喻国庆：《新零售技能与数字化营销创新》

课程名称：《新零售技能与数字化营销创新》

课程性质：内训/公开课

教学时长：一天

【课程收益】新零售是伴随着互联网技术的兴起，互联网技术的升级进一步带来了营销数字化的时代。新零售是转型、数字化是升级。面对消费者年轻化、传播内容化、消费场景化、营销智能化，快消品行业迎来了春天。

新零售及数字化营销的核心是

1、精准营销：准确分析消费群体、判断客户心理、消费习惯，

2、数据应用的方法从数据到算法，从客户资料中萃取价值

3、销售模式的改变、传统的终端促销优化为社群营销、视频带货

4、营销的传播由广告投放变成内容营销

5、提高工作效率提升，智能化的平台颠覆了原来的落后的营销体系，为营销系统带来了客户开发、下单、库存、爆品产生、新品推广与传播等方面的效率提升

【授课方式及效果】

①课程时间分配： 

理论讲解50%     重点案例30%   课堂互动0% 

②整个培训包括案例分析、现场解答、团队研讨等形式，讲授的观点实用，容易掌握记忆，学员可以系统地学习相关的理念、原则和方法，可以学完就用，而且用之有效。

【教学纲要】

第一部分：数字化时代营销以内容为王

1. 多屏互动彰显品牌价值
2. 零售的传播也需要美
3. 数字化媒体建立品牌价值
4. 零售传播的核心要素

产品性能变情感温度

热点话题流量点击

王婆卖瓜变用户体验

1.  
2.  
3.  
4.  
5. 产品故事曲折动人

融入人生励志

融入爱恨情仇

融入生活烟火

1.  
2. 为什么我的博客、APP、微信、视频不起作用
3. 内容为王打动人心是关键

内容为王实用干货是关键

内容营销引发用户社交分享

1. 内容营销展现人设

二次元的方式满足用户的年轻化

多媒体互动网红传播生态的建立

娱乐至上的年代传播的注意事项

第二部分、新零售发展及快消品新发展情况

1. 新零售的发展创新与实操
2. 马云谈电商的局限及新零售的发展
3. 为什么互联网行业布局线下门店
4. 新零售也需要按照：人、货、场的逻辑
5. 需要认识到大数据在新零售中的应用。
6. 数据是重构、连接人货场的核心，
7. 产品销售到第三空间
8. 标准统一到千店千面
9. 互联网新零售营销关键词

• 粉丝思维
• 转化率
• 用户体验
• 参与感
• 曝光率            

1.  
2.  
3.  
4.  
5.  
6.  
7.  
8. 用户的时间分析

• 季节性分析
• 购物时间段分析
• 到访频率/到访时长

1.  
2.  
3.  
4.  
5. 针对画像采用对应的推广方式

• 团购、热门活动、兑换礼物
• 品牌互动、消费返利、主题促销 会员生日/纪念日营销

1. 用户漏斗形成聚焦：最终APP深度用户。
2. 通过微信与微博做营销平台，
3. 通过APP来做粘度。
4. 强化社交与体验，淡化硬性促销。
5. 线上线下的组合营销方案：

• 预热：APP、微信、
• 活动：拉人气、促交易、用户体验、用户服务

1. 活动后：发布趣味数据、晒单、晒明星用户、晒好评与点赞
2. 案例：大众点评的精准推送方案
3. 案例：五粮液郸酒的020营销

二、快消品行业新零售的发展

1. 快消品发展新零售就成为必然与必须。

• 现代化零售终端建设
• 新零售发展趋势，

1. 快消品新零售“数据驱动”的赋能手段
2. 快消品零售的基本逻辑是：人、货、场，
3. 快消品行业新零售存在问题

• 没有数据驱动，缺少数据赋能
• 短板（缺少数据）与弱项（不善分析应用）
  1. 由”数“见”人“

三、快消品新零售的操作

1. 新零售首先必须是数据终端，
2. 采集消费者数据，
3. 然后分析和应用消费者数据为终端赋能。
4. 这里的“人”主要指消费者，
5. 要搞清楚“他们是谁，他们在怎样购买”
   1. 由“数“选”货“
6. 新零售则关注数据中的货
7. 以及货与人的连接，
8. 可以有三个维度，

• 动销率分析，
• 贡献率分析，
• 损耗率分析，
  1. 由“数”定“场”

1. 要通过对坪效

• 日均坪效
• 月均坪效
• 年均坪效

1. 坪效数据的应用场景
2. 评估店址是否合适，
3. 针对性改善单店的经营策略，
4. 打通零售通路的空间与时间。
5. 优化多渠道场景布局等总之，

第三部分、快消品数据采集、分析及应用

1. 采集消费者数据，
   1. 消费者基础数据

• 性别/年龄/职业/收入/学历/常住区域
  1. 购买行为数据，
• 什么人/在什么时间/什么地点/以什么方式/购买了多少
• 购买了什么品牌。

二、分析消费者数据，

1. 总体/区域/单店三个层次，
2. 主要采用描述性分析，
3. 总体单向交叉，形成对消费者分布特征的精准认识，
4. 以行为为核心，聚类分析
5. 多因素方差分析
6. 预测性分析等方法挖掘，
7. 目的:消费动机/消费能力/消费偏好/消费习惯/消费趋势。

三、用户画像解读

1. 什么是用户画像

• 用户信息标签化，
• 是对用户数据的建模。

1. 案例：京东女性用户画像
2. 案例：今日头条的“算法”
3. 最常见画像：

• 基本属性
• 消费购物
• 交际圈

四、应用消费者数据，

1. 实现精准人群定位
2. 开展针对性商品组合
3. 开展导购性商品陈列
4. 开展个性化商品推荐

五、应用商品数据，

1. 商品数据的应用场景
2. 优化商品组合
3. 最优产品铺货与动销，
4. 评估单品价值，改善单品经营策略，
5. 改善库存管理，减少商品损耗，
6. 案例：可口可乐的数字化营销