新零售實務（第2版慕課版）教案 第6章 新零售數據化運營

周次課次課時課題零售數據化課型理論授課班級備課人授課人教學目標知識了解新零售數據化的內涵了解新零售數據類型技能掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析情感學習新零售數據化內容，培養創新高效的工作精神教學重點與難點重點了解新零售數據化的內涵了解新零售數據類型掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析難點掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析媒體教具多媒體教學過程修改欄教學內容師生活動（一）任務導入：大數據分析讓“永輝超市”在逆境中“破冰”教師提問：請和同學討論一下，永輝超市是如何結合自身情況運用大數據分析方法的？（二）新課講授教師講解：零售數據化概述1、零售數據化的定義零售數據化就是通過互聯網、人工智能等新興技術，將傳統零售業的人、貨、場指標進行數字化，將其變為直觀的、可供分析的數據，并對其進行處理分析，最終實現全渠道覆蓋、全鏈條連通的新零售轉型。2、零售數據化的條件零售數據化需具備以下三個條件：（1）完善的數據軟件系統。（2）完整的基礎數據。（3）完善的數據中臺服務。（二）新零售數據類型1、新零售“人”的數據（1）解析“人”的數據新零售領域“人”的數據由最初的碎片化的信息處理逐步發展為建立用戶畫像，為畫像設立用戶標簽使企業能夠最大程度挖掘用戶的生命周期價值。（2）“人”的數據化實現的步驟暢想未來，消費場景無處不在，企業應當掌握如何在多樣化的消費場景中快速收集用戶的消費數據。（3）“人”的數據類型 “人”的數字化根據不同的劃分角度也延伸出多種衡量指標。2、新零售“貨”的數據（1）解析“貨”的數據“貨”即商品，商品的數據化首先需要對商品的各項數據進行收集。商品數據主要包括商品的各項參數數據、庫存數據、價格數據、銷售數據、評價數據等。（2）“貨”的數據化作用①“貨”的數據化可以幫助企業實現按需生產。②“貨”的數據化可以改進線下門店經營。（3）“貨”的數據類型①根據商品的銷售情況進行分析。②根據庫存管理進行劃分。3、新零售“場”的數據（1）解析“場”的數據“場”也就是消費的場所或渠道，“場”是為了促成交易而存在的。過去消費者在線下購物時的流程是進店、選貨、付款，線上購物則是瀏覽、加購、付款，不會過多地關注“場”的附加內容。（2）“場”的數據類型“場”的數字化主要圍繞消費場景進行分析，包括：①根據流量趨勢分析。包括“獨立訪問者數量”“重復訪問者數量”“頁面瀏覽數”“門店客流量”等，以此反映門店或者網頁訪問情況。②根據流量來源分析。包括“流量來源頻次分析”“流量來源權重分析”等，以此反映客戶的獲取渠道。（三）新零售數據收集1、線上數據收集（1）數據中臺數據收集傳統的數據中臺主要負責對店鋪數據進行報表統計，對于新零售企業來說真正的數據中臺應該包含數據采集、數據處理、對企業提供數據支撐等環節，從而緊密地和業務、運營結合在一起。（2）社交網站數據社交網站數據收集涉及大量的數據挖掘、處理和分析，社交網站數據收集的核心是利用圖文和社交網絡分析方法來認識和預測消費者在社交網站上的行為。以微指數為例，微指數是新浪微博的數據分析工具。（3）搜索網站數據收集搜索網站根據特定的計算機程序向用戶提供互聯網上的各色信息，并對信息進行整理，為用戶提供檢索服務。2、線下數據收集（1）線下門店CRM系統數據收集當下許多新零售線下門店已有的CRM系統已經實現了線下部分數據的數字化，可以完成對客戶、會員、采購、銷售、庫存和系統的數字化管理。（2）掃碼數據收集新零售門店通過構建掃碼數據終端，可以實現店鋪貨品查找、商品配送、庫存盤點、退貨換貨各環節的數據化，解決店鋪管理存在的商品配置不合理、人員管理混亂、物流效率低下等現象，提升企業的服務水平，實現降本增效的目的。（三）課堂小結1、零售數據化概述2、新零售數據類型3、新零售數據收集（四）布置作業查閱資料，新零售“人-貨-場”數據類型還可以怎樣劃分？教師提問教師講解教師講解教師講解教師講解教師講解教師講解教師引導學生回答學生回答學生回答板書設計作業布置查閱資料，新零售“人-貨-場”數據類型還可以怎樣劃分？教學反思周次課次課時課題人的數據分析課型理論授課班級備課人授課人教學目標知識了解用戶人口特征分析了解用戶活躍度分析了解用戶價值分析了解繪制用戶畫像技能掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析情感學習新零售數據化內容，培養創新高效的工作精神教學重點與難點重點了解用戶人口特征分析了解用戶活躍度分析了解用戶價值分析了解繪制用戶畫像掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析難點掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析媒體教具多媒體教學過程修改欄教學內容師生活動（一）任務導入：探究美團的用戶畫像教師提問：請和同學討論一下，美團的用戶畫像有什么特點？（二）新課講授教師講解：用戶人口特征分析以某男士西裝品牌新零售門店為例，該店統計了2024年1月31日至2月5日1個星期的用戶數據。男性用戶占比76.67%，女性用戶占比23.33%，在年齡分布中年齡段主要集中在30-39歲，說明該男士西裝品牌店的主要客戶是中青年男性，門店可以據此對銷售產品以及門店裝修等環節進行針對性的改進。（二）用戶活躍度分析1、新增用戶分析以某新零售企業的用戶相關數據為例，其日新增用戶為2921人，新用戶打開店鋪網頁的占比為35.88%，但是他的新增日留存率為7.35%，從時間上看處于下降的趨勢，這提醒企業對流失的客戶應當采取相應的挽留措施。2、活躍用戶數分析從該企業門店每隔兩日的活躍用戶情況可以看出在2月14到2月22日，企業的用戶活躍度都是高于平均值的，之后就整體處于低值水平。門店在2月14到2月22日之間舉行了門店促銷活動，起到了活躍用戶的作用，但是活動結束之后用戶的活躍度就降低，這說明門店對于客戶的轉化和挽留機制還有待改進。（三）用戶價值分析1、轉化率分析轉化率是完成一項操作的用戶所占的百分比，在新零售領域表示為在一定期限內，企業對線上或線下產品進行推廣，成功完成轉化行為的次數占總瀏覽次數的百分比。作為產品運營的主要數據指標，轉化率越高，成本就會越低。2、RFM模型分析（1）RFM模型的含義RFM模型是3個指標的縮寫，分別是最近一次消費時間間隔（Recency）、消費頻率（Frequency）、消費金額（Monetary）。（2）RFM分析思路例如一家服裝新零售門店想識別出哪些是擁有高消費能力以及對品牌信賴度高的重要價值用戶，哪些是消費能力較強但是依賴度不強的重要發展用戶，以及正處于成長階段的一般價值用戶，以此對不同類別的客戶進行差異化的營銷推廣服務。（四）繪制用戶畫像傳統的用戶畫像，主要是由產品設計、運營人員和從用戶群體中抽象出來的典型用戶。通過用戶調研、調查問卷、用戶訪談等形式了解到用戶的共性與差異，簡單地設置幾種不同用戶類型。（三）課堂小結1、用戶人口特征分析2、用戶活躍度分析3、用戶價值分析4、繪制用戶畫像（四）布置作業查閱資料，新零售用戶畫像的創建方式還有哪些？教師提問教師講解教師講解教師講解教師講解教師講解教師講解教師引導學生回答學生回答學生回答板書設計作業布置查閱資料，新零售用戶畫像的創建方式還有哪些？教學反思周次課次課時課題貨的數據分析課型理論授課班級備課人授課人教學目標知識了解商品銷售數據分析了解商品庫存數據分析技能掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析情感學習新零售數據化內容，培養創新高效的工作精神教學重點與難點重點了解商品銷售數據分析了解商品庫存數據分析掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析難點掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析媒體教具多媒體教學過程修改欄教學內容師生活動（一）任務導入：探究華潤萬家庫存管理模式教師提問：請和同學討論一下，華潤萬家庫存管理模式有什么特點？（二）新課講授教師講解：商品銷售數據分析商品銷售數據分析是數據分析的一項重要內容，企業通過每日、每月及其他單位時間內的銷售數據分析結果及多樣化的分析指標才能更好地掌握門店運營現狀，制定針對性的運營對策。商品銷售數據包括周轉天數、退貨率、售罄率、庫銷比、連帶率、平均單價、平均折扣、庫存量單位。（二）商品庫存數據分析許多人認為新零售需要多關注銷售情況，卻忽略了庫存數據的管理。殊不知庫存不足會直接影響銷售；庫存積壓又會增加庫存成本，降低利潤。因此，新零售運營庫存數據的分析同樣至關重要。商品銷售數據包括庫存周轉天數、庫齡、售罄率、庫銷比、庫存數量、動銷率、平均折扣和庫存量單位。（三）課堂小結1、商品銷售數據分析2、商品庫存數據分析（四）布置作業查閱資料，新零售商品銷售數據分析時應當注意什么？教師提問教師講解教師講解教師講解教師講解教師講解教師講解教師引導學生回答學生回答學生回答板書設計作業布置查閱資料，新零售商品銷售數據分析時應當注意什么？教學反思周次課次課時課題場地數據分析課型理論授課班級備課人授課人教學目標知識了解流量趨勢分析了解流量來源分析技能掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析情感學習新零售數據化內容，培養創新高效的工作精神教學重點與難點重點了解流量趨勢分析了解流量來源分析掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析難點掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析媒體教具多媒體教學過程修改欄教學內容師生活動（一）任務導入：探究亞馬遜的流量分析工具教師提問：請和同學討論一下，亞馬遜的流量分析工具優勢在哪里？（二）新課講授教師講解：流量趨勢分析1、獨立訪問者數量獨立訪問者數量描述了網站訪問者的總體狀況，指在一定統計周期內訪問網站的數量（例如每天、每月），每一個固定的訪問者只代表一個唯一的用戶，無論他訪問這個網站多少次都計數為1。2、重復訪問者數量重復訪問者數量（RepeatVisitors，RV）反映了站點用戶的忠誠度，站點用戶的忠誠度越高，重復訪問者數量越高。重復訪問者數量是指某訪問者在指定時間內，通過某網站兩次或兩次以上的訪問者數量。3、頁面瀏覽數頁面瀏覽數（PageViews，PV）是指在一定統計周期內所有訪問者瀏覽的頁面數量。如果一個訪問者瀏覽同一網頁三次，那么網頁瀏覽數就計算為三個。頁面瀏覽數常是網站流量統計的主要指標。4、每個訪問者的頁面瀏覽數每個訪問者的頁面瀏覽數（PageViewsPerUser，PVPU）是一個平均數，即在一定時間內全部頁面瀏覽數與所有訪問者相除的結果，即平均一個用戶瀏覽的網頁數量。這個指標表明了訪問者對網站內容或者產品信息感興趣的程度，也就是常說的網站“黏性”。5、某些具體文件或頁面的統計指標某些具體文件或頁面的統計指標如頁面顯示次數、文件下載次數等，這樣的指標主要是針對具體每個文件的瀏覽和下載情況的指標。（二）流量來源分析1、流量來源頻次分析某零售店鋪對2022年線上線下的流量來源以及各自的頻次進行統計。發現其中訂單中心和購物車的自然流量來源是最多的，其次是優惠券流量來源。這說明店鋪的線上流量推廣實施效果顯著，消費者在推薦頁面看到店鋪產品大部分都會選擇點擊查看。2、流量來源權重分析對某新零售店鋪進行流量來源權重分析，選取“訪客數、加購人數、成交金額、成交轉化率”四個維度進行排名。其中訪客數指標里頻次最多的是活動會場，原因可能是線下活動通常選在商超內，人流量較多；而其余三個指標則是訂單中心和購物車的頻次最多，其次是優惠券，這說明在實質的訂單成交指標上，還是線上活動占比最大，店鋪可以著重關注。（三）課堂小結1、流量趨勢分析2、流量來源分析（四）布置作業查閱資料，新零售流量趨勢分析還有哪些分析指標？教師提問教師講解教師講解教師講解教師講解教師講解教師講解教師引導學生回答學生回答學生回答板書設計作業布置查閱資料，新零售流量趨勢分析還有哪些分析指標？教學反思周次課次課時課題大數據時代的零售小數據課型理論授課班級備課人授課人教學目標知識了解小數據對新零售企業的意義了解小客戶樣本研究的意義技能掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析情感學習新零售數據化內容，培養勇于創新的精神教學重點與難點重點了解小數據對新零售企業的意義了解小客戶樣本研究的意義掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析難點掌握新零售對客戶數據的挖掘和應用掌握商品數據和銷售數據分析媒體教具多媒體教學過程修改欄教學內容師生活動（一）任務導入：探究沃爾瑪運用小數據取得成功的案例教師提問：請和同學討論一下，沃爾瑪為什么能夠用小數據取得成功？（二）新課講授教師講解：零售小數據1、小數據的概念小數據是基于大數據的概念來提出的，它是一種更高效化、個性化的高價值信息資產。大數據側重于大規模數據的采集和分析，小數據則更側重于數據的深度。小數據對個人資料進行全面準確地分析，并能積極靈活地設定存取權，保護個人隱私。2、小數據對新零售企業的作用（1）提升消費者觸達率和服務黏性、（2）挖掘優勢產品和潛力服務項目。對新零售企業來說，布局未來市場在激烈的競爭