最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

星巴克的数字化转型

[复制链接]
跳转到指定楼层
楼主
发表于 2018-10-11 11:58:45 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
编者按:信息时代,很多传统企业都面临数字化转型挑战。咖啡连锁王国星巴克也不例外,转型投入力度很大,利用数字科技,拓展全球业务的版图,不仅持续IT大改造,采用云端科技,还结合物联网、AI及区块链等新兴技术,以打造出智能化的数字消费体验。本文编译自medium的原题为“Injecting Big Data with some caffeine — art 2 — spilling the beans on Starbucks’ digitaljourney!” 的文章,是本系列的第二篇,第一篇可点击这里阅读。
商学院里,市场理论的第一课教的就是:不管是大增长还是小增长,如果想要增长,就必须通过复制。“复制”可以是复制产品,可以是与某商品丝丝相扣的某种情感,也可以复制消费者在购买或使用某产品时的体验。星巴克就是这方面的大师,“复制大法”拿捏得恰到好处,也获得了巨大的成功,甚至可谓是掀起了新一轮咖啡热潮。一开始,星巴克是凭借自己咖啡的口味、质量以及消费者体验在一众咖啡店里鹤立鸡群,让风味浓郁醇厚的深度烘焙咖啡火了起来。星巴克的卖点不只是早上那一杯唤醒你的咖啡,而是在于营造良好的消费者体验:一家有情調,有舒缓的音乐和咖啡香气的咖啡厅。
星巴克成立于1971年,总部在美国西雅图。目前星巴克已经发展成为全球最大的咖啡连锁店, 在全世界有超过28,000家分店,粉丝大军不计其数。为了满足粉丝的不同口味,星巴克“尝遍”过了各种咖啡豆, 最终的产品有热饮,有冷饮,有未研磨的全豆,也有超细的速溶咖啡和浓缩咖啡,还有特定季节推出的饮品,比如南瓜拿铁。星巴克是如何成为咖啡业巨头的?成功的背后都有什么方法?我很好奇,于是将它选作“大数据与咖啡因”系列的第二篇。
从1987年到2007年,星巴克平均每天有两家新店开张。但是,树大招风,快速的增长容易让人眼红。很快,麦当劳和唐恩都乐也推出了自己的咖啡,“昔日”的星巴克铁粉也不管什么忠诚不忠诚了,通通跑到别的新咖啡店打卡。正如贝佐斯所说的,客户永远是不满足的,昨天轰动一时的事物,今天就会变得稀松平常。但是“星巴克之父” 舒尔茨(Howard Schultz)的想法则完全不同。
唐恩都乐(Dunkin' Donuts)为世界上著名的甜甜圈连锁店之一,创始于1950年美国马萨诸塞州昆西市。目前,该公司总部位于马萨诸塞州坎顿市。公司创始时主要是以甜甜圈与其他烘培食品为主,而现今大部分生意集中于咖啡销售,成为星巴克等连锁咖啡店业者的主要竞争对手。
舒尔茨亲自看各种数据记录,试图从中找到线索,从而制定应对策略。而他的分析结果是,星巴克当时的“复制”是失败的。星巴克的扩张势头很猛,但是在急剧的扩张中,没能看到隐藏在数据背后的联系。虽然星巴克在全球各地不断有新的实体店开张,但实体店在复制消费者体验方面做得不到位。由于膨胀的速度太快,消费者对星巴克的痴迷程度反而大幅下降。舒尔茨意识到,重新兑现星巴克对消费者的“承诺”——从产品、消费体验到店内气氛,为消费者打造360度无死角的体验。
舒尔茨是星巴克的“灵魂人物”,1982 年加入星巴克,任市场及零售运营总监,当时的星巴克只烘培和出售咖啡豆,门店数量也非常有限。他提出了大胆转型扩张的策略,但这个想法在 1987 年,舒尔茨从创始人手中买下星巴克才得以实现。他就任 CEO 和董事长接近 40 年,将星巴克从 11 家门店扩张到如今77 个国家超过 28000 家门店。正是这,星巴克成了成功的全球咖啡连锁品牌。
这也为星巴克的数字化策略打下了基础。我们仔细研究一下他们是如何走上数字化转型之路的:
1. 带积分计划的星巴克移动app——星巴克的目标是非常明确的:借助现有的技术,重新点燃消费者的热情。想要实现这一点,最好的办法就是通过开发自己的移动端app。由于星巴克的“分销”是自己在做,所以统计起数据来也比较简单。有一大帮像信徒一样的粉丝,又在全球范围内都有运营,公司内部早就嗅到商机,想用数据来提高业务表现了。这个点子从来没有人提出质疑,但是到了执行层面就有分歧了。不过总的看来,星巴克在执行上做的非常好。咖啡巨头很好地利用起了每星期九千万次交易的数据,来指导公司的商业决策。星巴克移动app有1700万活跃用户,带来海量的数据,能让星巴克了解到消费者的特征,追踪他们的购买行为。大家都知道,算法好不好,很大程度上取决于数据的质量。算法会将消费者买咖啡的数据(在何时何地买了何种咖啡) 与其他数据相联系,比如天气和节假日,然后给消费者提出适时适地的建议。
2. 精准营销,个性化推广——星巴克开的是连锁店,成不成功很大程度上就取决于消费者在门店购买咖啡的频率。为了延长客户生命周期,星巴克在去年秋季推出了“数字飞轮”程序,让客户“形成”购买咖啡的良性循环。由于星巴克的用户群体巨大。高度定制化会带来更好的效果,而他们的算法确实做得不错。对于还没有成为常客的消费者,算法还会根据他们曾经的购买记录,用电子邮件给他们发优惠券,引诱他们再度去消费。


新的基于云计算的“数字飞轮”战略程序(Digital Flywheel program),旨在通过人工智能技术(AI)的支持,更加准确的了解消费者的真正需求。同时,星巴克将通过该人工智能技术,为消费者提供更多个性化服务。
客户生命周期(Customer Life Time Value,CLTV)指的是每个用户(购买者、会员、使用者)在未来可能为该服务带来的收益总和。
在2016年投资者大会上,星巴克推出“数字飞轮”(Digital Flywheel)战略,其中,将未来消费者体验的核心放在奖励、定制化、支付、订购方面。
3. AI 的虚拟助理“我的咖啡师”——深度学习是技术新宠儿,而星巴克已经将这门技术投入应用。你可以在星巴克移动端通过发信息来点咖啡。通过手机就能下单,消费者能享受到方便愉悦的购买体验。支持这种购买体验的AI能顺畅地处理下单过程中出现的各种细节。

4. 让消费者不可自拔、将用户体验最优化——使用星巴克app的用户可以享受很多特权,比如,每次你在新的地点登入app,都可以和“咖啡师”分享自己常点的咖啡。这正是由“数字飞轮”程序支持的功能,让消费者在咖啡店地址、天气和消费时点参数不同的时候得到消息推送。星巴克的产品有87,000以上所以,而这样的消息推送在消费者体验中也是很重要的。
积分、促销推送、推荐三个元素互相作用和影响,对于提高客户忠诚度影响很大。
5. 生产的数字扩张——在一个企业里,有些方面的数字转型比另一些方面来的快,而生产方面一般是比较慢的。这是因为扩张产品线和生产地点之前,需要做大量的用户和市场调查。而星巴克通过利用消费者数据,设计了一系列产品来适应消费者习惯。星巴克还研究了消费者在连锁店里如何点咖啡和拿铁,将结果与几个行业报告相结合,推出了K-Cup胶囊咖啡和在商店和超市销售的瓶装咖啡。这些产品的推出,也是为了满足不同消费者多样化的需求,比如,产品线里既有含糖饮料,也有无糖无奶无添加的。
星巴克品牌扩张的过程中,这样的策略收效甚佳,尤其是有了零售之后,原先的粉丝可能消费会翻倍。并且,现在星巴克利用大数据来选址,综合考虑人口密度、人口特征、周围星巴克的距离远近和交通状况,来决定新连锁店的位置。这对于星巴克而言的确是非常实用的, 因为数据库里用户数量的增长和app使用量的增加,不只是帮助公司提高了消费者体验,更是帮他们精准地找到了新店的最佳选址。
在数字化时代,企业的增长对技术的依赖程度越来越大。要是光看建立电子平台的食品和饮料连锁店,那星巴克无疑获得了巨大成功,在消费者越来越习惯电子平台消费的今天,星巴克实现了和消费者的有效交流,快速跟上了消费这习惯的转变。在线下,星巴克同样成功地复制了店内体验,让消费者觉得轻松愉悦。星巴克并不是佯装成科技公司的咖啡连锁店,而是一家用美味咖啡和舒适感来引诱你的科技公司。
36kr编译组出品。编辑:郝鹏程
本文翻译自 medium.com,原文链接

楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-14 11:25

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表