未来消费者系列研究品牌驱动，数据赋能的门店布局优化方案 2019年12月02册子 / 报告标题 | 章节标题新零售趋势下零售企业网络规划的挑战 1大数据驱动品牌主导的门店布局进阶指南 3大数据驱动的门店布局优化案例 6结语 7联系方式 8未来消费者系列研究 | 品牌驱动，数据赋能的门店布局优化方案1新零售趋势下零售企业网络规划的挑战在消费升级的大环境下，线上线下相互促进并加速融合。从消费端来看，消费者的消费习惯和偏好正在经历变化。除了商品本身向品质化、多元化和个性化需求转变，消费者也更加重视消费过程中的购物体验。与虚拟的互联网相比，线下实体店有着服务和体验的优势，因此，线下门店在新零售及消费升级的趋势下重新回到人们的视野中。对于零售企业而言，线上线下渠道资源整合是品牌发展的最优解，其不仅能够快速的解决传统门店产品的品类和数量的问题，并实现线上线下的优势互补，给消费者提供更加优质的购物服务。未来，利用线上数据与线下商业网点规划进行整体优化将是品牌线下发展的新趋势。图1：消费者需求的演变传统需求新需求消费品零售企业在零售网络规划及优化方面普遍存在以下三方面的问题和挑战：挑战一：新零售趋势下，线上线下如何合作共生？一方面，在线上增速逐渐放缓的形势下，数字化赋能的线下门店增速呈现出了上升势头。为了快速抢占所在行业的市场份额，品牌在线下优质开店的需求与日俱增；另一方面，随着互联网红利的逐渐消退，电商平台的获客成本持续上涨，而这些成本也间接的转嫁到品牌身上。例如，平台为保持自身增速和MAU*时常组织各式各样的线上营销活动，而这些活动让利则加重了品牌的运营成本。企业的线上和线下业务应该是合作共生的模式。在零售行业的发展中我们看到，线上并不能替代线下。事实上，在消费升级和新零售的趋势下，线下体验式消费更有助品牌占据消费者心智，实实在在的线下体验价值正在被更多品牌认可和重视。商品本身价格功能品质商品本身更高性价比更高品质标准化和个性化服务服务+体验个性化服务无缝的体验高效便捷互动体验价值认同注：MAU：monthly active users缩写，代表月活跃用户数未来消费者系列研究 | 品牌驱动，数据赋能的门店布局优化方案2挑战二：经销商模式下的门店布局扭曲长期以来，以服装、食品为代表的品牌多以经销商模式为主。在一个品牌进入城市时多以经销商为主导进驻城市和商圈。因此，在开店节奏规划和运营中也习惯性以经销商为主导，品牌方由于信息不充分等因素影响高度依赖经销商。以上的合作模式导致品牌方长期缺乏在线下门店的数据和信息，致使品牌对于门店的布局缺乏主动性和控制性。此外，经销商主导线下门店的开设，还造成了品牌在线下开店需求错位和门店资源错配的现象。品牌在现有的线下业务布局与理想的未来市场容量之间容易出现较大的差异，这样的现象不仅发生在个别城市和个别品牌，而存在于利用经销商模式的大部分品牌中。例如，德勤服务的某品牌由于经销商优势区域的扭曲效应，在需求不高增速平稳的某省会城市店铺数量超过了需求更大增速更高的某一线城市。挑战三：品牌缺乏零售相关的系统数据和分析能力。在新零售趋势下，品牌商对于商业“主战场”的思考不足。主要表现是在于管理层和部门对于商场、商圈、城市重要性的排序和未来潜力模糊不清、莫衷一是。根据德勤对消费品行业的广泛了解，大多数品牌开店时，市场规划策略仍然选择跟随和追赶行业头部品牌。如从产品线到重点商圈的门店分布、营收目标均跟随或赶超对标竞争对手。仅有少部分企业开始通过与第三方的物业和数据服务机构合作，试图争取自身在线下门店中的话语权。但由于传统第三方数据公司在数据方面的局限性，品牌仍无法从系统和数据整合分析层面了解自身在未来的发展规划。图2：主要电商平台用户获取与留存成本单位：元图3：传统品牌线下门店规划策略来源：公开资料，德勤研究*计算公式：当期市场营销费用与当期活跃用户数之比跟随者和追赶策略多个领域跟随和追赶竞争对手门店选址跟随直接与线下物业合作品类跟随接入第三方数据收集机构子品牌跟随与第三方的战略合作（部分领先企业）010203040506070京东阿里巴巴拼多多唯品会2016 2017 2018未来消费者系列研究 | 品牌驱动，数据赋能的门店布局优化方案3大数据驱动品牌主导的门店布局进阶指南大数据驱动的品牌线下门店布局规划旨在帮助品牌完成关键转型和优化效益。在对行业趋势的掌控方面，实现从被动反应市场变化到主动出击；在开店话语权方面，从经销商驱动转向品牌驱动；在市场策略方面，从机会主义向战略指引的开店模式转变；在开店规划方面，从基于经验的开店模式向基于大数据驱动转变；在方案落地方面，从人工操作，到工具/系统支持的转变。我们建议品牌在大数据的加持下，按照六个步骤实施自我的线下门店布局提升规划：实现从到的变化被动反应关键问题何在？提升点何在？确定城市级别主战场确定商圈级别主战场企业目标明确未来2-3年关键城市的商场进驻目标与计划主动出击基于经验基于数据经销商驱动品牌驱动人工操作1. 线上线下品牌零售效率现状评估3. 基于需求预测模型的城市选择5. 大数据驱动的商圈选择工具/系统支持机会主义战略指引确定增长目标选择增长情境6. 面向未来的自动化商场建议2 4未来消费者系列研究 | 品牌驱动，数据赋能的门店布局优化方案4第一步，线上线下品牌零售效率现状评估现状评估将聚焦关键问题和提升点，从提升门店单产效率角度出发对门店进行归类和建议。这一步的作用不仅帮助品牌评估现有线下门店的具体状况，更试图帮助客户决策现有门店的取舍和未来规划。首先，我们可以对现有门店进行多维度的划分，这些维度包括门店年度单产、门店年度相对单产、门店年度单产增长率和门店所在城市级别。与此同时，每个门店都与竞品门店配对，通过权重公式确定该门店年度相对单产，以考察门店相对表现。其次，在以上分类基础上，再考虑门店老化状况，决定采取不同举措。采取各类举措的门店将被赋予和城市平均水平对应的业绩增长率预期。同时，现有门店的增速和预期销售额规模将在城市、商圈层面作为计算未来新开门店数量的基数。第二步，帮助企业确定增长愿景方向与增长目标区间由于公司对线上线下资源的配置有限，企业的线上线下业务存在竞争关系。第二步试图帮助企业明确线上线下业务规模的发展愿景。首先从客户自身发展战略目标出发，了解总体业务和线下业务规模的目标，与此同时，在市场竞争等外部压力的影响因素下，对比行业增速和竞品增速，确定业务增长方向的区间。企业可以通过以下两种形式完成业务增长目标区间的制定：1. 组织研讨会，与领导层和利益相关者展开讨论，使各方对于“线上业务占总业务的百分比处于风险可控的范围内”达成一致，为线下业务发展愿景与速度提供方向；2. 总结所处子行业趋势、结合线上运营成本和潜在风险、自身发展目标与竞品等外部压力，制定线下业务增长的愿景与增速目标区间。第三步，基于需求预测模型进行城市选择首先，基于消费者画像、竞品分布、品牌的定位特殊性进行城市级别的规划。通过对品牌消费者特征分析、消费者高端关联竞品抓取，确定优选目标城市。再者，通过需求模型预测决定城市级别的规划，结合品牌历史表现和城市未来规划发展预期。根据品牌历史数据、城市社会经济数据和消费者偏好，通过回归分析、城市打分和容量模型的逻辑的方法，为企业定制各个城市的新店开张计划。输入品牌的历史数据城市社会经济数据消费者偏好处理回归分析城市打分容量模型的逻辑输出各个城市的新店开张计划沈阳西安福州南昌北京成都10510253示例示例示例未来消费者系列研究 | 品牌驱动，数据赋能的门店布局优化方案5第四步，通过品牌增长场景测试与管理层判断企业开店压力，确定增长场景综合考虑企业增长计划、市场潜力和品牌竞争力，品牌可以根据不同的市场环境将增长计划划分为跟随市场、保守增长和冲刺增长三大主要场景。并从现有规模、1年后规模和3年后规模来对企业增长场景进行测算和规划。第五步，运用行业领先的大数据和专业地图技术商圈级别的规划大数据将成为品牌确定商圈级别主战场的重要帮手。在实施过程中，数据爬虫、门店定位、竞争对手数据比较和评估能力是商圈层面规划的关键点。通过回归分析、商圈打分和商圈容量估算，大数据将对社会经济变量，其他品牌布局和商圈居住人口和客流人口等数据进行综合分析，得出各个商圈的新开门店数，并提供商圈层级的建议新开门店数量配置计划。第六步，面向未来的自动化商场选择建议商场规划建议将结合现有商场与未来待开业商场数据，提供自动化的建议生成算法及工具。综合考虑已开物业和待开物业，对物业进行综合打分，为企业提供一款集城市与商圈信息、新店数量、物业名单等指标的自动化物业推荐工具。年均新开店数沈阳西安福州济南上海上海新开门店数量南昌北京成都长沙场景1 跟随市场增长计划 现在规模1年后规模3年后规模10亿11亿13亿100 120 150跟随某行业市场制定 10%的年复合增长率场景2 保守增长计划 现在规模1年后规模3年后规模10亿12亿17亿100 150 200以20%的年复合增长率 保持竞争力场景3 冲刺增长计划 现在规模1年后规模3年后规模10亿13亿22亿100 180 500以30%的年复合增长率 快速赶超同行竞品视图1：城市视图2：商圈视图3：商场102332111112211510640X25320上海龙之梦未来消费者系列研究 | 品牌驱动，数据赋能的门店布局优化方案6大数据驱动的门店布局优化案例案例一：中国零售市场布局优化某时尚运动品牌，在竞争对手加快布局线下门店的形势下，该品牌提出了中国零售市场布局优化的诉求。该品牌的目标包括：基于前期竞品对标与新零售战略规划，发现线下门店的积极扩张将对品牌的未来发展起到决定性的作用；创建一个积极的、系统的市场规划方法/工具，以优化品牌在中国的足迹与步伐；在未来3年，在足量数据支持下，以理想的速度与优势的资源积极扩展门店，占据竞争先机。经过大数据驱动的门店布局优化方案，该时尚品牌的线下门店布局得到了合理的优化：首先，1300+门店成功被配对、分组并匹配关/转/增等行动方案；其次，通过与品牌高度相关的多因素回归分析发现并增加10+有潜力的城市，修订了战略排名前50的城市，并将他们分为三个等级；再者，通过使用大数据和相关算法制定城市/商圈/商场三个级别的扩张计划，并提供自动化工具方便客户与经销商沟通及计划调整；此外，该品牌还定义未来三年增长愿景与目标，合理分配线下门店扩张资源。案例二：招商布局优化与行业趋势研究国内某知名地产商正在寻找一个平台，希望能分析其所看好的特定行业在商业地产的布局情况，以获取该行业所能带来的协同效应和其消费者购买的驱动因素，特别是通过数据体量庞大的地理POI和社交媒体渠道来实现。与此同时，客户还为其现有和未来的消费者寻找一个全面的标签系统(社会行为驱动)，以达到市场营销精确定位和门店选址沟通的目的。经过大数据对行业趋势研究、门店选址和人群画像的分析，该房地产企业的招商布局得到优化。首先，企业通过地理POI和主要社交媒体平台，根据消费者的购买情况，分别分析与此行业相关及不相关人群的消费者人格模型。其次，深入分析每个消费者人格模型，其潜在购买行为及其购买的触发点。最后，整合数百万遍社交媒体帖子、评论、图片和信息，分析该行业所带来的协同效应，进而形成新的销售和布局战略。适用行业体育用品美妆食品饮料教育其他未来消费者系列研究 | 品牌驱动，数据赋能的门店布局优化方案7结语在大数据的加持下，品牌的线下门店布局将迎来关键转型和效益优化。未来，品牌方将不再拘泥于经销商模式，其门店的布局优化也将逐渐从被动反应、经销商驱动、机会主义、基于经验和人工操作，转向主动出击、品牌驱动、战略指引、基于数据和依靠工具和系统支持。在线上线下融合趋势下，基于品牌特征的大数据门店布局优化为品牌新零售布局提供了崭新的思路。首先，品牌可以基于品牌特征和发展愿景进行优化，通过紧密联系品牌未来3至5年的增长愿景进行前瞻性门店拓展步骤分析；再者，通过多维度的大数据整合分析，依托大批量城市属性与商圈属性数据，辅助全局深度分析。同时，利用自动化工具支持数据更新，解决网点布局调研耗费大量人力与时间的能力瓶颈。最后，推动模式创新。在全新的模式下，品牌将基于市场真实需求战略性布局优化。随着越来越多品牌主导的门店规划和系统性实施，获得市场的关注和认可，该模式创新也将引导经销商开店方向，并帮助品牌方加强对自身品牌的管控力度。品牌定制模式创新数据整合基于品牌特征和发展愿景进行优化整套方案基于品牌特征属性定制化紧密联系品牌增长愿景进行前瞻性门店拓展步骤分析（支持未来3至5年）改变模式，实现品牌主导门店规划和系统化实施基于市场真实需求战略性布局优化项目成果将推动经销商开店方向，加强品牌管控力度多维度大数据整合分析，提高科学性，节省人力与时间整合多数据维度，覆盖大批量城市属性与商圈属性数据，以辅助全局深度分析自动化工具支持数据更新，解决网点布局调研耗费大量人力与时间的能力瓶颈未来消费者系列研究 |品牌驱动，数据赋能的门店布局优化方案 8联系方式张天兵 德勤亚太消费品与零售行业主管合伙人电话: +86 21 6141 2230 电子邮件：tbzhangdeloitte许思涛 德勤中国首席经济学家 合伙人电话：+86 10 8512 5601 电子邮件：sxudeloitte戴建华 德勤中国消费品及零售行业咨询副总监电话：+86 21 2312 7028 电子邮件：fdaideloitte胡怡 德勤研究研究员电话：+86 23 8817 8295 电子邮件：yihucqdeloitte凌佳颖 德勤中国消费品及零售行业管理咨询合伙人电话：+86 21 2312 7066 电子邮件：gracelingdeloitte陈岚德勤研究总监电话：+86 21 6141 2778 电子邮件：lydchendeloitte杨春秀 德勤中国消费品及零售行业咨询副总监电话：+86 21 6141 2712 电子邮件：sheryangdeloitte