店面需要开多大？店中要有多少种SKU？商品如何摆放？如何培养客户忠诚度？客户电商数据又有何意义？我们知道，不同于电商，实体店面的经营中店面、装修等均有较大的边际成本，合适的空间、合理的运用关系重大，更何况常常需要考虑本地特征，所以，数据运用对于零售商本地经营具有很大的意义。但另一方面，实体店面的数据获取较难，而且多数商家未能有效应用以支持决策。实际上，BCG在研究中发现，店面面积、SKU数量、商品排列摆放等决策均可以通过数据来支撑，增加本地元素，保留与增加回头客。
本文首发于BCG，作者Nicholas Goad、Jeff Robinson、Santiago Aviles。以下带来亿欧智库精选。
连锁杂货店扩大了国际食品区的经营面积，宠物用品店将狗粮摆在了离店门更近的位置，这些做法绝非无心之举。作为实体零售商的竞争对手，电商的软肋在于缺乏实体经营空间，因此也无法利用商品的空间布局来吸引顾客。如今，实体零售商正在发挥其实体资产优势来改善顾客的购物体验，增加销售额。为达成这一目的，实体零售商越来越多地求助于大数据。
消费者当下几乎能在网上找到任何想买的商品。实体店要让顾客无用花费太多力气，就能在正确的时间、正确的地点找到正确的产品。从更深的层次来看，数据分析的威力更加强大，能够帮助零售商改进商店设计、楼面空间布局、商品组合等其他本地化元素。
零售商对数据并不陌生。长期以来，商店一直依靠销售点以及其他系统提供的数据来优化产品的销售、定价和推广方式。尽管当前一些零售系统也能够生成海量的信息，但是零售商缺乏必需的分析工具来充分解读这些信息，而且往往只在一些一次性的项目上使用这些数据，成果难以融入长期战略之中。
要想取得成功，零售商必须在本地经营中更广泛地运用数据分析，必须提高使用一致性，而且采用更加精密的算法。这些算法应当将店面空间、商品品种以及商品的布局摆放与顾客忠诚度、网上浏览行为以及商店热度图数据联系在一起。零售商无论是选择自行开发大数据工具，还是从外部直接购买现成的服务，都必须建立能够有效进行管理且可以被反复使用的流程。
这些成果可能会改变每个货架和端架，改变商店的每一寸空间布局，从而获得最大价值。在与客户合作的过程中，我们发现各种各样的零售商纷纷实施以数据为基础的本地化来提升业绩：
-
一家美国专业零售商采用本地化策略后，在其经营品类全国销售额普遍下滑的大环境下， 逆势增长 3%。
-
一家美国大型零售商通过开展本地化试点项目，销售额提高了 4%，从主要竞争对手处夺回了失去的市场份额。
-
一家分散式管理的日用百货零售商使用大数据划分了几个绩效集群后，销售额增长了 3% 到4%，成为企业成功扭亏的重要一环。
在本地化工作中采用大数据思维难度很大。因此，在开展基于数据的本地化转型时，最好将其作为大的变革战略中一个组成部分。应指派销售、规划、营销、定价以及商店运营方面的人员组成跨职能团队，负责管理此类计划。零售商在向全公司推广以前，应当开展敏捷冲刺验证以及其他短期项目，并充分运用本地化经营分析。
大数据如何强化本地化
要想基于数据有效开展本地化，必须把商店内销售的所有商品囊括进来，而不仅仅是那些最明显的商品。要想制定综合全面的策略，就要充分考虑各类元素，例如店内的布局、货架如何组合，如何摆放、有哪些季节性的商品和新的品牌或单品。
以下是本地化的一些主要元素以及零售商可以用来改善这些元素的一些数据分析方法。
楼面空间
零售商必须决定应向某个产品或产品类型分配多大的空间，从而实现销售额和坪效最大化。通常来说，在规划空间布局时， 依据的往往是历史销售数据和未来销售预测。为了进一步优化布局， 零售商应当评估空间边际经济效益，确定某类产品在特定空间创造每平方英尺利润有多少，与另一类产品在同一空间创造的利润有何差异。例如，某杂货连锁店在思考应当给鸡肉商品分配多大的空间， 这时必须考虑的是，相对于增加猪肉、羊肉或鱼肉的摆放空间，增加鸡肉摆放空间会给销售和利润带来什么样的影响？
在分配楼面空间时，零售商可以使用大数据来评估交易层面的具体细节，揭示潜在的种种联系，从而利用这些信息来提振销售。这些细节与联系包括搭配销售，也就是顾客在计划购买的品类中额外购买了哪些产品，以及因购买该类产品随之产生的未来销售。大数据还能揭示另一种隐含联系，即分摊后的分销成本，该数据往往要到整个商店的成本被分摊到具体的商品之后才能得到。
要得到能够实现利润最大化的最佳楼面空间分配方式，需要零售商使用分析技术来调整销售数据， 从而说明各个商店在商品组合上有哪些差异，缺货的原因是什么，有哪些季节性商品。
商品分类
商店采购的商品以及上架的每种商品的品牌、款式和种类，共同组成了其经营的商品分类，或称为商品组合。零售商试图创建最佳的商品组合，从而令旗下所有商店的可实现长期利润最大化。
为了优化商品分类，零售商可以利用收集的大数据，按照品牌、大小或风味等属性，将销售类似商品的区域划归为不同的集群。通过分析这些集群，能够识别同类商店之间存在的共性，从而提高对每个商店未来销售预测的准确性。
顾客交易数量
此外，零售商可以利用顾客交易数据来评估增量，也就是某件商品相比类似的商品，给销售和利润带来的增量有多大。再次以鸡肉为例，从顾客购买数据中可能会发现提供切块包装鸡肉对鸡肉整体销售有什么帮助，去掉或提供更多的这种包装会给其他鸡肉商品带来什么影响。
邻近摆放
零售商在制定库存和采购决策时，依据的往往是常见的数据点，如整个企业某个时期的销售额、单个商店的销售额、已售商品的成本以及存货成本。通过分析可以发现一些同样宝贵但却不常见的数据。店内两件商品之间的相对距离，即邻近性对销售的影响， 就是一个往往未得到充分考虑的数据点。邻近性数据可以用来比较摆放在相邻位置、对面或同一个过道的商品品类的销售和交叉销售情况。
接下来为了提升销售和利润，零售商就可以调整上架商品的摆放方式，比如，将有正向邻近关系的两组产品摆放在一起，就能同时提高这两种商品的销售额。
对整个商店的商品陈列进行邻近性优化非常复杂。零售商在挖掘邻近关系时，可以先使用商店层面的数据，寻找过去效果最好的商品摆放方式。这样做有助于确定，例如：当把冷冻披萨放在冰激凌或冷冻蔬菜旁边时是否销售最佳？与将发胶放在其他护发品旁边相比，放在发梳旁边是否能带来更多的销售等。研究邻近性数据还能够帮助零售商决定将黄金位置，如店内前部、通道分配给哪些商品品类。
其他元素
大数据有助于优化其他的本地化元素，包括商店设计、价格和促销。零售商可以使用量化的客户体验细分数据，通过分析客户调查结果来确定不同类型顾客的购物意愿如何，从而改善店内空间的观感。还有一些数据也可以用于改善商店设计，例如忠诚行为评估， 即当现有消费者钟爱的商品缺货时，他们会做什么；另外还有典型的投资回报评估，即在整体方案中增加不同的店内元素会带来什么影响。
从某些数据中能够发现本地顾客愿意购买哪些商品。为了优化价格，零售商可以对这些数据进行分析评估。举例来说，零售商可以研究对于某些产品，尤其是那些价格敏感商品，如牛奶和面包，本地竞争对手的售价是多少，并利用该信息来设定自己的定价。还有的数据能够显示过去哪种促销类型的效果最好，零售商可以分析评估这些数据，帮助自己规划今后的促销活动。
为本地化元素运用大数据能够带来很多改变。例如，如果通过分析空间边际生产力，发现午餐期间人流量有所增加，杂货店就可以扩大其预加工食品区和熟食区。如果通过分析发现其他商店通过增加类似商品的销售排面提升了销售，那么可以将这些产品——例如受欢迎的冷冻土豆的销售排面增加一倍。另外，根据现有商品类别相对于其他商店的受欢迎程度以及消费者特征，还可以扩大国际食品区，从而迎合本地市场的需求。
打造基于数据的本地化经营战略
尽管开展大数据变革的潜在收益非常可观，但在我们和客户合作的过程中，发现很多零售商并没有坚持收集数据用于提升本地化。还有一些企业，现有的销售、定价或销售管理系统无法运行必要的复杂分析来挖掘这些信息。为充分发挥基于大数据的本地化战略优势，零售商需要根据特定要求和环境来量身定制系统。这需要寻找能够提供定制服务的外部合作方。不管在产品本地化方面采用什么样的大数据工具，这些工具与已有系统的对接必须相对简单。
即便如此，将大数据纳入本地化的过程难度也很大。企业需要做的不仅仅是采取新的方法来利用已有技术，或是整合新的分析方法。首先，需要组织上下灵活和开放地接受新方法。由销售、规划和定价人员组成的跨部门团队必须加快工作速度，提高工作活力，避免增加这一过程的复杂度。尚未做好准备接受这些全新、敏捷工作方式的企业组织，需要考虑如何在这一旅程中培训团队。
根据我们与零售业客户的合作经验，能够遵循以下指导原则的企业组织，往往能够成功使用大数据提升本地化。
采取分析冲刺。借鉴敏捷原则，包括使用最小可行产品工具，以及采用快速测试和学习的心态。选择一个使用场景，开展基于分析的冲刺项目，并评估其工作方式。采用同样的方法开展下一个冲刺。
将基于分析的本地化纳入工作流程中。各个团队在制定销售决策时，必须始终坚持以数据为依据， 而不是只在每年自上而下重新设定品类时这样做。因此品类经理需要多承担一份职责，即要确保本地化推荐工具不会增加他们团队的工作难度。
协调一致。零售商销售部门下属的不同分支在改变本地化元素时可能采用不同的数据分析工具，或分析的是不同的数据，但得到的最终成果应当融为一体，无论顾客购买什么，都能为顾客带来一致的店内体验。
合并多个大数据集，包括线上销售数据。借助分析方法，零售商可以研究不同来源的各种数据集， 从而获得从单一数据集中无法获得的洞察。大数据集可以包括网站流量以及搜索关键词、当商品线上售罄时顾客采取的行动、以及顾客放弃虚拟购物车的频率和商品种类。零售商还可以使用分析方法来研究从实体店销售得到的数据，包括退货、结账排队长度、缺货等信息， 以及不同商店或地区在商品类别和销售上存在的差异。
企业还应当跟踪线上购物活动，从中发现某个地区受顾客欢迎的产品是什么，然后为该地区的实体店采购更多这类产品。
错误的输入只能得到错误的产出，这一原理依然适用。如果决策依据的信息本身就不正确，那么即便决策有数据依据，仍然毫无价值。在开始之前，零售商可能需要花费一些时间发现和解决一些一次性问题。然而即便最整洁的数据也无法提供完美的先见，因此在使用大数据的同时，还要结合一些应急计划， 从而应对可能出现的异常或预料之外的情况。
了解价值和复杂性之间的取舍。分析方法能够为复杂的本地化配置提供精密复杂的解决方案，但与因过于复杂而导致相关人员难以落实的方案相比，较为简单的解决方案反而更受欢迎。例如，商店层面的本地化可能会带来更大的价值，但是执行落地难度更高；但若是对商店群进行本地化，则能够让零售商实现合理的平衡，提高现场的遵循程度，从而实现更大的价值。
虽然中等家庭收入持续增长，美国的消费支出依然居高不下，但时代的瞬息万变，加之亚马逊等科技巨头的电商崛起，实体零售商迎来史上最严重的破产大潮。当前竞争环境下零售商的利润空间在不断缩水，因此需要绞尽脑汁地节省实体店的经营空间。其中一种办法是使用大数据更深入地了解顾客的偏好以及购物习惯，这些信息能够帮助零售商优化楼面空间，产品组合以及其他本地化元素。但是采用改进后的分析方法和技术，只是取得了一半的成功。对于尚不习惯基于数据制定决策的商店，变革还需要包括企业文化的重大转变。零售商若想成功，来自不同部门的产品相关人员必须加强协作，并且以冲刺式的速度工作。这是一套致胜的组合拳，有助于保留和增加回头客。
