過去兩年，零售這個古老而傳統的行業被推到了技術革新的風口浪尖。這場變革為何來得如此突然？背後的推動力又是什麼？這是TalkingData合夥人&執行副總裁林逸飛和同行們反覆探討的話題。
零售領域正在孕育產業級的機會
其中被提及最多的，就是線上流量見頂。互聯網巨頭們開始轉戰線下，給傳統大型零售企業造成了巨大的壓力。這種壓力催生了大型零售企業對移動化、數字化和對接線上流量的訴求。他們面臨著兩個選擇，要麼更加全面深入地倒向騰訊、阿里，要麼在二者的夾縫中建立自己的流量和數據運營能力。
電商崛起也曾給線下零售造成過沖擊，但遠不如今天來得劇烈，加之當時技術成本太高，未能成功激發零售行業的技術革新。今天移動終端大規模普及，移動網絡的獲取成本、支付和流量的對接成本急劇下降，為零售企業建立自己的數字化能力創造了可能性。
與此同時，以今日頭條、陌陌為代表的腰部流量開始更大程度地向市場釋放數據化能力，零售企業需要建立相應的平臺去承接。
TalkingData就是在這樣的背景下切入零售市場的。TalkingData成立於2011年，是國內領先的第三方數據智能服務商。近7年的時間，TalkingData始終保持每年3倍的業務增長。切入零售市場至今的兩年半時間裡，零售業務版塊的發展更是迅猛無比。
林逸飛認為，當微信這種十億日活級別的平臺開始釋放流量和數據，須有零售這樣龐大的市場才能承接。因此未來3-5年，零售領域將出現產業級和現象級的機會。他表示，TalkingData將在這一領域投入更多的人力和資源，以抓住行業變革的紅利。
零售數據的“三重門”
大數據在零售行業的應用由來已久，“啤酒尿布”的故事曾經廣為流傳。但今天零售行業的大數據分析和當年相比已經發生了非常大的變化。
林逸飛介紹，零售行業的大數據有幾個特點：首先，和金融、保險等行業相比，零售業對數據運營的精細化程度要求更高；其次，零售行業對接的流量和數據變化非常劇烈，比如小程序，兩個月就能做到1.2億日活，企業的對接平臺必須足夠靈活才能抓住這樣的流量紅利；最後，零售行業非常分散，一個垂直板塊裡就有少則幾十家、多則幾百家企業。
零售數據的維度也在不斷增加。兩三年前，TalkingData提出了數據“三重門”的概念，即交易門、交互門和公開市場門。“啤酒尿布”的故事只用到了“交易門”裡的交易數據，它更多是一種事後推演。而今天，隨著智能終端大規模應用，企業可以非常便捷地通過APP、社交網絡等觸點大規模採集用戶的交互數據。傳統零售經常提“人貨場”，今天通過“交互門”裡的數據我們還能在此基礎上增加時間的維度，幫助零售商抓住營銷的最佳時機。
“公開市場門”指的是客戶在開放市場中的各種行為數據，這些數據本身往往並不與企業業務直接相關，但是可以很大程度上輔助企業開展業務，如移動App的數據、社交數據、微信微博的輿情數據等。
公開數據的獲取並不是盲目的，需要以解決某些業務問題為出發點，否則會陷入“數據的汪洋大海”，反而不知道該收集什麼樣的數據。
不久前，TalkingData與騰訊雲聯合發佈了針對線下商業場景的智能商業選址產品——智選，就是利用公開數據的絕佳範例。憑藉雙方強大的數據能力，“智選”可以幫助零售企業解決線下實體門店選址、商圈運營診斷等問題。以前費時費力的選址工作，藉助“智選”只需幾分鐘即可通過可視化、數據化的方法快速做出決策。
林逸飛介紹，騰訊雲就像一個基礎數據加工廠，擁有豐富的原材料。而TalkingData離客戶更近，知道如何用算法模型解決客戶的實際問題，“我們做的是數據的精加工”。
如何萃取數據的商業價值是核心競爭點
當數據獲取變得簡單，數據維度不斷增加，從數據中萃取商業價值的能力就成了企業的核心競爭點。
與交易數據不同，交互數據和公開數據是完全非結構化、高流量且時序紊亂的，數據之間天生不打通。這使得數據處理的底層技術發生了巨大變化，數據倉庫等傳統技術因無法應對現時流量的多波段變化，已經退居到了大企業的後臺系統。
現階段需要處理的數據維度之多，已完全超出了人力所及的範疇。以TalkingData服務的某餐飲連鎖品牌為例，該品牌SKU數量不多，只有大約100個，但它在全國有數千家門店。TalkingData的目標是幫助其在營銷端做到千店千面，在供應鏈端做到提前一天準確預測出第二天以小時為單位的客流量、原材料消耗數，以減少原材料損耗。為實現這一目標，TalkingData需要建立數十萬個模型。如此多的模型不可能由人力進行調參，必須通過數據做自適應訓練。
TalkingData在多年的業務實踐中積累了非常龐大的數據量，鮮有同行能夠匹敵。其次，TalkingData在機器學習和數據處理技術上也有著很深的造詣，同時具備大規模分佈式部署的能力。此外，過去幾年裡TalkingData還不斷從國外引進最新的技術，並在美國設立了自己的創新中心，不斷修煉內功。
技術只是一方面，從技術到成熟落地的商用產品，中間還隔著一道鴻溝。林逸飛認為，打造一款成熟的商用產品，最重要的就是權衡客戶的需求。TalkingData作為一家數據智能服務商，需要對接各種各樣的客戶，不同的客戶對場景又有著獨特的需求。產品只有標準化後才能成為商品，而標準化意味著要對客戶的需求進行歸納和提煉。
為了在滿足客戶需求和標準化之間尋找平衡，TalkingData提出了一個金字塔模型。位於金字塔頂端的是行業的頭部客戶，這些客戶的需求對於相應行業具有引領作用，可以輻射到腰部和底部客戶，因此TalkingData會有選擇性地滿足它們的定製化需求。
位於金字塔中間的腰部客戶數量較多，準確提煉它們需求比較困難。如果覆蓋的客戶數量不夠，提煉出來的需求很可能是跑偏的。
對於金字塔底部更為龐大的客戶群，林逸飛認為，經過頂部和腰部兩層客戶的需求提煉，做出的標準化產品已經能夠比較好的滿足這部分客戶的需求了。
企業需建立自己可以管理的流量平臺
那麼，頭部企業探索出的能力和方法，如何更好地進行價值傳遞，賦能整個產業鏈中的中小企業呢？這就需要運用到數據中臺了。
數據中臺是今年特別熱門的概念，包括阿里在內的很多企業都在打造自己的數據中臺，只是大家對數據中臺的理解各不相同。TalkingData對數據中臺的定義是——基於數據智能應用探索商業價值的平臺，它需要具有數據管理、數據工程和數據科學的能力。
去年的T11大會上，TalkingData正式對外發布了數據智能平臺1.0，提供數據管理、數據工程以及數據科學的核心能力。經過一年時間的鑽研打磨，TalkingData在不久前的T11 2018數據智能峰會上將其數據智能平臺升級到2.0，內部稱之為TalkingData數據中臺，擁有管理、工程、科學以及安全、連接、共享六大核心能力。
林逸飛認為，很多零售企業的痛點在於，它不具備自己的數據和流量運營能力。零售企業很難建立龐大的自有流量，所以企業打造一個可以對接中部流量的數據中臺是非常必要的。這樣一來，企業就能在和頭部流量的博弈中佔據更多的主動權。
以TalkingData服務的一家大型服裝企業為例。這家企業一年的營業額在500-600億左右，其中90%來自線下，10%來自線上。而線上的10%中又有90%來自天貓，這意味著它在和線上流量的博弈中是處於下風的。
TalkingData花了七八個月時間幫它理順業務思路，建立自己的數據中臺，對接中部流量，進行精準的數字化運營和營銷。僅僅通過六七次營銷活動就帶來了4個億的收入增長，投資回報率最高的時候達到了94倍。
零售行業的劇烈變革才剛剛開始，TalkingData所展現的只不過是數字化巨大潛能的冰山一角。
閱讀更多 TalkingData 的文章
