当前,零售业正在逐步复苏,而零售企业使用数据的能力将决定其在这段变革时期能否成功。在过去一年中,亚洲经济和社会的恢复对该地区的零售业来说是个好兆头。根据市场研究咨询公司欧睿信息咨询的数据,亚洲零售市场预计将在2021~2026年达到7%的复合年增长率。
根据中国商业联合会、中华全国商业信息中心发布的《2021年度中国零售百强分析》显示,网下实体店消费呈现恢复性增长,零售额同比增长12.7%。实体零售企业积极转型创新,疫情以来销售增速快速下滑的局面有所改善。
然而,我们仍需谨慎看待零售业的乐观前景,因为更大范围的经济放缓即将到来。零售企业需要发掘和拉动新的收入来源才能适应经济环境的变化,而最好的办法是重新审视购物体验。
体验式零售崛起
根据商务部的报告数据,2022年前三季度中国网络零售市场总体呈增长态势。据国家统计局数据显示,前三季度中国网上零售额9.59万亿元,同比增长4%。电商的蓬勃发展也拉动了体验式零售的增长。这与零售业的复苏不谋而合,给企业提供了适应的时间。
体验式零售将疫情期间流行的网购的便利与实体店的人际互动相结合,打造沉浸式的购物体验。通过个性化和社群建设,客户可以享受无缝的线上与线下体验。
麦肯锡在2022年3月对此进行了进一步的研究,将其称为“零”体验,包括通过全渠道营销实现各个渠道的“零”差异,并通过个性化提货实现交易“零”协助。
从业务到客户的焦点转移
要想建立体验式零售,就要对客户行为有深入的了解,而这正是数据的用武之地。使用电子支付或在电商平台上运行的企业能够定期收集这些数据,从中获得关于每年的利润或业务模式等方面的洞察。
实现体验式零售的真正转变在于客户优先。企业必须采用适合的端到端数据管理和分析平台,来有效采集、处理、分析和构建数据模型,充分发挥数据的作用。检索和处理这些数据可以帮助企业快速为客户线上和线下体验的结合奠定基础。从更贴近客户需求、提供更优质的服务到更好地管理供应链,这些能力将使企业获得更多价值。
数据洞察可以用于建立客户需求档案,以指导产品本地化并提供最佳报价建议。客户可以采取线上下单线下提货的方式,实体店里会有根据客户行为和客流量而精心策划的活动,与客户进行互动。
全球企业纷纷采用这种方法。例如,Cloudera正帮助泰国石油和零售集团PTTOR建立数据架构,帮助他们设计面向加油站和餐厅的线上线下全渠道购物体验。Cloudera还帮助德国零售商NEW YORKER利用他们的库存数据,改进零售运营和订单监控,以实现无缝的店内体验。
采用合适的工具创造优质客户体验
如今,客户在与品牌互动时的期望更高。他们对个性化的服务、跨平台的一致体验和响应迅速的客户服务已经习以为常。零售企业必须能够无缝调整以满足客户期望,而迅速处理实时数据洞察对于实现这一目标至关重要。
来自库存、客户交易、视频、客流量和传感器的海量数据被存储在本地和云端的不同数据源中,给企业造成巨大负担。因此,使位于任何地点的企业数据都能被访问的混合云模式就变得非常重要。例如,Cloudera Data Platform(CDP)等安全平台可以将存储在本地的敏感客户档案数据与云端的实时客流量数据进行交叉比对,从而生成关于客户行为的强大洞察。
与技术伙伴合作可以加快企业向数据驱动型企业转型的速度。DAVI是一家通过将多源数据可视化来提供洞察的公司。在Cloudera Data Science Workbench的支持下,DAVI的数据实验室项目帮助其合作伙伴将业务部门的数据进行整合,并做出关键业务决策。像DAVI这样的合作伙伴可以帮助零售企业从数据中提炼出更深刻的洞察,并实现精准营销和研究分析等有影响力的新用例。
以数据为核心实现客户至上
未来,客户至上的数据战略仍应成为促进零售业复苏的第一步。随着产生的数据越来越多,企业将在这一趋势的助推下,在确保数据安全的同时将线上线下的客户体验相结合,实现新的收入和增长。
该战略需要合适的数据平台将各种来源的数据进行充分利用,以优化客户体验。借助数据的力量,企业能够通过客户洞察和采取基于数据的举措,来提高转化率和利润。
肯睿中国Cloudera大中华区区域副总裁王刚
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。