資本搭橋，數據鋪路，2018新零售將駛向何方？

1976年美國學者提出零售業生命周期理論，他們認為，人均GDP增長會影響零售業態演變。人均GDP在1千美元至3千美元，現代百貨業高速發展；3千美元以上，大型綜合超市興起；6千美元以上，便利店業態流行；1萬美元及1.2萬美元以上，倉儲式商店和大型購物中心業態繁榮。

國內人均GDP統計顯示，2017年京津滬地區已達1.5萬至2萬美元，與愛沙尼亞、斯洛伐克等歐洲發達國家持平，沿海地區達1萬至1.5萬美元。

另一方面，京東在年報中披露，2016年底其獲客成本為119元，同比提升近50%。

在國內人均GDP大幅增長且電商獲客成本持續走高的雙重影響下，「新零售」浪潮掀起。2017年7月，馬雲通過內部郵件宣布成立「五新」執行委員會。

同月，劉強東在《財經》雜誌發表署名文章，提出「無界零售」概念。12月，騰訊入股永輝超市旗下「超級物種」，並與1個月後再度加碼。

浩浩湯湯的「新零售」之戰，在新的一年究竟會駛向何方？

新零售新在哪？

新零售是在城市中產階層崛起、傳統零售業態增長乏力的背景下，將現有技術與傳統零售業態相結合，催生出的新型零售業態。

新零售的「新」指的是經營業態創新，數據是其核心生產資料，用於指導業態創新，目標是提高效率，增加盈利空間。

相比於傳統零售，新零售更偏向以用戶消費為導向，帶動零售產品變革。以盒馬鮮生和永輝「超級物種」為例，兩者皆以「生鮮」為切入點，圍繞「超市零售、生鮮加工、門店配送」，進行新零售業態的打造。

生鮮屬於高頻、剛需、高復購品類，市場規模過萬億，線上滲透率不足10%，所以早在2015年曾出現過「百鮮大戰」的局面，但因資金、供應鏈管理以及單純O2O模式不足以維持用戶黏性等問題，故而在這一領域並出現「現象級」企業。

2016年7月，盒馬鮮生首家體驗店在上海金橋開業，2017年1月，永輝首家「超級物種」體驗店，在福建落地。兩者皆從「吃」的需求切入，在生鮮零售的基礎上，提供餐飲加工服務。根據36kr披露的SKU信息來看，盒馬鮮生和「超級物種」生鮮與食品SKU佔比都超過80%。

此外，前置倉模式對零售業態改造起到重要作用。前置倉指的是離用戶最近的倉儲點，點位通常選在城市內部。

新零售門店通過前置倉模式，提供3-5公里配送服務，在保證配送產品新鮮度的同時，提高用戶黏性及復購。

根據易觀智庫數據，自2016年12月起，盒馬鮮生App月活用戶始終保持在23萬以上，從2017年2月起，月活用戶環比增長始終保持增長。分析認為，「網紅」效應，讓大量用戶去盒馬鮮生線下店進行第一次購買嘗試，而配送業務為其帶來了用戶黏性及復購。

面臨的挑戰

生鮮是新零售的起點，而不是終點。

2017年，阿里先後投資蘇寧、銀泰、高新零售（旗下擁有歐尚、大潤發）、百聯、聯華超市、三江購物、新華都、居然之家，騰訊則投資了京東、沃爾瑪、永輝、武商聯和萬達商業。新零售的戰火正在向整個零售行業蔓延。

在被阿里入股之後，高新零售、三江購物等上市公司股價均出現不同程度增長，但隨後又跌落回去。因為阿里新零售帶來的收入預期，短時間內並不能兌現。這也反應出，「生鮮」是新零售教育市場，培養用戶習慣的手段。

而從傳統超市零售毛利組成來看，通常「生鮮三品」（蔬果、肉類、水產）毛利在3%至10%左右（永輝可達15%以上）、食品在10%至20%左右、洗護用品在10至22%左右、針紡可達26%左右。且數據顯示，目前的社會零售總額大概有30萬億GMV，其中線上所佔比例不到15%。2017年，阿里的GMV為3.77萬億。也就是說，生鮮僅僅是新零售的第一步。

如何用生鮮吸引來的流量提高其他產品的購買轉化，是目前新零售需要面對的問題。

聯合利華北亞區個人護理品類市場總監趙文峰曾說過，過去傳統市場調研方法只能局部驗證，抽樣中會存在假設邏輯衝突；其次慢工細磨，一個新品開發周期24個月算快了，但放在今天的時代，上市時已意味著過時。再者，傳統市場調研成本越來越高，靈活度太低。

而與傳統商超和便利店不同是，前置倉模式對新零售的效率提出了更高的要求。一方面，前置倉場地和人員成本高昂，另一方面前置倉面積有限，SKU較少。所以，前置倉模式需要更精準的銷售，以做到更快的流轉，才能盈利。

而解決問題的關鍵在於數據。

新零售的未來在哪？

「有了數據，才能實現對消費者的可識別、可洞察與可服務，才可以重構零售活動中關鍵要素——人、貨、場，進而才能生長出與以往不同的零售新生態。」口碑知乎官方賬號在回答新零售相關問題時，如是說道。

從實際情況看，新零售本身掌握支付和產品銷售情況數據，而這些是用戶購買行為所產生的「結果」數據。對於用戶購買前和購買時行為數據的收集，則是新零售相對薄弱的環節。

對此，共享單車和圖像識別或許可以為新零售提供重要的數據支持。

研究表明，亞洲零售消費類型主要為「步行消費型」，而地廣人稀的歐美地區則以「駕車消費型」為主。共享單車的出現，使得用戶消費半徑擴大，可選擇的消費場所更多。

舉例來說，過去，用戶步行消費時，只會去往距離較近的A處消費。而當共享單車出現後，用戶則可以在A、B、C、D四家商店間任意選擇。而當用戶捨棄距離較近的A商店，騎車去往距離較遠的商店時，其背後的原因蘊含著市場增長的空間。

用戶去距離較遠的商店消費，是因為當前商店無法滿足需求。是當前商店的品類不足，還是因為產品新鮮度不夠，亦或是購物體驗不好？如果用戶在當前商店完成全部消費，需要補充哪些產品品類？這對於商店品類補充，提高商品流轉有一定意義。

另一方面，用戶去距離較遠商店消費的行為，是否具有周期性？如果有，是否是某一類特定的用戶群體具有此周期性？若增加配送服務，能否提高用戶購買頻次及黏性？

事實上，去往距離較遠商店的周期性消費行為，可能與「周末囤積型」消費有關。這對於商超、便利店等不同零售類型的組合，及前置倉點位選擇提供依據。而對於這些行為的分析，都建立在共享單車出行數據基礎之上。

圖像識別技術則可以更直觀的識別用戶性別、年齡等特徵，對用戶購買時做出的行為進行判斷。一個有趣的現象是，盒馬鮮生創始人侯毅表示，其主要用戶群體為年齡在25-35歲之間的白領女性，而易觀智庫數據顯示，盒馬鮮生付費用戶多為男性。造成這一差異的原因或許是，通常買單的多為男性。但事實上，原因是否真的如此，卻值得探究。

此外，圖像識別技術可對用戶行為進行建模分析。聯合利華北亞區個人護理品類市場總監趙文峰曾表示，過去傳統市場調研方法只能局部驗證，抽樣中會存在假設邏輯衝突，影響準確性。一個新品開發周期24個月算快了，但放在今天的時代，上市時已意味著過時。

而利用圖像識別技術，我們可以判斷用戶對該商品的嘗試意願如何。用戶在試吃之後的表情，用戶在試吃之後是否有查看價簽的行為，用戶在查看價簽之後的表情和反應如何，都將有助於判斷用戶對新品的興趣。

當用戶性別、年齡等特徵，與用戶購物選擇，支付行為等數據結合起來時，完整的用戶畫像會幫助新零售進行精準預測。當用戶在商店A某貨架前駐足，掃視每一件商品，卻沒購買。之後，該用戶在商店B相同品類貨架購買了商品，可以很直觀的判斷用戶真正需求的產品是什麼。屆時，產品與用戶直接或許將建立一一對應的關係。

當產品與用戶的關係建立之後，供應鏈效率將得到極大的改進。放置流通性更高的快消品、生鮮食品的前置倉，與放置長尾貨品的城市中心倉，會有更加良性的組合，在有限的空間內，實現更高坪效。