背景：伴随社会经济的发展，三大产业的数字化渗透率逐渐提高，传统零售不断向新零售演进升级。新零售时代用户为王，“人”的数据化价值将反哺生产、渠道、销售、运营全场景。以用户数据为生产要素，跨越数字化到数智化的鸿沟，将为零售企业构建新的竞争壁垒。
痛点：流量红利增长趋缓，存量运营及用户全生命周期价值亟待重视；平台获客成本攀升，企业经营及营销承压，关注客户的真实需求势在必行；IT团队与业务团队存在业务错配，仍需加强协同；数据采集、数据处理及数据应用上的问题，掣肘精准运营。
策略：1）战略转型：认知并重视CLV价值，建立CLV体系；2）业务创新：拓展创新业务场景，提升用户深度运营能力；3） 深化洞察：提升数据洞察能力，理解市场发展的新趋势；4）高效运营：从组织架构、数据规范、业务引导等方面着手，建立数智化运营体系；5）技术准备：基于数据沉淀及底层基础设施，搭建营销数智化生态矩阵。
趋势：零售企业向DTC转型，DTC渠道不断丰富，同时重视私域流量的布局，形成用户购买行为及数据资产沉淀的闭环；“人、货、场”数据整合打通，数智化融合程度跃升，构建数智化新生态。
根据中国信通院统计数据，中国数字化的经济规模不断的提高，2020年中国数字化的经济增加值规模达39.2万亿元，同时数字化的经济占GDP比重逐年提高，2020年达38.6%。从三次产业的数字化的经济渗透率来看，渗透率逐年上升，其中第三产业数字化的经济发展显著优于一、二产业。依托数字化知识及信息，以信息网络为载体，以数字技术为驱动，数字化的经济将在新经济业态下创造更多产能。
随着数字化的经济的发展，企业对大数据的需求愈加深入，数据的应用场景更丰富，尤其是在疫情影响下，以零售为代表的众多行业在线上营销渠道的布局上面临更大的机遇和挑战，因此用好数据也成为企业营销人员最需要长期投资的能力。而在营销数据的应用上，数字技术发挥的价值也在不断增大，从单纯的数据分析为营销决策提供参考，到基于营销数据进行用户数据资产化的沉淀，目前数据资产化成为数字时代下企业的重要需求。
伴随社会经济环境的发展，零售行业历经集贸式零售、连锁店式零售、电子商务式零售发展到新零售阶段。集贸式零售即市场化的萌芽期；连锁店式阶段零售行业发展速度最快，多种业态并存；2003年淘宝成立，标志电子商务式零售时代的到来，电商平台涌现，开启多渠道运营；新零售阶段零售业向全渠道化发展，更重视渠道的融合和消费者体验。数字化进程贯穿零售发展之路，在企业信息化架构POS、ERP、WMS基础上，DMP、CRM、CDP的搭建帮助企业更好地应用数据。
根据国家统计局数据，2020年受疫情影响，社会消费品零售总额为39.2万亿，同比下滑3.9%。其中，网络零售保持稳健增长，在社会消费品零售总额中占比达30%。从2020年网络零售分品牌交易额来看，服装鞋帽类、日用品类、家用电器和音响器材分别以22.3%、14.5%、10.8%的份额位列前三。基于大数据及新技术，数字化持续赋能零售业全渠道，线下渠道向智能化转型，线上渠道在便捷性及个性化推荐方面优势显著，预计未来在数字化的驱动下，线上线下渠道将进一步融合。
零售行业的发展从战略层面分别经历了产品为王、流量为王和用户为王三个阶段，而每个阶段的战略重心，都分别很大程度上推动了“人货场”的数字化转型进程。新零售数字化赋予了“人货场”更多价值，从人的层面，用户运营由碎片化的信息发展为用户画像，同时用户标签使企业能够更大程度挖掘用户的生命周期价值；从货的层面，产品及服务的研发与营销以人的偏好展开，供应链向柔性化、网络化发展；从场的层面，线上线下交互融合，承载产品及服务的同时，沉淀数据资产。由产品为王、流量为王发展到用户为王，用户消费选择权及话语权愈加强势，“人”的数字化是识别、了解、运营用户，实现商业变现的必要途径。
在零售行业用户为王的时代，零售企业从新品的设计、渠道终端的选择、销售策略的制定再到已有用户的运营，都会以用户为中心展开，从用户需求出发链接到各场景，首先需要做好用户数据化。具体来看，零售用户数据化的价值体现在生产、渠道、销售和运营各场景，精细化地解决企业增长核心问题，包括用户喜欢什么产品、用户喜欢在什么渠道购买产品、用户更加容易被什么卖点打动、怎么抓住用户地全生命周期价值等，帮助零售企业建立更加有效的增长策略。
零售企业从数字化起步到数智化可以概括为6个阶段：起步、感知、融合、洞察、智能、敏捷，每一次阶段的跃迁，都代表着企业数字生态的进一步成熟和完善。目前大部分零售企业正处于前三个发展阶段的努力与转型中，逐渐形成全渠道的用户运营模式，而未来越来越多的零售企业将相继进入数智化阶段，实现对用户价值更加深度的挖掘和运营。运用用户数据作为生产要素，跨越数字化到数智化的鸿沟，将为零售企业构建新的竞争壁垒。
CNNIC数据反映了互联网流量环境，2016-2020年中国网民规模及移动网民规模逐年递增。截至2020年末，中国互联网用户量高达9.89亿，网民渗透率为70.4%；移动网民规模高达9.86亿，渗透率为70.2%。高渗透率一方面驱使零售行业企业主重视线上渠道的销售与营销；一方面说明流量红利向上增长空间受限，零售企业主应重视存量用户的运营，深度挖掘用户全生命周期价值。
货币化率即平台变现能力，反映平台型电商通过佣金及广告变现的情况，典型电商平台如京东、阿里货币化率逐年提升。货币化率从另一个层面也反映平台入驻商家的投入成本，而且零售行业中的快速消费品、服装类商品佣金要较其他品类更高。获客成本升高，企业经营及营销承压，零售业态用户为王，关注用户需求势在必行。根据中国百货业协会调研，百货店收集消费者数据的用途集中在了解用户偏好与精准营销，并为顾客提供更个性化的产品及服务。
中国信息化周报针对企业数字化转型主导权做出调研，结果显示不同企业数字化转型主导部门有差异，42.6%的受访企业IT部门起主导作用，41.2%的是企业管理部门，11.8%为业务部门。技术团队与业务部门在协作过程中存在以下痛点：从职能本质来讲，技术团队主导数据的底层处理与分析，处于价值转化的前端；业务团队基于业务逻辑，结合分析成果做出决策与判断，处于价值转化的后端。IT部门在技术支持上和业务需求存在错配，仍需不断磨合和协同，尤其是在数智化阶段，如何让IT技术更加贴近业务进而产生更大的价值，是零售企业转型的主要痛点。
零售业数智化升级进程中，数据作为平台及企业的关键资产，更是企业主的痛点所在。从数据采集层面看，企业主面临一方数据采集难、三方数据质量差的困境，对于分销渠道复杂的零售品类，用户数据采集缺乏实时性与全面性；从数据处理层面看，数据清洗困难、各渠道数据打通不易，用户分层及用户标签的创建与数据质量息息相关，直接决定企业是否能够实现精准营销；从数据应用层面看，数智化产品在用户行为预测、销售决策等复杂建模功能上亟待优化。
零售企业提升用户价值，关键在于实现企业数智化的升级，主要包括战略的升级、业务的创新、深化的用户洞察、高效的用户运营、技术的支撑等五个方面，这也是零售企业在数智化升级过程中需要重点关注、探索和建设的能力和方向。
企业在数智化升级实践中，绝对不应该是为了转型而转型，需要有战略思维层面的认知变化和目标迭代，才能支撑企业的数智化真正落到实处。根据清华大学全球产业研究院的调研数据显示，提升销售率和利润率是所有企业在营销方面展开数智化转型实践的共同目标，而对于零售企业而言，销售率和利润率的提升很大程度体现在从流量思维到单客思维的转型。在流量红利渐退，获客成本增加等因素影响下，通过“广撒网”的营销模式实现消费者转化、带动GMV增长变得更加困难，而抓住每一个已有用户的整个消费生命周期（CLV）反而是更加有效的增量途径。零售企业提升用户价值的关键在于企业管理团队自上而下对CLV价值的认可和探索。
在零售企业战略思维的转型过程中，其反应出来的价值评价指标也在升级迭代。相比GMV驱动时代下对流量、转化、客单价及复购率的追求，CLV驱动时代更加关注用户在全生命周期中的所有价值的连续和延展。而当前CLV指标价值除体现在营销效果层面，更体现在CLV逐渐成为零售企业价值考量的重要参考标准。因此，建立优质的CLV体系也成为数智化时代零售企业的重要目标。
零售企业可以通过不断布局更多的数智化创新业务，来增加自身在用户运营上的能力。通常来看，零售企业的营销链路主要可以分为数据洞察、创意内容、媒介渠道、服务体验及定制生产等几大场景，各类创新业务赋能不同场景，帮助企业实现用户价值提升。如创意自动化业务，可帮助零售企业更加高效地进行千人千面的创意内容制作和匹配，提高内容制作效率及对用户的个性化吸引力。再如营销自动化业务，可帮助零售企业对用户进行更加智能化、个性化地沟通与触达等。
中国广告主对营销部门的职责认知，最主要是正确帮助企业理解消费者和市场趋势，而其最需要提升的能力恰恰也是快速洞察市场和提出策略的能力，及对消费者数据的处理和分析能力。可见在用户洞察方面，企业的期待效果和实际效果仍有差距。尤其是在用户为王的零售行业，加强对用户的洞察显得尤为重要，包括从群体画像到个体画像的升级，从静态标签到动态标签的运用等，零售企业需要投入更多的资源和精力，去打造更加深度和全面的洞察能力。
零售企业在数智化升级推进过程中，还需要搭建一个成熟的数智化运营体系，以提高企业的用户运营效率，进而更加高效、灵活、敏捷地开展相关工作。而通常来讲，建立成熟的数智化运营体系需要做好三个方面的准备，1）根据企业自身数智化进程做出更加合适的组织架构调整，提高整个企业的灵活性；2）对企业所有触点的数据采集做好标准化规范，提高数据的使用价值和效率；3）做好各业务场景数据使用的引导和培训，加强对用户数据的利用程度。
零售企业的数智化升级首先需要形成足够的用户数据资产沉淀，进而对用户数据进行分析与处理，并将其应用在各个具象的营销场景中，实现更加优质的营销效果。而数据中台、CDP、DMP等平台在整个企业营销数据生态中扮演着底层基础设施的作用，负责各方用户数据的收集、整合及加工处理，几乎所有Martech应用场景都需要基于数据中台/CDP/DMP去实现和落地。因此，对零售企业来讲，选择合适的方式，把底层基础设施建设得更加稳固，也是为未来搭建完整、成熟的营销数智化生态矩阵提供更加优质的生长土壤。
DTC模式起源于美国，其凭借跟消费者更加直接、深度和稳固的关系链接，受到越来越多零售巨头企业的青睐，随着中国零售理念和社交媒体环境的发展，中国本土零售企业也开始向DTC模式进行尝试和转型。依托社交关系链，私域流量以性价比高、去中心化、可深度触达等优势成为零售业布局的新风口。用户购买行为链路形成闭环，沉淀在企业私域中，反哺数据资产，不断强化用户触达与交互。未来DTC模式触达渠道将更为丰富，DTC的渗透也将进一步加速中国零售企业数智化升级的进程。
在零售行业的数智化浪潮中，人、货、场的数智化转型进程都在不断深化，数智化变革也不断优化人的管理、货的管理和场的管理。未来零售企业的数智化不是仅专注于某一个部分，而是把人、货、场所有的数据来进行整合打通，实现真正意义上的新零售数智化生态，除了在营销策略上能够依托数智化进行决策外，在渠道铺陈、门店管理、供应链管理、产业研发等方面都可以在一定程度上完成智能化和自动化。在新零售时代的数智化生态构建中，用户数据将成为打通“人货场”的关键所在，用户价值将愈加显著。
