丁然

這簡直是完美的基礎模型。先是辛苦創(chuàng)業(yè)，其次品質提升，隨后是數據積累，最后精準配送、用戶體驗大幅提升，商業(yè)效率提高。

最近一年，新零售的概念很火。生鮮商超、無人貨架、便利店等創(chuàng)業(yè)項目如雨后春筍，也是應風而起。與此同時，也衍生出了京東“無界零售”、騰訊“智慧零售”等翻版概念。

人工時代最好的新零售案例

在探討今天的話題前，先講個曾經看過的故事吧：

在20世紀30年代的臺灣，曾經有一位小哥，家窮讀不起書，15歲便出去給賣米的糧行當學徒，一年后自己單干。但當時的情形不容樂觀，在這個不大的縣城，有著近30家米店，小哥的店子開得最晚，規(guī)模最小，也沒有知名度。

小哥年輕嘛，能吃苦，于是乎起早摸黑，挨家挨戶地推銷賣米，但實際效果卻差強人意，吃力不討好。試問一下，一般人會去買這種小商小販，推銷上門賣的米嗎？

于是小哥改變策略，開始在米的質量上下功夫。那個時候由于技術等客觀因素，大米里面摻雜著很多小石頭、谷粒、碎片等等，雖然司空見慣，但并沒有商家愿意在這上面下功夫，小哥于是把米中的雜質剔除出去，最后大米的質量開始領先同行。于是一傳十，十傳百，小哥的生意迅速起飛。

然而小哥并沒有滿足于此，他發(fā)現有很多老年客戶，一個人背大袋大米非常費勁，于是小哥又推出送米上門服務，這項服務大受歡迎，畢竟誰也不愿意背著米袋走很長的路。

小哥并沒有像常見的那樣，僅僅把米送到門口，拍拍屁股，茶也不喝就走了。而是提供倒米進缸服務，如果米缸有陳米，將陳米先倒出來，再把新米放進去，然后陳米放在上層，這樣陳米就不至于放久變質。

敘述到這里，估計有很多人猜到小哥是誰了。沒錯，他就是臺灣經營之神——王永慶。

講述這個故事，是為了引出下面最重要的一段：

小哥在送米過程中，除了打量米缸大小，還詢問這戶人家多少人吃飯、幾個大人、幾個小孩，每人飯量如何，并將此數據記錄下來、還預估該戶人家買米的大概時間。不等顧客上門，小哥就在合適的時候將相應的米，送到客戶手中。

最近在思考新零售的時候，這個故事，一直在我腦袋里栩栩如生地呈現出來。在我看來，這個案例是人工時代，最好的零售案例。

聯系當代新零售，這簡直是完美的基礎模型。先是辛苦創(chuàng)業(yè)，其次品質提升，隨后是數據積累，接下來是用戶數據搜集，掌握“米缸”容量、調查消費特點、判斷消費需求，最后精準配送、用戶體驗大幅度提升，商業(yè)效率提高。

我們今天談論的新零售，也是如此的邏輯。

目前阿里電商、京東、小米電商、網易嚴選，都是在這個概念上的提升，只不過——時間維度，換成了AI、Big dma時代了；產品種類維度，變得眼花繚亂，數以萬計了，消費者開始選擇困難癥；用戶的行為搜集，變成了各種偷摸明搶（比如前些天支付寶上，芝麻信用的事）。

新零售的四個階段

Step1：“米”的質量提升

這些年，受益于國內制造業(yè)的進步，很多產品，做得還算可以，尤其在性價比方面，比如小米智能設備、網易嚴選、天貓超市、京東正品等等，總體來說滿足了王永慶的這個階段，“米”質量本身的提升。

Step2：掌握“米缸”大小

從第一波電商開始，國內已經擁有了十多年的網購數據積累，尤其以阿里最為出色，例如，昨天很多朋友在朋友圈曬的各種交易記錄，都有以下方面：

1.網購商品種類偏好、相關品種占比；

2.外賣情況、愛點的店；

3.親密付情況（包括給人充值）；

4.出行情況，比如共享單車、網絡約車；

5.線下支付情況，愛光顧什么店，買什么東西；

6.種類細分的，如電影院、便利店、小商戶占比等；

7.部分社交J隋況，包括資金轉貝賬情況。

基本上支付寶的賬單例子，涵蓋了個人大部分的交易數據。在我看來，這個階段，就是王永慶掌握“米缸”大小的階段。

當然，我們也不難發(fā)現，排除上述第一和第七，新美大基本也擁有了這些數據。這也很好理解了為什么王興提出“競爭無邊界”的想法。無論是自己做第三方支付，還是入侵網約車，都是不得不做的行徑。這也是為什么阿里人如此投資餓了么、親自培養(yǎng)口碑的原因。因為美團掌握的交易數據，和阿里很類似，只不過阿里主要的方向在線上，而美團在線下。

所以，很可能美團是阿里未來不得不面對的巨大對手。假以時日，王興完全有可能取代京東，成為阿里巴巴的美團焦慮癥的“罪魁禍首”。

我們一方面驚嘆，這些互聯網公司的數據積累，進而為下一階段做準備。

當然，我們也可以看看，阿里在百貨（銀泰）、3C家電（蘇寧）、商戶（口碑、餓了么）、商超（高鑫等）、生鮮（盒馬）布局，看看數據沉淀積累方向。

在王永慶的故事里，王看似費力，幫人送貨，一直到倒進米缸，又不喝茶，不收其他附加費，除了掌握“米缸”大小，還有一個反饋結果：看自己的先前預測是否正確，送貨是否精準。

這些電商們，也是同樣類似的原理，阿里系的數據，是全方位的多渠道反饋，雖然不清楚他們內部數據之間是否打通，但完全可以把用戶（買米人）消費能力、消費特性，摸得一清二楚。在這些數字面前，你沒法騙人。

Step3：吃米人消費畫像

接下來，就是數據用戶畫像，很明顯，上面的分析，實際上已經完全掌握了王永慶時期“這戶人家”米的消費情況，米缸大小、人幾口、具體分布、食量大小，經過計算完全可以估算下次需求到來的時間，做到用戶的精準畫像。

其實，我們在掌握精準畫像時，也可以考慮一個問題：擴張什么樣的產品，才可以進行精準畫像？

比如在王永慶那個時代，除了米，還可以是柴油鹽醬醋茶，雖然考慮時代特點，比如這戶人家的用“柴、油”情況，可以估算；但鹽醬醋茶，這類產品，由于產品特性，決定了不太適合進行標準化預測。

現在問題來了，切入的商超、生鮮等，是否適合進行精準畫像呢？數據積累將會怎么用？僅僅高頻、剛需肯定不見得是合適的，必須考慮標準化的問題。

泡沫無處不在，這也是需要思考的地方。這是個嚴肅的問題，也是一個值得深思的問題，本文就不做討論了。

Step 4：高效配送賣米

接下來就迎來王永慶的提升效率、優(yōu)化物流、精準配送階段，并促進用戶體驗大幅度提升。

雖然在王永慶的故事里，沒有描述存貨的安排，配送路線的優(yōu)化，但我想這些一定是存在的。比如王永慶推著小車，可以在同一時間安排給相近的用戶送米，也可以進行儲存米量的倉位調整，最優(yōu)化供應鏈模型，同時也可以進行精準營銷，方便自己回籠資金，同時也可以規(guī)模采購，具體看經營策略。

新零售巨頭們在掌握數據后，讓天下沒有難做的生意的同時，通過對用戶數據進行畫像后，通過大數據進行AI計算，可以輕而易舉地提升企業(yè)的運營情況。比如供應鏈需求預測、融資分析、產品制造、商品倉儲、精準營銷、配送物流、售后服務等。

現階段在商品倉儲、精準營銷、配送物流等方面，京東做得就很好；而在商戶融資分析判斷方面，則螞蟻金服做得非常不錯；而在供應鏈需求預測、產品制造方面，則是網易嚴選、小米做得非常出色。

現在想想，有沒有一點兒升級版的豐田JIT模式的感覺？而且還是Max版本的，因為品類品種加多了。

王永慶的故事，是個勵志的故事；在我眼里，那可能是手工時代，最好的“新零售”案例。

現在，我們把王永慶的當年的故事模型，一步步放松條件，逐漸升級，擴散應用到今天的環(huán)境下，相信對新零售，你會有新的感觸。