第五节案例分析：ZARA用大数据"秒懂"顾客所需

首页 > 科技 > 大数据 > 正文 2021-02-27

发表自话题：2020无视征信大数据秒下5万

第五节案例分析：ZARA用大数据"秒懂"顾客所需

目前，在全球的56个国家和地区，ZARA拥有超过2000家的店铺，与此同时，ZARA也被称为快时尚的***品牌。

"天下武功，唯快不破"，ZARA作为全球知名的快时尚品牌，推出一件新品的时间最短时间只需要3天，全年累计可以推出大概12 000款新样式的时装，效率之高，业内无出其右。那么，ZARA推出新款的设计灵感又是源于何处？调查发现，原来ZARA通过其强大的全球资讯网络，把每一件销售出去的商品信息（价格、时段、客户等）都记录下来，然后经过后台的自动化程序分析总结出顾客的喜好，并以此指导未来产品的生产决策。

1．分析顾客的需求

如果细心留意就会发现店内的柜台和各角落都装有摄影机，当顾客向店员反映"这件衣服口袋处花边不好看""裤腰上的装饰很漂亮"这些细枝末节的问题时，别的店家可能不会引起关注，但是ZARA的店员却会在收集意见之后向分店经理汇报。经理通过随身携带的PDA工具，借助ZARA内部全球资讯网络将讯息传递给总部设计人员，然后总部就会快速地做出生产决策，直接指导工厂生产线，改变产品的样式。

目前，ZARA旗下拥有600余位的专业设计师，每时每刻都在将顾客意见融入进设计中。不走高端流行路线，而是以当季和当下顾客的需求为主，仅一年就能设计出40 000多种款式，以数字分析和惊人的速度，创造出顾客所购买的每一件ZARA产品。

每天结束营业之后，店员除了盘点工作之外，还会对顾客购买和退货的商品做出统计，再结合柜台现金资料、交易系统做出当日销售情况的分析报告，然后将退货率、当日产品热销排名等数据直接反馈到ZARA仓储系统。

收集海量的顾客意见，据此做出生产销售决策，这样的做法大大降低了存货率。同时，根据这些电话和计算机数据，ZARA分析出"区域流行"，在颜色、板型的设计生产中，做出最靠近客户需求的市场区隔（见图4-7）。

精准记录每一件销售出去的商品价格、时段、客户等数据，是ZARA全球企业网络的魅力之处。总部决策部门可以利用自动化分析程序，将汇集而来的海量资料进行大数据分析，总结并预测出顾客对产品的喜好情况，进而作为推出新品的决策依据。门店日积月累的数据资源成了ZARA不可或缺的强力后援，在节省人力、物力及时间成本的同时，也为公司更加准确地预知商机做出了巨大贡献。

2．结合线上店数据

ZARA同时在六个欧洲国家成立网络商店，形成海量资料的互联互通，这是ZARA在2010年领先业内的创新之举；接下来在2011年，ZARA又马不停蹄地分别在美国和日本建立了网络平台。线上商店的成立，不仅增加了营收，同时还加强了双向搜寻引擎和资料分析预测的功能。通过线上线下的闭环体系，店铺运营过程中产生的巨量数据可以直接反馈给生产端，从而让决策部门清晰地把脉市场趋势，找准突破目标； ZARA在后台分析而来的时尚讯息也可以***时间传递给消费者，为他们的选择提供参考。据统计，在成立网络商店后，ZARA的业绩至少提升了10%，这就是"大数据"带来的好处！

另外，线上商店除了促成交易行为，也是活动产品上市前的营销试金石。ZARA经常会在网络上举办消费者意见调查，再从网络回馈中撷取顾客的意见进行数据化分析，从而对实际出货的产品进行指导改善。

与此同时，ZARA认为能在网络上搜寻时尚资讯的人，对资讯的掌握能力及其催生潮流的能力，比一般人更强。此外还发现，能通过网络抢先得知ZARA资讯的消费者，进实体店消费的比率也很高。所以，把网络上的海量资料看作实体店面的前测指标，也是ZARA大数据应用的一个方面（见图4-8）。

这些顾客资料，除了应用在生产端，还同时被ZARA公司各部门使用，包括客服中心、营销部、设计团队和流通渠道等。根据这些巨量资料，形成各部门的KPI（Key Performance Indicator，关键绩效指标），完成ZARA内部的垂直整合主轴。可以预见在未来的时尚圈，除了设计能力外，数据也将开辟更重要的隐形战场。

3．对数据快速处理、修正、执行

大数据最重要的功能是缩短生产时间，让生产端依照顾客意见，在***时间迅速修正。ZARA从设计、打版、制作成衣到店铺上架，只需2周，而新货配送至世界各地只需36～72小时。在所有的环节紧紧相扣之下，这一切让一周新货上架两次成为可能。当大部分的服装品牌都提前6个月时间囤货的时候，ZARA的库存率却维持在15%到25%。若是突然出现一个新的潮流趋势，ZARA也能马上紧跟，这是很多的竞争对手们都做不到的。

通过相似的信息反馈机制，如果ZARA发现某款产品卖得不好，他们会马上停止生产。如此快速决策的背后，得益于ZARA把大部分生产基地都设在了西班牙总部附近，而其他品牌的产地却分散在亚洲、中南美洲各地。跨国沟通的时间，拉长了生产的时间成本；如此一来，大数据即使当天反映了各区顾客意见，也无法立即得到改善，资讯和生产分离的结果极大地限制了大数据系统的发挥（见图4-9）。