阿里、京东这些B2B电商的崛起,改变了传统的货架电商,随之被改变的还有实体电商的从业者。 在传统的线下零售渠道里,线下门店的商品大部分经由一个叫“经销商”的中间环节供应。经销商,也就是在某一区域和领域只拥有销售或服务的商业单位,是物品由上游生产企业流转到终端零售商的销售渠道链里的重要环节,在线下市场中发挥着重要作用。
2015年,当很多人还认为,经销商不过就是帮买卖两家做交易促成、资金垫付、物流配送的中间人,而B2B电商也能搞定这些业务,因此经销商的市场空间注定被挤压。
彼时,刚刚成立的舟谱数据不这么认为。他们决定为面向快消品领域的经销商提供技术产品和数据智能服务,帮助他们实现降本增效,享受到只有科技大厂雇用专业的数据分析人员才有的业务能力,最终实现数智化转型。
舟谱数据CTO慕巍预计,中国市场上的经销商规模在百万数量级,这为数据智能应用提供了广阔的空间。
直指需求:用“反向电商”思路做经销商市场
作为一个已经在中国出现近四十年的市场组织,经销商自身的竞争能力和适应新环境的能力比想象中要强。舟谱数据CTO慕巍提到,经销商技能中最重要的本地化运营营销体验无法被电商平台取代,“线下生意离不开人的参与。对于一个品牌来讲,怎么做线下服务、推广和营销,需要靠一支庞大的地面部队,而这群地面部队的主要组织形式,基本全是经销商。”
舟谱数据CTO慕巍以货架上的牛奶销量举例,“中国几百万家小店的货架作为一个开放资源,谁能够赢得更多货架资源,谁的销量就会更好。为什么蒙牛在这里占那么多,为什么在另外一个区域伊利就会更好一点,这些问题B2B电商没办法告诉你。线下市场一定要靠经销商去抢占市场,线下B端的市场巨大且物理上分散,采用这样的分销结构是最合理的结果,即使一些大厂很有钱,也必须联合所有的社会资源一起做。”在他看来,这也是简单连接型B2B电商的基本上已经日渐式微的原因。
基于对经销商市场的信心,舟谱数据开始做相应产品和服务。 与做B2B电商业务不同,他们提出了“反向电商”的概念:摒弃门店主动采购的方式,通过经销商向终端门店去做网络触达。
舟谱数据CTO慕巍解释,对门店来说,上游对接的采购方少则几十,大则上百,没空去打开一个个App做采购:每次下单采购,可能需要涉及几十上百个SKU,主动选择下单的购买行为对他们来说不堪重负。更重要的是,在中国众多零售店的历史上,采购对他们来说,一直是被经销商服务的被动行为,通过经销商业务员对货架和库存的盘理生成最终采购决策。因此,指望零售店的老板每天主动打开APP,去各个品类里挑出自己需要补充的商品,成为几乎不可能完成的任务。
现实情况是经销商在管理零售店的采购数量和频率(通过业务员上门拜访和理货服务),因此这一段交易更适合的发起方是经销商侧,而不是零售店侧,舟谱数据CTO慕巍说这就是“反向电商”的本质。他进一步介绍,对经销商老板来说,需要连结的连锁门店可以梳理出上百个分类,他们没有资源和能力去做技术。 而舟谱要做的是,基于这一段交易的显著特性,将经销商的交易需求进行产品化,为他们提供科技公司雇用专业数据分析人员才有的决策分析、订单推送等能力。
构建壁垒:数据智能决定竞争优势
在中国的典型经销网络结构里,经销商的作业半径是限定的,这就意味着经销商的生意很难通过线上化来增加交易对象来实现增长,经销商的生意成长更多来自“内循环”,即自己所商品和本地零售店更好的匹配带来成长。
而在既有交易网络里更好的实现匹配,就是数据发挥作用的最大空间。舟谱数据CTO慕巍称,“我们从一开始就认准了大数据这个方向,其实特别清醒的知道数据能带来多大价值,怎样用数据驱动增长的理念去做用户增长以及怎样去做技术验证,所以我们一开始想这件事情的方式可能跟市面上的一些公司不一样。“
与几年前试图利用交易切入这一领域的创业公司不同,舟谱数据一开始就有明确的技术导向。舟谱数据CTO慕巍介绍,由于交易关系确定,单纯的把交易从线下搬到线上并没有创造任何价值,而一旦关注交易规模的扩张,往往会带来很多行为的变形,比如更多造成网络规模的扩张而并非有效数据的扩张,甚至不惜采用很多变形的行为来刺激交易,而这些被刺激出来的交易,又进一步会污染数据的品质,最终导致数据不可用。
在舟谱成立的前几年,他们把更多的精力放在了修炼数据和技术的内功上。
首先是打造一个更灵活的技术架构。这在舟谱做AI之前是一个更重要的工程问题,这一问题不仅需要通过更好的架构设计去解决,更重要的是通过培育更好的工程师专业氛围去解决。
其次是培养技术深度。舟谱数据在这个层面遵循了分布实现的节奏,第一阶段是采用一个人和机器交互的一个混合系统来解决问题。通过专业的数据人员建立的交互模型帮助客户去实现做数据的下钻、数据联动和数据清洗,然后交付给客户一个更加个性化且更友好的数据分析界面,让他们可以轻松享受到数据智能。第二阶段,他们引入了增强自分析(Augmented Analytics)技术,涉及一系列人工智能和机器学习技术的综合,包括自动数据清洗、数据异常检测、数据辅助探索和数据可视化等技术,成为可以自动化智能化的分析解决方案,利用机器更加高效的帮助客户定义问题,给出建议。
舟谱数据CTO慕巍表示,舟谱数据正逐步步入第二阶段,通过专业人士和日渐增强的机器智能,共同为客户提供更好的智能分析和匹配建议。
客户发展:从基础到智能逐步深入
洞察市场,界定优势之后,剩下的就是如何通过产品的应用,逐步将经销商客户引上数据智能之路。根据经销商的核心作业场景,舟谱数据提供贴合经销商日常作业的全场景平台,并设计了随着经销商应用深度而持续发展的路径。
