便利蜂如何用全链路数字化重塑零售业数据报告Word格式.docx
- 文档编号:14075408
- 上传时间:2022-10-18
- 格式:DOCX
- 页数:12
- 大小:2.60MB
便利蜂如何用全链路数字化重塑零售业数据报告Word格式.docx
《便利蜂如何用全链路数字化重塑零售业数据报告Word格式.docx》由会员分享,可在线阅读,更多相关《便利蜂如何用全链路数字化重塑零售业数据报告Word格式.docx(12页珍藏版)》请在冰豆网上搜索。
庄辰超表示,便利蜂的数字化并不是阶段性的过程,也不是一片一片拼凑出来的,而是从底层引擎开始变革,从门店到物流再到工厂全部都是自动化操作,是系统和系统之间的交互。
便利蜂数字化程度之高,甚至门店货架层板的高度、商品位置和商品长宽高都是在系统里面提前测量采集好的,以便于后续做选品和陈列的计算决策。
在组织管理方面,便利蜂特殊之处在于,店长和店员不为销售负责,也不为利润负责,他们最重要的工作就是服务好消费者和建立对系统的高度信任。
这样便形成了一个「人机协作」的良好模式。
庄辰超本身是便利店的「外行人」,便利蜂的成功预示着,未来可能会有很多像庄辰超一样的人,凭借科技的背景来到传统行业,与懂业务的人结合在一起,释放巨大的能量。
以下是采访实录,经机器之能整理:
一
传统便利店痛点在哪?
杨国安:
你觉得今天的世界和20年前最大的变化是什么?
庄辰超:
最大变化是对于世界的数字收集能力大大加强了,随着大量的视觉设备、IoT设备很强大的无线传输能力,在地面上发现的真实世界的方方面面,可以用非常详实的数字化信息反馈到世界的另外一个角落,然后完全把这情况复原出来。
世界连接更加紧密,传输更加迅速。
你是从「去哪儿」出来的,为什么选择进入便利店这个行业?
首先便利店是个非常巨大的赛道,东亚很多国家便利店大概能占到社会零售总额的10%,平均2000多个人一家门店。
当然中国和东亚很多国家的差距还比较大,从长线来讲,10年、20年、30年,中国最终一定会达到类似的渗透的密度。
第二,做高科技要寻求变化,但是我们在寻找赛道的时候寻求的是不变,便利店是一个在过去四五十年来没有怎么发生变化的赛道。
所以我们认为这是一个空间广阔、潜力大,且不会受高科技的冲击的赛道。
一定程度上,如果在这样的赛道能够建立比较高的竞争壁垒,将是一个非常长期可为的巨大业务。
你觉得便利店这个行业在现阶段里面有什么痛点?
日本和台湾的便利店规模很大、密度高、品牌集中度高。
但是在中国便利店规模小、分散度高。
我们研究了一下为什么这件事情非常难做?
答案是管理,便利店是非常小的具体的个体,散落在整个城市的四面八方。
在这样的情况下,如何让成千上万的门店用相同的品质去服务消费者,是一个非常巨大的难点。
便利蜂的成立有什么创新点?
从商业模式来讲,7-eleven创始人林木敏文说过,「便利店对于消费者提供的服务就是4句话:
干净卫生、新鲜美味、商品齐全、服务亲切。
」中国目前没有一种方法能够稳定、高质量的把这4点传递到千家万户手里,即使是在北京这样的一线城市。
原因是管理的一致性很难达成。
执行的过程中,每一个便利店的店主店员需要记住大量的操作细节,具体落地的时候要考虑到不同的消费层次、地域、口味和生活习惯的不同,所以服务的标准操作手册千变万化,店长和店员需要大量的时间去思考每一个决策怎么做是对的。
我们所做的工作就是把所有需要店长和店员决策的部分尽可能的用系统自动化,而且全链路连着物流和工厂生产,让整个的供应链体系能够应对多变的环境,做出一些高难度的动作。
当门店发现了任何变化,就会直接传导到工厂、物流,他们一起来协同,这样店长和店员既不需要花太多的时间去思考各种各样的商业决策,把大量的精力释放出来服务消费者,还能做更高难度操作,更好的服务消费者。
杨国安总结:
我们这次挑选便利蜂作为案例,是因为便利蜂在便利店的传统业态中开拓了一个全新的模式,用全新的操作方法来解决效率服务一致性的问题。
所以它跟我们之前采访的案例不完全一样,以前很多都是传统企业转型到数字化,但便利蜂一生出来就是智慧决策和数字驱动的模式。
希望通过这个案例给大家看到未来便利店的一种形态,鼓励不同零售业能够参考这种模式来提高服务的一致性和运营效率,以致扩张的时候不会走样。
二
便利蜂如何通过数字化变革助力消费升级?
你们应该是2017年真正在中关村开始开店的。
在过去这几年里面,你们的数据化建设从哪里切入?
有没有阶段性重点?
这是一个非常好的问题。
我们一开始也希望有一个阶段性的方案,所以最初切入的是最底层的ERP系统(企业资源计划),然后试图进入订货来优化选品,也试图优化排班、人力的问题,后来又试图优化过商品陈列和物流,但很快都失败了。
我们发现一个系统自动化后会遇到两个很大的问题:
第一个是数据输入的错误和不及时,导致系统做不出正确的决策,得不到正确的反馈。
解决方案是系统和系统沟通,系统和硬件沟通,尽可能让数据采集是来自于设备和系统之间的交互,让数据的准确性和及时性得到保障。
第二,当我们的系统赋能以后,会发现系统根据数据算出了一个更佳的解决方案,但它的上下游无法执行,因为变动速度太快。
「人」可以对于变化的环境做一个具有平衡感的决策,但没有能力做高速变动的决策,所以当人和系统协同的时候,系统并不能够发挥出它的优势来。
如果系统适应人的节奏,决策能力又没有人这么强的平衡感,所以变成了「以己之短攻彼之长」,这样人和系统都不能发挥最大的优势。
所以最终我们做了一个很大的决定,把整个引擎全都换掉,我们是从门店到物流到工厂全部都改成自动化操作,全部都是系统和系统之间的互相交互,这样才能最终把模型跑通,这是我们经历的过程。
它不是可以一片一片更换的,而是必须整个引擎一起更换掉。
能不能简单介绍一下数据如何采集和应用?
我举几个例子,第一我们所有的门店都是没有储物室的,所有的货架层板的高度、货架的位置和每一件商品的长宽高全部是在系统里面提前测量好采集好的。
这样当我们在订货的时候直接考虑到商品应该放在货架的什么位置上。
为什么陈列和订货和选品有很大的关系?
一般我们会根据数据看商品销量,卖的好的商品要多上货,卖的不好的会下降换一个品类。
这种做法听起来是对的,但是大家没有考虑到一个问题,我们一开始也没考虑到。
当你换品的时候,新上来的品和下去的品不一定是同一个长宽高,这样放在货架的什么位置又变成了一个巨大的挑战。
如果让整个商品陈列比较稀疏的话,大概会牺牲掉10%左右的陈列位置,这样一个货架上可以陈列的商品数就会减少,给消费者的选择也会减少,
所以最后怎么来做?
换品的时候要动态引发陈列的重新计算,而陈列是需要员工耗费工时的,系统需要计算员工所调整陈列的最优路径以及工时成本,整个计算下来才能够决策是换品还是不换。
如果不是要高速更换选品的话,陈列可以每个季度变一次,陈列的算法就没有什么必要了。
这是我觉得为什么需要整个高度耦合的原因。
那么这样的耦合能达到什么样的效果?
在今天的便利蜂,任何一个时间点的任何一家门店,4周不动销的商品只占门店的1%。
当我们发现商品可能动销有问题的时候,立即就会把这个品下掉,换另一个,这样可以让门店商品高度的新鲜,每一个品都是被消费者接受的。
我相信我们的商品动销是整个市场最高的,同样的门店库存又是可能全市场最低的,因为我们是精确的计算商品能够在多久卖光。
简单介绍下,你们是怎么采集数据,以至于能够做出决策的?
百分之七八十的数通过视觉采集,极少量用电的设备会用IoT采集,比如温度、声音等。
为什么大量用视觉?
因为视觉的通用性更强,成本更低。
而且随着业务的发展,可能会需要很多更多的功能,视觉通用性和发展弹性都更强。
现在系统怎么提升店面的管理?
比如说选址,其中有很多个要素。
通过历史上的1600家门店,我们通过机器学习拟合出一些关键的元素,它在不同的立地甚至不同城市都会有所不同。
然后这些数据采集点,通过机器学习的算法指出它跟某些数据采集点是高度相关的,那么我们会要求选址团队对于这些数据进行定向的采集,数据会回馈到系统里面。
另外我们还有很多专家,专家在外围,平行的观察系统的选择,他会提出跟系统不一样的建议。
如果一个选址系统说不能做,专家说能做,我们会有一定的比例抽样去做,但即使不会去做也会跟踪。
有时我们的门店会被其他的便利店拿走,我们会持续跟踪这家店铺的销售情况,看看当时判断是否有错。
当系统明显犯错的时候,就跟神经网络一样,它会被惩罚,惩罚之后网络会自动修正,对一定的参数和特征值调整权重。
排班也是类似的情况,但是排班我们会把工作量非常细化,来决定怎么样排班是最有效的。
选址决策我感觉好像是围棋高手跟系统的对决,再看哪个更厉害,不断提升智能程度。
是的,我们的订货、陈列等都会开放一部分权限,让公司里面水平最高的经营人员或者选址人员进行人工的尝试,跟这个系统不断的切磋。
即使在同一个系统里面,我会允许不同的算法进行切磋,来看哪一个算法更优。
经过多这么几年的人机竞赛,很多情况下人已经比较难战胜系统,当然永远会有厉害的高手发现一个系统没有发现的具体的规律。
不过从大面上来讲,一般的经营人员是很难战胜系统的。
我知道你们在供应链里面做了很多布局,包括投资了自己的鲜食工厂,也做自有品牌,你们在供应链阶段有什么创新点?
首先整个生产过程是完全数字化的,包括生产流程、各种配方、排班等。
我们每一个鲜实工厂每天会生产几百个品,每一个品批量都不大,经常会产生换线的问题。
比如说炒锅,今天可能要炒十几二十个菜,包装线要上十几二十个批次,产线的穿线排班就是一个非常复杂的过程,因为一个菜炒出来立刻就要进入下一个环节,如果不能够在规定时间内进入下一个环节,食品卫生就会出现问题。
传统的工厂在排班上都是用时间换空间,排班非常稀疏,导致设备开机率会不足。
我们通过全程的自动化布局和自动化排线,能大幅度的提高设备开机率。
通过这样的操作,可以让工厂完美贴合门店需求,在工厂端又可以最大化的减小浪费和机会损失。
我们的物流都是动态排线的,这些动线的安排都必须在订单下完的那一瞬间,车才会重新排线,所以我们的车的排线也是高度动态的,这样才能让整个效率达到最佳。
除了便利蜂门店外,你们也做智能货柜,为什么有智能货柜?
它跟便利峰门店怎么互补?
我们希望给消费者提供的服务曲线是,在15分钟、15块内提供最多的服务选择和最佳的服务体验。
智能货柜就是在办公室里,对于消费者来说是5分钟的路程。
智能货柜解决的是防盗问题,最大成本是补货,我们拥有大量的门店,在非高峰时段是有富裕的劳动力,这些工时很多是用在智能货柜的补货上,这样我们能够用最低的成本为消费者提供最好的服务。
目前在门店密度比较高的城市,智能货柜业务都是盈利的,未来这项业务也会伴随门店的扩张去扩张,本质上就是门店的一个外延。
比起传统的便利店,你们现在差不多做了三年,在效率、客户体验、创新这三方面,有没有可以具体量化的成果?
首先是能够保持稳定的服务品质,如果做不到这一条,再大的店铺网络最终也会分崩离析。
企业必须高质量和稳定,这是一个先决条件,否则的话都不能创造足够的消费者价值。
我举个很简单的例子,在保证食品效期方面我们做的是最佳的。
如果是超越效期的商品,消费者根本是买不出去的,因为它一扫码会
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 便利 何用 路数 重塑 零售业 数据 报告