黑蚁资本董事—刘湛：数字化零售的增长秘密！
由观远数据主办的「G100新锐品牌数字化增长峰会」于本月顺利召开，消费界有幸作为被邀媒体全程参与，在现场特邀嘉宾分享中汲取大量商业思考和行业趋势。
本文我们将围绕黑蚁资本运营董事刘湛的分享展开。
共同讨论，从商品的角度出发，新锐品牌数字化运营如何发力？
数字化转型的逻辑是什么？数据运用目前存在的问题是什么？
为什么要听黑蚁资本讲运营
黑蚁资本作为最早专注于消费领域的专业投资机构，成立4年，首期管理规模达3亿元，创始合伙人在消费投资和零售实业领域均有超过8年的成功经验。
作为一直专注于投资优质的成长型新消费创业公司的专业机构。不论是现象级品牌泡泡玛特、元气森林、江小白、喜茶、王饱饱，还是独具特色品牌简爱酸奶、FITURE、KK集团、UR等等，都有黑蚁的深度参与。
▲黑蚁资本运营董事：刘湛
以下我们将整理出其运营董事刘湛，关于商品运营的全局方法论，带给大家。
· 数据和系统的重要地位 ·
商品数字化是将商品原始数据经过设计、编排、输出，形成数字化的商品展示，通过线上展现给消费者，最终完成品牌传播、商品流通与交易达成的过程。
随着电商份额的增加以及新零售的推进，商品数字化是现代品牌企业数字化管理的必经之路，是零售企业信息智能系统的枢纽。
数字化进程中数据和系统是两条腿走路的。
数据就是读取商品信息的过程。而系统是操作，决定得到数据之后做什么事。
数据和系统两者相辅相成，就像一辆汽车，数据是驱动轮，系统是从动轮，我们通过数据分析来确保做出正确决策，然后通过系统把控事情向正确的方向推进。
一个品牌的数字化能力，同时需要数据收集能力和系统处理能力。如果只是其中一个能力强，品牌数字化也不会达到预期效果。两者相辅相成才能发挥最大效力。
当品牌商品整个零售系统越来越复杂的时候，数字化的威力越来越大。门店数量、SUK数量、订单量、客户数量不断变多时，企业必然需要借助数字化的威力，来推动自身的前进和快速成长。
不同类型的企业，定位不同分类的品牌，身处不同发展阶段，各个维度的不同造就了品牌数字化的重点方向和先后次序是不一样的。
任何一个企业在决定做数字化转型之前，先要明确一下三个问题：
品牌定位、实施路径、推进方案。
其中搞清楚品牌定位，直接关系后面的数字化品牌运营方向，而运营方向决定后期的实施路径选择和品牌推进方案，可谓是环环相扣。
身为品牌创始人首先要明白，品牌定位一定要清晰，明白自己要去哪儿？怎么打？占领哪儿？
以下我们将通过企业的类型、品牌的类型、商品的品类、发展的阶段多个维度，帮助你全方位认识一个企业、一个品牌、一个商品的数字化过程，各有哪些侧重。
· 从产品周期划分企业类型 ·
新零售也好，新品牌也好，我们把企业从商品生命周期来分，从三个维度出发，分别是工厂、产品、零售终端类。
工厂类：比如富士康和台积电，只是代加工工厂，并没有自有品牌产品。
产品类：比如名创优品、泡泡玛特、小米他们有自己的产品，也有自己的销售渠道。
而同为产品类的企业中，元气森林、简爱森林、江小白，他们拥有自家工厂和产品，但是没有销售渠道，渠道全部交由经销商打理整合。
零售终端类：比如天猫、京东、KK馆等购物平台，只是覆盖了零售终端，没有自身的工厂和产品。
▲图源网络
那么比较强的企业什么样？
特斯拉是个很好的案例。从工厂端到产品、销售终端全部自有。但这样的知名企业比较少有。
· 品牌的类型划分 ·
如果要再细化的看，从品牌的类型划分，也可以把品牌分为三大类：
渠道品牌
渠道品牌是包括了线上的电商平台渠道和线下经销商渠道。
比如书籍类的当当、电器类的国美、便利商店里的7-11都是渠道品牌，他解决了用户去哪里买的问题。
那么这类品牌的数字化运营就会比较注重用户营销方面。
线下品牌
品牌是从线下门店发力扩张，完成市场教育和用户积累。基本上所有的餐饮都属于这种类型，比如喜茶、星巴克、海底捞、西贝这类。
还有很多服装、美妆品牌也属于这类，他们既有产品供应链又有销售门店。比如说优衣库、ZRAR、林清轩等等，只是随着互联网环境的不断发展，这些品牌后来也发展出了自己的线上渠道，加入了电赛道。
所以当我们提起数字化时，不一定就是数字化营销，或者数字化智慧门店，还是要根据自身的品牌分类，来判断自家品牌的数字化转型重点到底在哪里？优先顺序是什么？
比如线下品牌的数字化重点就在于商品数字化。
场景品牌
场景品牌分为线上场景和线下场景，
线上场景品牌就是电商购物平台，比如美团，对这类品牌来说，最大的价值点在于用户，虽然有海量的商品没有物理上限，但是如果没有用户流量运营，生意立马会出现问题。
这类品牌类型决定了数字化运营必须非常关注用户。
线下场景品牌就是各类生活大商超，包括阿里的盒马生鲜、沃尔玛，这种类型的品牌，门店数量、SUK数量、订单量繁多，商品数字化的威力才能更好的推动品牌不断前进与升级。
· 商品的品类划分 ·
接下来我们要看商品的品类特性，会不会导致数字化决策差异，基本上分四大类来看：
食品饮料和美妆
此类商品频次较高，经常可以组合促销，附赠赠品、小样等等，这使得数字化进程中的商品系统管理很需要注重效期和批次。
同时美妆具有很强的社交属性及话题性，这种品类就适合做社交平台的传播运营。
日用百货
日用百货类商品的SKU数量比较庞大，动辄几千个，比较容易出现一些长尾商品，这时候就需要聚焦头部爆款，通过数据预判下一个爆款在哪？
然后，长尾的商品就不必要通过数据对消费预测做的那么精准。
服饰鞋包
这类商品属于单价高，频次中等，他们的供应链会比其他品类更长，因为有辅料、备料的原料管理环节，从SKU到SKU，还会多出颜色、尺码等商品规格因素，这也是数字化商品管理当中需要注意的。
同时需要注意此类商品的生命周期具有明显的季节性，从设计到制造的环节也长于其他品类。
▲刘湛在会议发言中
家具家电
属于单价最高，频次最低，体积和重量都很大，物流配送方面的数字化管控就很需要注意。
· 商品数字化的四个发展阶段 ·
了解到企业、品牌、品类诸多因素的不同，品牌在成长发展过程中，必然会迭代经历不同的阶段，我们大致梳理为一体化、精细化、自动化、智能化四个阶段。
面临不同阶段，数据和系统的地位不同，数字化侧重点也需做出相应调整。
一体化阶段：
企业初期没有数据积累时，只有通过Excel建立一套系统，让信息端到端的流通起来，这时的数字化目标是消除信息孤岛，把割裂的数据连接起来。
以品牌线下门店为例，此阶段首先要打通商品的生命周期链条，需要建立的系统包括：商品采购系统、商品管理系统、生产管理系统、订单系统、交易系统、活动促销管理，和仓储物流管理系统等等，打通全场景，确保把密度最小的数据保存到自己的数仓。
其中最值得关注的数据为：库存、订单、促销的数据，还有用户行为数据，以及门店客流数据。
精细化阶段：
经过一体化有了基础数据之后，可以参考数据从而指导运营方法，企业要找到一些运营当中数据指标的差异化，来实现个性化，针对不同维度的对象，实施不同的运营方法，以追求ROI（投资回报率）最大化。
线下门店在这个阶段要为系统构建业务标签，把业务标签化，是自动化运营规则的基础，所以系统方面要完善子数据属性。
这阶段门店需要做分群管理，为门店打上一些标签，做静态分群，用户也要做分群运营，把用户分成男性、女性，是新客，还是老客，有不同的策略和促销手法，品类也会尝试做一些个性化策略。
每个品类的交期周期不一样，毛利不一样，宽度也不一样，季节性也不一样，通过精细化的标签分类，可以有一些不同的采买策略、销售策略和促销策略。
自动化阶段：
企业发展从10到100的过程当中，维度越来越多，体量越来越大，越往后人工运营越难支撑精细化运营，这时必须把之前精细化运营的规则沉淀到系统中去，实现系统自动化，用制度替代人治。
这阶段的实例就是门店的配补算法，由门店的空间、库存、销售三维的占比，动态调整，当我们改变了门店陈列时，也会改变门店配补的品类占比，会形成一个持续迭代。
这就是一个数据看板，看门店里面每个品类的坪效的排名，用销售除以陈列面积，可以算出来对空间利用率的高低，相同的我们可以算出一个对资金利用率的高低，得出趋势变化，做出调观，再看整个ROI的收益动态变化。
▲图源网络：门店坪效
智能化阶段：
最后一步，再次回到数据和算法，因为自动化规则都是人设计出来的，人具有局限性。如果数据维度已经非常庞大，要相信机器会有更优解，通过机器算法找到业务的最优解来突破人工经验的局限性。
就是智能化的实现过程。
这阶段其实系统要做的事情是跟随数据，通过智能选品，爆款画像，智能选址，通过门店历史数据，找出一个维度进行回测。
预判未来销售和客流，完成智能回货和智能补配。搭配供应链前后端完成销售和商品周期的预判。最终实现智能数字化营销。
智能化阶段就是把一些非常感性的产品企划变成相对理性的过程，突破人的局限性。
· 数字化面临的诸多挑战 ·
其一，职能的割裂
有判断的没数据，有数据的不会分析，会分析的没机会参与运营，所以推进数字化是需要企业跨职能部门的行为。
推动的团队核心必须是一个全方位人才，要懂业务、懂数据、懂沟通、懂协作，上层要给数字化部门参与运营的权限和机会，敢于让团队试错。
其二，业务人员重经验轻数据
企业体量小时，人的决策是可以支撑团队前进的，一旦上了规模，没有数据的精准捕捉，人员经验将无法应对庞大又复杂的海量业务。
管理方式必须从经验驱动切换到数据驱动，需要企业上下认同数据运营理念，通过系统的推进，强制改变。
其三，数据中台无法快速搭建完成，无法验证
数据搭建并非一日就可建成，企业转型是敏捷转型，小步迭代，快速试错。
首先不要把这个事情看的太大，先从用户流量获取开始，事情过程当中不是等很长时间才能推动，有了数据之后可以人工分析、人工运营，找出几种不同方案，人工验证猜想是否正确。
然后再借助互联网工具进行测试和验证，可能前期运营压力巨大，但还是可以慢慢集成执行效果。
其四，历史数据太少，很难准确预测
首先要承认没有预测是百分之百准确，但是错多和错少是不一样的，错50%，错70%还是有质的不同，如果我们做不准怎么办？
考虑降级服务，可能这个商品有1000个SKU，长尾暂且不管，只抓头部爆款，数据会多一些，对它进行预测，对商品进行分层，对重点头部实施预测+判断。
我们需要了解预测是动态的，长周期和短周期需要结合，现在只有三个月的数据可能预测不准，但接下来三个月，每个月都不断调整、不断优化，会相对越来越准，这个事情必须从一开始就着手去做才行。
· 数据运营的小技巧和策略 ·
最后分享一些商品数字化运营过程中，小技巧和一些策略。
第一个，销售归因的三个核心维度是什么，从采集数据到分析数据一定围绕三个维度。
时间、区域、品类，我们做任何的销售归因都是这三个维度。销售异动了，哪个时间段，哪个大区哪个门店，哪个SKU导致这个原因，一定要能够抓取出来。
第二个，品类组合，也是三个维度，销售占比、空间占比、资金占比，调整这个品牌组合的依据是通过横向和纵向对比去调整。
同时这个调整是有弹性的变化范围，这个范围怎么界定，是进行这个品类历史时间内，曾经出现的最低点和最高点，设定一个边界，然后每个月进行一次小幅度调整，如果效果不错，下次加大一点，但是不能突破边界。切勿把一个百货商超调成了食品店。
▲品牌门店的数字化服务
第三个，红黑榜的策略，如果一个学校老师，想提高班级平均分，策略是什么？
一定先找考试才10分20分的同学，把他提到60分，这个比较简单，会比找10个90分提到100分简单多了，所以出红黑榜，找出黑的，红榜数据为什么好，有什么可以复制的经验，让红榜经验影响其他的门店其他的品类，通过红黑榜不断监控。
第四个，让前线看到数据，帮助其理解决策，看到差距。
我们的数据系统中使用频次最高、最受欢迎的，是门店小助手，所有的门店终端人员都使用，两千多个人都可以用，他们觉得这个东西特别好，为什么？
以前的一线员工，只盲目接受总部发来的指令，没有任何的参与感，也没有积极性，但是看到数据之后，这些员工被激活了，他们知道上级为什么发来这个指令。
同时全部门店数据共享，有利于营造竞争氛围，门店之间的数据差异，也能调动前线人员积极性。
结语
以上就是刘湛带给大家的全部分享，希望对于还摸不清商品数字化脉络的转型企业、转型个体、创业团队，本文能提供一些策略上的梳理和提示。
理解企业完成商品数字化转型的之后，将会释放的商品运营力，有利于执行团队克服前期种种障碍，跨过眼前的泥潭，看到远处的高峰之上另一番新局面。
分割线
附：2020实体零售全渠道及数字化发展报告
如何获取完整报告
【声明】
*此公众号中全部内容仅为一般性参考。读者不应在缺乏具体的专业建议的情况下，擅自根据文章内容中的任何信息采取行动。此公众号运营方将不对任何因采用文章内容而导致的损失负责。
*文章图片部分来源于网络，如有侵权请告知删除。文章中插入的图片不涉及到商业行为，仅限交流，并标明了来源出处，尊重原创图片设计。客服微信：XFJ169
*文章中涉及功效相关描述均有对应的数据支持，囿于篇幅限制无法全部刊登，如需数据来源，可向文章中涉及到的企业索取。
/ 推荐阅读 /