你好,游客 登录
背景:
阅读新闻

金拱门:土名儿背后的大数据驱动「榜样」

[日期:2017-11-06] 来源:诸葛io  作者: [字体: ]

最近,一则企业更名的消息让社交圈炸开了锅···

大数据

  金拱门着实火了一把,因为他实在太接地气了,在他还叫“麦当劳”的时候,每当移动支付、人脸识别等新技术面向市场时,他总是身先士卒, 除了其背后巨大的推广号召力,也不难猜测,这家公司在科技方面应该也算走在前列,作为如此庞大的快餐帝国,麦当劳其实一直在通过技术和大数据驱动管理和决策,并以此来支撑了这个巨型系统的持续增长…

  一、数据整合

  麦当劳在全球范围内拥有超过34,000家门店

  旗下75万名员工每天在118个国家接待超过6900万的顾客

  平均每秒钟售出75个汉堡

  麦当劳年收入270亿美元

  (数据来源于网络)

  单个信息系统的数据只能满足单一需求,提升的是局部效率,想要保证这个庞大系统的运作和持续增长需要有更强劲的大脑——麦当劳全球数据仓库。这个“大脑”整合了整个供应链、门店系统、用户以及组织管理等过程中产生的几乎所有数据,比如:

  -APP用户数据

  包括你在移动端的行为数据以及移动设备的环境数据,包括地理位置、手机品牌型号、网络环境等

  -麦当劳商业智能平台

  自行开发的数据仓库,其中包括库存、采购、员工管理相关骨干信息,以及自行设计的交互式可视化平台

  -POS机交易数据

  交易流水数据

  -单店表现数据

  如卖出多少套餐、哪款套餐更受欢迎、员工考勤记录等

  -一级和二级研究数据

  如客户和员工体验、运营和营销数据

  -第三方公司的单店分析

  第三方公司调查的客流量、随访满意度、卫生状况、根据地图导航去餐厅路线、标识是否醒目等

  -供应链合作商数据

  进货商货源品质、价格、路线、当地天气状况、交通管制信息等

  数据的整合只是“数据驱动”的第一步,如何让数据有所应用并且推动业务增长呢?下面我们从门店、用户以及预测管理分别展开介绍。

  二、门店管理

  对于连锁品牌而言,除了采用多店汇总得来的平均数据做管理决策,对单个店面的洞察就需要“个性化”管理。麦当劳每家餐厅都可以依据独特的运营表现数据进行规划,其中包括:客户需求、布局、到达模式、菜单、产品结构、人员配置、天气等。

  比如位于芝加哥的一个分店需要配置1个冷饮机,但位于休斯顿机场的分店因为候机客流量很大可能需要6个这样的机器。

  麦当劳将数据整合,通过可视化界面更好地帮助分店经理或公司管理人员了解造成门店之间差异的原因。从而帮助他们迅速而准确的做出运营决策。

  三、用户管理

  1、用户画像

  麦当劳一直想搜集用户的消费行为信息,然后精准地为他们提供营销策略。起初,麦当劳是让用户自行填写个人信息,例如性别、年龄之类的,但是这些信息价值不大。为了获得真实且客观的用户行为,除了采集移动端行为数据,麦当劳也尝试了更高端的技术采集方式——用眼球跟踪技术搞懂消费者。

  通过眼球跟踪技术,学习消费者如何观察一家餐厅,捕捉到如下信息:

  他们进入门店的路线是什么?

  与点餐人员有哪些互动?

  是否会看内部厨房还有点餐板?

  点餐之后都做些什么?

  此外,视频分析可以用来跟踪顾客在店内就餐或不停车点餐中花费的时间,毕竟消费者选择麦当劳最大的需求是快捷,如果在点餐环节花费时间过长,对用户来说,一定是非常不好的体验,是硬伤。

  另外,基于线上线下数据的整合,麦当劳采取了打通数据自建闭环生态的战略,以日本为例,麦当劳真正采集到用户交易信息,是在2008年开始和DoCoMo一起在其旗下3,300家门店建设了NFC手机支付读取终端,并部署了CRM系统,采集用户信息。

  这些信息包括用户的消费频次、经常光顾的店面、单次消费的金额、购买的食物品种等。日本麦当劳耗资数百亿日元,建设了一套顾客信息挖掘系统,并对门店采集来的用户交易数据进行非常精准的挖掘分析,然后个性化地向他们推送每个都不同的优惠券。

  2、精准营销

  用户数据解析消费者特征,从而实现精准营销。这些信息包括用户的消费频次、经常光顾的店面、单次消费的金额、购买的食物品种等。例如:

  对于周六、周日白天频繁购买咖啡的顾客,发送周末早上免费兑换咖啡的优惠券

  对于一段时间没有光顾的顾客,发送过去经常购买的汉堡等产品的打折优惠券

  对于光顾频率很高,但没有购买过新品汉堡的顾客,发送新品汉堡大幅打折优惠券

  对于经常购买汉堡套餐的顾客,发送苹果派等小食的打折优惠券

  这些个性化的优惠券可以大大提升门店到达率,提升单笔消费金额。或者说更好地起到了CRM的作用。

  四、预测

  数据,除了用来发挥衡量和日常管理的价值,对于这样一个庞大的系统来说,更重要的可能是预测,预测产品风险、管理风险。通过线上线下、门店仓库、店员用户等多维度的历史数据挖掘,抽象出各种分析模型。

  比如,当员工数量增加至5人,收银窗口使用4个, 推出2个新品1号、1个新品2号、5个新品3号时, 总满意度将达到2.5%(上涨1.7个百分点), 回头客增加2个百分点, 成本下降5%,以及盈利上升4%。

  再比如,根据某一门店周边环境和客流量,预测最佳进货时间和员工分配,当周边新开一家公司或新建一栋写字楼时,本店应增加几名员工,进货时间是否需要提前,如果附近公司年轻员工较多,是否需要增加咖啡机、冷饮机等。

  可见,预测性分析不仅是在做未来规划,其实是在规避风险和减少试错成本。

  最后,在互联网+、O2O、新零售、数字化营销等这些新概念、新模式出现的时候,我们也总能看到麦当劳这样一家做传统生意的餐饮店在发展过程中结合这些新模式的实践并且卓有成效,特别是在数字化营销方面也更是推陈出新,日后诸葛君再慢慢研究吧。





收藏 推荐 打印 | 录入:Cstor | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款