汽车「新零售」有什么了不起?搞定数据,就搞定了一切

2017 年 7 月 28 日 物联网智库


来源:车云网

物联网智库 转载

转载请注明来源和出处

------   【导读】   ------

汽车大数据就是基于数据分析消费行为,获得并预知更准确的需求,进而对生产、物流直至销售进行针对性的改造升级。


汽车新零售究竟是什么?这个问题毫无价值。


先来看看「新零售」的定义:「以互联网为依托,通过运用大数据、人工智能等先进技术手段,对商品的生产、流通与销售过程进行升级改造,进而重塑业态结构与生态圈,并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。」


把这段云山雾罩的定义简化一下,其实就是:基于数据分析消费行为,获得并预知更准确的需求,进而对生产、物流直至销售进行针对性的改造升级。所有这一切都围绕着一个基础,就是数据。没有数据,新零售免谈。汽车新零售无非也同样是一门数据的学问。


汽车新零售究竟是什么?这个问题毫无价值。汽车消费市场的数据有多匮乏,每个人都心知肚明。真正有价值的问题是:怎样实现汽车销售领域的数据化?


重新认识电商


电商毁掉了线下实体店的生存空间,这种声音现在已经越来越少了,更常见的解读方式是线上线下互补、线上为线下赋能之类的说法。这些说法并没有错,但是乏味了一点,我们不妨换一个角度重新认识一下电商与线下实体店的关系。


首先有一个共识是,线上消费体验要比线下消费体验更好。


其次,线下实体店的数量并没有减少,而是跟随经济发展的节奏越来越多。


第三,线下实体店的消费体验正在追上电商消费的体验。


顺着这个逻辑梳理下来,可以很清楚地得出这样的结论,电商让实体店实现了消费体验的升级。回归到汽车销售领域,这个结论的意义是:别再纠结汽车电商是不是伪命题,汽车电商是必然的,当下的销售模式迟早要围绕电商的特征进行升级。


以上整个逻辑推导过程的关键就是数据化,不仅仅是商品销量和周期、地域等等曲线。我们不妨将电商的数据按照整个消费过程分成三类来看:


1、 目标数据:在电商平台进行搜索时产生的数据;


2、 筛选数据:对搜索结果进行的进一步细化目标,例如搜索电脑,之后选择的品牌、硬盘大小、显卡性能、显示器尺寸等等;


3、 随机数据:单个商品页面最下方的猜你喜欢,或者购买时的优惠凑单,或者完成购买后的「购买此商品的人还购买了」菜单。


整个消费行为的流程完全数据化,产生数据、积累数据、利用数据,最终提升消费体验的真正关键是,销售流程每一个步骤的数据化,可以进行更有针对性的改造升级。不妨通过便利店的收费方式来理解这种数据化的升级过程,最开始便利店都是现金结账,而后由超市开始升级成为扫码+机打小票的方式,于是留下了更多数据,包括购买某种商品的时间、不同商品的搭配、不同类型商品的价位等等。


正因如此,即便汽车电商在当下仍然极不完善,对购车体验的提升几乎可以忽略不计,但是主机厂仍然在积极进行布局。为了降低获取线索的成本?大家的市场投放力度都是越来越大了,这条路走不通。这就跟社会化营销是一样的道理,主机厂一开始都在追求降低公关成本,但公关费用并没有降下来,真正改变了的是传播内容和形式,语言更真实生动了,感染力也更强了。对于汽车电商来说,消费者的线上行为产生的数据才是关键。


当下汽车的销售模式是一对一顾问式,更类似于奢侈品店,强调的是消费者获得的尊重感,而不是效率,从汽车作为高价格商品的属性来看,这似乎是合理的。但是汽车市场的整体环境在变,汽车正在变成大众消费品,而且重复购买的占比正在扩大,到目前这个阶段汽车销售模式要考虑的已经是效率优先,数据化是必然。


阿里BUY+虚拟店铺,通过线上模拟线下方式提高效率的购物方式,关键是随机数据的运用:



由分散到集中


通过积累并运用数据完善整个销售流程的过程中,最终实现的是销售模式的标准化,不足的、缺失的全部被消除,统一升级成为标准化的流程。随着汽车零售商形成品牌化竞争的格局,整个行业将随之产生由分散到集中的格局演变,谁掌握了最大的流量,就掌握了最大的数据量,进入权利集中模式。


成长初期,标准化是为了形成体量优势的必须,随着演化发展,则进一步形成品牌效应的必然。当下的汽车销售领域是分散的,主机厂成长到了具备品牌竞争的阶段,而经销商还停留在体量竞争的水平。当消费者要购买一款汽车的时候,并不知道要去广汇还是庞大、国机,也无所谓去哪里,毕竟价格、售后所有一切都是随机的,哪家店好哪家店差几乎无从考证。


传统的授权模式造成了这样的结果,每一个授权品牌都要求全套的展厅和维修车间,装修必须统一称为汽车品牌的设计风格。以至于消费者甚至不知道4S店的店名,他们也不需要知道这个零售商的品牌,只是冲着汽车的品牌去的,同一汽车品牌不同经销商之间只要针对价格做做文章就可以,销售能力、服务能力基本无从谈起,差不多算有礼貌就行了。这就导致经销商必然没有品牌意识,即便有,分散的经营管理模式业务也谈不上标准化,因此无法形成数据化的基础,也就意味着没有系统提升销售能力与服务能力的基础。


汽车销售渠道的集中化,最首要的或许就是汽车超市,多品牌产品集中展示、销售是理所当然的。汽车电商可以视为线上的汽车超市,线下也已经有苏宁这样的零售业巨头开始进入。


在电商与汽车超市的内部竞争中:线上或线下的汽车超市就必须要考虑自身的品牌,对于汽车之家、易车、天猫、苏宁来说,他们卖的都是那些主流汽车品牌的产品,他们之间的竞争,则必须围绕标准化的服务展开。这个时候,他们则必须要求自己细化销售流程,积累越丰富、越大量的数据,越容易形成优势。


在超市模式与传统经销商的竞争中:前者本身就有超市模式这个本生优势作为基础,加上在全国、全品类、标准化服务的基础上积累的数据,必然能够更系统地提升销售和服务能力,差距必然越来越大。随之而来的,或许超市模式与传统经销商会进一步演化成不同的经营模式,在Costco这个案例里,Costco提供多品牌产品展示和统一价格,消费者通过其从经销商处提车,Costco更像一个二网,而传统经销商则承载一级经销商和售后保养维修站的功能。


当阿里开始布局线下超市的时候,汽车业应该意识到的是,消费者对购买汽车有远远更精细的需求。也就是说,数据对于超市来说,创造的或许是更大规模的冲动消费,而对于汽车来讲,则是更高效率的线索转化。


由低频到高频


针对整车的消费行为毕竟仍然是低频的,不过这种情况正在产生变化。通过商业模式的优化,将低频消费激活为相对高频的消费习惯,是扩大销售数据积累的必然路径。


过去两个月有大量互联网汽车金融或汽车电商举办了发布会或者沟通会,笔者参加的就有两个,易鑫发布会以及花生好车的沟通会,这些金融或电商平台有一个共同的业务方向,以租代购的融资租赁产品(首付到期可选择继续还贷或退车),苏宁汽车超市也有相应的产品规划,主机厂方面,吉利新高端品牌领克会提供此类方案,日产则与大搜车合作进行尝试。


这一类以租代购或融资租赁型的销售模式,已经不声不响地成为下一个阶段汽车销售领域的绝对风口。这种销售模式最重要的意义在于拉低了购买汽车的消费门槛,购买汽车于是从低频行为变成了「不那么低频」的消费行为。对于消费观念超前的部分消费者来说,一年、半年甚至更短时间购车换车会成为一种选项。


另外一种将汽车消费从低频拉向高频的模式则是车品及品牌衍生品形式,在汽车之家与快乐购、苏宁汽车超市的模式中,车品消费及餐饮娱乐消费都占有重要的战略位置,奔驰在北京三里屯开设的me体验店里,车模、钢笔、领带等消费品及餐饮服务一应俱全,各地商场中也常常能够见到宝马、捷豹等品牌的时装店铺。这些大方向一致的店铺都试图通过不同的形式拉低消费门槛,当然,有意无意产生的消费行为数据,则将用于完善创新商业模式的结构。


芒果汽车线下实体店:



这一类模式并不罕见,我们可以称之为捆绑式消费,例如每一座庞大无比的宜家家居都有自营的餐厅,并且门口有快餐及小型食品超市。即便传统汽车销售领域同样在利用捆绑式销售的方式创造新的盈利点,4S店的售后保养维修服务就是典型,区别仅仅在于,传统经销商模式的后市场服务依仗的是主机厂资源,而新型销售模式的捆绑则是建立在良好的体验上。对两者而言,数据的积累、利用与价值天差地别。


「新零售」有什么了不起?


说起来真的没有太多了不起,就好像前些年的「互联网思维」,无非是以用户为中心,精品化、快速迭代;再比如O2O,也不过是统一平台,线上线下交互提高效率。


但是有没有价值呢?经济学家许小年倒是真说过O2O不创造价值,但是事实证明并非如此,仅仅以订餐外卖举例,从商业道德角度来说,对于规范餐饮卫生起到了很大的推动作用;从市场角度来说,更高效率的展示和就餐流程提高了整个餐饮行业的运营效率和营业额。


相比于上文提到的两个生搬硬造出来的概念,「新零售」的创新意义也并没有高出很多。为什么这些模式偏偏就形成了概念,并且具备相当程度的指导意义。无非是它们呈现除了某种真实的、本应呈现而被篡改了的商业规律。


就像互联网思维、O2O一样,新零售并不是什么很了不起的概念,无非是告诉经营者要更好的体察消费者的需求,勇敢尝试更多创新方式去满足消费者的需求而已。这些有着明显功利色彩的商业概念也一直在进步,「互联网思维」明确了一切应当以用户为核心,O2O将市场效率推上了舞台,零售则在理论上利用大数据、人工智能等前沿技术为零售业找到了新的升级空间。


新零售对于汽车的意义,或者说告诉了汽车销售业务一些什么呢。上文总结出的一些趋势包括:标准化、集中化、高频化、品牌化等等。而所有这些被主流商业世界屡次证明的规律,又引出了车云网曾经多次呼吁过的一个方向:价格透明。


此前车云网曾经从电商、市场效率等一系列角度阐释过价格透明的必然性与必要性。一周后,汽车新零售将从消费者需求、具体实施以及新零售等方面,对价格透明进行再进一步的论证。


毕竟不论如何,我们最终都要回归到最根本的商业规律上去展望未来,任何创新的商业概念,它的基础都是那个普世的商业规律,根正,则一切创新概念自然生长,有偏差的话,则无论如何也要去经历矫正的过程。



往期热文(点击文章标题即可直接阅读):

登录查看更多
0

相关内容

最新《深度多模态数据分析》综述论文,26页pdf
专知会员服务
297+阅读 · 2020年6月16日
专知会员服务
112+阅读 · 2020年6月12日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
97+阅读 · 2020年6月3日
华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
124+阅读 · 2020年5月22日
德勤:2020技术趋势报告,120页pdf
专知会员服务
189+阅读 · 2020年3月31日
专知会员服务
123+阅读 · 2020年3月26日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
105+阅读 · 2020年1月2日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
299+阅读 · 2019年12月23日
可解释推荐:综述与新视角
专知会员服务
109+阅读 · 2019年10月13日
年薪48万的程序员,他究竟做对了什么?
机器学习算法与Python学习
7+阅读 · 2018年12月28日
过了尬吹的年代,人工智能都落地了些什么?
互联网er的早读课
8+阅读 · 2018年11月5日
终于有人把云计算、大数据和人工智能讲明白了!
大数据技术
7+阅读 · 2018年4月2日
手把手教你搞定90%的NLP问题
AI前线
3+阅读 · 2018年3月18日
【区块链】区块链是什么?20问:读懂区块链
产业智能官
8+阅读 · 2018年1月10日
你们是不是都感觉自己少了个推荐系统?
互联网er的早读课
3+阅读 · 2017年12月15日
如何教育人工智能这个全球74亿人共同的小孩?
微软研究院AI头条
3+阅读 · 2017年11月17日
【新零售】当下趋势:传统零售将变革为新零售
产业智能官
3+阅读 · 2017年11月12日
Real-time Scalable Dense Surfel Mapping
Arxiv
5+阅读 · 2019年9月10日
Learning Discriminative Model Prediction for Tracking
Single-frame Regularization for Temporally Stable CNNs
Auto-Context R-CNN
Arxiv
4+阅读 · 2018年7月8日
Arxiv
4+阅读 · 2017年11月14日
VIP会员
相关VIP内容
最新《深度多模态数据分析》综述论文,26页pdf
专知会员服务
297+阅读 · 2020年6月16日
专知会员服务
112+阅读 · 2020年6月12日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
97+阅读 · 2020年6月3日
华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
124+阅读 · 2020年5月22日
德勤:2020技术趋势报告,120页pdf
专知会员服务
189+阅读 · 2020年3月31日
专知会员服务
123+阅读 · 2020年3月26日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
105+阅读 · 2020年1月2日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
299+阅读 · 2019年12月23日
可解释推荐:综述与新视角
专知会员服务
109+阅读 · 2019年10月13日
相关资讯
年薪48万的程序员,他究竟做对了什么?
机器学习算法与Python学习
7+阅读 · 2018年12月28日
过了尬吹的年代,人工智能都落地了些什么?
互联网er的早读课
8+阅读 · 2018年11月5日
终于有人把云计算、大数据和人工智能讲明白了!
大数据技术
7+阅读 · 2018年4月2日
手把手教你搞定90%的NLP问题
AI前线
3+阅读 · 2018年3月18日
【区块链】区块链是什么?20问:读懂区块链
产业智能官
8+阅读 · 2018年1月10日
你们是不是都感觉自己少了个推荐系统?
互联网er的早读课
3+阅读 · 2017年12月15日
如何教育人工智能这个全球74亿人共同的小孩?
微软研究院AI头条
3+阅读 · 2017年11月17日
【新零售】当下趋势:传统零售将变革为新零售
产业智能官
3+阅读 · 2017年11月12日
Top
微信扫码咨询专知VIP会员