为“鸡肋”的优惠券的价值和使用率；进一步提升和激活了线上渠道的活力，公众号和小程序的识别客群和使用率均有重大提升；使得之前顾客洞察的分析成果，如标签、画像、生活方式划分等，得到规模化、场景化的应用。在零售绩效的指标上，包括商品的销售额、毛利额，以及顾客满意度、忠诚度均有所优化和提升，并且唤醒了一部分沉默已久的流失顾客。

（二）精准营销算法与科技运用

我们将线下的精准营销活动主要分为两个方向：一个是以特定会员为目标并匹配适宜的商品的精准营销活动，一般归为“以人找物”的活动，适用于为节假日、会员日而打造的营销活动；另一个是以商品推广为目标并匹配适宜顾客群体的精准营销活动，一般称为“以物找人”的活动，适用于新品推广、清库存等商品主题的营销活动。

1、以人找物

通过顾客标签进行顾客画像，从而了解周围客群，进而进行有针对性的营销和选品。单店运营或者区域运营这种去中心化的组织架构正在很多零售商进行试验和推行。这种去中心化的组织架构是典型的互联网思维。这种组织架构理论上是符合现代企业治理需要的。线下门店的覆盖面永远只是方圆3-5KM内的常住居民，不同区域，不同地点的门店其周边的客群差异是非常大的，只有通过数据了解其周边居民的画像，才能更好的为其选品、制定促销计划等。这也是十分合理的，就像任正非说的，“让听得见炮声的士兵来指挥战斗”。

图3-11 去中心化的组织结构图

2、以物找人

精准营销是顾客标签的很重要的落地应用。顾客标签很大程度上可以说是用来建立顾客与商品之间关系的桥梁。通过一系列的标签的组合来实现营销目的。
零售商体系内的很多标签都是通过人的消费行为打上的，比如品类的偏好，就是跟顾客购物篮品类占比计算的。价格敏感度，就是基于不同顾客对价格带的偏好来计算的。新品偏好的标签也是新品在购物篮中的占比来计算的。通过这些标签可以在确认商品属性之后用于圈人。
在2017年中，卜蜂莲花计划推出一款榴莲味的冰激凌，由泰国直接进口到广州进行销售。如何对该新品进行市场推介和宣传就成了接下来的问题。卜蜂莲花联合哈步数据通过顾客标签来圈出一部分种子用户进行营销。通过圈人的标签包括：榴莲忠实顾客、冰品爱好者、新品爱好者以及高端顾客（该商品售价不菲）共8万人。然后通过短信、微信等形式进行广告的投放。最终第一批20000多支冰激凌在两周的促销期内全部卖光，然后又从泰国加运了20000只。

（三）营销漏斗模型运用

相比客户生命周期关注的是现有客户的维系，销售漏斗模型则关注的是新客户的挖掘。对于快消品领域，在特定市场上投入营销资源后，由于产品本身价格低、信息不对称(客户没有专业知识来判断产品推广卖点的真伪)等原因，客户容易冲动消费，以天为单位的短期销售额就会出现明显波动，企业可以看到营销直接带来的收入。
销售漏斗模型是科学反映机会状态以及销售效率的一个重要的销售管理模型，它是通过对销售管线要素的定义，形成销售管线管理模型。当日常销售信息进入系统后，系统可自动生成对应的销售管线图。首先，通过对销售管线的分析可以动态反映销售机会的升迁状态，预测销售结果。其次，通过对销售升迁周期、机会阶段转化率、机会升迁耗时等指标的分析评估，可以准确评估销售人员和销售团队的销售能力，发现销售过程的障碍和瓶颈。再次，通过对销售管线的分析可以及时发现销售机会的异常。
不同的行业销售漏斗的模型会有所不同，如图1-8所示是一个以传统营销（基于CRM数据的电子邮件发送、微信营销等方式）为例的销售漏斗模型。

图3-12 传统营销的销售漏斗模型

（1）客户数据量
这是指CRM系统中符合筛选条件的客户数据量。其中，包括门店商圈范围内的潜在客户以及来自之前其他营销渠道收集的潜在客户数据（尚未购买商品，但是已经收集了数据），如官网上的邮件订阅、线下活动收集的客户电话、已经关注我们微信公众号的顾客、已经下载了我们APP的顾客等。
（2）客户接触量
这是指基于上述客户数据量，企划经理制定的营销传播方式（如电子邮件方式、DM海报等）所能覆盖的客户数量。例如，一个针对某城市的电子邮件营销，CRM系统中记录的客户数据有10万条，但这10万条数据中只有4万条拥有电子邮件地址，因此实际的“客户接触量”只有4万条，漏斗的转化率是40%。要提高转化率，需要市场部的数字化营销负责人进行数据的清理和采集（如找第三方数据供应商），提升客户的营销方式覆盖率，而这个转化率的决定因素是数据的质量（覆盖度）。
（3）客户反馈量
当客户接收到营销推广后，有些因为各种原因觉得营销内容与自己无关（如企划部挑选数据时出现偏差、营销推广内容不那么吸引人等），所以对营销内容视而不见。同时，也有一部分目标客户被营销内容所打动，花精力去了解营销推广的产品。在不同的营销方式中，客户的这种反馈行为各不相同，如表1-1所示是某行业不同营销方式的反馈平均值。
表3-1 某行业不同营销方式的反馈平均值

（4）客户商机量
在耐用消费品和B2B商品类别中，当企业收集客户的反馈后，继续跟进（如当客户点击了邮件里的URL后，企业的呼叫中心跟进对这个客户进行外呼），最后发掘潜在的商机（有些客户可能出于学习或其他目的认真浏览了营销内容，其实本身没有购买需求）。承接前例，企业对500个点击了邮件URL的客户进行了外呼，通过沟通发现有100个客户有实际的购买需求（预算、时间、具体产品需求等）。这个转化率的决定因素是产品吸引度，即营销内容推导的产品和价格是否最终能打动客户，激起客户的购买欲。
（5）客户销售量
这是销售漏斗的最后环节，是指在上一步挖掘了客户潜在购买商机后，销售人员通过一些销售技巧最终将其转换为销售收入的比率。承接前例，100个商机最终转换为40个销售订单。这个转化率的决定因素是销售人员的能力，说服客户进行最终购买。在上文的例子中，我们可以看到10万条数据最终如何转换为40个销售订单，如果能看清楚多层销售漏斗中每一步的转化率，企业就可以将有限的资源投入到最容易提升转化率的环节中。
销售漏斗模型不是固定的，但其最终结果一般是相同的，就是达到用户购买或消费的目的。销售漏斗模型是一个科学有效的管理手段和方法，其重要价值在于量化了营销过程各个环节的效率，帮助我们找到薄弱环节。

（四）以顾客为中心的精准营销活动规划蓝图

无论是以人找物，还是以物找人，均需要形成科学严谨的精准营销活动方法论，并且确保始终以顾客（会员）为中心，整体方法论分解如下：

7个关键任务如下：

• 线上触达渠道开发：确定需要触达的线上渠道，如APP、公众号、小程序、H5等，并进行相应的适配开发，并与周边关键信息系统按需开展对接，如会员管理系统等；
  
• 线上线下活动推广：综合线上线下的努力，实现全渠道策划以及推广，整合全渠道的运营力量，尤其是发动门店资源和团队积极融入、贯通；
  
• 年度活动规划方案：根据全年制定的会员发展计划，设置基于年度、季度、月度、周的整体活动规划及其细分，确保在营销战略方向和资源投入的一致性、连贯性、和周期性；
  
• 精准活动专项预算：在年度规划的基础上，针对具体的特定活动，制定专项预算，预算要考虑各个方面的因素，并确定预算投入与营销产出评估的ROI分析体系；
  
• 引入品牌商资源：适度引入品牌商，并将零售企业营销的能力与品牌商的诉求来实现精准对接，是最明智的举措，而按效果付费是引入品牌商的必由之路；
  
• 精准推荐算法赋能：为了实现更精准的触达与转化，避免无谓的营销资源的浪费，运用精准推荐算法，从而科学精确地实现人货匹配，则是未来会员营销的最佳路径，同时在实际运营的过程中要不断地优化和提升；
  
• 部署数据驱动决策产品：由于营销活动的周期化及高频，因此需要有相应的大数据、智能算法，以及相应软件交互平台的支持，才能够稳固有效的推广持续，从而部署相应的数据驱动决策的软件产品，并与周边系统打通大量的零售经营数据和会员数据。

**

四、实现会员经营转型的关键价值

（一）实现以顾客为中心的经营

1）什么是以顾客为中心
在通往“以顾客为中心”的转型道路上，世界各地的零售商都或多或少遭遇着各种困难，这对中国的零售商而言也不例外。总结来看，有两大问题，正制约着中国零售商。首先，中国零售商对于所面临的挑战缺乏有效的应对方案。其次，广大零售商在对顾客战略加大投入的同时，却对实施效果不甚满意。通过研究发现，绝大多数的零售商将在顾客战略上追加投资，约5成零售商的投资涨幅将在0%-25%之间。然而，广大零售商对目前顾客战略投资的效果却说不上满意
以顾客为中心是现代企业最重要的战略之一，以顾客为中心就是企业在做任何决定时（比如：互联网的对页面进行修改、超市促销选品等）都要从顾客的角度出发，以为顾客提供良好的用户体验为目的。这种体验包括线上、线下（全渠道）；购买产品或服务前、中、后（全周期）。这种消费体验是立体而个性化的。实现以顾客为中心从根本上要建立起一套全公司都认同的顾客语言与顾客思维。在公司的任何一个职位，做任何一个决定都要思考，我这样做是否能够提升顾客的消费体验。个性化的消费体验的建立需要三个过程:第一步，识别；第二步，认知；第三步，差异化。
2）识别你的顾客：会员制度的重要性
建立个性化差异化的顾客体验最重要的第一步就是要识别你的顾客。互联网可以更好的运营顾客的一个非常重要的前提就是互联网上的顾客是百分百会员。然而反观线下零售，想要捕捉消费者行为是非常困难的。现在有很多技术宣称可以捕捉消费者店内的动线，拿起放下的动作，但是目前的准确性和成本都不足以具备大规模商业化。
可以说在识别和捕捉消费者行为上，互联网是具有先天优势的。虽然，线下零售企业在短期内很难做到像互联网平台一样360度的捕捉顾客行为，但是如果可以首先识别顾客的购买记录，依然有很多事情可以做。
会员销售占比或者叫可识别销售占比,是衡量线下零售商的会员制度是否有效的重要指标。如果一个零售商希望通过建立会员体系来提升顾客粘性,会员销售占比这个指标就一定要重视。
会员销售占比 =
会员销售占比：

如果一家企业的会员销售占比可以做到75%以上，则其会员的体系是非常有吸引力的，其顾客的主动刷卡率非常高，有一部分区域龙头企业已经做到这一点。
会员卡的目的是为了帮助顾客与零售企业建立长期的忠实关系，从而鼓励顾客持续消费。最常见的方式就是消费者每次购物出示会员卡或告知卡号，获取积分,积分可以获取某种现金或者礼品奖励。
会员卡本质上由两部分构成，第一是识别，第二是回馈。如果回馈的力度不够大，同时识别的时间成本高，消费者很容易会放弃会员卡。不过好消息是互联网和人工智能技术可以帮助现代企业大大降低识别的时间成本。比如随着电子支付的普及，支付即会员的技术已经在很多商场得以应用。无论是用支付宝还是微信支付，在支付的同时就会被识别到会员。
3）理解的你的顾客：大数据洞察让你了解你的顾客
当零售商有了一定的会员积累之后，下一步就是深入理解消费者。如果你不了解你目前现有的顾客是谁，不关心他们的行为，不了解他们的购物体验，那么以顾客为中心就是一句空话。海量的数据是理解顾客的最佳路径，大数据的兴起是伴随着互联网，尤其是移动互联网的发展。
说起大数据大家可能会贴上一些标签，比如基于地理位置的数据（LBS），线上社交数据（微博、微信）、线上评论数据等等。但是对于线下零售商来说其存储在其ERP和CRM中的交易数据本身就是极具价值的大数据。如果能基于这些数据进行有效的整合和分析，其价值是非常大的，然而随着时间的推移，这些数据本身的价值是在下降的，在一个较短的时间窗口内把存量数据利用起来，是线下零售商主要的优先级；在用好自己内部数据的前提下，再去获取一些外部数据作为补充。

（二）数字驱动营销带来降本增效

企业高层往往是带着复杂的感情来看待“营销”这个词的。从正面意义来说，营销的确能带给企业持续的收入，另外不同于强烈本位主义的前端销售和后端产品部门，营销人员能告诉企业高层一个相对真实的市场情况。但是从负面意义来说，营销的高成本往往会压缩一个企业的利润。世界上第一个真正意义上的广告主约翰·沃纳梅克（John Wanamaker)曾说过：“我知道在广告上的投资有一半是无用的，但问题是我不知道是哪一半。”
对数字化营销来说，整个营销过程都是围绕着客户数据运行的，一个营销活动是否接触了正确的目标客户、客户对营销内突是否有好的反馈、最后带来多少收入等，这些衡量节点都能通过数据来进行定量分析。相比无法衡量结果的电视广告、户外广告等，数据营销至少能看到定量的投入产出比。
此外，当零售企业完成了客户数据的积累后，会产生个性化的、以客户数据为中心的营销模式，能将营销更好地融入销售和运营体系。

（三）构建零售商与消费者的命运共同体

尽管零售是流通桥梁，但是这个桥梁会逐步倾向需求端，因为未来的零售一定是以消费者为中心的，谁能更好地理解消费者，预测消费者，谁就能更好地生存和发展。因此，与消费者同呼吸，共命运应该是每个零售商应该追求的终极目标，而数据科技则是帮助零售商达到这个目标的最好的“武器”。
智慧零售的革命很大程度上是由技术所驱动的，其中最关键的就是数据科技。简单来说，数据科技可以包含大数据、人工智能以及云计算等技术，三者的有效结合我们统称为数据科技。如果将数据科技和零售行业理解深度结合起来，并以消费者为中心，也就形成了“超级智慧大脑”，这也是超级智慧大脑的另一种定义。
如果说智慧零售真正要实现的核心目的是什么，那就是去打造一个零售商和消费者的命运共同体，也就说零售商的一切决策均需做到以消费者的需求为出发点，而不是以其他商业目的为导向。

五、开展新零售条件下深度会员经营的条件

（一）内部条件

1、公司最高层的愿景、思维和决心

像所有的重大变革一样，公司高层尤其是一把手的愿景、思维和决心很大程度上决定了变革是否能成功，以及多大程度上能够成功。超级智慧大脑的打造和运作需要公司最高层的坚定信念和持续的推动，而非浅尝辄止，遇到困难便寻求其他退路或寄望于曲线救国。我们走访了中国大量在智慧零售上走的较远的零售商，无一例外都有着公司一把手的强力推动和资源的巨大投入。从这点上来看，如果没有一把手的绝对支持和投入，这条路将会走的异常艰难，最后搁浅就是大概率事件。

2、公司中高层的认知水平和执行力

通过对大量零售商的观察和调查我们发现，零售商的中高层对智慧零售的认知水平越高，队伍越年轻，执行力就会越强，就不会因为一点小小的挫折便直接放弃，因为他们相信且认同、理解这并不是一个短期见效的行为，而是面向未来发展的最重要的变革。从这一点上来说，零售商是否能够建立起一支年轻、认知和执行力强的中层队伍将是成败的关键所在。当然，也可以一步步来，在内部树立一些标杆，逐步影响一些顽固派和认知不够的成员。

3、流程的必要重构和调整

超级智慧大脑的启用必然会一定程度上影响现行的一些流程和“惯例做法”，当然这种影响是积极的和正向的。当前中国零售行业面临大面积的挑战有些做法脱离了零售的本质。比如，商超的“后台毛利”导致很多决策更多面向供应商的喜好而非顾客，百货联营的方式导致百货的买手变成了一个纯粹的谈判者从而丧失了对市场对消费者的敏锐感等等。而超级智慧大脑能够真正通过一些流程的重铸，让零售回归到其本质中来，也就是以消费者为中心进行决策。只有这样，零售业才能更健康和可持续的发展。

（二）外部条件

1、全量和广域数据

首先，数据是超级智慧大脑的“必要营养品”，并且越是全量、颗粒度越细、数据范围越广，大脑就会越智能。这点并不难理解，就像贪吃蛇一样，虫子吃的越多，蛇就变得越大越强壮，而这里的虫子就是数据。不过需要指出的一点是，并不是非得获得全量的数据和全域的数据（线上和线下所有渠道），超级智慧大脑才可以启用。
超级智慧的打造是一个循序渐进的过程，而通常的做法是先从自己的内部数据运用开始，从自身的交易、商品、库存、会员等数据开始，然后逐步地加入一些必要的外部数据如天气等。其中，关键的是零售商需要非常清楚自己的“数据差距”在哪里，对此必要的时候应当制定自身的“数据健康检查”流程，站在应用场景的角度去评估自己还缺少什么数据。

2、外部推动者和合作者

专业的事情一定要借助专业人士的力量，超级智慧大脑的打造并非一日之功，需要有深厚的积淀和专业的团队，坚强的执行和不断的打磨，才有可能最终得以落地并创造价值，因此是一件需要有高度专业能力和经验支撑的事情。聪明的零售商一方面会自己努力地基于自身的需求和基因打造，另一方面也会积极借助外力以帮助自己走得更快更好。而在选择外部合作者的时候，需要特别注意对方是否有零售行业的背景经验，这点至关重要。

3、简便易用的智能工具

超级智慧大脑的精髓在于“前轻后重”，其不同于传统BI（Business Intelligence）的最明显之处在于传统BI完全依赖人工决策，且没有反馈闭环，因此无法自动优化决策，很大程度上仅仅是数据的可视化展示（甚至仅仅是报表）。
超级智慧大脑，或者我们称之为IB，虽然只是颠倒了一下字母，但其背后的核心逻辑完全却是天壤之别，首先它是有大数据和人工智能算法在后台驱动的，拥有极强的预测和诊断能力（也因此可以直接辅助关键决策，而不需要再完全依赖人工决策），同时它拥有反馈闭环以不断优化决策建议，也就是说之所以说它是超级智慧大脑，是因为它会越来越聪明，而更多的用户使用也会让它变得更聪明。
最后，非常关键的一点是，在实际落地的时候，由于零售商的实际用户（采购，市场，运营等人员）工作非常繁忙，同时并不是专业的数据分析专家，因此工具的前端设计必须“极简”。

结 语

伴随着新零售变革的不断深入，以数字为导向，才是新零售与传统零售的本质区别。而零售数字化的核心，则是顾客的数字化，即数字化会员体系的建立、运营以及持续的深耕细作。
《零售业存量会员运营白皮书（2019）》从剖析存量会员体系存在的短板与不足入手，提出构建统一顾客语言，发力精准营销并实现闭环，并最终实现以顾客为中心、数字驱动营销、建设消费者命运共同体的愿景，同时也结合内外部条件，对于变革的动力与保障进行了深入探讨。
“路漫漫其修远兮，吾将上下而求索”，大部分的国内零售企业在会员数字化以及精准营销领域，尚处于刀耕火种、蹒跚起步的阶段，有太多共识需要被建立，有太多工作急需马上开展。在此漫漫征程中，中国百货商业协会与哈步数据衷心期望这本《白皮书》能够给予您启发与思考，也许缩短了辨明方向和道路的时间，或者更加坚定了前行的意志和决心，或者找到了战略战术上的秘诀和窍门。
中国百货商业协会与哈步数据将持续密切关注行业发展和存量会员运营，继续与企业共同探讨，推动行业的不断进步！

《零售业存量会员运营白皮书（2019）》编写组
2019年5月