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

从新零售视角延展的商业论证价值探讨

[复制链接]
跳转到指定楼层
楼主
发表于 2020-4-17 16:05:51 | 只看该作者 |只看大图 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
作者:蔡海洪
来源:项目视界
导语:近期在研究英系项目群管理(MSP)最佳实践框架,其理论框架确实不错,做了高度总结提炼,并且对组织和人的因素相当关注,比较符合中国情境的项目管理。而从实践应用角度,需要结合大商业环境、行业特性及企业特点进行方法论的定制裁剪才会更有落地价值。商业论证是MSP中的一个治理主题。6月底我即将在一个线下沙龙论坛作为分享嘉宾,基于对新零售的理解来延展探讨商业论证。这种结合行业的探讨会更加鲜活丰富。以下为探讨话题的纲要内容及相关延展,供大家参考。个人认为,项目管理中商业论证的方法论和核心观点应该不会有多少分歧,但对于新零售的一些业务观点,可能会有不少需要进一步探讨的空间。Anyway,欢迎行家拍砖和指教。当然,再如何高谈阔论商业模式和方法论,最终还是需要实践来检验。后续会以真实消费者购物体验的视角来观察和解读各新零售玩家的实际运作情况。

[1]阿里巴巴的新零售概念

“未来的10年、20年没有电子商务这一说,只有新零售这一说。也就是说,线上线下和物流必须结合在一起,才能诞生真正的新零售。线下的企业必须走到线上去,线上的企业必须走到线下来,线上线下加上现代的物流在一起,才能真正创造出新的零售-企业。”                                                                       ——2016年10月13日杭州云栖大会  马云先生
阿里研究院定义:“新零售是以消费者体验为中心的数据驱动的泛零售形态。”
注:阿里研究院《新零售发展研究报告》节选内容,资料来源于网络
下面将基于个人从业经历体会做一些延展解读。

[2]关于以消费者体验为中心
以顾客为中心的概念很早就被提出。比如:
  • 上世纪90年代末在上大学时,有一门课是市场营销学,教材是科特勒的经典著作。其中大量涉及到客户为中心的思想。
  • 21世纪初在入职沃尔玛时,不断被培训强化这个概念。“第一条:顾客永远是对的;第二条:如有疑问,请参照第一条。”

顾客至上现在已成为各企业常见的口号。但概念容易提,是不是真正渗透到企业经营活动的方方面面,就很考价值观和落地功力了。
同时也要了解到,以顾客为中心的理念是有环境背景基础的。从人性博弈的角度讲,供需关系及买卖方的强弱势关系会影响“以谁为中心”。不是所有领域都先天会以顾客为中心的,或者即使有,也可能只是墙上的口号。在供大于求及买方市场环境,企业需要伺候好作为“衣食父母”的顾客,个体差异化的诉求也会强化以消费者体验为中心的观念。
[延伸讨论]
记得大学上市场营销课的时候,当时老师出了个开放式探讨题目,“股东、顾客、员工谁最重要?”因为市场营销课倡导的思想,同学们在刚开始探讨时给到的回答基本是外部顾客最重要。在今天我看来,这个问题是没法直接简单回答的。因为你简单回答哪个答案,别人都可以举一堆反例说明其他选项的重要性。比如如果内部员工没有伺候好,他怎么能够很好服务外部顾客,怎么能够让公司更好回馈股东,让别人有意愿继续投钱。所以只能说都重要。针对不同角色在不同情境和不同阶段的关注侧重点不同而已。我记得老师当时个人给我们的更倾向的答案是股东。

消费者体验应当是立体多维的,涵盖商品、服务及内容。
商品以及与商品相关的服务比如包装、送货、售后等服务是相对比较传统的(当然也可以有创新设计的部分)。同时,随着年轻一代社交分享及个性化诉求的迸发,一些在零售中附加娱乐属性,利用文本故事、图片、视频、直播等要素、与泛文娱元素交互的“内容”体验也在不断综合强化。这些体验的设计是新零售消费者互动中的重要课题,是真正“新”的部分。技术手段的进步和低成本化,让更多内容体验具有商业落地价值。阿里电商平台确实为商家赋能提供了很多工具,也提升了消费者的购物体验。
但要特别强调提出的是,不能把过多关注点放在吸引眼球的表面功夫的体验上。真正应当是零售最基础的商品品质体验有时候却被忽略,严重者甚至假冒横行。我们需要创新的体验设计,但首先别把最基本的东西丢失。所以,我很尊重那些,能够在喧嚣时代,能够有定力投入资金脚踏实地去做商品研发流程管控和追求食品安全的企业。这才是最基础最重要的消费者体验。

消费者体验应当基于消费者视角,贯穿不同消费场景,应当整体服务链路通盘考虑。
消费者购物链路,从了解到产生兴趣,最后到选购与支付结算,以及后续的再次重复购买,可能是一个比较长的路径。如果再考虑全渠道场景中线上线下的交叉路径(如线下接触体验了解后,在碎片时间线上下单,而后线下门店提货等),会更加复杂。其中任何一个无论是线上或线下节点的不愉快体验,都可能导致交易行为的中断。消费者体验设计在具体落地时,需要真正站在消费者立场,从不同消费行为场景出发,解决顾客的体验痛点,并创造客户价值(如愉悦的线上浏览购物体验,按预期时效的物流交付)。消费者体验是可以有一些相应衡量指标的,比如缺货率。
         下面以全渠道零售服务商降低顾客缺货体验的一个场景为例,来体现消费者体验设计是需要全盘考虑并作出权衡决策的。
业务场景:对于同时提供实体门店服务和线上下单一小时送达服务的零售商,有时候会出现一个现象,就是网上可以下单,系统并未提示库存不足,但是下单支付之后,门店人员在拣货备货时会打电话过来告知订单中个别商品缺货。询问是否需要退款或更换其他类似商品。
原因分析:
  • 实体店个别商品系统账面库存数量与实物库存不相符。帐实不相符属于管理例外,情况很多种,简言之就是在涉及到系统操作库存增减的业务环节没有及时或准确录入系统。比如商品出入库时未及时录入系统或者录入错误数量。
  • 还有一类情况是属于多渠道共享库存带来的问题。比如顾客在店面取货放入购物车但仍在继续选购其他商品,尚未到收银台结账,这时被放入购物车的商品在系统中并未减少可用库存(因为还没通过收银台结算)。对于系统而言并未得知这一情况,线上仍然可以继续下单支付。最终会出现超卖缺货的情况。这种场景,在大促活动或生鲜商品晚间库存快卖完时特别容易出现。

解决思路:
  • 对于库存账实不相符的问题,只能通过日常流程规范化管理来约束,没有捷径。虽然不能百分之百控制管理例外,但是一般需要控制在一定比例之下。
  • 对于多渠道共享库存带来的问题,一类是预防策略。一种方法是物理位置区隔线上与线下的履约库存。当然这意味着需要更大的物理空间和管理成本,包括内部店仓调拨的操作成本。这种方法特别能解决大规模促销环境下库存争夺的问题;第二种库存策略上可考虑预留一定比例的余量库存。另一类是任其发生后的弥补策略。比如门店间针对缺货的临时调拨策略,不过这个对一小时达业务不太现实,时效性要求太高。还有就是遇到缺货时的退款安抚策略和换货策略了。

从预防策略视角看,基本都是以更多库存持有成本来降低缺货率,提升有货体验。

消费者体验的满足程度应当是有预期的,需要与目标群体和服务产品定位保持一致
作为商业主体,哪怕是再动人的口号,也必须考虑成本投入。不能一味刻板理解顾客第一和极致体验。有必要基于企业商业模式和定位,设计针对不同目标客户群体的适当服务水平和体验水平,并努力建立相适应的顾客期望值。
阿里讲平台产品的极致体验,是由其商业基础设施的定位决定的。其做的事情就是为平台商家赋能,同时也吸引和留存更多的消费者。体验好了,商品交易GMV做大了,阿里能获得的以GMV为基础的佣金收入就更高。这个符合它的商业价值模型。但是其他角色的商业组织(如品牌商,垂直运营商家)就要根据自己的定位来做权衡取舍。不能只看一家之言,忽略对方说话的前提背景,否则就跟着跳坑。你的核心价值如何体现?是不是通过无节制低价促销一味冲高GMV? 培养了习惯薅羊毛贪便宜的消费者,一旦没了低价活动支撑,复购率和留存率还能有多少? 给顾客的“多快好省”四方面的价值体验一般不可能同时最大化提供。
[3]关于数据驱动
如果以让顾客可以充分利用碎片化时间,无处不在极其便利的享受到商品服务这一体验为内涵标准之一,类似新零售的概念并非阿里最早提出。如全渠道零售等概念,早就有线下零售企业在践行。当时我2014年在软件公司就负责过类似项目,与国内生鲜零售商合作研发全渠道系统,探索O2O业务。
传统线下零售在全渠道业务中线上部分做大的极少。先抛开内部创新机制、资本支撑这两个因素,不得不承认,阿里在技术上的投入力度和速度,绝非其他一般企业可以相比。毕竟其定位就是提供商业基础设施进行赋能,其对外开放的投资者日报告所呈现的战略业务大图上,阿里云等技术板块就被放置在极其重要的商业设施底座。新零售网红盒马在技术上的投入力度,以及海量淘系用户数据的潜在可用资源(如针对开店选址及日常针对性营销的价值),我认为这是其与传统线下零售做全渠道业务的最关键资源差别。很多新零售运营能力及创新业务活动的呈现,都是基于这些平台技术和数据资源基础之上的。
基于技术投入的数据驱动能力确实为加强顾客体验及提升企业精细化运营能力奠定了强大的基础。比如个性化推荐技术更节省了用户的购物时间,更精准地命中需求甚至激发创造需求,提升了转化率。如果你在阿里生态体系里,用的是一个账号ID,在不同产品比如天猫、淘宝、飞猪、支付宝、优酷等都有消费行为,有时你会惊奇发现,系统会比你更懂你,其所推荐的一些内容会适时激发你的潜在需求。

数据驱动需要业务分析的引导
虽然我们强调技术驱动和数据驱动,但不能抛开业务分析而盲目推崇,不可脱离人的主观能动性盲目依赖智能化。否则就会造成南辕北辙及技术资源的浪费。
[延伸讨论]比如针对较小的前置仓,特别是在不理性的竞争环境和阶段中,就不要太过度依赖自动补货预测模型了。传统的零售大卖场在自动补货方面运用得相对比较成熟。但即使如此,在促销及新店初期等非日常销售期间,还是通过增加促销系数(或是更复杂的规则)预估或以人工意见修正为主。而这几年促销活动极其频繁和不理性,市场环境变量因素特别复杂,单前置仓的销量又相对小,靠系统做销售和补货预测的靠谱性先天就比较小(特别是Sku级别的预测)。真做了开销也很大,产出投入比不行。人都没找出规律的事情,就不要指望系统了。不是说不应该做这个系统自动补货模型,而是说这个阶段不合适投入太多资源来干这个事情。特别是在商业模型还在验证的过程中。
不要用商业分析思考和判断的惰性,来掩盖大规模战术投入的忙碌。想不清楚,可以小范围试点项目测试验证。由此衍生到另外一个话题,关于敏捷开发。现在IT敏捷开发的话题很火热,但对其中产品负责人和需求分析的重要性应该还强调得不够。如果业务需求/用户故事优先级没有想清楚谈清楚,再敏捷和高质量的研发过程管理也不会有好的商业价值产出。阿里巴巴效能研发部运营的微信公众号“云效”上,有篇关于阿里文娱广告团队敏捷实践的分享我认为比较好。最大的亮点是推行了业务运营、产品和研发团队的OneTeam协作机制,使得每次迭代所纳入的开发需求是得到大家整体认同的(不光是操作层的认同,也通过项目协同机制确保符合中高层的业务规划和产品规划)。这种机制下,研发产出对业务的及时响应价值才能真正体现出来。当然,这点理论上容易理解,实际操作起来不容易。这是常见的产品技术与业务的“鸿沟”。产品人员/需求分析人员的主动性,对业务理解的深入程度都是相当重要的。这也是为什么有的软件公司会专门找甲方懂业务的行业人员来做解决方案和需求分析。


[4]关于盈利模型
盈利模型的帐要好好核算。不能轻易说哪种模式一定行或一定不行。综合分析利弊是关键。以前置仓O2O为例。我们可以从几个维度去看盈利的分析。
  • 从运营视角看,订单量(更前置关联因素是流量和转化率)、客单价、毛利率是重要因素。客单价低、3公里商圈范围内订单密度太小,会导致履约成本占比偏高,无钱可赚;或者通过大促让订单密度提高了,但毛利率水平又降下来了,还是亏钱。这里需要特别提一下收取顾客配送费的问题。从客户价值视角看,到店购买与配送上门两种方式相比,如果是一样的商品,一样的价格,配送上门这种方式收取配送费应当是合理的,因为毕竟提供了额外的送货上门增值服务。但现在大量情况是不收取或者低门槛按条件收取。促销期免配送费或符合条件免配送费是可以理解的,但从企业而言,建议还是要强化建立起顾客心智,“认可配送服务的价值,目前的做法只是阶段性的促销优惠”。试想一下,如果客单价50元,配送费5元,就可以拿回10个点的净利润率。资本的力量是无穷的,可以让很多非理性的经营行为发生,甚至是恶性竞争。

  • 从纵向品类结构维度看,SKU数量及结构组合是重要变量。高毛利与低毛利商商品销售占比对整体盈利性直接产生影响。引流作用为主的的低毛利产品如果销售占比高,整体毛利就高不起来。如果Sku数量过少,定位就不属于一站式购物,也会减少毛利组合的操盘空间。

  • 从地理区域维度看,中国幅员辽阔,是高度差异化的区域市场,消费者群体特征差异化较大,适应一线城市的商业经营方式,未必能适应二三线城市。相应的,盈利模型的关键影响因素也会不同。比如不同区域的人因为生活工作习惯的差异,对线上购物的接受度、购物频次、极致便利的真实需求度会不一样,收入水平也会影响高端高毛利商品的市场接受度等。小到城市中的微观商圈层面也存在消费群体的差异情况,需要考虑细节操作的差异性。

而对于O2O业务中,仓店一体模式还是前置仓模式更优,影响因素也很多,不会只是一个简单的结论。店仓一体业务因为有实体门店的存在,在提升客户体验、引流措施及营销举措方面会有更丰富的方式手段;在从损耗控制视角看,实体门店比前置仓有更多更便利和及时的处理损耗的模式,特别是对生鲜商品。卖得不好的临期商品,在较晚的时段,就可以做各种促销,比如醒目位置陈列叫卖,水果分级降价处理等。但对于线上的操作难度就比较大。尽管收入来源的潜在丰富性更优,但相应的店面租金和运营管理成本自然会更高。前置仓因为只有线上销售,其实体仓库位置不一定需要很好,在租金上应该会比较低,而配送履约成本的占比结构会较高。从盈利模型上讲,两者理论上都有可能。
以上只是一些大思路, P&L表中还有很多后端履约成本和管理成本的详细项未提及。盈利模型的关键是要把核心要素考虑全,并把这些要素与真实商业活动关联起来分析。而市场竞争变量的高度不确定性无疑为模型的假设分析增加了难度。从市场竞争看,3公里的商圈内聚集各类零售商超业态,如实体大卖场、便利店、菜市场,传统B2C电商,O2O,社交电商等。单位面积区域的市场需求总量是有限的,必然意味着残酷的竞争。

[5]理性回顾
   企业基于技术驱动、数据驱动的业务模式创新,很好地把握了市场上的先机商机。但不完全能保证生意模式一定是可健康持续的,也需要不断实践优化完善。
   回归经济学,企业组织能够在市场中存在,就是要在价值链中能够体现增值价值,否则就没有存在的意义。非理性资本支撑下的“泡沫价值”,催生了不少缺乏内功的低效企业,内部交易成本甚至远大于外部交易成本,企业无法长久健康生存发展。资本的裹挟,大量的非理性折扣促销与恶性竞争,直接短暂受惠的倒是消费者,这只不过是从资本家到消费者热热闹闹做了一下社会财富的再分配而已。
   打铁还需自身硬,资本是启动和助推,但企业组织自身的经营和造血能力是持久的关键。以往在线上电商的冲击下,线下传统零售挑战巨大。但坦率说,完全是线上电商精细化运营能力使然吗?其实不然。很多是靠价格战打出来的。但有一点不会变化,竞争需要重视,但更需要持续关注洞察消费者,并充分借助技术手段的发展不断满足甚至激发创造需求。
   回归零售,商品能力、供应链能力是可提升盈利的另外一方面。原来新零售话题里聚焦更多在接近消费端的环节。供应链能力是零售后端的真正武器。零售就是细节。本来利润率就低,更是要向供应链精细化运营要效益。同时,商品及品牌差异化也是形成竞争力的重要体现。
   商业论证和盈亏分析只是一个开端,而具体分析都会基于很多假设,是有一定局限性的。纸上谈兵大胆设想是基础,剩下就看商业实践了。在实操上,可以通过小范围快速项目验证,在可控成本的范围内加深对假设的认知,并不断持续优化完善商业模式。小范围验证后再进行大规模推广是相对比较稳妥的方式。
   即使同样的商业模式,组织设计和执行能力上的高下差异也可能会导致结果迥异。这正是商业世界的魅力所在。商场如战场,“凡战者,以正合,以奇胜。故善出奇者,无穷如天地,不竭如江海。……战势不过奇正,奇正之变,不可胜穷也。奇正相生,如循环之无端,孰能穷之哉!”

[6]关于MSP中的商业论证
上面泛泛谈了一些对新零售的看法,其中不少方面都强调了要平衡成本投入和重视商业论证的观点。古时兵法早有类似阐述。《孙子兵法》首篇即开宗明义,《始计篇》云,”……夫未战而庙算胜者,得算多也;未战而庙算不胜者,得算少也。多算胜,少算不胜,而况于无算乎!……”这里强调了”算计”的重要性。战前一定要精心筹划,多算则胜的概率大,尽量不打无胜算之战。对项目亦然。项目不能草率开工,首先要论证清楚是否值得做。哪怕是战略亏损项目,也要亏得明明白白,亏得合乎组织战略需要。
现在我们跳出具体行业,来最后回顾看下MSP项目群管理框架中九大治理主题之一的“商业论证”的一些重要观点。
  • 商业论证在项目及项目群管理中非常重要,包含了收益、风险、交付成本及时间框架的相关描述,可以判断项目群是否值得投资并且具有落地可行性,回答了“为什么这个项目/项目群值得投资”的问题。
  • 商业论证说服项目相关方给予支持和承诺。
  • 商业论证是成本与收益的权衡。
  • 商业论证需充分考量全生命周期成本。
  • 项目群商业论证比项目商业论证更加宽泛,但不是项目商业论证的简单加总。
  • 商业论证是动态而非静态的。动态包含两个方面的含义:第一,其初始开发过程是迭代动态的。商业论证并非一开始就很清晰,其详细和完整程度反映了当时项目群的明晰程度。初始阶段项目群可以接受较高程度的不确定性,但需要尽快不断完善细化;第二,商业论证需要持续更新关于收益、成本与风险的相关项目信息,需要对其持续进行监控并定期回顾,按需更新以确保项目符合战略目标,否则可能会导致原有的项目群商业论证变得不再可行。

回顾商业论证时通常需要考量如下问题:
  • 仍然满足战略目标吗?结果仍然可实现吗?
  • 项目群仍然展现收益实现能力吗?
  • 有备选方案获得预期收益吗?
  • 有足够的资金支持项目后续运作吗?
  • 是否有更新的应急计划,是否有足够的资源应对风险和不确定性?

关于MSP商业论证相关摘要解读的更多内容,可参见我另外一篇公众号文章《MSP项目群管理之摘要解读-商业论证篇》。欢迎大家多多探讨交流。

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, 2024-4-20 08:19

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