全球零售巨头们的大数据真经

沃尔玛转型：用大数据算出你的消费基因

近来，各传统零售领域龙头展开激烈的“Big Data”军备竞赛，Wal-Mart是先驱，每张购买建议清单，都是大量资料运算而出的结果。批注1:
大数据军备竞赛将是非常规的核战。根据Gartner全球今年的调查，42%的受访者表示已投资于大数据或者将于未来一年内进行相关投资。

2011年4月，Wal-Mart以3亿美元高价并购了Kosmix，一家专长分类社交网站资讯，并客制化输出资讯的公司。 不仅能搜集、分析网络上的大量资料给企业主，还能将这些资讯个人化，提供采购建议给终端消费者。这意味着，Wal-Mart使用的Big Data模式，已经从挖掘顾客需求发展到要能够创造消费需求。批注2:
Kosmix是沃尔玛找到的大数据铀矿开采机，这一并购将：1.帮助沃尔玛建立“一个顾客，一个沃尔玛”战略，改变原来千店一面的同质化竞争格局。2.帮助沃尔玛升级社交购物战略，完成从历史交易数据中挖掘顾客需求，到从社交信息流中发现和创造顾客新的消费需求的进化。

其实早在90年代初，Wal-Mart就通过大数据发现了“啤酒与尿布”的关系。内部IT工程师分析结帐资料时，发现到了周五晚上，啤酒和尿布的销售量高度正相关。经过追踪发现，周五晚间，许多年轻父亲下班后买尿布时，会顺手带啤酒，准备看周末球赛转播。因此，Wal-Mart刻意将啤酒和尿布摆在一起，销售量马上提升三成。

若不是追踪结帐资料，这些细微的消费者习惯，很难从卖场巡逻中发现。Wal-Mart的Big Data系统在顾客完成每一笔交易后，记录下消费需求，做出商品互补性配对，为顾客找出替代性产品。

作为世界最大的零售业巨人，Wal-Mart在全球超过200万名员工，总共有110个超大型配送中心，每天处理的资料量超过10亿笔。Wal-Mart本身就是一个巨量资料系统，适用各种商业上的分析行为。消费者在Wal-Mart采购，可以从手机接收到一份建议清单，看似毫无关联却相当实用的推荐商品，可能是Wal-Mart分析了上万笔销售纪录后，得到的宝贵成果。 同时，Wal-Mart会记录每一笔顾客行为，建置在行动物流系统中，让全美各店都能分享Big Data的情报资讯。批注3:
每周，沃尔玛的顾客超过2亿，光顾全球的1万多家店。为此，沃尔玛实验室计划将这家零售业巨头现有的 10 个不同的网站整合成一个，同时将一个 10 个节点的 Hadoop 大数据集群扩展到 250 个节点的 Hadoop 集群。作为一家传统的零售业企业，能够在移动互联网和大数据挖掘上投入如此多的财力物力，说明沃尔玛已经看到了未来大数据的重要性。

随著社交网站主宰了现代科技生活，Kosmix为Wal-Mart打造的Big Data系统称做“社会基因组（Social Genome）”，连结到Tweeter、Facebook等社交媒体。 工程师从每天热门消息中，推出与社会时事呼应的商品，创造消费需求。分类范围包含消费者、新闻事件、产品、地区、组织和新闻议题等。批注4:
由社交网络带到网店的访问量最近几年增长迅速，社交正在重塑零售业。Kosmix打造的社交基因组，以现场活动即时媒体过滤服务闻名，每天人们在 Facebook 上分享 8.3 亿条信息，在 Flickr 上上传 610 万张照片，在 YouTube 上添加 210 万分钟视频，发送 6500 万条推讯。Kosmix 从中排除噪音，帮助沃尔玛找到对每个顾客有用的内容，推出当下应景的商品，创造出新的消费需求。

“社会基因组”的应用方式五花八门。举例来说，Walmart Labs内部软件能从Foursqare平台上的登录记录，分析出在黑色星期五，不同地区消费者最常购买的品项，然后，针对不同地区送出购买建议。如此一来，影响消费者在Wal-Mart购买行为的因素就更复杂了，自己、店家、亲朋好友，现在再多加一个：社交网站使用者。

Wal-Mart电子商务总监拉詹曼（Anand Rajaraman）分析，脸谱和推特上的力量庞大到难以想像，“我们如果能透过社群网站的Big Data，掌控消费者行为，我们就能以此重新定义消费的方式。”

2012年7月，Facebook执行长扎克伯格（Mark Zuckerberg）和Wal-Mart执行长杜克（Mike Duke）碰面，协议加深彼此合作关係。批注5:
全球最大的社交网络脸谱与全球最大的零售商沃尔玛的合作，是一场旷世婚姻，将帮助沃尔玛打造出全渠道零售战略的新王牌——每个顾客的大数据：通过收集每个顾客在全渠道，包括地面店、网店、移动商店、数字货架和主要的社交媒体（如Facebook、Twitter、微博、微信等）产生的碎片信息，借助云计算，拼出完整的全渠道顾客社交云图。 看到这儿，我们也就不难理解阿里巴巴和新浪微博最近的联姻了。

外人看来或许一头雾水，两个领域的霸主，合作空间在哪？现在看来不难理解，Wal-Mart需要Facebook上的消费者购物资料，建构更庞大的消费资料库；扎克伯格也希望搭着零售大王的顺风车，延伸实体销售的影响力。

数字大战：ZARA获利超过LV的秘密

作为近年最流行的服饰零售代表，撑起平价奢华风潮的背后，靠的是Zara在业界首屈一指的Big Data系统。

截至2012年，Zara全球将近1700家分店，跨国员工总数超过11000人。总部设在西班牙A Coruña，一个远在西北角、从渔村起家的偏远小城。总部每周两次，接受全世界店的订单需求。同时传输各区不同的客户意见，形成庞大的生产决策。根据统计，一个月下来，总部出货的服饰品项超过1000万件。

走进店内，柜台和店内各角落都装有摄影机，店经理随身带著Pad。当客人向店员反映“这个衣领图案很漂亮”、“我不喜欢口袋的拉链”，这些枝微末节，店员反馈给分店经理，经理透过Zara内部全球资讯网络，每天至少两次传递给总部设计人员，由总部作出决策后立刻传送到生产线，改变产品样式。

关店后，销售人员结帐、盘点每天货品上下架情况，并对客人购买与退货率做出统计。再结合柜台现金资料，交易系统做出当日成交分析报告，分析当日产品热销排名，然后，数据直达Zara仓储系统。

区域业务经理负责接听来自各国的订单电话，当中包含反应恶劣，须立刻下架的品项。然后他们会整理成报告，立刻招开内部会议。中国区经理先提出：“中国顾客想知道最新上架的紧身裤有没有出红色。”“智利也有顾客反映！”“东京也有同样需求。”听到三区经理有相似意见，时尚总监就会决定：“好，传给生产线，新的紧身裤马上打样红色。”接著，经理立刻把意见传达给坐在隔壁区的设计师群，立刻打版、着手设计。

搜集海量的顾客意见，以此做出生产销售决策，这样的作法大大降低了存货率。根据这些电话和电脑数据，Zara分析出相似的“区域流行”，在颜色、版型的生产中，做出最靠近客户需求的市场划分。

更精彩的是，从消费者的巨量资料，Zara经理人发现数字中的精彩故事；打造出Zara本身的时尚决策地图。

举例来说：在中南美洲，颜色鲜艳、合身性感的服饰卖得特别好；法国、日本等，顾客偏爱色系沉稳、剪裁利落的风格。因此，仓库出货到各国时，不同系列的比重也会因国情有所调整。

目前，许多服饰业的生产基地悉数外移到成本低的中国或中南美洲，但是，Zara却将45%的生产留在西班牙。因为存货低，抵消了高昂的人工成本。少掉跨国船运、沟通、配送的时间，总部的in-house设计团队，从打版到衣服上架，仅需两到三周，每周新品上架两次，与精品更新以一季为单位计算，资讯翻新速度快了六倍。批注6:
ZARA在整个公司内部培养三种大数据能力：大数据的整合能力、大数据的洞察能力、快速实时行动的能力。

伦敦时尚杂志编辑高索尔基（Masoud Golsorkhi）认为，Zara让消费习惯也跟着转向。他分析：“Zara一件产品生命只有10天，现在不买就没有了（Buy it NOW or Never）！”快速廉价的生产方式，让在Zara消费成为一种“立即购买强迫症”。

Zara公关经理艾奇维拉（Jesus Echevarría）接受《纽约时报》采访时，指着公司发展地图说，中国目前有290家分店，预计明年拓展到350家，这些展店计划从来不在预设的发展蓝图内，而是一路发展的Big Data告诉他们：商机在中国。艾奇维拉说：“好多人问，Zara下一间店会开在哪？其实我们从来没有明确的计划，市场在哪里，我们就在哪里。”

2010年秋天，Zara的Big Data系统，向前迈进更大一步。

Zara一口气在六个欧洲国家成立网络商店，增加了网络巨量资料的串连性。隔年，分别在美国、日本建构网络平台，除了增添营收，线上商店强化了双向搜寻引擎、资料分析的功能。不仅回报意见给生产端，让决策者精准找出目标市场；也对消费者提供更准确的时尚讯息，双方都能享受Big Data带来的好处。

分析师预估，网络商店为Zara至少提升了10%营收。

此外，线上商店除了交易行为，也是活动产品上市前的行销试金石。Zara通常先在网路上举办消费者意见调查，再从网络回馈中，撷取顾客意见，以此改善实际出货的产品。因此，Zara将网路上的巨量资料视为实体店面的前测指标。

这些珍贵的顾客资料，除了应用在生产端，同时被整个Zara所属的英德斯（Inditex）集团各部门运用： 包含客服中心、行销部、设计团队、生产线和通路等。根据这些巨量资料，形成各部门的关键绩效指标（Key Performance Indicators），完成Zara内部的垂直整合主轴。批注7:
在其背后，顾客大数据即时同步共享给ZARA的所有部门和全程供应链，这是ZARA取得巨大成功的关键。

即使H&M想跟上Zara的脚步，积极利用Big Data改善产品流程，成效却不明显，原因何在？

Big Data最重要功能是缩短生产时间，让生产端依照顾客意见，能于第一时间迅速修正。 但是，H&M内部的管理流程，却无法支撑Big Data供应的庞大资讯。H&M的供应链中，从打版到出货，需要三个月左右，完全不能与Zara两周的时间相比。批注8:
大数据的应用帮助ZARA以天为单位快速反应市场的变化，打造出几乎实时的极速供应链。

Zara的设计生产近半维持在西班牙国内，而H&M产地分散到亚洲、中南美洲各地，跨国沟通增加了时间成本。原来，Big Data要成功的关键，是信息系统要能与决策流程紧密结合，迅速对消费者的需求作出回应、修正，并且立刻执行决策。

你的消费纪录等于Amazon的摇钱树

用网络广告的术语来说，相较Google或Facebook的访客，Amazon的使用者更深入“行销漏斗”（编按：指消费者被吸引，到真正采取购买行动的过程）之中。数位广告公司（Mediasmith）科技与分析部门副总监普拉特（Marcus Pratt）说，“Amazon拥有的丰富用户资料，极适合用于产品与消费者间的媒合，其中潜藏无限商机。” 批注9:
大数据时代将引发一场营销革命。

先前Amazon并未大张旗鼓推展广告业务，直至最近，有报道指出，Amazon全球业务副总裁乌施奈德（Lisa Utzschneider）出席纽约广告业年度活动时，大力宣传自家广告的优越与独特性，包括可展示广告的电子书Kindle，以及更精准的消费群体分类能力。

“Amazon过去全神贯注于商品销售，如今才开始注意唾手可得的广告商机”，comScore分析师利普曼（Andrew Lipsman）说：“流量如此庞大，Amazon实在没有放弃广告市场的道理。目前Amazon的广告售价仍低于网络市场平均值，可见完整的广告销售策略尚未成形。有些广告客户对Amazon的广告版面，暂时持观望态度。因为，或许基于保护消费者个人资料，Amazon对客户的限制颇多，包括广告可连结页面、广告商可追踪资料等。”

不过，在商言商，Amazon可精准分类消费族群的广告分析工具，以及最近完成的“需求方平台”（Demand Side Platform，DSP），还是引起了广告商的高度兴趣。 广告商可以在“需求方平台”上竞标网站的闲置广告空间，而竞标标的包括广告版位，以及符合特定条件的消费者。批注10:
未来，大数据可能成为最大的交易商品。

假设一位有意购买篮球鞋的消费者，他进入Amazon旗下的服饰与鞋类网站Zappos寻找合适商品，连串搜寻轨迹会以cookie的形式，如实记录在用户的浏览器里。之后，他又前往体育节目网站ESPN，若ESPN的广告与Amazon“需求方平台”相连，平台就会自动解码cookie，知道他曾经打算买篮球鞋。若“恰巧”体育用品厂商正在平台竞标“Zappos网站搜寻篮球鞋的用户”，并由出价最高的耐克得标，这位用户就会在ESPN页面上，看见耐克广告。

乌施奈德受访时指出，Amazon与广告商分享的资讯有两类，一是依用户网路行为所做的通用分类，例如热衷时尚、喜爱电子产品、身份为母亲、爱喝咖啡等，二是用户的商品搜寻记录，至于消费者的实际购物资料，Amazon似乎尚未在分享之列。

Amazon以书面说明为“需求方平台“下了扼要定义，”协助广告商接触网络上的众多用户，同时也帮助客户迅速找到想购买产品的相关资讯”，“需求方平台”概念虽非Amazon首创，但以丰富资料为后盾，竞争局面将被改写。批注11:
亚马逊网站推荐的销售转化率可以高达60%！亚马逊的推荐算法非常有名，依靠这套算法，亚马逊向回头客们提供了深度定制的浏览体验。例如，数码爱好者们会发现亚马逊上满是新潮电子产品的推荐，而新妈妈们在相同的位置看到的却是婴幼儿产品。

将来会如何，就看Amazon如何运用这座宝山，广告商即使无法得知实际消费记录，能了解潜在顾客的商品搜寻记录，也够诱人了；Amazon如果全力进军网路广告市场，仍可能大大改变产业生态。

2011年，Google营收为380亿美元，Amazon则为480亿美元； 细究营收结构，广告业务为Google主要收入来源，在整体营收占比96％，Amazon主要收入来自零售，广告占比很低，若以Baird Equity Research估计的2012年广告收入5亿美元计算，只占约1％。批注12:
2012年，亚马逊营收增长到610亿美元，通过充分挖掘后台的大数据，将其推荐系统深度整合到购物流程的方方面面，从商品发掘到结账付款，几乎无处不在。登录Amazon.com，你会看到许多商品推荐板块；点入某个商品的网页，“人气组合”与“（浏览了该商品的）用户甚至好友还购买了其它商品”等栏目赫然在目。亚马逊的想法是取悦每一个顾客，让顾客在不经意之间发现美妙的产品。

网购族群偏好的商品搜寻入口网站统计，也显示Google备受挑战，两年前买家以Google为搜寻首选的趋势已经翻转。

如果将比较重点聚焦于广告客户重视的商品销售能力，Amazon确定推广独有的“需求方平台”（DSP），势必让渴望向目标消费者直接劝败的营销人员跃跃欲试，延续双方在电子阅读器、应用内容、云端运算多次交手、互有胜负的战火，此番零售专家踩线线上广告，与运算大师谁占上风，不知是否有合适的测量工具可预知结果？