主办单位:中国物品编码中心 | 中国自动识别技术协会 | 《中国自动识别技术》杂志社

设为首页 | 加入收藏 | 关于我们

  电子商务  正文

协同构建产品数据标准 提升消费者全渠道体验

发布时间:2020年07月30日 来源:中国自动识别网 作者:邱江风 编译

当前,随着移动互联网、大数据、云计算、人工智能等新技术的快速发展,让全球消费者能够在一个全渠道的世界中对产品进行评估和购买。为了方便,许多人喜欢上了在线渠道,但是,“无法对产品实物进行评估”却是人们在线购买的障碍之一。为此,许多面向消费者行业的高层领导开始认识到,可靠、完整和一致的产品数据在实现消费者无缝的全方位购物体验方面发挥的作用越来越重要。企业可以通过对产品的“基础数据”进行统一标识和标准化,来确保消费者在不同渠道、不同平台和不同地理位置上看到的信息是相同的、一致的。
毋庸置疑,符合统一标准的数据模型将通过更快捷、更简单、更低廉的基础数据管理和交换来提高运作效率,提高消费者的透明度,改善全渠道的购物体验。这对于零售商来说,随着不同数据格式的大大减少,与品牌商在数据映射和交换方面的工作量将大大降低。因为零售商将再也不需要为每个新的产品类别创建自己的模型,也不再需要针对数据需求对新的品牌合作伙伴进行培训。而对于消费者来说,有了更高质量、更一致的产品数据,将能够更容易地搜索和评估产品,更好地做出决策,甚至对购物平台和品牌的信任度会越来越高。
为此,全球管理咨询公司麦肯锡(McKinsey & Company)于2020年4月最新发布了关于《Want to improve consumer experience?Collaborate to build a product data standard》研究报告,此报告通过数据、图表和示例科学阐述了产品基础数据对于构建行业生态系统的重要意义,重点分析了当前消费者网购时常常遇见的困扰,以及零售平台及其贸易伙伴普遍存在的数据不一致、成本高、效率低等诸多问题,揭示了小到一家企业、大到一个行业迫切需要协调合作,共同构建一套全球统一的、公开的、通用的数据标准,以实现行业优势资源的整合、消费者全渠道购物体验的不断增强。以下为麦肯锡研究报告的全文,分享给各位读者,希望为行业企业走出数字化转型困境带来思考和启发。
德瑞克先生在社交媒体上看到一则关于低碳水化合物饼干广告,当他在小卖部遇到一盒跟广告一样的饼干时,他会上网查看跟这种饼干相关的评论。但他发现,这款饼干在网上的评价很好,可是它的包装却与小卖部的不一样。犹豫再三,最终他还是放弃了买这盒饼干的念头。
这是一个普遍现象,如今的消费者正处在一个全渠道的环境中评价和购买产品。为了方便,更多的人选择了网上渠道,但无法对产品实物进行评估是网上购物障碍之一,是消费者难以逾越的痛。麦肯锡在已经完成网上购买的人群调查发现,64%的人表示他们会因为商品信息不匹配而退货。因此,可靠、完整和一致的产品数据在实现无缝的全方位体验方面发挥的作用越来越重要。
许多面向消费者行业的高层管理者已经开始认识到,有必要对标识产品所需的基础数据(如品牌名称、重量、尺寸和成分等)开展标准化工作,以确保消费者在不同渠道、不同销售平台和不同地理位置上看到的是相同的信息。当前,不同零售商对这些基础数据的定义和要求各不相同。为什么呢?从历史上看,企业普遍认为数据越多越好,并在基础数据上相互竞争,从而导致不必要的高成本和数据越来越复杂。高层管理者正在认识到,仅仅是基础数据已经不能让他们从竞争中脱颖而出,只有基于差异化的数据、先进的分析和洞察力才有可能致胜。
建立行业标准将使品牌所有者和零售商之间的基础产品数据交换更加及时、准确和一致。这样可以花费更少的时间和费用来创建、更正和验证基础数据,并且可以重新利用宝贵的人才来设计和提供“差异化”数据,如食谱、个性化服务或建议。一致和可靠的基础数据是构建差异数据与部署分析、机器学习和其他技术解决方案的先决条件。因此,将基础数据标准化是让企业将注意力放在更重要的事情上的第一步——建立差异化的消费者体验,以便在全渠道环境中更好地竞争。那么,如何才能充分发挥这一标准化的作用呢?答案是显而易见的:需要整个业界做出承诺,需要零售商、品牌所有者、内容服务提供商和跨品类、跨地域市场上的各类参与者做出改变。整个行业生态系统中的各相关方需要了解新的流程并以新的方式开展协作,而企业高层需要为此开始着手进行协调并提出实施要求。麦肯锡的研究表明,标准化举措可以简化基础数据管理工作,提升数据分析研究水平,使零售商和品牌所有者都能从中受益,并为数以亿计的消费者提供更好的全渠道体验。
 
标准化基础数据是数据分析成功非常重要的一步
当前的产品数据管理造成了整个零售行业资源的浪费
当前,品牌所有者和零售商在投入时间、费用和精力来管理基础产品数据,如图1所示。不同零售商需要来自不同品牌所有者的各类数据,为了采集这些数据,可能需要耗费数千小时的劳动,而这些耗费完全可以用来开展其他更有价值的工作,例如开展购物者行为分析或提升购物者体验。另外,数据的复杂性还带来了诸如数据质量降低、销售减少等问题,例如本报告一开始提到的德瑞克先生买低碳水化合物饼干的问题,由于数据的不匹配可能导致系统把不是德瑞克想要的一款曲奇饼干卖给了他。
图1  企业目前的产品基础数据管理与共享工作费钱费时
 
对于零售商而言,他们在验证基础数据方面花费了大量精力。往往为了补充丢失的数据或更正不准确的数据,他们不仅要从多个来源采集信息,而且还要在离线与在线渠道之间对数据格式和业务需求不断进行同步。
企业领导者为什么会关注数据
在各个行业中,大多数高层都已经意识到数据是宝贵的战略资源,可为企业带来新机会,尤其对分析方法的构建与实施带来的效果更佳。例如,面向消费者的企业在商业案例中所广泛使用的高级分析方法,包括产品定价与贸易支出优化、供应链与生产效率、高级库存建模、机器人流程自动化、工作场所安全等。
这些在数据分析成熟度方面处于行业领先地位的消费者研究类公司正从整个价值链中获得收益,尤其在股东整体回报率(TRS,Total Returns to Shareholders)上表现突出,数据分析成熟度越高,公司股东整体回报率也越高,如图2所示。 
图2  企业的数据分析成熟度与股东整体回报率成正比
 
数据为构建这些分析能力奠定了基础。麦肯锡研究表明,从事消费者分析与研究类的公司领导者在数据分析成熟度的关键指标上表现出色,如图3所示。他们实施有效的数据治理,同时还积极提升数据在整个价值链的质量和可用性。实践证明,数据越符合标准,企业对它的管理就越容易,效果也越明显。因此,标准化的基础数据是迈向数据分析成熟度成功的重要的第一步。
图3  消费者研究类公司的领导者在数据分析成熟度方面的得分普遍高于落后者
 
标准数据模型使产品数据交换更加简化
麦肯锡认为,行业领导者可以一起定义一个产品数据模型,该模型对交换的每个产品的基本属性列表和定义进行标准化,包括结构化和非结构化数据。
当然,这将面临不同地区和不同产品类别之间的数据需求存在巨大差异的挑战。例如,食品可以从清真食品、犹太食品、不含花生食品的角度进行分类,而服装则有颜色、面料、尺寸等各种属性的要求。因此,标准数据模型需要在不同的级别定义需求,并且足够灵活,以支持本地和特定类别的属性。
针对上述问题,最普遍的做法是,由行业的龙头企业一起协作来制定行业标准,并由某个国家级别的组织或全球联盟就该标准和属性达成一致。例如,国际物品编码组织(GS1),是一个负责开发和维护全球商务标准的非营利性组织,该组织围绕产品属性专门制定了一套“层级分类方法”(Layered Approach),用于定义和描述依赖于类别和满足本地化需求的产品属性,如图4所示。作为消费品论坛(the Consumer Goods Forum)“数据蛙跳项目”(Data Leapfrog)的组成部分,GS1层级分类方法目前正通过亚洲、欧洲、美洲的品牌所有者和零售商,在食品及其周边产品中开展试点验证。一旦通过验证,该层级分类模型将被广泛用于食品及其周边产品,并扩大到其他类别。
图4  GS1标准数据模型通过“分层”的方式来区分产品类别、所在地和本地化需求
 
标准数据模型的开发、维护和管理需要业界广泛认同、采用,并在全球组织或联盟的支持下才能获得成功。建议遵循GS1的模式,该组织于1973年在美国创建了可以标识百货商品的条码标准,这一标准经过40多年的发展和完善,已经形成了一套成熟的技术体系(GS1全球统一标识体系),不仅有编码标准、数据载体标准,还有数据交换与共享标准。目前,GS1标准在全球150个国家及地区实施采用,在零售、物流领域得到了成功应用,并扩展到了产品质量、患者安全、社会治理等诸多领域。
对于GS1来说,需要定义一个开发管理过程,以提供全球标准化的、类别范围广、灵活度高以及易于操作的全球标准数据模型,并帮助行业龙头企业发挥带头作用,率先开展模型的开发、发布及维护等工作。
 
标准数据模型要求行业共同行动
针对标准数据模型的应用实施,领导者如果都能协调一致,并在整个行业内倡导采用,将使消费者的全渠道购物体验变得更加无缝,使产品数据的管理与交换变得更快捷、简单、低廉。业界各方必须携起手来,共同为制定出每一个类别的标准数据模型而付诸行动,以形成行业的最佳应用示范。模型一旦完成,企业便需要在技术实施和改进管理方面进行一次性的投资,以便将模型实施的效果和可持续性最大化。
标准数据模型将提高消费者透明度和改善全渠道体验
有了高质量、一致的产品数据,消费者能够更容易搜索和评价产品,做出更好的购买决策,以及更加提高对零售商和品牌的信任度。根据对超过15家零售商和品牌所有者的调研,麦肯锡预计,“先行者”由于更早采用了标准数据模型,使得数据的可用性和产品搜索能力得到了有效提高,短期内将会看到5至10个百分点的在线销售增长。同时,因为消费者在购买前会对产品有更多的了解,零售商的退货也将减少。这一优势对在线销售退货率可能高达25%的服装行业尤为明显。
标准的产品数据模型可以减少因数据差异及错误导致的延迟,加快产品发布,降低新参与者的进入门槛,因为它能简化新的品牌商和零售商之间的合作关系,并帮助品牌商向本地属性明确的新渠道或市场进行扩张。
从长远看,标准化将提高产品数据的一致性、兼容性和可靠性,这是使用机器学习、人工智能和其他技术创造价值的先决条件。这些技术可以为我们提供强大的竞争优势,如个性化报价、动态定价等。但是,就像一餐饭的质量取决于原料的质量一样,企业能否开启这些技术能力,取决于基础数据的质量。
标准模型通过更快、更简单、更廉价的基础数据交换与管理来提高企业运作效率
由于采用了标准一致的数据模型,零售商数据格式将大大减少,品牌所有者在映射和交换数据方面所需的工作量也会大大减少。调查显示,标准模型将会使品牌商因数据准备所需的工作量减少40%至60%,每年为一些企业节省数万小时的工作时间。标准化的属性和定义降低了数据管理和治理的复杂性,使得与数据有关的问题以及产品实物验证的次数不断减少,并且随着标准化的数据越来越多,企业将从高级分析中获得更多收益。
根据对零售商的调查显示,标准模型将使零售商在数据完整性和质量验证方面的工作减少30%至50%。因为他们不必再为每个新品独立创建模型,也不必再为新的品牌商或供应商进行数据需求方面的培训,他们的数据管理和治理也将变得更加简单和易于操作。与品牌所有者一样,零售商可以运用标准一致的数据,从高级分析中发现有价值的新洞察和商机。
实施全球数据模型需要的投入
首先,行业将需要在全球组织的帮助下共同定义和开发适合他们品类的标准数据模型。例如,GS1牵头组织了30多家食品及食品相关企业开展数据标准化工作。GS1是一个拥有47年历史的国际性组织,其成员遍及全球114个国家和地区,主要致力于通过条码、电子数据交换(EDI)和射频识别(RFID)等物品编码与自动识别技术,实现组织机构、贸易伙伴、系统服务商之间的合作,解决企业面临的问题,确保供应链全程的可视化管理。标准数据模型的组织、协调、实施和管理等,需要GS1这样的具有行业资深经验和影响力的、中立的全球性组织来负责。
一个产品类别的标准数据模型被成功创建后,大多数企业将需要一次性投入,开始可以从分析企业当前使用的数据模型与标准模型之间的差距入手。这一分析有助于确定企业用于创建和交换产品数据(包括外部接口)的系统中哪些需要修改,哪些不用修改,工作量的大小会因企业的数据与技术成熟度以及当前模型和新模型之间的差异程度而有所不同。
此外,为了符合新标准,企业还需更新现有的产品数据。根据每个目标市场的现有产品数据量的大小,预计需要3至8个月的更新时间。同时,还需要对员工进行新标准相关的培训。
实施新模型需要领导者强有力的变革信念支持
通常来说,人们只有在令人信服理由的情况下才会改变思考和工作的方式。麦肯锡建议企业高层领导尽早开始这样大规模的变革,从与产品生命周期所涉及的业务部门及职能部门人员(如产品数据创建者和用户)的先进事例上着力,大力支持和推行好的做法、好的榜样。一线的变革推动者可以自下而上推动采用,领导者可以为采用新模式的员工鼓舞士气。要想让变革持续发挥作用还需要良好的治理方法,包括新标准的明确实施计划和合规做法。
此外,变革还需要高层领导的强烈认可、信任和强大信念的支持,坚信行业开展基于基础数据的协作,更有机会在竞争中通过差异化数据、有分析的洞察和自动化技术夺得头筹。
实施标准数据模型带来的好处
尽管标准数据模型的实施需要投入大量的时间和资源,但是品牌所有者和零售商都能看到积极的回报,特别是随着合作伙伴、销售市场和品类范围的不断扩大,获得的回报也会越来越多,如图5所示。
图5  零售商和品牌商采用标准数据模型获得的收益
 
对于采用标准数据模型的企业来说,因短期运营效率提高所获得的收益能与一开始的一次性投资持平,同时,还能利用已经改善的用户体验为今后获得真正的长期收益奠定坚实的基础。如前所述,投资与回报的多少,取决于单个企业的技术和数据成熟度水平、当前模型和新模型之间的差异程度以及整个行业的采用程度这几个主要因素。
业界携起手来,共同促进全球标准数据模型的构建和广泛采用
已经认识到标准数据模型价值的行业企业,都应该与同行一起为自己的品类制定数据标准。特别是,对于那些全渠道业务处于快速增长的、因数据少或错误导致高退货率的以及在产品数据交换方面有巨大投入的企业,都应该考虑带头创建满足自己行业需求的标准模型。
然而,模型成功创建后,还需要业界大力推动和广泛采用。为了确保新模型在行业范围内广泛采用,企业领导者需要肩负起“行业推广大使”的使命;而国际组织需要协调业界一起围绕新标准模型的定义、实施、维护和管理等开展工作。
早期采用标准数据模型的企业领导者能够获得变革的先发优势和后续发展的宝贵经验。例如,企业可以更早创建一套适合自身数据情况和数字化战略的行业模型,更快地采用新标准,提高在线搜索能力,并且通过更加个性化的体验建立差异化的产品——这是企业在全渠道环境中获得竞争优势的关键。为此,企业应当立即行动起来,积极地重新审视自己的数字化战略,并且从已经利用产品数据改善消费者体验方面取得成效的食品及其他行业身上汲取成功经验。
 
(邱江风 编译)
《条码与信息系统》2020年第4期总第158期

延伸阅读:

声明:

    凡本网注明“来源:中国自动识别网、《中国自动识别技术》、《条码与信息系统》”的所有作品,版权均属于中国自动识别网、《中国自动识别技术》、《条码与信息系统》, 未经本网授权不得转载、摘编或利用其他方式使用上述作品。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:中国自动识别网、《中国自动识别技术》或《条码与信息系统》”。违反上述声明者,本网将追究其相关法律责任。
    凡本网注明“来源:XXX(非中国自动识别网、《中国自动识别技术》、《条码与信息系统》)”的作品,均转载自其他媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。文章内容仅供参考。 如因作品内容、版权和其他问题需要同本网联系的,请将内容传真至010-84295675,以便本网尽快处理。

高端访谈 更多>>
优傲机器人:拓宽自动化应...
孙政华,专注自动化及运动控制15年,曾就任于伦茨传动系统有限公司,担任东亚区域技术总监。在售前支持、售后服务、应...
Semtech:释放LoRa的应用价值
LoRa网络目前已经在全球140多个国家和地区得到部署,2020年1月,全球基于LoRa的终端节点数量将超过1.35亿台,而全球部...
SML:以RFID技术传递新价值
孙苑琳 2014年毕业于波士顿大学传播学院;2017年加入SML集团,担任RFID 科技高级副总裁。怀着对科技行业的热忱,致力...
有效安全的数据:医疗信息...
斑马技术《2022中国医疗行业前瞻报告》显示,中国正处于临床移动信息化转型的开端,中国各地的医院正在扩大临床移动性...
杂志专区 更多>>

《2020第3期》

《2020第4期》