Oliver Wyman：2020年度全球零售洞察报告(43页).pdf

《Oliver Wyman：2020年度全球零售洞察报告(43页).pdf》由会员分享，可在线阅读，更多相关《Oliver Wyman：2020年度全球零售洞察报告(43页).pdf（43页珍藏版）》请在三个皮匠报告上搜索。

1、零售期刊 第7卷 奥纬咨询 CONTENTS 1 社交聆听 6 电子商务的上行空间 18 将新鲜提升到新高度 26 人工智能技术 不仅效力于线上商家 36 数据竞赛 社交聆听 了解客户真实需求的一场革命 过去， 客户调查、 焦点小组访谈以及研究报告是企业用来了解人们对其产品或服务 看法的主要途径。 然而这些传统方法有不少弊端。 首先， 这些方法的样本数量有限， 而且可能存在偏差。 其次， 研究耗时， 望眼欲穿得来的结果很快便落伍了。 此外， 人 们的言行常常不一致， 比如他们会一边抱怨廉价航空， 一边仍旧趋之若鹜。 社交聆听提供了另一种方法， 使企业能够实时获取更丰富的客户洞见。 每天， 在社

2、 交媒体上都有数亿万人公开分享自己的生活， 既有他们去过哪里、 买过什么以及各 种愉快或不愉快的体验， 或是纯粹表达自己的感受与看法。 对于零售、 消费品、 零售 银行、 保险、 医疗保健等直面消费者的行业来说， 这些信息无疑是一座金矿。 但到目 前为止， 大多数企业尚未充分挖掘这些信息的巨大价值。 经验让我们相信， 通过分析消费者在社交媒体上的言论， 企业可以低成本地获得更 好的洞见， 从而快速反应， 获得竞争优势。 越来越多的消费品企业开始运用社交聆 听来进行新品开发、 市场营销、 企业运营与国际扩张。 它还可以助力企业的早期危 机管理， 帮助企业发现潜在的收购目标。 换言之， 社交聆听就

3、好像一张 “寻宝图” 。 当前， 社交聆听的运用大多局限于民意监控， 例如用来统计某品牌被提及的次数 （ “ 热度” ） ， 以及谈论该品牌时内容的正负面性 （ “情感” ） 。 这种监控只能生成标准化或 汇总性的指标， 很难导出真正可行的业务决策。 近年来， 机器学习技术的进步使得人们能够对自然语言进行智能分析， 同时也能监 控图片和视频。 我们看到， 新技术已经能够帮助企业高效地调查更广泛的消费者感 受， 并关注他们生活的其他方面。 企业可以绘制并实时更新消费者偏好， 同时也能 及时掌握消费者之间相互联系与影响的途径。 1 图1:分析原帖过程中哪里可能会出问题? 维度警示信号准确率 帖子的

4、内容 过于销售导向 过于正面很有可能是促销 将网络链接添加到帖子中 （取决于地址所指） 在短时间内出现大量相同或相似的帖子 50% 基于规则的分类/ 过滤 作者 公司的官方帐户 公开身份的关键意见领袖 /网红/部落领袖 好友很少 全新的帐户 曾发布过经确认的虚假帖或促销帖 每天总在相似的时间点发帖， 或者非常随机地 发帖 （没有显示出固定的睡眠习惯） 90% 机器学习方法 来源: 奥纬分析 机器学习还可以摒除数据 “不干净” 的问题。 企业通常会从供应商那里购买社交媒 体数据， 但实际上许多平台上发布的内容并非来自真实的消费者， 而是出自品牌营 销机构、 电商卖家或机器人。 我们曾经见过这样一

5、个案例， 在数据供应商提供的平 台内容里， 90%以上都不是消费者所写。 这样的杜撰内容往往过于正面， 不能真实 反映品牌的健康度。 而机器学习技术可以通过分析帐户及其内容， 过滤掉此类虚假 帖子 （见图1） 。 随着机器学习技术的进步与发展， 社交聆听终将重写消费品公司的运作规则。 我们 的探索才刚刚起步， 却已经看到社交聆听正在改变消费品公司的新品开发、 市场营 销与产品包装的方式。 在不少案例中， 社交聆听都已经给消费品公司带来了切实的 帮助。 1. 生成消费者洞见 社交聆听可以挖掘出各个消费市场之间的潜在联系。 由于消费者更倾向于在贴合 自己的场合接受文化和时尚的熏陶， 消费市场之间的

6、影响便举足轻重。 举例而言， 通过对社交媒体帖子的分析发现， 现今印尼化妆品市场受泰国流行趋势的影响更 大， 高于法国或日本。 此外， 通过社交聆听还可以锁定相关的产品与品牌， 以及它们 发生关联的原因。 例如， 一条关于散粉的Instagram帖子这样写道：“泰国最畅销的 产品！ 超级适合我的肤色。 ” 另一个人则提到了产品的防晒系数。 2 这些评论表明， 印尼的化妆品消费者认为， 他们和泰国消费者所处的气候及肤色方 面更相似。 所以， 在泰国流行的产品也将是他们的合适之选。 有鉴于此， 化妆品制造 商可以考虑将泰国的流行单品引入印尼， 并利用其在泰国的热度为印尼市场营销 造势。 我们对化妆