【StartDT Talk】“客户成功三要素”系列直播第三期圆满收官！
本期直播聚焦于三要素之一的“好的行业Know-How”（行业理解），由奇点云创始人行在和资深产研专家追风共同探讨与零售相关的行业知识，以及我们在零售行业的数字化转型中可能遇到的问题，带领大家一起揭秘零售行业的数智秘籍。
文末点击阅读全文or扫描二维码，即可观看完整回放。
下文基于直播内容编辑，略有删减。
1 关于“行业Know-How”的5个关键问题
1.1 行业Know-How的重要性
行业Know-How对于企业的数字化转型至关重要。它不仅能够帮助企业明确转型的方向和实施阶段，确保技术解决方案能够精准地满足业务需求，还能够促进技术和业务团队间的有效沟通，支持技术方案的成功落地，以及帮助企业进行数据加密和脱敏，在数据合规和风险管理方面提供专业指导。
最重要的是，行业Know-How能够帮助企业创造价值，确保数字化转型真正为企业带来竞争优势和可持续增长。
1.2 为什么作为乙方公司需要有行业Know-How？
举个例子，很多企业的技术员经常会去拜访各种行业的客户，交谈时我们往往会强调企业的技术实力、先进的大数据平台和数据处理工具。
然而，客户们并不总是对这些技术细节感兴趣，他们更关心的是如何通过数据驱动业务增长，如何更有效地整合和利用数据，以及如何快速获取关键业务指标从而指导他们的决策过程。
为了避免这种“鸡同鸭讲”的情况发生，乙方公司不仅应当充分掌握行业Know-How，比甲方更懂甲方，还要站在技术和业务的交叉点上，帮助甲方设定数字化转型的组织形式，找到创新速赢点，让更多企业少走弯路，从而成功达成数字化转型的目标。
1.3 为什么奇点云会选择零售行业作为公司的主力行业之一？
奇点云选择零售行业作为重点方向主要依据以下原因：
· 零售行业信息化发展较早，积累了丰富的数字化基础设施。
· 零售行业变化快、创新多。该行业客户对新技术和新模式具有较高的接受度，便于奇点云推广和实践数据云产品。
· 奇点云团队具有扎实的零售行业认知，以及丰富的服务经历和经验。
· 零售行业的利润率相对较低，客户更加注重成本效益和价值创造，这促使奇点云提供真正有价值的服务，而不是仅仅依赖于关系驱动。
奇点云在零售行业可以说是做得最早的，也是最具代表性的。
· 我们积累了最具代表性和性价比的用户案例作为行业最佳实践，围绕这些案例体系化地沉淀数据资产、指标标签以及场景，并将这些场景落回技术，应用于业务，打造完整闭环。
· 另外，我们将与头部客户合作过程中积累的经验内置成为模型和服务，进而可以向经验较少的中部或者腰部客户提供这些最佳实践，让更多客户体验到头部价值。
1.4 如何说服老板为数字化转型买单？
说服老板为数字化转型买单的关键在于清晰地传达数字化转型的价值，并将其与企业的战略目标紧密相连。
· 首先，需要强调数字化转型不仅仅是购买产品那么简单，还要涉及到技术架构和行业Know-How，三者共同构成转型的基础。
· 其次，着重强调行业Know-How的作用，通过最佳实践和成功案例向老板展示数字化转型的实际路径，并说明如何借鉴这些经验来实现新的业务目标，从而使整个转型过程变得更加清晰和有价值。
说服老板买单之后，还要保障项目投资产出比的合理性。
· 好的行业Know-How能够帮助企业在蓝图设计阶段具有前瞻性和可落地性，在建设阶段确保规划功能与业务的高度匹配，在推广阶段有助于业务更好地使用数据和应用数据，在提升阶段帮助企业识别创新点，提升创新价值。
因此，掌握好的行业Know-How，不仅能够说服老板买单，还能确保项目预期实现价值。
1.5 乙方没有行业Know-How会给甲方项目造成什么影响？
乙方没有行业Know-How可能会导致以下影响：
· 甲方项目侧重于技术基础设施建设而忽视业务需求，导致技术成果与业务场景脱节。
· 难以构建与业务相关的应用场景，使得项目停留在理论阶段难以实践。
· 项目产出和堆砌大量的报表，其中大部分并未被实际使用，降低了项目的实用性。
· 制定出与企业当前阶段和数据成熟度不匹配的宏伟蓝图，导致项目难以执行和成功。
这些影响最终可能导致项目的失败或无法达到预期的效果。
2 零售行业在转型过程中碰到的一些具体问题
2.1 指标体系怎么建？
企业建立指标体系，要充分认识和发挥行业Know-How的重要作用。
以一个供应链优化项目的指标体系为例。企业最初设定的目标是将周转天数从30天减少到15天，同时将缺货率降至5%以下。看似合理，但实际上未考虑到订单处理的时间要求，缺乏时效性，也忽视了降低周转天数可能会增加物流费用，频繁发货、退货可能导致成本上升，以及没有考虑指标维度，拆解不同级别商品的周转方案混乱。
然而，有了行业Know-How，就可以在一开始就告诉客户应该制定多少指标数量、添加哪些必要的纬度，将供应链体系化的指标讲清楚，并且保证其顺利落地，以此避免成重复建设和来回拉锯。
2.2 该怎么做报表？为什么要做“活报表”，而不是“死报表”？
报表是数据平台上的基础需求，但并非所有报表都是必要的。在没有行业Know-How的情况下，企业可能会生成大量的报表，但只会使用极少的部分，大多数报表则被浪费了。
好的行业Know-How能够帮助企业有效地创建和利用报表。例如，我们在“向价值出发第4期”中提到的“532”原则（戳我了解详情），可以帮助企业解决业务诉求。通过这种方法，可以做出使用率高、满足实际需求的“活报表”，从而更好地支持企业的决策过程。
2.3 如何有效地解读指标背后的故事？
先来举一个年销售额数十亿的乳制品企业客户的案例。该企业关注了私域建设的一系列指标，例如一日、两日、三日和七日的用户留存率，以及用户每月的一次、两次和三次购买行为。但是，企业难以回答这些数据对于营销活动和内容制定是否存在驱动力和联系。
我们通过数据分析发现，当用户平均购买3.85次后，他们更有可能自然地继续购买。
这一发现为企业的营销活动设定了目标：企业应集中资源促使首次或二次购买的用户达到四次购买，从而形成稳定的购买习惯。同时，企业在已经购买四次或更多的用户上避免过度投入，以优化成本效益。
可以看出，拥有好的行业Know-How能够帮助企业利用数据分析将指标与业务实践相结合，从而帮助其更好地解读数据，理解数据背后的故事，并据此制定更加有效的营销策略。
2.4 如何实现数字化转型从“看”到“用”？
在前面的几个问题中，我们解释了如何有效地“看”数据，但想要在真正实现数据的价值，关键还是要把数据“用”起来，完成从“看”到“用”。
我们用“超级店长”的案例进行说明。一家拥有3000家门店的企业面临着店长水平参差不齐的问题。经验丰富的店长通常会通过改变高毛利率商品的陈列位置、在会员群中邀请老顾客回访，以及吸引新顾客进店等方式改善毛利率同步下滑的问题，而水平较低的店长却无法解决。
因此，我们帮助企业采用了数据分析的方法，将指标变化与具体的业务动作相结合，总结高水平店长处理方式形成一套完整的业务动作，帮助其他店长通过高水平重复的方式提升业绩。
并且，通过周期式复盘的方式查看指标的改善情况，形成业务闭环，真正做到从“看”到“用”。
2.5 行业Know-How在具体场景中的应用？
我们可以通过两个案例聊聊行业Know-How在数据运营场景和算法应用场景中应用。
数据运营场景案例：某大型超市拥有单一门店300万会员，集团总共接近2000万会员，通投活动，ROI却不足5，也不知如何进行差异化运营。对此，我们构建了一个5x5的迁移矩阵进行人群识别，并采取措施挽回下滑人群，提升上升人群。另外，我们按人群特性做AB测试，促使活动的ROI从5提升到了11。一场活动就能够带来250万收益和40万净利润。我们将这个成功案例提炼为SOP，并推广到了该企业的其他门店。
算法应用场景案例：一家奢侈品企业试图将国外的推荐算法移植到国内，但在国内市场的命中率只有10%左右。我们通过行业Know-how发现主要原因在于人群细分不足。我们使用SDT进行优化，对不同人群建立各自的特征值，并据此调整算法中的特征系数，最终大大提升了算法效果，使得潜客命中率从30%提升到50%；无行为数据已购顾客命中率从11%提升到18%，有行为数据已购顾客命中率从16%提升到30%。
可以看出，拥有好的行业Know-How能够显著提升业务效率和算法效果，帮助企业降本增效，以及更好地利用数据实现价值最大化。
3 AI在零售行业中的应用
AI在零售行业具有无限的发展潜力，并在一些领域产出了较为成熟的应用，但一些领域仍然需要进一步完善和改进。
· AIGC和智能客服成熟度较高。AIGC能够生成高质量的内容，应用于内容描述、产品营销等多种用途。智能客服能够利用AI技术改善客户服务体验，处理常见咨询和问题。
· AI技术在沉淀企业数据、创建知识库等领域也具有一定的实践经验和成熟度。
· 目前，仍处于创新阶段、成熟度较低的主要是使用大语言对话方式做数据提取的AI-BI、经营报表分析生成，以及大语言对话式单据业务流处理等领域。
值得注意的是，无论在何种领域，高质量的数据对于AI的行业应用都是十分重要的。如果没有干净的数据做支撑，会导致AI出现“垃圾进垃圾出”的算法结果。
4 总结
好的行业Know-How不仅能够帮助乙方公司积累成功案例和最佳实践，还能将这些经验与甲方企业的实际需求相结合，帮助他们在数字化转型的过程中少走弯路，不断提升业务价值，达到降本增效的目标。
奇点云正是凭借自身深厚的行业Know-How，才能不断为企业赋能，并且提供更加全面的技术和服务支持，加快企业数字化转型进程。
我们始终认为，数据云平台成功的关键在于好的产品、好的架构，以及好的行业Know-How，三者相辅相成、缺一不可。
