服饰行业大数据分析报告.docx
《服饰行业大数据分析报告.docx》由会员分享，可在线阅读，更多相关《服饰行业大数据分析报告.docx（21页珍藏版）》请在冰豆网上搜索。
服饰行业大数据分析报告
2014年服饰行业大数据分析报告
2014年9月
一、品牌服饰行业开启大数据时代
2012年初，瑞士达沃斯论坛上一份《大数据，大影响》（BigData，BigImpact）的报告宣称，数据已经成为一种新的经济资产类别，就像货币或黄金一样。
美国白宫也于当年3月29日宣布投资2亿美元启动“大数据研究和发展计划”，希望增强收集海量数据、分析萃取信息的能力。
2012年12月8日工信部发布的物联网“十二五”规划上，信息处理技术作为四项关键技术创新工程之一已经被提出来，其中包括了海量数据存储、数据挖掘、图像视频智能分析，这些都是大数据的重要组成部分。
而另外三项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与大数据密切相关。
2013年7月12日，李克强总理主持召开国务院常务会议，提出促进信息消费。
这一系列事件都标志着大数据时代的到来。
未来几年，我们将看到大数据应用从互联网逐渐向更多行业发展、由网络处理走向企业级应用；特别是当下社会，来自于因特网、移动通讯互联网、物联网、视频监控系统的数据正巨量增长，而数据监测、存储、分析技术的突破给企业应用带来了无限可能。
国内品牌服饰企业也希望引入大数据进行管理和消费者分析，但目前尚不知从何着手、找不到大数据与业务结合的突破口。
本文抛砖引玉，首先简略阐述了大数据的概念、与品牌服饰行业的结合点，其次展示了国外先进品牌零售企业的应用案例，接着归纳了电商界近几年来大数据的使用情况，最后描绘了传统品牌服饰企业的大数据前景。
1、大数据概念及来源：
从关注“因果”到关注“相关”
“大数据”是指一个体量特别大，数据类别特别大的数据集。
自媒体时代，人们越来越愿意将自己一切行为暴露在阳光下。
从最爱什么牌子的衣服、最爱消费的餐厅、到哪旅游、何时生小孩、有无投资移民计划等等，人们的一切消费行为数据都在网络中有迹可循；网络上人们的发帖以及互动留言真实地反映出他们的喜好，但这些信息通常以图片、视频等非标准格式储存。
大数据与普通数据的区别在于，大数据的数据集很大程度上是半结构化和非结构化的（比如ppt、pdf、图片、录音等格式），无法用传统数据库工具对其内容进行抓取、管理和处理。
大数据的核心是数据处理分析能力，数据容量、分析加工、数据真实性、数据特性是大数据的关键要素。
大数据具有4V特点：
体量大（volumes）；数据类别（variety）大；数据处理速度快（velocity）；前面三个“V”的组合推动了第四个因素——价值（value）。
大数据有以下几个主要来源：
1.企业内部的经营交易信息；2.物联网世界中商品、物流信息；3.互联网世界中人与人交互信息、位置信息等等。
在商业领域，大数据就是企业收集起来的关于消费者、企业行为的海量相关数据。
这些数据超越了传统的存储方式和数据库管理工具的功能范围，必须用到大数据存储、搜索、分析和可视化技术（比如云计算）才能挖掘出巨大商业价值。
目前，在政府、金融行业、环保行业等领域，大数据都已经被成熟应用。
大数据使得人们看待数据的方式产生重大变化：
从因果关系到相关性，即：
不再试图了解世界运转方式背后深层原因，而仅仅需要弄清现象、行为之间的联系以及利用这些信息来解决问题。
大数据需要“挖掘、关联、预测”三大步骤。
2、大数据对服装产业将产生深刻影响：
从提价和外延扩张到对消费者的精细化管理
服装行业是一个复杂的行业，不像其他行业开发一款新产品便可以销售很多年；一个典型的时尚品牌需要在每季开发上百种产品、型号颜色各不相同、又在不同地域出售。
随着行业复杂性的增加，大数据变得越来越重要。
大数据的运用及掌控，对品牌服饰行业而言有着重大的意义。
首先，国内服装市场一个很重要的特性就是人口众多、地域广阔，城乡、东西部、南北的经济、文化、气候、生活习惯都截然不同，造成市场分级分区现象明显。
服饰企业在全国扩张的时候，不得不详细考虑各地遇到的差异。
中国消费群体所产生的这种数据量，其复杂性与国外相比不可同日而语。
其次，自2011年四季度以来，由于产品、营销的同质化、服饰价格高企、经济下行的叠加效应，国内服饰品牌面临渠道库存增长、终端销售疲软、关店潮涌起等一系列窘境，原有的增长模式已经愈发不适应当下的形势，三大马车（外延扩张、提价、量增）中的前两驾愈加乏力，而量增基于全渠道的精细化管理，此时更需要对消费数据的深度挖掘。
最后，由于服饰市场竞争加剧，企业之间竞争的焦点从原先的以产品为中心转变成以客户为中心。
企业越来越倾向于运用客户关系（CRM）系统来缩进企业与消费者之间的距离、帮助企业树立以客户为中心的战略思想、将顾客的反馈数据完整的收集保存。
即，采用大数据、进行数据挖掘，本质上是观念的颠覆、对服装企业价值链的重构；思想上承认客户的重要性，通过对他们购买行为的分析得出其个性化差异化的需求，梳理供应链并快速反应尽力满足，做针对性的广告投放、产品投放等，和消费者建立一个更为牢固的关系。
此外，很多企业之所以这么关注电商就是看中了其背后的大数据运用；线上销售相对线下销售而言，从开始的点击到最后的结算，全程都可做到精密的数据监测和分析，其流量的竞争、转化率的竞争，本质上都是依托大数据做出的经营改善。
七匹狼掌舵人周少雄也认为“未来电商的最大诱惑与杀伤力就是大数据的应用时代。
”以前抢市场靠的是市场敏感度，今后则要更多地依赖数据的可控分析。
二、大数据在国际服饰零售企业中的成功应用
我们了解到，国外服饰和零售企业早已开始运用大数据来为企业服务，本章将以案例分析的形式予以梳理，以展示可供学习的benchmark。
这些公司，有的采用顾客调查问卷加上自身开发的内部分析系统预测顾客需求，有的借助可穿戴设备和社交网站增强客户粘性和预测消费潮流，有的在终端门店安装先进的监控系统观测消费者行为……这一切都是为了使企业紧跟市场变化、精准满足消费者需求，最终促进销量和业绩。
1、美国零售商Target：
挖掘客户潜在需求，此后近11年收入复合增速达到5%
Target公司成立于1962年，是美国第二大零售商，定位于高级时尚折扣零售店。
截至2013年底共2044家终端，2013年公司收入为733亿美元，近6年已进入平稳增长期，增长水平在1-7%之间。
Target的顾客数据分析部（GuestData&AnalyticalServices）建立了一个模型，借用门店原有的一个babyshower登记表，对登记表里的顾客消费数据进行建模分析，发现了许多有用的私密数据（比如，许多孕妇在怀孕头三个月过后会买许多大包装的无香味护手霜；在怀孕的最初20周大量购买补充钙、镁、锌的善存片之类的保健品）。
最后，选出了25种典型商品的消费数据构建了“怀孕预测指数”，通过这个指数，Target能偏差极小地跟踪到顾客的怀孕情况，并提早把孕妇优惠广告寄发给顾客。
此外，Target避免了让顾客有被窥探隐私的顾虑，它把孕妇用品优惠广告夹杂在其他一大堆商品广告当中，这样顾客就不知道Target知道她怀孕了，从而公司可以继续进行主动营销。
根据“怀孕预测指数”，Target制订了全新的广告营销方案，结果其孕期用品销售呈现了爆炸性的增长。
从此以后，大数据分析技术从孕妇这个细分顾客群开始向其他各种细分客户群推广。
日后凡是顾客在Target消费，计算机系统就会自动记录消费内容、时间等信息。
再加上从其他管道取得的统计资料，Target便能形成一个庞大数据库，运用于分析顾客喜好与需求。
正是因为对于数据的充分挖掘应用，Target才能在低迷的美国经济环境下持续发展。
从公司利用大数据建立“怀孕预测指数”的2002-2013年间，Target的销售额从440亿美元增长到733亿美元，在公司已具备较大体量的情况下仍然保持了复合增速5%的水平。
2、NIKE+：
直接掌握客户信息，增强体验粘性，此后近2年收入复合增速达到7%
耐克公司是全球著名的体育用品品牌，成立于1964年，在如今大数据的潮流中Nike的产品也融入了数据元素。
2010年，Nike成立了独立的数字运动部门（NikeDigitalSports），整个团队有240人，最大的发明是Nike+，它的项目和产品包括记录测量跑步数据的Nike+Running，测量打篮球是跳跃和运动数据的Nike+Basketball，帮助日常训练的个性化软件Nike+Training，运动腕表Nike+SportsWatchGPS，2012年初新产品—记录日常生活运动量的腕带式设备Nike+FuelBand等。
通过这些软件和芯片，将客户的运动数据通过苹果商品进行记录，并分享至社交媒体网站N上。
在Nike+的网站上，消费者能得到训练建议，也能通过网络与朋友分享自己的运动经历和经验。
只将Nike+看作是对运动鞋产品性能的升级，那就大大低估了Nike+的价值。
Nike+的核心价值在于所构建起来的庞大的线上社区（如今已经成为一个拥有700万用户的电子社区），如果算上Facebook和Twitter的粉丝，耐克拥有一个庞大的社交网络：
每天都拥有过2亿人的关注。
它的最大功能在于社交，通过数字给消费者提供更丰富的体验，搭建一个数字和实境的客户关系。
举例而言，耐克推出了Nike+GPS的CheerMeOn的插件，把它和Facebook账户相连，你的跑步的状态会实时更新到Facebook帐号里，朋友可以评论并点击一个“鼓掌”按钮，这样你在跑步的时候便能够在音乐中听到朋友们的鼓掌声。
耐克的这种战略选择赋予了产品新的体验功能，不断吸引新客户，创造品牌忠诚度。
虽然没有关于Nike+的财务细节，但：
（1）中国地区调查显示，40%左右的Nike+用户都购买了Nike品牌的跑步鞋，并表示会持续购买其他装备，Nike+对Nike其他产品的连带效应明显；
（2）Nike+的会员数在2011年增加了55%，而其跑步业务营收增长高达30%至28亿美元，相比耐克享有盛名的篮球产品也不过只有21亿美元，能够取得这样的成绩，Nike+功不可没。
2011-2013年，耐克的营收复合增速（7%）高于2007-2010年3年的复合增速（4%），Nike+正在成为拉动该公司业绩增长的新引擎。
此外，AdvertisingAge数据显示，耐克在2010年的非传统营销预算达8亿美元，所占总营销预算比例在美国广告主中名列第一，这证明网络的传媒方式比原始的广告有更大的影响力。
其背后的深层原因在于它的核心用户——年轻人从电视移到了互联网上。
耐克不满足于通过广告公司来影响这群人，它们想直接和顾客发生关系，置身于他们的生活之中，掌握他们的数据，准确把握他们的需求，更有效地影响他们。
值得强调的是，Nike+最具价值的部分在于它所收集到的用户数据，未来有望进一步挖掘、向外界展示出更强大的大数据魅力。
随着跑步者不断上传自己的跑步路线，耐克也掌握了主要城市里最佳跑步路线的数据库。
耐克今后可能会在热门跑步路线的沿途投放广告，相关的公司完全可以在这些地区为跑步者提供存放衣物等服务，并且还可以借机售卖运动功能饮料等周边产品等等。
3、ZARA：
从顾客需求倒推，缩短反应时间
ZARA是欧洲著名的休闲快时尚品牌，全年销售近亿件衣服，共有1900多家门店、1000多家合作企业，其供货商遍布世界各地。
能够整合和协调如此多的企业共同进行开发、生产、运营，与其完善高效的数据系统有直接关系。
ZARA很早就投资3000万美元建设数据信息系统，并将系统部署到每个门店，最短的时间内让生产端依照顾客意见迅速对市场需求做出回应。
（1）实体店
Zara旗舰店内，柜台和店内各角落都装有摄影机，店经理随身带着PDA/IPAD。
当客人向店员反映“这个衣领很漂亮”、“我不喜欢口袋的拉链”这些细微末节的细项，店员向分店经理汇报，经理通过Zara内部全球资讯网络，每天至少两次传递资讯给总部设计人员，由总部作出决策后立刻传送到生产线，改变产品样式。
营业结束后，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。
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产品。
（2）线上店
Zara将线上店作为实体店的前测阵地。
2010年秋在六个欧洲国家成立了网上商店，2011年又分别在美国、日本推出网络平台。
除了增加营收，线上商店强化了资料分析的功能。
消费者每点击浏览一次产品，系统会自动进行记录，统计出哪款产品的点击量高，并分析购买人士所使用的网站语言和选择尺码。
一方面，公司可以判断出线上消费者的喜好、流行趋势以及不同地域消费者的身材特点等重要信息，做到精准投放；另一方面，线上商店也是线下产品上市前的营销试金石。
Zara通常先在网络上举办消费者意见调查，再从网络回馈中撷取顾客意见、直接反馈给生产端，让决策者精准找出目标市场；此外，因为会在网络上搜寻时尚资讯的人，对服饰的喜好、资讯的掌握，催生潮流的能力，比一般大众更前卫；会在网络上抢先得知Zara资讯的消费者，进实体店面消费的比率也很高，Zara可以从他们的购买行为中判断出迎合当地市场的产品或趋势，改善实际出货的产品，提高实体店面的销售成绩。
预估网络商店为Zara整体上至少提升了10%的营收。
这些珍贵的顾客资料，除了应用在生产端，同时被整个Zara供应链运用（包含设计团队、采购生产、仓储运输、营销推广、客服中心等），形成各部门的KPI，完成Zara内部的垂直整合。
公司将实体店、线上店、集团各部门资讯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。
高效的流程使得快时尚模式的Zara的平效高达4万以上。
4、Prada：
模拟穿着，返工改衣
奢侈品牌Prada在纽约等旗舰店里开启了大数据应用。
每当顾客拿起衣服进试衣间时，每件衣服上的RFID（RadioFrequencyIdentification技术，无线射频识别）码会被自动识别，试衣间里的屏幕会自动播放模特穿着这件衣服走台步的视频。
人一看见模特，就会下意识里认为自己穿上衣服就会是那样，不由自主地倾向于认可所拿的衣服。
而在顾客试穿衣服的同时，每一件衣服在哪个城市、哪个旗舰店、什么时间被拿进试衣间停留多长时间的这些数据会传至Prada总部存储并加以分析。
如果有一件衣服销量很低，Prada以往的作法是直接被废弃掉。
但如果RFID传回的数据显示这件衣服虽然销量低，但进试衣间的次数多。
那就说明衣服存在一些问题，会返工加以改进。
这项应用帮助Prada提升消费者购物体验、提高了30%以上的销售量。
未来，公司考虑不仅在实体店开设类似的试衣间，而且会在网络商城上设有“网络试衣间”，为那些不想来商场的消费者提供优越的试衣体验。
一旦消费者通过互联网，进入商场的网络试衣间，然后输入自己的三维数据、体型特征等，网络试衣间就会根据消费者填报的数据生成网络模特，代替消费者试衣，让消费者体验到身临其境的感觉。
不仅如此，还可以对于搜集到的消费者的三维数据进一步分类整理，为品牌商设计等提供原始数据。
三、电商大数据应用：
天然优势，春江水暖鸭先知
当人们还在置疑大数据的行业应用时，以互联网为代表的电商行业已经在利用大数据进行掘金。
当我们网购时会发现，我们“曾经浏览过的”、“预计感兴趣的”产品，会自动跳出来供我们选择，这就是网站分析总结了我们的购买习惯进行的推荐，是对大数据最简单最直观的应用。
传统企业在大数据的应用上确实没有电商有先知先觉，因为电商的主要资产就是数据——消费者的行为记录，能够快速了解消费者的需求，并通过不同于线下的供应链模式来及时满足消费者需求。
1、1号店：
零售平台商自身的大数据应用
1号店是一家集合了食品、电器、服装、箱包、药品、图书等产品的销售平台商。
会员数超过3000万，其中每天都有500万进行在线浏览。
为了处理这些海量数据，1号店独立开发全套系统，并拥有一支庞大的技术团队（仅在武汉的IT基地就有千人）作为支撑。
自2012年沃尔玛实现控股以后，由于沃尔玛的供应链是全球零售商中最先进的（其数千家门店可在一小时内对每种商品的库存、在架以及销售盘点一遍），1号店也注重利用信息技术对供应链进行整合，将供应商平台、结算系统、仓储系统、运输管理系统、数据分析系统及客服系统集成于自主开发的ServiceByYHD平台，从而实现数据统一管理。
（1）收集信息，预测顾客需求
首先，让我们回顾一下典型的交易过程：
“客户点击付款，1号店形成订单，以每秒10G的速度传输到仓储管理系统，形成一个拣货任务，仓储系统根据计算安排人员以最佳路径进行拣货、打包并发货。
当顾客签收快递，这一信息又被及时回传到1号店信息系统。
随后，顾客的购物习惯被记录且分析。
因此，当顾客登录自己的账号时，她之前的浏览记录，她经常购买的商品以及她有可能喜欢的商品都会被推荐在页面上”。
对于1号店而言，消费者的浏览、搜索、收藏、购买记录，能反映出很多规律性的行为模式，进行数据挖掘后，能更加精准地预测顾客会有什么样的需求。
同时为顾客开展个性化的服务，提醒购买其喜欢的商品。
（2）后台监控，加快反应
公司总部有一个监控中心，数十台显示器整齐排列在一面墙上实时显示数据。
比如，首页和每个频道的浏览量、实时订单分布地图、订单趋势图、商品销售排行榜以及用户搜索关键词等。
比如，当显示屏上面呼叫中心变成红色的时候就说明排队的人太多了，后台就进行优化、加快反应。
（2）波次拣货，缩短路径
1号店每天有500万会员在线，每笔订单的商品品类、数量及配送地址都不一样，公司发明了“订单池”使其能自动识别每个订单的关联性，并且将杂乱无章的订单与配送中心整齐存放的商品一一对应。
形成订单波次：
配送中心接到订单后并不是立即按照订单内容拣货，而是把订单投入订单池。
如同水池一样，订单池里面永远“沉淀”一定数量的订单，系统根据每个订单的关联进行“分波”（关联度完全从数学角度计算而来，比如同一波商品的共同属性有的是同样的商品、有的是同一个地址等），每15-20个订单为一个波次。
规划拣货最优路径：
当一个波次在订单池形成之后，拣货人员的RF枪（数据采集器）就会出现相应的指令，告诉他到什么位置去拣什么样的商品等。
系统就会根据该波次中订单的情况以及商品的位置为拣货员规划一条最优路径。
一般情况下，最优路径是拣货员行走的最短距离，或者是先拣较轻的商品，后拣较重的商品，以节省拣货员的体力。
当每个波次拣货完毕之后，RF枪还要扫描该商品，通知系统已经被拣完，同时拣货员就会将商品进行打包，随后该商品进入分拣中心，根据订单的地址通过自动滑轨进入相应的发货区。
在该发货区，早有车辆在等候。
硬件准备之货位优化：
为追求效率，电商仓库一般是平面库，货位上的商品以销售的最小单位存放，而不是传统零售常用的立体库或托盘存放。
电子商务的单次拣货按波次，拣货量小、种类多，货位的优化就很重要，直接影响到拣货的效率。
1号店的库位按商品的关联度和畅销度决定。
有个畅销商品区，离包装区很近，以便快速拣货。
商品的关联度越大放的越近，捡完一个马上可以捡另一个。
通过波次分配和路径优化，1号店的拣货效率得到极大提高。
一个1号店仓库拣货员在单个面积约30000平方米毗邻的4个仓库里，从约30万件商品中拣出16.7件产品（16.7件是1号店平均每单的数量），需时<80秒。
（3）共享机制与KPI考核
1号店70%的订单自己配送，其余30%交由40多家第三方快递完成。
作为供应链整合者，1号店制定了严格的KPI考核机制（分为及时送货率、拒收率、顾客满意度、破损率以及信息及时率等几个方面，其中顾客满意度作为综合表现结果占到的权重最大），采取加权平均打分和每月排名。
对于排名靠前的供应商，1号店的奖励就是给他更多的订单和业务，而对于排名后三位的实行末尾淘汰。
由于合作伙伴都是业内知名的企业、不希望排名靠后而被公开，影响到口碑，因此大家都比较重视。
在信息共享方面，1号店跟多个知名门户和搜索网站形成战略合作伙伴，包括腾讯、网易、GOOGLE、支付宝等，优化了1号店的营销方式。
比如，之前和天涯合作，天涯给1号店带来流量、人气和高质量的顾客，1号店则给天涯用户带来更多黏性，比如将很多民生、独特商品提供给天涯用户专享，并冠之以“天涯1号店”，使用户不用离开天涯就可购买，等于是天涯开了超市，形成双赢、双方利益共享。
2、淘品牌韩都衣舍：
依托大数据搏击蓝海
韩都衣舍，创立于2008年，旗下有6个子品牌，定位为互联网韩风快时尚品牌运营公司，以18-35岁女性为主要目标消费者；以海量款式为吸引，平均每天上新50余款；以高性价比、舍友独享优惠来提升消费黏性。
公司自2009年从代购向自主品牌的转换后，就一边发展，一边进行全流程的整合。
2010年6月组建技术团队，2011年梳理供应链系统，2012年强化精细化运营，2013年重塑信息化。
目前已建立了自己的ERP系统、WMS系统、OMS系统、商业智能BI系统，奠定了大数据管理的基石。
（1）数据分析先行，规划店铺流量架构
公司通过搜索引擎关键词来了解浏览者的搜索习惯和购买动机；通过对目标人群的分析，获取客户的一些基础信息，包括年龄、地域等，从而制作出更有针对性的设计；通过对交易行为进行分析，以估计每位用户的价值，及针对用户扩展营销的可能性，更有利于今后的精准营销。
公司通过网站PV（点击量）、UV（独立访客）等数据的分析，得知各个平台网站的整体流量、用户体验等情况；通过对浏览量和成交量的数据分析得出基本的转化率，而分时段的UV数据统计，更便于根据具体情况制定推广方案，然后进行资源的分配。
目前，韩都衣舍的店铺流量来自搜索的免费流量占比30%，通过淘宝客、直通车和钻展等付费推广方式获得的占比30%，来自老客户的占比30%，其他等碎片化的流量占10%，低成本获得大流量。
公司还有专门的数据收集人员，根据数据魔方、量子恒道、CRM系统分析数据，再把这些信息结合辅助最基本的经营决策，考虑下一款新商品款式如何，基于对老会员的分析，是否需要拓展新类目等等，以提高成交量。
（2）独立开发BI系统，提供决策支持
2012年3月，韩都衣舍开发了BI系统，并与公司的ERP系统无缝对接。
针对订单、库存、发货、退换货统计和CRM、微博数据进行统计分析，以曲线图的方式呈现。
韩都衣舍的各个部门之间共享数据，并经过系统不断优化，还可以实现关键指标预警功能。
这个系统大大提高了韩都衣舍对产品开发、订单、库存情况、营销推广等各个环节进行即时数据分析的能力，实现监测预警。
对于公司各部门及整体决策，提供坚实有力的支持，最终提升用户体验和忠诚度。
（3）开拓移动客户端，打通移动网和互联网
2013年1月韩都衣舍成立了独立的无线事业部，4月推出官方移动客户端APP，打通了客户端和PC端的用户数据（即无论在PC端还是客户端注册的用户均可登录），并且客户端已经和部分第三方客户端打通（如QQ登录和分享微博），所有数据（客户信息、订单信息、优惠信息）落地在官网，充分利用消费者的碎片时间。
韩都衣舍以上种种举措都在推动公司从大数据分析入手、提升精细化运作，促进业绩的高速成长。
公司从2008至2012年的销售额分别是300万、1300万、9000万、3亿多、近6亿，为天猫京东女装销量第一。
3、淘宝：
换个视角，数据的出售方，增值服务
2010年初，淘宝网对外开放数据，开始尝试推出针对卖家的300元数据包月服务
升级会员 