零售线上化不断深入，变局之下如何突围

“凌晨 12 点闹钟是抢蔬菜用的，清晨6点的闹钟是抢猪肉用的，刚刚选完生鲜发现平台配送员明天的档期已经被排满，只能遗憾地关闭了 App。” 这可能是这次疫情中封闭式管理后大多数居家小伙伴共同的经历。

面对骤增的订单，零售电商们使出浑身解数应战，App 背后，是零售电商各个网点的员工马不停蹄地分拣打包、配送上架，与此同时，往日拥挤的商业街空空荡荡，商场、餐馆、服装店无人光顾，线上与线下冰火两重天。

零售行业的变革已然开始。

向线上看齐的消费迁徙

不仅仅是疫情期间日常的消费需求迁移到了线上，复工之后，人均 App 使用时长也有了很大幅度的增加，可以说，大部分人的生活在这次疫情中都搬到了线上。在品玩TICLAB第二期主题为《零售线下至线上大迁移》的直播活动中，第四范式副总裁杨波同我们分享了这样一个现象。

根据 DT财经统计的数据显示，2020 年 1-2 月，全国实物商品网上零售额在社会消费品零售总额占比相比同期增加了 5%，预计这样的趋势会在 4-5 月份表现得更加明显。

与此同时，疫情期间健身场所的关闭让很多人纷纷在家做起了运动，根据齐家网发布的一份报告显示，疫情期间各类健身器材的销售量同期增长了150%，其中瑜伽垫的需求量尤为突出，较 2019 年同期上涨 250%，从瑜伽垫的销量数据我们不难窥探出疫情期间客厅经济的火爆。

除了做运动，玩游戏也称为居家打发时间的方式之一。第四范式副总裁杨波先生在直播中分享了他购买Switch的经历，他没有去百脑汇线下店，也没有使用电商平台，而通过聊天软件添加店主，不一会儿同城快递员就将游戏机送到了家中。

人们正在通过线上采购广泛地满足自己家居生活的各种需求，饿了么发布的 2 月份超市品类单品销量也印证了这一点。

可见，疫情加速了消费线上化的场景迁徙。

线上化面临新挑战

通过上述的统计数据我们不难发现，疫情在一定程度上改变了人们的消费习惯。但是，我们也看到某些几年前就开始布局线上的商超品牌店铺，成绩却不尽如人意。

第四范式副总裁杨波总结了这样几个原因，一方面传统商超缺少数字化运营的经验，线下积累的用户行为数据无法直接套用在线上。另一方面，消费者的线上消费需求也在不断变化与升级。

在内容上，消费者对于内容的偏好变得愈发挑剔，他们只想看到自己感兴趣的信息。在渠道上，消费群体的社群化和碎片化也逐渐显现，微信群、公众号、短视频以及直播都成为消费者了解商品、购买商品的渠道，消费者不再专一于某个电商平台。同时消费者在每个消费场景中停留并不久，交易环节的时间更加碎片化。

短时间多频次多场景成为了线上化运营新的特征。同时，众多消费者每天产生的浏览、消费等行为数据不断累积，产生了海量的数据，怎么处理这些数据、如何提取关键信息，成为商家面临的新挑战。

流量的争夺变成了对消费者时间的争夺，谁能精准地发现消费者的需求、占领消费者的时间，谁就能抢先一步获得流量，在线上化浪潮中抢占先机。

如何抓住消费者的时间

其实每个消费者的诉求是非常个性化的，从种草到拔草，个性化的内容会让用户的每一次转化更加精准，转化周期进一步缩短。满足这些诉求的过程就是一个品牌打造、引导变现的过程。

首先需要让给消费者了解你在卖什么，树立一个品牌的认知；其次是通过短视频、社交裂变等一系列令人感兴趣的内容与形式，不断地吸引消费者的注意力，从而将消费者的时间绑定在你的产品上；最后通过设置一些刺激点（营销促销等）帮助消费者完成购买的行为，实现业绩的增长。

另外个性化能够很好地提升用户体验，消费者在购买及产品使用过程中的满意程度非常重要，这决定了他会不会将产品推荐给周围的同事朋友，实现裂变推广。

打造个性化的体验，AI更了解消费者

为了进一步了解用户的需求与喜好，品牌方可以充分利用多维度的用户行为数据，基于预测类、自然语言处理等AI算法构建模型，全面加深对消费者的了解。

具体来说，在了解用户的行为后，模型可以精细的划分出每一类细分人群，并为每类人群打上个性化标签。通过计算，模型可以预测某类人群购买特定产品的概率，从而实现更加个性化的营销以及精准匹配的推送。

用户行为数据包括人群基本属性、消费特征、交易属性、潜力特征，对于企业来说，基于这些数据构建的AI模型，可以带来用户转化率和体验的双重提升。

打造个性化的体验需要推送合适的内容

AI正在帮助企业进行精细化的线上营销与转化，带动新一轮的品牌增长。以App的消息推送（Push)）为例。Push功能是很多企业转战线上选择的主动营销方式，这里面也存在在一些误区与风险，比如产品线上化运营过程中，如果对目标用户没有一个清晰的了解，大量地推送一些无关信息，这在用户看来是打扰，会产生一些负面的影响，甚至是卸载App。

杨波认为企业线上化转型的目标是提升用户留存与转化，首要解决的问题就是用户体验问题，在上述的Push功能中，体验问题简单来说就是在正确的时间，为正确的用户推送匹配的内容，是时间、用户、内容三者之间的个性化完美匹配。

利用人工智能技术，通过对用户历史行为数据的分析与挖掘，可以建立超高维模型，实现对目标用户的精准刻画，再针对个人的需求将不同的内容分发给不同的用户，从而做到“千人千面”的个性化推送，提升客户体验。这与传统BI模型通过标签将用户进行分类的方式截然不同。

在疫情期间，第四范式也为一些零售企业提供了智能营销服务，例如通过机器学习寻找对促销敏感度更高的精准人群。相比于传统的专家规则来说，人工智能模型帮助人群进店率整体提升了20%，兴趣率提了24%，转换率提升59%。人工智能拥有更高维、大规模、更自动化的精准匹配能力，这是相对专家规则的一个巨大优势。

我们看到人工智能技术正在帮助传统企业在线上化浪潮中获得数字化运营能力，借助第四范式提供的智慧能力武装自身业务，真正构造出全渠道的数字化营销能力，完成从线下到线上的迁徙，实现线上线下的融合。