运营新零售最快速的方法

借着互联网技术蓬勃发展的东风，零售业破而后立，新零售应运而生。那新零售要如何才能提升运营效率？

小米科技创始人雷军曾经说过：

“站在风口上，猪都能飞起来。”

这句话讲的是要懂得抓住机遇、顺势而为。自淘宝、京东、苏宁等电商平台崛起之后，传统零售行业经历了很长一段时间的低迷。借着互联网技术蓬勃发展的东风，零售业破而后立，新零售应运而生。

寻找破局之道，线上线下抱团取暖
随着线上流量红利消耗殆尽、获客成本高企，企业增长遇到瓶颈，为了寻找新的营收增长点，互联网巨头纷纷将目光聚焦线下。自2015年起，阿里频频投资线下零售企业并秘密孵化了“盒马鲜生”会员店。京东、腾讯、苏宁也紧随其后，加紧布局。

与此同时，传统的线下零售企业受电商平台的挤压，营业收入和利润率持续下降。面对前所未有的新挑战，唯有积极拥抱新技术，顺应时代发展的新趋势，才能在激烈竞争的市场上存活下来。

因此，正大集团面对旗下著名超市品牌“卜蜂莲花”业绩下滑，推出“正大生鲜”挽救市场；永辉超市积极引入京东和腾讯的战略投资，并创建了由精品店发展而来的“超级物种”品牌。

数字技术时代的全域触达和精细运营
2017年被誉为新零售的元年，而2018年更是新物种井喷的一年，各方势力通过不同的方式探索并践行着新零售之路。新零售要求应用新技术，获得与消费者的持续互动和对消费者的深入洞察，来优化和提升运营效率。

1. 区块链
区块链是最近新兴起来的一种分布式数据库，具有公开、透明、去中心化的特征，使用HASH加密算法保证数据的安全性，以时间戳的方式单向连接整个区块链条，使得交易过程中衍生的数据不可篡改，各个节点均可查看。

（1）供应链溯源

在生产、流通的所有环节使用半封闭的联盟链，把商品流通过程中的关联方设为区块链中的节点，由于整个交易流程是顺时针线性关系，商品每经过一道环节，就在全网进行广播，通知全网的每个节点，然后加盖一个时间戳，供应链企业能够查询商品在整个生产、流通、零售环节的数据，实现数据共享和实时监控。

一旦发现问题，能够纵向追溯供应链的各个节点，找到问题出现在哪个环节，组织相关人员解决问题。

（2）智能合约：规避法律风险

由区块链衍生出来的智能合约未来也将应用于采购、运输、仓储、销售等环节，帮助零售企业进一步规避法律风险，提高整体运营效率。

举个例子：某批发商甲和某零售商乙约定10月4日甲向乙供货2万斤苹果，每斤价格5元，货款总计10万元，乙于10月3日预先支付定金2万元，待收货后24小时内向甲支付剩余货款8万元。

如果使用智能合约，双方需要在区块链上编写一段代码，代码中包含触发合约的执行条件，合约被上传到区块链网络后，10月3日定金2万元会打到甲的账户，当收到货后24小时乙方未提出异议，余款8万元也会自动到达甲的账户。

2. 物联网
所谓物联网即是物物相连的互联网，其现实应用的关键技术节点在于传感器。通过传感器采集数据信息，为后续分析工作提供数据支持。

应用监控定位系统：感知消费者在店内购物的行动轨迹，分析各品类区域的人流分布以及消费者在不同货架的停留时长，判断消费者的购物偏好和各类商品的受欢迎程度，便于门店及时调整采购和库存计划，降低运营成本；
应用货架传感器：感知货架上货物的拾取和放回，反映商品的实时销售情况，提示门店及时补配货，优化库存管理；
应用电子价签：利用信息收发功能的，把货架上的标签和门店数据库连接，动态更新商品价格，确保标签显示价格和结算价格一致。
3. 大数据和云
（1）数据来源

供应链数据：了解商品的基本特性如产地、材质、规格等，生产进度，商品的运输手段、物流进度、库存情况，实际的丢失率和货损率；
门店运营数据：零售线下门店通过应用各项传感技术可以获取到每日进店顾客人数、性别和年龄分布以及对商品的购买偏好、各时段每个区域的动态人流分布情况、各品类商品在门店最新的数量和价格、实时销售数据等。
会员数据：零售企业通过构建会员体系，收集会员在线上和线下的个人数据，包括姓名、性别、年龄、学历、住址、手机号码、兴趣爱好等人口属性数据，以及购物好、消费轨迹、购买周期、购买频率、最后购买商品等行为数据。
（2）云存储和云技术

随着来自各个渠道数据量级的激增，空间有限的本地数据库越来越难以满足需求，而云存储具有空间大、成本低的特点，成为了诸多企业瞩目的焦点。大型企业可以考虑自建云端数据库，中小型企业则可以购买大型数据中心的公共云服务。

如此，纷繁复杂的大数据可以被稳妥的保存下来，在需要的时候随时从云端调用。

在信息大爆炸的当今社会，获取到的数据日益庞杂，使用本地数据库进行数据整合分析，消耗的时间也越来越久，但是销售机会往往稍纵即逝，企业需要快速作出判断并进行精准营销，才能把握住每次机会。

因此，数据处理速度至关重要，云计算依托海量的分布式服务器，能够提供前所未有的计算能力和7*24小时的持续服务。

每当顾客进行消费决策时，自动访问云端数据库，结合当前的消费场景和用户画像，综合分析后实现个性化推送，在最恰当的时刻推荐最合适的商品，并根据顾客购物后的反馈持续修正、完善数据库。