沃爾瑪轉(zhuǎn)型：用大數(shù)據(jù)算出你的消費(fèi)基因

近來，各傳統(tǒng)零售領(lǐng)域龍頭展開激烈的“Big Data”軍備競賽，Wal-Mart是先驅(qū)，每張購買建議清單，都是大量資料運(yùn)算而出的結(jié)果。批注1:
大數(shù)據(jù)軍備競賽將是非常規(guī)的核戰(zhàn)。根據(jù)Gartner全球今年的調(diào)查，42%的受訪者表示已投資于大數(shù)據(jù)或者將于未來一年內(nèi)進(jìn)行相關(guān)投資。

2011年4月，Wal-Mart以3億美元高價(jià)并購了Kosmix，一家專長分類社交網(wǎng)站資訊，并客制化輸出資訊的公司。 不僅能搜集、分析網(wǎng)絡(luò)上的大量資料給企業(yè)主，還能將這些資訊個(gè)人化，提供采購建議給終端消費(fèi)者。這意味著，Wal-Mart使用的Big Data模式，已經(jīng)從挖掘顧客需求發(fā)展到要能夠創(chuàng)造消費(fèi)需求。批注2:
Kosmix是沃爾瑪找到的大數(shù)據(jù)鈾礦開采機(jī)，這一并購將：1.幫助沃爾瑪建立“一個(gè)顧客，一個(gè)沃爾瑪”戰(zhàn)略，改變?cè)瓉砬У暌幻娴耐|(zhì)化競爭格局。2.幫助沃爾瑪升級(jí)社交購物戰(zhàn)略，完成從歷史交易數(shù)據(jù)中挖掘顧客需求，到從社交信息流中發(fā)現(xiàn)和創(chuàng)造顧客新的消費(fèi)需求的進(jìn)化。

其實(shí)早在90年代初，Wal-Mart就通過大數(shù)據(jù)發(fā)現(xiàn)了“啤酒與尿布”的關(guān)系。內(nèi)部IT工程師分析結(jié)帳資料時(shí)，發(fā)現(xiàn)到了周五晚上，啤酒和尿布的銷售量高度正相關(guān)。經(jīng)過追蹤發(fā)現(xiàn)，周五晚間，許多年輕父親下班后買尿布時(shí)，會(huì)順手帶啤酒，準(zhǔn)備看周末球賽轉(zhuǎn)播。因此，Wal-Mart刻意將啤酒和尿布擺在一起，銷售量馬上提升三成。

若不是追蹤結(jié)帳資料，這些細(xì)微的消費(fèi)者習(xí)慣，很難從賣場巡邏中發(fā)現(xiàn)。Wal-Mart的Big Data系統(tǒng)在顧客完成每一筆交易后，記錄下消費(fèi)需求，做出商品互補(bǔ)性配對(duì)，為顧客找出替代性產(chǎn)品。

作為世界最大的零售業(yè)巨人，Wal-Mart在全球超過200萬名員工，總共有110個(gè)超大型配送中心，每天處理的資料量超過10億筆。Wal-Mart本身就是一個(gè)巨量資料系統(tǒng)，適用各種商業(yè)上的分析行為。消費(fèi)者在Wal-Mart采購，可以從手機(jī)接收到一份建議清單，看似毫無關(guān)聯(lián)卻相當(dāng)實(shí)用的推薦商品，可能是Wal-Mart分析了上萬筆銷售紀(jì)錄后，得到的寶貴成果。 同時(shí)，Wal-Mart會(huì)記錄每一筆顧客行為，建置在行動(dòng)物流系統(tǒng)中，讓全美各店都能分享Big Data的情報(bào)資訊。批注3:
每周，沃爾瑪?shù)念櫩统^2億，光顧全球的1萬多家店。為此，沃爾瑪實(shí)驗(yàn)室計(jì)劃將這家零售業(yè)巨頭現(xiàn)有的 10 個(gè)不同的網(wǎng)站整合成一個(gè)，同時(shí)將一個(gè) 10 個(gè)節(jié)點(diǎn)的 Hadoop 大數(shù)據(jù)集群擴(kuò)展到 250 個(gè)節(jié)點(diǎn)的 Hadoop 集群。作為一家傳統(tǒng)的零售業(yè)企業(yè)，能夠在移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)挖掘上投入如此多的財(cái)力物力，說明沃爾瑪已經(jīng)看到了未來大數(shù)據(jù)的重要性。

隨著社交網(wǎng)站主宰了現(xiàn)代科技生活，Kosmix為Wal-Mart打造的Big Data系統(tǒng)稱做“社會(huì)基因組（Social Genome）”，連結(jié)到Tweeter、Facebook等社交媒體。 工程師從每天熱門消息中，推出與社會(huì)時(shí)事呼應(yīng)的商品，創(chuàng)造消費(fèi)需求。分類范圍包含消費(fèi)者、新聞事件、產(chǎn)品、地區(qū)、組織和新聞議題等。批注4:
由社交網(wǎng)絡(luò)帶到網(wǎng)店的訪問量最近幾年增長迅速，社交正在重塑零售業(yè)。Kosmix打造的社交基因組，以現(xiàn)場活動(dòng)即時(shí)媒體過濾服務(wù)聞名，每天人們?cè)?Facebook 上分享 8.3 億條信息，在 Flickr 上上傳 610 萬張照片，在 YouTube 上添加 210 萬分鐘視頻，發(fā)送 6500 萬條推訊。Kosmix 從中排除噪音，幫助沃爾瑪找到對(duì)每個(gè)顧客有用的內(nèi)容，推出當(dāng)下應(yīng)景的商品，創(chuàng)造出新的消費(fèi)需求。

“社會(huì)基因組”的應(yīng)用方式五花八門。舉例來說，Walmart Labs內(nèi)部軟件能從Foursqare平臺(tái)上的登錄記錄，分析出在黑色星期五，不同地區(qū)消費(fèi)者最常購買的品項(xiàng)，然后，針對(duì)不同地區(qū)送出購買建議。如此一來，影響消費(fèi)者在Wal-Mart購買行為的因素就更復(fù)雜了，自己、店家、親朋好友，現(xiàn)在再多加一個(gè)：社交網(wǎng)站使用者。

Wal-Mart電子商務(wù)總監(jiān)拉詹曼（Anand Rajaraman）分析，臉譜和推特上的力量龐大到難以想像，“我們?nèi)绻芡高^社群網(wǎng)站的Big Data，掌控消費(fèi)者行為，我們就能以此重新定義消費(fèi)的方式?！?/p>

2012年7月，F(xiàn)acebook執(zhí)行長扎克伯格（Mark Zuckerberg）和Wal-Mart執(zhí)行長杜克（Mike Duke）碰面，協(xié)議加深彼此合作關(guān)係。批注5:
全球最大的社交網(wǎng)絡(luò)臉譜與全球最大的零售商沃爾瑪?shù)暮献鳎且粓鰰缡阑橐?，將幫助沃爾瑪打造出全渠道零售?zhàn)略的新王牌——每個(gè)顧客的大數(shù)據(jù)：通過收集每個(gè)顧客在全渠道，包括地面店、網(wǎng)店、移動(dòng)商店、數(shù)字貨架和主要的社交媒體（如Facebook、Twitter、微博、微信等）產(chǎn)生的碎片信息，借助云計(jì)算，拼出完整的全渠道顧客社交云圖。 看到這兒，我們也就不難理解阿里巴巴和新浪微博最近的聯(lián)姻了。

外人看來或許一頭霧水，兩個(gè)領(lǐng)域的霸主，合作空間在哪？現(xiàn)在看來不難理解，Wal-Mart需要Facebook上的消費(fèi)者購物資料，建構(gòu)更龐大的消費(fèi)資料庫；扎克伯格也希望搭著零售大王的順風(fēng)車，延伸實(shí)體銷售的影響力。

數(shù)字大戰(zhàn)：ZARA獲利超過LV的秘密

作為近年最流行的服飾零售代表，撐起平價(jià)奢華風(fēng)潮的背后，靠的是Zara在業(yè)界首屈一指的Big Data系統(tǒng)。

截至2012年，Zara全球?qū)⒔?700家分店，跨國員工總數(shù)超過11000人?？偛吭O(shè)在西班牙A Coru?a，一個(gè)遠(yuǎn)在西北角、從漁村起家的偏遠(yuǎn)小城?？偛棵恐軆纱?，接受全世界店的訂單需求。同時(shí)傳輸各區(qū)不同的客戶意見，形成龐大的生產(chǎn)決策。根據(jù)統(tǒng)計(jì)，一個(gè)月下來，總部出貨的服飾品項(xiàng)超過1000萬件。

走進(jìn)店內(nèi)，柜臺(tái)和店內(nèi)各角落都裝有攝影機(jī)，店經(jīng)理隨身帶著Pad。當(dāng)客人向店員反映“這個(gè)衣領(lǐng)圖案很漂亮”、“我不喜歡口袋的拉鏈”，這些枝微末節(jié)，店員反饋給分店經(jīng)理，經(jīng)理透過Zara內(nèi)部全球資訊網(wǎng)絡(luò)，每天至少兩次傳遞給總部設(shè)計(jì)人員，由總部作出決策后立刻傳送到生產(chǎn)線，改變產(chǎn)品樣式。

關(guān)店后，銷售人員結(jié)帳、盤點(diǎn)每天貨品上下架情況，并對(duì)客人購買與退貨率做出統(tǒng)計(jì)。再結(jié)合柜臺(tái)現(xiàn)金資料，交易系統(tǒng)做出當(dāng)日成交分析報(bào)告，分析當(dāng)日產(chǎn)品熱銷排名，然后，數(shù)據(jù)直達(dá)Zara倉儲(chǔ)系統(tǒng)。

區(qū)域業(yè)務(wù)經(jīng)理負(fù)責(zé)接聽來自各國的訂單電話，當(dāng)中包含反應(yīng)惡劣，須立刻下架的品項(xiàng)。然后他們會(huì)整理成報(bào)告，立刻招開內(nèi)部會(huì)議。中國區(qū)經(jīng)理先提出：“中國顧客想知道最新上架的緊身褲有沒有出紅色。”“智利也有顧客反映！”“東京也有同樣需求。”聽到三區(qū)經(jīng)理有相似意見，時(shí)尚總監(jiān)就會(huì)決定：“好，傳給生產(chǎn)線，新的緊身褲馬上打樣紅色。”接著，經(jīng)理立刻把意見傳達(dá)給坐在隔壁區(qū)的設(shè)計(jì)師群，立刻打版、著手設(shè)計(jì)。

搜集海量的顧客意見，以此做出生產(chǎn)銷售決策，這樣的作法大大降低了存貨率。根據(jù)這些電話和電腦數(shù)據(jù)，Zara分析出相似的“區(qū)域流行”，在顏色、版型的生產(chǎn)中，做出最靠近客戶需求的市場劃分。

更精彩的是，從消費(fèi)者的巨量資料，Zara經(jīng)理人發(fā)現(xiàn)數(shù)字中的精彩故事；打造出Zara本身的時(shí)尚決策地圖。

舉例來說：在中南美洲，顏色鮮艷、合身性感的服飾賣得特別好；法國、日本等，顧客偏愛色系沉穩(wěn)、剪裁利落的風(fēng)格。因此，倉庫出貨到各國時(shí)，不同系列的比重也會(huì)因國情有所調(diào)整。

目前，許多服飾業(yè)的生產(chǎn)基地悉數(shù)外移到成本低的中國或中南美洲，但是，Zara卻將45%的生產(chǎn)留在西班牙。因?yàn)榇尕浀?，抵消了高昂的人工成本?span id="rprrwajqw8q" class="tl">少掉跨國船運(yùn)、溝通、配送的時(shí)間，總部的in-house設(shè)計(jì)團(tuán)隊(duì)，從打版到衣服上架，僅需兩到三周，每周新品上架兩次，與精品更新以一季為單位計(jì)算，資訊翻新速度快了六倍。批注6:
ZARA在整個(gè)公司內(nèi)部培養(yǎng)三種大數(shù)據(jù)能力：大數(shù)據(jù)的整合能力、大數(shù)據(jù)的洞察能力、快速實(shí)時(shí)行動(dòng)的能力。

倫敦時(shí)尚雜志編輯高索爾基（Masoud Golsorkhi）認(rèn)為，Zara讓消費(fèi)習(xí)慣也跟著轉(zhuǎn)向。他分析：“Zara一件產(chǎn)品生命只有10天，現(xiàn)在不買就沒有了（Buy it NOW or Never）！”快速廉價(jià)的生產(chǎn)方式，讓在Zara消費(fèi)成為一種“立即購買強(qiáng)迫癥”。

Zara公關(guān)經(jīng)理艾奇維拉（Jesus Echevarría）接受《紐約時(shí)報(bào)》采訪時(shí)，指著公司發(fā)展地圖說，中國目前有290家分店，預(yù)計(jì)明年拓展到350家，這些展店計(jì)劃從來不在預(yù)設(shè)的發(fā)展藍(lán)圖內(nèi)，而是一路發(fā)展的Big Data告訴他們：商機(jī)在中國。艾奇維拉說：“好多人問，Zara下一間店會(huì)開在哪？其實(shí)我們從來沒有明確的計(jì)劃，市場在哪里，我們就在哪里?！?/p>

2010年秋天，Zara的Big Data系統(tǒng)，向前邁進(jìn)更大一步。

Zara一口氣在六個(gè)歐洲國家成立網(wǎng)絡(luò)商店，增加了網(wǎng)絡(luò)巨量資料的串連性。隔年，分別在美國、日本建構(gòu)網(wǎng)絡(luò)平臺(tái)，除了增添營收，線上商店強(qiáng)化了雙向搜尋引擎、資料分析的功能。不僅回報(bào)意見給生產(chǎn)端，讓決策者精準(zhǔn)找出目標(biāo)市場；也對(duì)消費(fèi)者提供更準(zhǔn)確的時(shí)尚訊息，雙方都能享受Big Data帶來的好處。

分析師預(yù)估，網(wǎng)絡(luò)商店為Zara至少提升了10%營收。

此外，線上商店除了交易行為，也是活動(dòng)產(chǎn)品上市前的行銷試金石。Zara通常先在網(wǎng)路上舉辦消費(fèi)者意見調(diào)查，再從網(wǎng)絡(luò)回饋中，擷取顧客意見，以此改善實(shí)際出貨的產(chǎn)品。因此，Zara將網(wǎng)路上的巨量資料視為實(shí)體店面的前測指標(biāo)。

這些珍貴的顧客資料，除了應(yīng)用在生產(chǎn)端，同時(shí)被整個(gè)Zara所屬的英德斯（Inditex）集團(tuán)各部門運(yùn)用： 包含客服中心、行銷部、設(shè)計(jì)團(tuán)隊(duì)、生產(chǎn)線和通路等。根據(jù)這些巨量資料，形成各部門的關(guān)鍵績效指標(biāo)（Key Performance Indicators），完成Zara內(nèi)部的垂直整合主軸。批注7:
在其背后，顧客大數(shù)據(jù)即時(shí)同步共享給ZARA的所有部門和全程供應(yīng)鏈，這是ZARA取得巨大成功的關(guān)鍵。

即使H&M想跟上Zara的腳步，積極利用Big Data改善產(chǎn)品流程，成效卻不明顯，原因何在？

Big Data最重要功能是縮短生產(chǎn)時(shí)間，讓生產(chǎn)端依照顧客意見，能于第一時(shí)間迅速修正。 但是，H&M內(nèi)部的管理流程，卻無法支撐Big Data供應(yīng)的龐大資訊。H&M的供應(yīng)鏈中，從打版到出貨，需要三個(gè)月左右，完全不能與Zara兩周的時(shí)間相比。批注8:
大數(shù)據(jù)的應(yīng)用幫助ZARA以天為單位快速反應(yīng)市場的變化，打造出幾乎實(shí)時(shí)的極速供應(yīng)鏈。

Zara的設(shè)計(jì)生產(chǎn)近半維持在西班牙國內(nèi)，而H&M產(chǎn)地分散到亞洲、中南美洲各地，跨國溝通增加了時(shí)間成本。原來，Big Data要成功的關(guān)鍵，是信息系統(tǒng)要能與決策流程緊密結(jié)合，迅速對(duì)消費(fèi)者的需求作出回應(yīng)、修正，并且立刻執(zhí)行決策。

你的消費(fèi)紀(jì)錄等于Amazon的搖錢樹

用網(wǎng)絡(luò)廣告的術(shù)語來說，相較Google或Facebook的訪客，Amazon的使用者更深入“行銷漏斗”（編按：指消費(fèi)者被吸引，到真正采取購買行動(dòng)的過程）之中。數(shù)位廣告公司（Mediasmith）科技與分析部門副總監(jiān)普拉特（Marcus Pratt）說，“Amazon擁有的豐富用戶資料，極適合用于產(chǎn)品與消費(fèi)者間的媒合，其中潛藏?zé)o限商機(jī)。” 批注9:
大數(shù)據(jù)時(shí)代將引發(fā)一場營銷革命。

先前Amazon并未大張旗鼓推展廣告業(yè)務(wù)，直至最近，有報(bào)道指出，Amazon全球業(yè)務(wù)副總裁烏施奈德（Lisa Utzschneider）出席紐約廣告業(yè)年度活動(dòng)時(shí)，大力宣傳自家廣告的優(yōu)越與獨(dú)特性，包括可展示廣告的電子書Kindle，以及更精準(zhǔn)的消費(fèi)群體分類能力。

“Amazon過去全神貫注于商品銷售，如今才開始注意唾手可得的廣告商機(jī)”，comScore分析師利普曼（Andrew Lipsman）說：“流量如此龐大，Amazon實(shí)在沒有放棄廣告市場的道理。目前Amazon的廣告售價(jià)仍低于網(wǎng)絡(luò)市場平均值，可見完整的廣告銷售策略尚未成形。有些廣告客戶對(duì)Amazon的廣告版面，暫時(shí)持觀望態(tài)度。因?yàn)?，或許基于保護(hù)消費(fèi)者個(gè)人資料，Amazon對(duì)客戶的限制頗多，包括廣告可連結(jié)頁面、廣告商可追蹤資料等。”

不過，在商言商，Amazon可精準(zhǔn)分類消費(fèi)族群的廣告分析工具，以及最近完成的“需求方平臺(tái)”（Demand Side Platform，DSP），還是引起了廣告商的高度興趣。 廣告商可以在“需求方平臺(tái)”上競標(biāo)網(wǎng)站的閑置廣告空間，而競標(biāo)標(biāo)的包括廣告版位，以及符合特定條件的消費(fèi)者。批注10:
未來，大數(shù)據(jù)可能成為最大的交易商品。

假設(shè)一位有意購買籃球鞋的消費(fèi)者，他進(jìn)入Amazon旗下的服飾與鞋類網(wǎng)站Zappos尋找合適商品，連串搜尋軌跡會(huì)以cookie的形式，如實(shí)記錄在用戶的瀏覽器里。之后，他又前往體育節(jié)目網(wǎng)站ESPN，若ESPN的廣告與Amazon“需求方平臺(tái)”相連，平臺(tái)就會(huì)自動(dòng)解碼cookie，知道他曾經(jīng)打算買籃球鞋。若“恰巧”體育用品廠商正在平臺(tái)競標(biāo)“Zappos網(wǎng)站搜尋籃球鞋的用戶”，并由出價(jià)最高的耐克得標(biāo)，這位用戶就會(huì)在ESPN頁面上，看見耐克廣告。

烏施奈德受訪時(shí)指出，Amazon與廣告商分享的資訊有兩類，一是依用戶網(wǎng)路行為所做的通用分類，例如熱衷時(shí)尚、喜愛電子產(chǎn)品、身份為母親、愛喝咖啡等，二是用戶的商品搜尋記錄，至于消費(fèi)者的實(shí)際購物資料，Amazon似乎尚未在分享之列。

Amazon以書面說明為“需求方平臺(tái)“下了扼要定義，”協(xié)助廣告商接觸網(wǎng)絡(luò)上的眾多用戶，同時(shí)也幫助客戶迅速找到想購買產(chǎn)品的相關(guān)資訊”，“需求方平臺(tái)”概念雖非Amazon首創(chuàng)，但以豐富資料為后盾，競爭局面將被改寫。批注11:
亞馬遜網(wǎng)站推薦的銷售轉(zhuǎn)化率可以高達(dá)60%！亞馬遜的推薦算法非常有名，依靠這套算法，亞馬遜向回頭客們提供了深度定制的瀏覽體驗(yàn)。例如，數(shù)碼愛好者們會(huì)發(fā)現(xiàn)亞馬遜上滿是新潮電子產(chǎn)品的推薦，而新媽媽們?cè)谙嗤奈恢每吹降膮s是嬰幼兒產(chǎn)品。

將來會(huì)如何，就看Amazon如何運(yùn)用這座寶山，廣告商即使無法得知實(shí)際消費(fèi)記錄，能了解潛在顧客的商品搜尋記錄，也夠誘人了；Amazon如果全力進(jìn)軍網(wǎng)路廣告市場，仍可能大大改變產(chǎn)業(yè)生態(tài)。

2011年，Google營收為380億美元，Amazon則為480億美元； 細(xì)究營收結(jié)構(gòu)，廣告業(yè)務(wù)為Google主要收入來源，在整體營收占比96％，Amazon主要收入來自零售，廣告占比很低，若以Baird Equity Research估計(jì)的2012年廣告收入5億美元計(jì)算，只占約1％。批注12:
2012年，亞馬遜營收增長到610億美元，通過充分挖掘后臺(tái)的大數(shù)據(jù)，將其推薦系統(tǒng)深度整合到購物流程的方方面面，從商品發(fā)掘到結(jié)賬付款，幾乎無處不在。登錄Amazon.com，你會(huì)看到許多商品推薦板塊；點(diǎn)入某個(gè)商品的網(wǎng)頁，“人氣組合”與“（瀏覽了該商品的）用戶甚至好友還購買了其它商品”等欄目赫然在目。亞馬遜的想法是取悅每一個(gè)顧客，讓顧客在不經(jīng)意之間發(fā)現(xiàn)美妙的產(chǎn)品。

網(wǎng)購族群偏好的商品搜尋入口網(wǎng)站統(tǒng)計(jì)，也顯示Google備受挑戰(zhàn)，兩年前買家以Google為搜尋首選的趨勢已經(jīng)翻轉(zhuǎn)。

如果將比較重點(diǎn)聚焦于廣告客戶重視的商品銷售能力，Amazon確定推廣獨(dú)有的“需求方平臺(tái)”（DSP），勢必讓渴望向目標(biāo)消費(fèi)者直接勸敗的營銷人員躍躍欲試，延續(xù)雙方在電子閱讀器、應(yīng)用內(nèi)容、云端運(yùn)算多次交手、互有勝負(fù)的戰(zhàn)火，此番零售專家踩線線上廣告，與運(yùn)算大師誰占上風(fēng)，不知是否有合適的測量工具可預(yù)知結(jié)果？