1. 业务背景

电子商务和移动互联网的发展给传统零售渠道带来了新的变化，零售营销模式发生了巨大的变化。移动、社交、O2O、云计算、人工智能等新兴技术正在从根本上改变全球消费者购买和使用产品和服务的方式。渠道、终端和客户获取产品和服务的多样化，将零售企业推到了数字化转型的前沿。零售企业必须建立数字化管理体系，推动从战略到运营的数字化转型。

在此，将零售企业面临的新机遇或挑战总结如下，供读者或数字化转型中的零售企业参考:

(1)线下门店流量少，线上和新零售业态不断分流。

线上电商的蓬勃发展，抢走了线下零售店的一部分流量，这是必然的发展趋势。但并不意味着零售店不再需要它。我们需要关注如何整合线上线下联动营销模式。对于零售店本身来说，需要规划线下客户体验在整个联动营销模式中的定位。

以亚马逊推出的线下体验书店、三胞集团推出的宏图Brookstone为例。因为客户群明确定位在20到30岁的中青年，零售店的设计风格、服务方式等客户体验细节反而更能吸引目标客户。因此，线下门店的明确定位有助于提升品牌形象，带动线上电商业务。

(2)客户渠道分散，多渠道互动差。

顾客将通过各种渠道了解产品或服务。如果零售企业不能通过多种渠道与客户进行良好的沟通，客户将通过不同的渠道获得不一致的产品和服务信息，从而获得较差的客户体验。

全渠道零售是解决渠道分散的有效途径。零售企业通过整合实体渠道、电子商务渠道和移动电子商务渠道销售商品或服务，为客户提供随时、随地、以任何方式购买产品和服务的无差别客户服务体验。

(3)客户粘性差，复购率低，缺乏差异化服务。

客户粘性低一直是零售行业的问题。比如传统超市普遍使用会员卡来提高用户的复购率，但是会员卡积分体系的吸引力较弱，难以培养忠诚的客户群体。客户粘性低的直观结果就是客户复购率低。

产生上述问题的主要原因是线下零售店基本没有营销手段，缺乏主动引导顾客消费的营销手段。因此，零售企业充分利用顾客行为分析等分析手段，更加科学地制定营销和服务策略。其次，要对客户进行分类和精细化管理，做到精准营销、差异化服务，提高销售转化和复购。

(4)无法动态把握客户消费行为。

传统零售企业很难掌握顾客消费行为的数据。只有当客户有购买行为时，客户的这部分交易行为才被掌握，客户交易行为之外的客户行为数据，比如客户的消费习惯，都没有被掌握。换句话说，零售企业在掌握客户消费行为方面是被动的。这种被动的局面给零售企业带来的是被动等待客户上门，做不了主动营销。

零售企业迫切需要掌握客户消费行为的数据，主动营销可以将潜在客户转化为交易客户。

(5)零售企业迫切需要获得第一手客户信息。

互联网和电子商务的发展推动了传统营销方式的创新和变革。一些商品营销模式，如保健品，传统上是通过分销商销售给终端客户。在数字化转型的推动下，大部分商家转向“直销模式”。“直销模式”是一种消除中间商，降低产品流通成本，满足客户利益最大化需求的高效营销模式。简而言之，就是生产者不经过中间商直接向客户销售商品的一种销售模式，减少了中间环节，降低了销售成本。

电子商务方面，从原来的B2B2C营销模式，转变为B2C或B2C+B2B2C混合模式(图1)。这种模式的改变对于产品制造商来说，最大的好处就是可以获得终端客户的第一手资料(客户数字资产)。借助客户智能，分析客户的数字资产，可以很好地支持产品商家和经销商的客户营销和服务。

图1 B2C+B2B2C混合营销模式

2. 零售业营销数字化转型方案

零售业全渠道营销数字化转型方案如图2所示。数字化转型方案侧重于以下特性:

图2零售业营销数字化转型解决方案

(1)全渠道营销:

线上线下双线营销，或称OAO(线上线下)。适用于所有客户联系渠道，如零售店、电子商务、分销商、社交媒体、呼叫中心、会员自助服务门户等。，为客户提供统一的产品和信息等客户体验服务(如图3所示)。在各种渠道之间共享客户信息。

图3统一的客户体验

(2)客户智能驱动的客户体验

建立客户智能驱动的客户体验提升机制，即客户的数据画像，基于客户行为分析挖掘客户价值，提供差异化的客户服务策略建议。负责客户服务到根据差异化服务策略或建议进行市场服务的全渠道前端，目标是预测客户行为，提供超出预期的客户体验服务。这种机制可以描述为图4。

图4客户智能驱动的客户体验提升机制

(3)建立客户大数据平台。

建立企业客户大数据平台，实现多渠道客户的统一管理。

(4)优化客户忠诚度模型。

为零售企业建立多模式、多维度的忠诚度计划和会员积分体系，提升客户互动和客户忠诚度。

(5)客户精准营销

根据客户智能结果，细化目标客户，进行场景化、多系统互动营销，增加客户ROI，延长客户生命周期。

3. 零售业数字化转型中的客户智能方案3.1. 客户旅程驱动的客户智能方案

客户之旅正在成为管理企业客户和用户体验计划的关键工具，管理客户体验至关重要。客户旅程图描述了从客户到客户的接触旅程，并根据客户消费行为的情境对营销和服务活动进行针状指导，主动引导客户消费行为的过程。关于客户之旅的更多描述，请参考作者《客户智能》一书的相关内容。

面对庞大的客户数量，为了满足终端客户和经销商的个性化需求，除了数字化转型和客户智能分析的支持，更重要的是以客户旅程为引擎，自动化客户旅程、客户营销和服务。客户旅程的自动化还应考虑以下因素:

(1)流程管理(阶段)实现客户之旅；

(2)客户旅程的漏斗管理，从管理的角度提供实例化客户旅程的操作；

(3)将客户、产品、订单、经销商与客户旅程紧密联系起来；

(4)线下和线上线索整合；

(5)通过营销活动促进客户的转化和提升；

(6)通过销售活动促进客户的转化和提升。

经过多年数字化转型的努力，零售行业主要业务线的客户营销和服务业务已经有很大比例上线，可以通过移动端完成。在线客户识别和行为跟踪为零售产品商家实施客户旅程驱动的客户智能应用积累了个性化营销的数据基础。

客户数据库结合人工智能算法赋能，可以帮助实现个性化营销和智能营销场景。例如:

(1)基于用户的电子商务行为分析识别产品需求，主动向客户推荐产品；

(2)比如通过完善相关业务系统，为客户推荐合适的产品，促进客户更多购买，顺利下单；

(3)再如，通过电商上的“订单未提交”、“订单未支付”提醒功能，主动跟进客户，促进购买进程；

(4)加强业务系统对经销商经营的决策支持能力，如帮助经销商识别关键营销切入点，触达客户；

(5)提升数据赋能能力，提升经销商对客户的识别和精细化能力。例如，经销商接触了10个潜在客户，业务系统帮助识别潜在客户的优先级。

这些场景基于对用户数据的分析和洞察，精准提供营销痛点和断点的解决方案，有效提升购买转化。有关人工智能如何改善企业营销实践的更多信息，请参考作者《客户智能》一书的相关内容。

3.2. 客户智能方案示例

这里以医疗保健行业为例，以线下体验和线上营销为场景描述客户智能方案。

3.2.1. 业务需求场景

业务需求场景:

④对于在现场体验中心或体验店(以下统称体验店)参与现场健康检查项目的用户，根据检查结果推送相关产品推荐，刺激客户进行购买；

④分析客户的在线电子商务交易；

④对于在体验店参加过现场考察项目但未购买产品的客户，在指定时间段后推送提醒消息。有选择地建议顾客再次去体验店检测，以了解各项物理指标的变化。

商业目的:

④通过商品推荐推送，提升指定商品的购买率；

ü线上线下双线营销(OAO)；

④获取客户交互行为，精准客户营销。

3.2.2. 客户旅程设计

本章描述了涵盖上述业务需求场景的客户旅程设计。

(1)场景1: D+0体验店考察+产品推荐:

ü客户之旅:现场健康检查及产品推荐，如图五；

ü目标客户:当天在体验店参与任意健康检测项目的客户；

ü客户联系点:健康检查和现场订购；

ü推送渠道:线下；

图5 D+0客户旅程设计(离线)

(2)场景2: D+0推送客户关怀消息+产品推荐:

ü客户之旅:现场健检离场后，对现场未下单的客户进行关怀，如图6；

ü目标客户:当天在体验店参与任意检测项目且未现场下单的客户；

ü客户联系:点击商品链接，下单；

ü推送渠道:线上(APP、微信官方账号)；

④数据提取的频率:每天；

ü推送周期:D+0(当日)；

ü推送内容:

可选类型

要求

文本+产品链接

产品链接:点击文本中的关键词，跳转到产品页面。

图片推送

图像限制:2m；支持的格式:JPG

模板(示意图)

图6 D+0客户旅程设计(在线)

(3)场景3: D+3推送客户关怀信息+产品推荐

ü客户之旅:之前关注过产品，但没有下单的客户打理，保持线索热度，如图7；

④传播对象:D+0传播客户中，有点击推送图文消息但不购买推荐产品的客户；

ü推送渠道:线上(APP、微信官方账号)；

④数据提取的频率:每天；

ü推周期:D+3(现场检查后第3天)；

ü推送内容:

可选类型

要求

文本+产品链接

产品链接:点击文本中的关键词，跳转到产品页面。

图片推送

图像限制:2m；支持的格式:JPG

模板(示意图)

图7 D+3客户旅程定义

(4)场景4: D+5推送客户关怀信息+产品推荐

ü客户之旅:向未回复(包括未点击产品链接)的客户推送第二轮客户关怀和产品推荐(替代产品，认为客户对第一轮推荐产品不感兴趣)，保持线索热度，如图8；

④传播对象:D+0传播客户中，没有点击推送图文消息，没有购买推荐产品的客户；

ü推送渠道:线上(APP、微信官方账号)；

④数据提取的频率:每天；

ü推周期:D+5(现场检查后第5天)；

ü推送内容:

可选类型

要求

文本+产品链接

产品链接:点击文本中的关键词，跳转到产品页面。

图片推送

图像限制:2m；支持的格式:JPG

模板(示意图)

图8 D+5客户旅程定义

(5)场景5: D+7推送客户回访消息

ü客户之旅:对已购买产品的客户进行定期回访，提高客户满意度，如图9所示；。

ü目标客户:D+0通信客户中，已经购买了推荐产品的客户；

ü推送渠道:线上(APP、微信官方账号)；

④数据提取的频率:每天；

ü推送周期:D+7(现场检查后第7天)；

ü推送内容:

可选类型

要求

文本+产品链接

产品链接:点击文本中的关键词，跳转到产品页面。

图片推送

图像限制:2m；支持的格式:JPG

模板(示意图)

图9 D+7客户旅程定义

(6)场景6: D+30再次检测到提醒。

ü客户之旅:向近一个月没有购买产品的客户发送健康复检邀请，增加线索热度，如图10；。

ü目标客户:上个月在体验店参加过任何测试项目，但没有购买产品的客户；

ü推送渠道:线上(APP、微信官方账号)；

④数据提取的频率:每天；

ü推周期:D+30(现场检查后第30天)；

ü推送内容:

可选类型

要求

文本+产品链接

产品链接:点击文本中的关键词，跳转到产品页面。

图片推送

图像限制:2m；支持的格式:JPG

模板(示意图)

图10 D+30客户旅程定义

3.2.3. 效果分析

根据客户行为的顶部和底部，客户可以在旅程中有针对性地锁定客户，从而在不影响客户体验的情况下实现精准营销。即便如此，还是要量化每个客户旅程的实施效果，为下一步客户旅程的优化做准备。

(1)效果分析模型

场景1为线下，其余为线上场景。在线场景可以测量以下指标(如图11所示):

点击率:衡量推送的线上推荐商品内容是否吸引目标客户，点击查看商品推荐链接的比率；

下单率:衡量下单的客户数量与目标客户的比例，以及推荐的产品是否吸引目标客户；

人均订单金额:衡量目标客户群体的消费行为；

反馈率:衡量客户参与推送问卷调查或消费回访的情况；

回头率:衡量销售线索的热度。

图11效果分析模型

(2)效果分析的结果(示例)

按场景划分的客户旅程效果分析(示例)见表1。

接下来，营销经理需要和渠道经理等部门一起分析不同场景的实施效果，确定客户旅程的优先改善方向。

表1按场景分析客户旅程影响

事件

效果分析1

效果分析2

场景1

合格人数:1000人

下单人数:200人

订单金额:1万元

下单率:20%

人均订单金额:500元

2个场景

合格人数:800人

被推人数:800

点击次数:600次

下单人数:200人

订单金额:1万元

点击率:75%

下单率:25%

人均订单金额:500元

场景3

合格人数:400人

被推人数:400人

点击量:200

下单人数:100人

订单金额:5000元

点击率:50%

下单率:25%

人均订单金额:500元

4个场景

合格人数:200人

被推人数:200人

点击次数:100

下单人数:80人

订单金额:3200元

点击率:50%

下单率:40%

人均订单金额:400元

5个场景

合格人数:200人

被推人数:200人

反馈数量:150

反馈率:75%

6个场景

合格人数:420人

被推人数:420

预订数量:210

退货率:50%

4.总结以客户之旅为设计师，设计客户在现场体验场景下的接触、响应、交易行为。同时，以客户旅程为触发引擎，动态跟进客户互动行为并分析效果，为下一步客户营销和服务提供行动建议。最大化单个客户的每个联系人的产出，直到赢得客户订单，同时不降低客户体验。有关数字化转型中客户之旅实践的更多信息，请参考《客户智能》一书。

本案例在以下几个方面进一步完善:空:

(1)理想的推送内容管理(参考案例中的客户关怀内容模板)是基于数字资产管理，从而实现内外部优秀内容资源的对接和自动同步。同时，内容交付机制可以支持自定义创建设置和自动执行，以适应快速变化的市场需求。

(2)推送内容需要基于客户细分。不同的客户细化群体，推送的内容(或产品)会有所不同。比如，如果把适合老年人的产品或内容也推给年轻人，客户体验会大打折扣。

(3)即使是同一个客户精细化群体，推送内容也要有所不同。比如可以参考个人客户购买产品或行为的历史，推送相关产品内容。