一、分享主题

今天给大家分享的主题是：关于服装零售领域数字化相关建设探讨，重点介绍如何通过数据模型来驱动服装零售生态链升级。

主要分为四个板块给大家详细分享：

首先第一个板块是关于传统服装零售行业的痛点，第二大板块就是分享一下服装零售行业的数字化演进过程。第三块就是过如何通过数字模型来驱动服装零售行业产业链的升级。第四个板块，就是怎样通过供需平衡来为服装零售行业创造价值。

二、行业痛点

服装零售行业的痛点比较明显，也比较突出

首先给大家分享的第一个板块就是行业的痛点。那我相信做同相同行业的这些小伙伴，或者说是业内人士以及一些it人员的话。可能都会碰到一些相关的痛点。其中最典型的一个就是库存问题。服装零售行业在库存方面可能尤为明显，为什么呢？因为。服装零售行业它有几个特点，第一个就是款式多。第二个就是它的更新非常快。因为现在的服装零售行业属于一个快时尚的行业。那大家也知道，比如说像百货，或者生产型行业的话，他们的版式也好，或者说更新的周期也好，可能远没有服装零售行业来的这么快。正是因为这样的原因，所以我们在销售这种服装产品的时候，很多时候都需要去做备货。但是如果说库存备多了，我们担心会卖不掉。如果备少了以后又怕卖断货，这是一个很典型的痛点。那后面我其实也会聊到，就是一般在当前很多的服装零售行业数字化是怎么解决此类问题。

然后第二个痛点就是涉及到电商行业的一些冲击。其实我们也是一直做线下的这种服装零售，虽然说也偶尔做一些线上板块，线上的这种推广之类的。但是因为电商发展特别快，电商比较方便，随时随地都可以下单，然后过了一段时间就可以收到对应的货品。这样就会导致大部分的流量会走到线上去，导致线下流量慢慢减少，对于线下服装零售冲击就会比较大。

然后第三个痛点其实就是整个服装零售行业的数字化的水平相对来说还比较低。大部分零售门店里面基本上只有一些pos系统。那缺少的是对比如说数据分析，或者说缺少会应用数字化工具的人才，以及如果涉及到多个系统，比如说pos财务，包括企划系统，能够全部打通的这种能力也比较缺乏，所以导致目前大多数装零售行业还是存在这种信息孤岛的现象。

在这样的痛点背景之下，其实目前整个服装零售行业呈现了新的发展趋势。

第一个就是新零售，也就是刚刚讲到的会以线上线下这种融合的方式去做全渠道的新零售，除了有线下的门店，同时也有线上店。

然后第二个就是服装越来越追求这种个性化，大部分人都追求时尚。为什么我们一直说服装行业是一个快时尚的过程，因为它的款式多更新也快。所以很多的人他对于这种新鲜感、时尚感，就希望有这种凸显自己个性的一种需求。

然后第三个趋势，就是数字智能。也就是说越来越多的服装行业开始意识到数字化的特点，然后也开始做数字化的转型，开始有一些数字化的应用。

然后最后一个特点就是供需平衡。以往的话，我们可能都是比如说以买方市场为主，或者以卖方市场为主，更可能会关注其中一端。现在更多的企业在服装零售行业里面，更多的会去关注用户的需求，并且灵活的去应对用户需求带来的变化。

三、数字化进程

在这样的背景之下，服装零售行业数字化它到底是怎么样的演化过程呢？在此我也总结了一下，当然这个总结是我个人的一些经验分享，可能也有不同阶段的划分法。

首先第一个就是传统买卖阶段，它是B2B2C的模式，也就是我们从经销商渠道那边去把服装采买过来，然后加上一定的利润空间，然后卖给我们的终端消费者。

然后第二阶段就是渠道的升级过程。这时我们可能会去源头厂家直采，我们就会通过一些智能企划的方式来降低采购成本。

第三阶段，就会慢慢的侧重到用户端。也就是我们现在越来越追求这种时尚追求个性化，我们就会去了解用户到底要什么。在这个阶段，我们把它称之为叫C2B2B.我们通过大数据的系统，来把每个用户需求画像给描述描绘出来。然后实现精准的需求的转化。我根据用户的需求，这个是现在流行什么，用户需要什么？然后我去我们的厂家那边去找到对应的商品。

最后阶段就是价值连接，实际上就涉及到比如说做服装零售行业的企业，它会从底层从组织上面去做变革。然后真正的关注供需两端的需求，最终来创造价值。

每个阶段都有其特点：

以上四个阶段其实都有其特定的演进逻辑：

第一阶段更多的是产品阶段，也就是说我们把产品拿过来了以后，去给到我们的消费者。

而到了第二个阶段呢，我们称之为叫复制阶段。比如说我开了一个服装线下零售店之后，我会开两个店，三个店，我会把这种规模复制出来。

然后到了第三个阶段也就是营销阶段，我们会注重营销。比如说我们为了解每个用户他到底要什么？我们会去做一些这种用户画像的不同的营销。

然后到了第四个阶段，就是资本阶段。为什么这么说呢？因为这个阶段当有了一定的用户基数，有了一定的用户画像，然后我的产品又相对符合这个用户的时候，我们就会去快速的扩张。大家对于一些服装品牌了解的话，应该知道，比如说像zara或者说是H&M或者说是像优衣库之类的，其实就是非常典型的这种应用场景。

到了最后阶段，实际上他们就会开始立自己的数字化平台。通过平台的方式来快速的建立品牌线下实体店，以及线上的各个渠道，形成全渠道的营销体系。

总结一下：我们一直说从垂直领域到平台，它其实是从做业务到为业务提供服务的过程。最开始我们是纯粹的做业务，不管是卖产品也好，做营销也好，或者说更多的去线下拓店也好，本质还是在做业务；而到了平台阶段，实际上是为完整的闭环的业务去提供平台性的服务。所以这就是服装零售领域的数字化进化的底层逻辑。

四、数模驱动产业链升级

有了上面说的底层逻辑之后，我们现在也一直在研究怎么样去推动整个产业链的升级。我们提出来一个概念，叫做用数字模型来驱动整个服装零售产业链的升级。

那其中的话就离不开数据这个概念。其实在现在信息化时代，或者说互联网的时代，我一直认为数据是新能源，谁掌握了数据，谁就能够创造价值。

包括像抖音、淘宝、美团这些互联网企业，包括头部的服装零售企业，像SHEIN,包括像刚刚提到的几个品牌(ZARA、优衣库、H&M等），他们都是典型的通过运用数据去创造价值。

那我们来看这几个行业，第一个行业就是移动自媒体行业，大家肯定都用抖音。抖音的逻辑：根据用户不断的刷抖音，然后根据你关注的内容，你的兴趣爱好，然后给你推送你感兴趣的内容。甚至根据你周边的人所看的内容，再给你不断的推送一些内容。

然后第二个就是零售生态行业的直播电商，这也是目前一种非常主流的传播趋势。

然后第三个也是目前比较流行的，就是关于一些机器算法方面的应用的，最典型的就是自动驾驶。那现在新能源汽车发展也非常快。我相信JDC的小伙伴应该接触的可能比我更多。

那我们是否可以像抖音一样去做服装零售呢？

答案当然是肯定的：

这里面就涉及到一个核心的点，就是推荐算法。我们来类比一下刷抖音，其实它会把用户的，比如说停留的时长，你的完播率、点赞、收藏，包括你的分享，你的这些动作，它都会记录下来。然后它对应的会有创作者中心，也就是发这些抖音发视频的这些人。那这里面它也有一些核心关键词：比如排名、流量池、优质推荐、变现能力。

其实因为我是做服装行业的，所以当我刷抖音的时候，它就会给我推一些这种关于服装的一些内容。然后我们来对比一下，比如刷抖音，其实对应到我们的门店的数字化场景：每个门店也都会有对应的数据产生：比如进店率。到店的转化率，然后门店的热区（就是用户经常停留在哪个区域，比如说是在童装区域，还是在男装区域或者女装区域），用户的试穿率，每个门店的周转情况等；

有了这些数据之后，我们就可以去做一些推荐。然后推荐得出来的结果，实际上会反馈到供应端。也就是供应链，需要提供什么样的商品去满足不同门店的不同用户的不同需求。

而对于供应链，也会产生响应的关键指标：比如进货量、合作模式、供应链所在的区位、渠道级别等。有了这些关键指标，就可以为整个零售领域的推荐算法提供数据基础了。

有了这些数据基础之后，我们应该怎么样去产生最终的应用价值呢？

这时就涉及到物理世界跟数字世界的对应关系。

我们要找到这种量化的要素，这才是我们去建立数据模型的关键。

比如说在我们物理世界里面，可能大家所了解的商品结构、库存等，但是在数字化系统里面，得转化为库销差，可销售天数，每个月的指数，转化率等具体的指标。

而数字模型就是实现全景链路的关键，我们要做的就是找到每个关键节点的算法模型。

这里给大家分享一些常用的架构：

以上架构就是我们在实际推进服装零售领域数字化转型过程中常见的一些架构：

首先是建立标准的开发框架，很多服装零售企业在数字化转型过程中，可能不太重视这种基础框架，往往直接上应用，就会造成缺少整体的开发逻辑，最终导致信息孤岛或者返工重复建设等情况。

其次就是逐步构建全链路的业务架构，这需要比较漫长的建设过程，并不能一蹴而就。从底层的数据中台、业务中台的建设，到上层的业务应用建设，再到不同的业务工作台的构建，这每一次构建都需要投入大量的人力物力，并且需要组织的全力支持，才能最终完成数字化转型。

五、如何通过供需平衡创造价值

其实服装零售行业底层逻辑就是供需平衡，实现供需平衡可以解决文章开头提到的所有痛点。

比如说。我们一直在研究需求，那需求阶段其实更多的是去建立一些需求的这种智能模型。例如：企划模型、调度模型、风格模型，包括一些推荐算法。

然后另外一端就是我们的供应端，更多的是解决链路上的问题，每个环节就涉及到了：智能制造，供应管理，仓储物流、智慧研采等。

需求端和供应端到底是怎样的一种关系：需求端给供应端提供信息流和现金流，而供应端则给需求端提供商品流。但是供需平衡并不是简单的关注供应和需求两端，我们还需要基于企业的整个数字战略（包括经营、运营和创新方面的战略）以及组织、财务和信息方面的全面配合，才能完整的实现供需平衡。

最后给大家分享几个服装零售领域的数字化应用场景：

第一个就是解决库存成本问题的场景。就是我们会建立一些中心云仓心的问题解决的是什么呢？就是因为款多，所以门店的备货风险比较大。它会占用较多的现金流。如果我建了一些各个地方的云仓去做备货的话，并且通过每天的一些实时的数据分析。那这样的话，我就可以把中心云仓去给每个门店去做一些那个补货的策略，这样的话就能够降低我的库存成本问题。那同等的销售情况下，通过中心云上可以降低大概20%的库存量。这只是解决库存成本问题的应用场景。

第二个场景就是解决业财一体的问题。我们也知道业务逻辑它跟财务的标准可能会经常出现一些不关联的情况。原因就在于很多时候我们就会以业务优先。

建立了业财一体的系统之后，实际上在业务逻辑我们会内置财务系统的预算，结合业务去自动生成财务的三张表。然后开放展示这个时候就只有逻辑性的问题了，不会有操作的失误的问题了。这也是通过内置业务逻辑的方式，在业务逻辑里面把财务的一些内容给内置进去。我们现在的erp系统，或者说一些业务系统里面已经融入内容进去，所以这个是解决业财一体的问题。

第三个板块就是解决供应链不闭环的问题，就会通过建立SCM系统来进行管理。它的核心问题就在于我们对于供应商的一些分级的标准不够量化，在合作的过程不够闭环，这个时候通过scm系统，他就把整个供应商的合作，前中后的这些底线去做管理。比如说。不同等级的供应商，他应该有什么样的采购规模。这样一来，整个供应商的质量，它就会自动做优化，不合格的就自动淘汰掉，这样会提升整个投资回报率。

第四个应用场景就是商品企划。要是用来解决千店千面的问题的，也就是说我的所有的商品的数量。是根据每个门店它所在的位置，它周边的客群来得出来的，因为每个店的客群它的面积需求都不一样。如果说我给每个店给的货都一样。那可能就无法满足他周边的客群的需求。所以建立企划管理系统，最根本的就是能够建立每个门店的画像。门店的画像其实就是最终能够把他周边的一些客群画像都给绘制出来。这个时候就可以根据画像得出来这个门店它需要什么样的品类，什么样的风格。那这样的话就会实现供需的匹配，然后按需去做调度。比如说有些门店卖的好的，我就会实现调度。有些门店卖的不好的，我把卖的不好的商品调到卖得好的门店里面去。这样一来，通过企划系统，它能解决掉需求匹配度以及客户满意度的问题。

这次的分享主要是这些，后续有机会再跟大家深入探讨如何通过算法来做商品企划。