電商巨頭裹挾、人員成本增加、租金不斷漲價，使傳統零售業面臨巨大危機。變革，迫在眉睫。在線上數據和線下數據相互融合的新思維碰撞下，數字化轉型成為給傳統零售企業，帶來新銷售機遇和業務增長的曙光。

在沙龍中，嘉賓們具體分享了哪些寶貴的經驗和知識點呢？現在，我們一起回顧下。

一、“D2D”：OMO模式下的數據化變革：

TalkingData諮詢部地產及零售行業諮詢總經理張賾

D2D，TalkingData數字化轉型方法論，從“數字化”到“數字化”，以業務數字化為起點，以效益數字化為節點的數字化運營閉環，迭代上升，全面提升數字化能力。

從三個層面，來看D2D的實現路徑：

1.跬步和千里-起節點的設計

起點：以業務的數字化為起點，拆解人貨場的數據元素，釐清交互的流轉數據，將業務比特化。傳統方式下，以ERP、CRM的內控驅動的零售經營，以財務績效指標為衡量企業產出的唯一因素；物質化的資產作為生產支撐工具，與業務的運營有較為清晰的分割；不管是以產定銷還是以需定產，對於消費者的評估和市場的預測，都基於較為粗放和單一的邏輯；前端的設計、生產、供應鏈，到後端的市場、銷售、終端，單向的業務鏈條難以形成前後端的有效整合和互動。

如今，在互聯網和大數據的驅動下，從交易到交互，再到公開市場，企業對於消費者的洞察具有更為全面可獲得的數據，將數據視為資產運營，併成為貫穿企業運營的承載主體，其戰略意義已經超越傳統的資產範疇。因此，全域觸點建設尤為重要，將“人貨場”的元素拆解，並建立關聯；主動採集各交互流轉的數據，形成數據資產的流動；通過工程化、標籤化、模型化的注入，形成數據資產的價值運營，以實現全觸點互動、全鏈路體驗和全渠道的融合。

節點：以效益的數字化為節點。追求“效率”和“收益”的平衡和共進，以小的閉環驗證，替代以往長週期歸因的方式，快速循環、迭代和穩固提高產出價值，是數字化轉型策略執行的關鍵。

• 效率的提升：數字化轉型的前期更側重於夯實基礎，效率的提升為主要的目標。數據資產的建設、數字化平臺的建設、數字化決策基礎能力的建設都是壘以變革的基礎。TalkingData在某零售企業的數字化轉型變革中，通過前期的數據診斷評估及優化，從無到有的建設線下數據採集觸點，實現近1萬家門店，800萬的線下客戶數字化。並建立數字化平臺，集成數據、模型和指標體系，形成營運決策的自動化閉環鏈路。同時，在效率產出階段，投入營銷活動的閉環實踐，驗證人貨場的關聯，以產消者為核心的向上向下驅動鏈路中，“人-貨”、“人-場”的組合輪動模式，繼而形成人貨場的互動整合、元素重構。

• 收益的提升：經營目標的提升可以說是零售企業追求的“終極”目的，這一環節與銷售端的價值創造能力息息相關。從消費者經營角度，提升消費者價值轉化的漏斗，提高收入，降低成本，是提高收益的三個重要內容。構建潛在目標客戶群體，提高從潛在會員到會員，再到高價值會員的漏斗轉化，降低休眠和流失會員比例，使會員價值分佈上移，構建良性的會員結構。並在交易環節，以更豐富和貼近的營銷策略，提高客單價，降低銷售成本，提高ROI。

起節點的交互和一致亦很重要。以業務的數字化，實現效益數字化的產出；並根據效益的數字化，反饋和優化業務數字化的執行，以及指導業務數字化的佈局，保證兩者的協同。

2.實現路徑的“四化”交互

數據資產化、分析模型化、應用場景化、流程自動化

數據資產化：業務的比特化和重組的過程，將拆解後的業務數字元素，整合為可以支持企業經營，並能夠持續化運營的數據資產。這一環節，需要企業在組織變革中進行較為徹底的轉變，強調對於數據的採集、回籠和運營，並納入每次營運策略制定和考核的核心內容，以長期經營資產的心態去經營數據，才能保障數據的資產化和生態化發展。

分析模型化：以機器算法與專家知識結合，提升效益的擴展能力。建立以業務場景出發，到業務場景驗證的模型化分析閉環，實現數據價值的不斷深入挖掘。在這一過程中，大數據的處理能力、OMO下的數據整合建模能力、客群細分和洞察能力、算法模型的驗證和迭代能力，以及與專家知識的結合是關鍵。以大家熟知的RFM模型為例，經典的RFM模型以交易數據和頻率為主要建模指標，但TalkingData通過補充線上線下交互數據，將RFM模型升級，增加到訪頻次和到訪停留等指標，來實現更為精準的人群劃分，精細化判斷營銷策略組合中的優化方向。同時，TalkingData數據科學團隊構建的潛在客戶挖掘模型、關聯模型、客戶流失預警模型、場景感知模型、銷售預測模型、選址模型等，都開創性實現了在一三方數據整合的基礎上，以人貨場元素的拆解和關聯，並藉助TalkingData的海外在線平臺優化，形成從D2D（從數字化到數字化）到D2AI（從數字化到AI）的提升。

流程自動化：業務流程和系統流程的自動化，是“四化”的承載。（1）業務流程，與傳統的變革管理中組織變革、流程重組BPR不同，數字化轉型的組織優化在於分割、交互、迴歸與自循環，即更為清晰的分割機器的能力與人的能力，並建立兩者的良性交互，將人的作用迴歸到主觀性、創造性與決策性判斷上，並建立組織的自我驅動和自我優化能力。（2）系統流程，搭建數字化平臺，實現對於大數據處理能力、分析洞察及建模能力、預測能力、智能交互能力和營運閉環能力，以及與傳統企業一方系統平臺的對接，來實現對於海量快速增長的結構化/非結構化的數據處理需求，以及對於算法模型的優化，和AI等新的零售技術的應用支持。

3.閉環、迭代和持續優化

數字化轉型是一個目標和變革的方向，不能一蹴而就。以企業的基線出發，以診斷和評估入手，制定轉型的階段性目標；從起點到節點（而不是結點），實現四化能力的構建，並建立閉環反饋機制，每次迭代形成新的基線，並指導下一次的策略。將傳統企業的轉型與互聯網的經營思路相結合，以基石的穩固和小的閉環迭代快速推演、優化，才是數字化轉型的正確實現方式。

實踐：運用TalkingData D2D方法論，TalkingData形成數字化轉型的整體解決方案，從數據、平臺、諮詢層面，為零售企業提供一體化解決方案，驅動傳統零售企業以數據的智能構建技術的智能、組織的智能和決策的智能，穩步推進數字化轉型，並構建可以持續化發展的能力。

二、打通線下與線上，數據資產化賦能新零售：

眾盟數據商業拓展VP王志勇

眾盟數據商業拓展VP王志勇認為，線上流量紅利消失，實體商業流量價值迎來黃金時代。線下場景流量巨大，並且蘊藏巨大的商業價值。在線上流量逐漸消失的情況下，線下流量至少是線上的50倍。而且線下流量成本更低、穩定性更高。線下實體經營者，應該增強對線下流量運營的概念和意識。

三、如何在新零售商浪潮下玩轉商業地產：

中國電信雲計算分公司大數據事業部首席數據分析師張宇中

在新零售浪潮下，中國電信雲計算分公司大數據事業部首席數據分析師張宇中把地產行業客戶主要分為：商業地產運營企業、渠道代理商、住宅地產運營企業和政府部門，這4類行業客戶，並針對此4類行業客戶給現場同學帶來了以下痛點分析——

1）商業地產運營企業（購物中心、商鋪、品牌連鎖店）

• 商業決策憑經驗且週期長，與市場需求脫節；

• 顧客粘性差，高頻到訪客流佔比低；

• 流量轉化率低，線下流量浪費嚴重；

• 營銷效果差，營銷成本高；會員沉默比例高；

• 競品間運營和業態服務同質化嚴重。

2）渠道代理商（含大數據應用服務公司）

• 有客戶資源，但缺乏提供解決方案的能力；

• 自建解決方案平臺成本高，週期長，運營經驗不足；

• 自採購的數據質量差且數據源單一，解決方案無法滿足客戶需求。

3）住宅地產運營企業

• 拿地選址階段，無法量化人口數量、收入等指標；

• 產品設計階段，目標客戶群偏好和需求把握不準；

• 營銷階段，線上和線下引流效果差和銷售轉化率低；

• 社區物業運營階段，缺乏對社區居民的生活階段、畫像和偏好的瞭解。

4）政府部門（含事業單位或行業協會）

• 城鎮化管理與決策理論方法滯後；

• 城鎮化相關決策和管理，缺少量化依據；

• 城鎮化決策靜態化，目標單一，缺乏全局視角；

• 城鎮化管理手段不精細，效率低，持續性差。

四、數驅OMO TalkingData營銷實戰解析：

TalkingData數據分析高級總監 王鵬

隨著當前線上、線下銷售競爭加劇和流量渠道變革，傳統購物中心、商場運營模式業受到了前所未有的挑戰和衝擊。TalkingData數據分析高級總監王鵬，給現場同學分享了以商場為例的OMO營銷實戰解析。王鵬表示基於當下行業狀況，商場運營者需要精細的瞭解客戶特點，才能更好的優化商場的業態組合，從而提升用戶體驗吸引更多用戶。王鵬根據多年客戶經驗，總結了在商場營銷、運營實踐中，可嘗試從

1.人群洞察

根據不同的數據源，進行不同維度的洞察分析。不同數據源之間，是否能打通，決定了分析者從哪個角度分析數據與自身業務點結合、與應用場景結合；

2.流量分析

人群分佈特徵，給線下運營活動推廣提供了有效的決策依據和指導；

3.關聯分析

通過數據和AI不斷優化商場店鋪，智能招商，智慧運營；

五、TalkingData核心產品分享：

TalkingData數據營銷方案總監 曲政

TalkingData數據營銷方案總監 曲政，在本次沙龍中為在座同學介紹助力企業全面線上線下數據融合，帶來新發展機遇、用數據賦能營銷增長的TalkingData相關數據服務產品。

1.SMC-智能營銷雲

依託於TalkingData強大數據源和TD數據市場的互聯數據，從目標客群尋找、客群特徵洞察、營銷流量連接觸達，到營銷效果監測並學習提升的一體化數據營銷閉環平臺。

2.BrandGrowth-品牌廣告價值分析

一款基於大數據貫穿品牌營銷全鏈路助力品牌價值增長的產品，除了效果轉化外,更能看到廣告主品牌美譽度的提升。

3.SDMK-智能數據交易市場

用數據幫助傳統企業轉型升級為數據驅動型企業。

4.MI-移動觀象臺

縱覽行業數據，解析移動趨勢。

閱讀更多 TalkingData 的文章

關鍵字: 市場營銷 雲計算 電子商務