近日，天貓聯合咨詢機構埃森哲發布《天貓企業經營方法論——雙輪驅動，全域增長雙輪驅動白皮書》，阿里巴巴集團副總裁、天貓事業群副總裁吹雪表示，下一階段天貓將助力企業從電商全域營銷走向企業全域直接服務消費者營銷，從人群運營走向全域的消費者與貨品生命周期管理。

對企業來說，如何以貨品滿足消費者的消費需求，并提供附加優質服務，其實是一個亙古不變的話題。

“不論何時，企業都需要充分尊重消費者的習慣和建議” 紀梵希資深客戶關系管理經理 Candy Yang告訴記者，“正因如此，線下門店一直是紀梵希與消費者最為直接的溝通窗口，因為我們相信人與人之間的面對面，一直是最有效的溝通方式之一，BA(導購)能夠捕捉消費者細微的情感變化，而消費者也能夠通過聽、看，甚至是門店的氣味去感知品牌文化。”

目前，紀梵希在中國內地已經開出113家線下門店，成為紀梵希品牌在中國內地市場與消費者保持高效溝通的強有力紐帶。

“但近年來，受包括疫情在內的客觀環境影響，線下門店的確受到了比較大的沖擊，”Candy透露，“我們也在積極尋求一些借力，期望能夠幫助線下門店獲得新發展。”

今年上半年，紀梵希首次嘗試阿里云數據中臺-GMV(成交總額)策略模擬解決方案，通過對線下門店銷量進行預測、對影響門店銷量各營銷因素進行歸因，并制定活動期各項營銷手段調整策略，最終完成的門店整體GMV預測準確率能保持在95%以上，“這個數據超過了我們的預期。”Candy如是說道。

線下市場影響因素復雜 門店GMV預測并不是件簡單事

作為全球高端彩妝代表品牌之一，紀梵希自2007年進入中國內地市場以來就備受消費者青睞，并陸續開出113家線下門店，其中精品店19家，百貨店94家。

Candy透露，不同類型的門店會注重消費者的不同體驗，比如百貨店是一種相對開放的門店形式，大多設置在綜合性商場一樓，看著其實更像是一個展臺區域，與周邊其他品牌的百貨店相鄰不遠，“這種類型的門店每天都會面對巨大人流量，因此我們首先要考慮的是讓消費者能在眾多百貨店中看到我們，并對商品產生興趣，所以相對來說，服務也會相對更加外放一些。”

值得注意的是，與線上市場相比，線下市場的影響因素更為多樣和復雜，她解釋道，“線下市場其實一直缺乏數字化手段對營銷門店經營的因素進行收集整理。”

以線下門店的銷售額為例，紀梵希每年都會按照品牌策略制定每一家線下門店的活動機制，以達到吸引消費者、提升門店銷售額的目的——但這個目的其實是受多方因素影響，其中既包括活動規模、形式、利益點，又包括現場導購、商場人流、周邊競品，甚至是活動當天的天氣及周圍交通等，“可以說，想要較為精準地把控線下門店的銷售額，對我們來說是一件比較困難的事情。”Candy坦言。

紀梵希面臨的GMV預測問題顯然不是個例，2020年雙11期間，其姊妹品牌Benefit就通過阿里云數據中臺-GMV策略模擬解決方案解決了天貓旗艦店的雙11大促GMV模擬難題，并將產出的流量優化建議、促銷分析結果、商品組合策略應用在雙11期間的品牌運營中，幫助高效完成預期GMV目標。

當時與Benefit品牌一起負責該項解決方案在品牌側落地的LVMH集團數據專家中心負責人Marco Li表示，盡管線上場景與線下場景所面臨的客觀環境不盡相同，但基于GMV預測的整體邏輯其實是相對一致的，“或許，可以將該套解決方案嘗試運用在紀梵希的線下門店場景中。”

從今年1月開始，Marco就帶領團隊在籌備紀梵希線下門店的數據整理工作，但線下數據并不像線上數據一樣能夠實時記錄存檔，因此前期籌備工作開展有一定難度，“好在紀梵希品牌一直對營銷數據有比較完善的保存，以及紀梵希品牌側也能比較好的對各項數據進行解釋和說明，因此最后整理完成的數據量還是足以支撐后續工作開展的。”

而在基礎數據完成籌備后，Marco又積極溝通阿里云數據中臺團隊，拉通LVMH集團數據團隊、紀梵希品牌團隊、阿里云數據中臺團隊三方信息，全方位合力推進紀梵希線下門店GMV策略模擬項目。

GMV預測準確率95%以上，讓10家門店目標有據可依

在Marco看來，紀梵希線下門店場景運用GMV策略模擬解決方案大致可以分為6個步驟:

Step1:確定參與本次GMV策略模擬項目的10家線下門店(不同城市);

Step2:紀梵希線下門店數據準備(既包括門店日常經營數據，也包括歷史活動數據);

Step3:聯動阿里云數據中臺團隊洞察外部客觀環境數據(比如疫情影響、線上渠道影響等);

Step4:通過阿里云數據中臺能力建立GMV預測模型，通過數據算法分析得出影響銷量增長的各種核心因素，同時引入業務側信息(常規影響因素等)，繼續下鉆拆解核心因素不同面向的影響力和未來發展的潛力;

Step5:與紀梵希品牌側針對模型得出的結果，結合業務側既定營銷活動進行策略調整;

Step6:將預測結果與門店實際達成目標進行數據核對，完成最終項目總結報告和分享。

今年4月23日，GMV策略模擬解決方案正式運用在紀梵希線下門店場景，依據重要因素的拆解分析結果，在隨后的促銷機制設計，活動類型分配，線下活動等多方面的策略安排中都進行了參考和應用

“GMV策略模擬的價值在于，它不單只是告訴品牌在預設的周期內能否完成預期銷售目標，”Marco說道，“而且還能夠依據多種客觀影響因素，幫助品牌拆解各項既定營銷動作，然后告訴你哪些動作需要進一步優化，包括優化的策略是什么，從最小的動作開始做調整，全鏈路保障預期銷售目標的達成。”

而在整個項目的落地過程中，Marco也把自己所在的數據團隊比喻成“粘合劑”角色，一方面聯動阿里云數據中臺深鉆并分析各項影響因素數據，得出線下門店最優營銷動作調整策略，另一方面又需要實時與紀梵希線下門店業務側加強溝通，在保障整體門店活動大節奏不做大變動的前提下，將細顆粒度的調整策略加入其中，確保目標完成。

“多方合作一定是會有磨合過程，特別是這次的解決方案又是首次落地線下門店場景，這對我以及阿里云數據中臺和紀梵希線下門店業務來說，都是一次陌生又大膽的嘗試，”Marco告訴記者，“整個項目跑通下來，我覺得不管是阿里云數據中臺團隊還是紀梵希線下門店業務側，都能夠很快響應項目需求，最終形成了近乎完美的項目合作關系。”

數據顯示，在從4月23日至5月20日的解決方案落地期間內，紀梵希參與本次項目的10家線下門店，通過預設銷售額目標、內外影響因素歸因分析、GMV策略模擬調整、多項營銷活動執行等環節，GMV策略模擬解決方案整體預測效果準確率達到95%以上，超出品牌預期。

Marco透露，LVMH集團目前已經通過Benefit和紀梵希兩大品牌的實際經驗，驗證了阿里云數據中臺-GMV策略模擬解決方案在線上和線下不同場景的預測和策略能力，“未來還將持續開展更為深入的合作，并考慮將其引入到集團其他品牌的日常運營中。”

“GMV策略模擬的核心價值點在于，能夠幫助品牌解決短期內活動預算與目標無法預估差距、調優營銷組合無法及時估計GMV結果等現實痛點問題。”阿里云數據中臺零售行業高級解決方案架構師林世茂表示，而這些問題解決的過程又能持續以數據化形式加以沉淀，這對后續品牌數智化運營是一項不可或缺的，可隨時調用參考的資源。

“我們也很高興地看到阿里云數據中臺能夠與紀梵希這一全球高端彩妝品牌建立良好合作關系，通過阿里云基于電商領域的實踐經驗和技術能力，更好地助力紀梵希加快在中國市場的數字化轉型步伐，”阿里云智能國際事業部總經理袁千補充道，“技術與商業一直是相互驅動的動力來源，我們也將繼續攜手紀梵希共同打造能夠滿足業務需求，提升廣大消費者體驗的創新型解決方案，為行業探索數字化轉型提供新可能。”