9月18日,在2020雲栖大會技術主論壇上,阿裡巴巴集團副總裁、數據技術及産品部總經理朋新宇重磅發布全新産品——智能貨品運營平台Quick Stock。
Quick Stock旨在以數據為核心,通過更加精準和可配置的銷量預測,以及倉儲網絡優化和調撥算法邏輯,幫助企業構建産銷協同能力,實現高效的貨品全生命周期運營。
從“貨”出發 重構“人—貨”關系
十年前,人們的購物行為大多限定在“場-貨-人”的既定動線中:我們去一個門店或者商場,挑選中意的貨品,最後将其買下。
随着包括互聯網、智能設備在内的高新技術的深度發展,人們的購物行為正在發生極大改變:打開淘寶APP,在搜索框輸入自己想要貨品的關鍵詞,然後在呈現出的列表中選出最合心意的那一個,完成付款。
不論是線上還是線下,“人—貨—場”的商業邏輯正在被更廣泛地接受。
其中,“人—貨”的供需匹配,尤為零售行業所重視。
如何在洞察消費者需求的基礎上,生産出消費者喜聞樂見的貨品并通過合适的渠道進行觸達,成為零售企業核心關注的問題之一。
作為智能貨品運營平台,Quick Stock正在給出自己的解法。
Quick Stock 對貨品的完整生命周期進行解構,從企業、生産、首鋪、試銷、補調、清尾6大環節切入,以數據算法為核心,針對性給予決策建議與風險規避。
以服裝企業為例。過去,不少企業都會參照世界性時裝秀來把握新一季的流行趨勢,并以此來制定企業未來一段時間内的企劃概念,這種“大鍋飯式”的取材形式并不利于企業長線發展及在細分人群中的深鑽,甚至往往因為多家企業衍生出的概念相似,而不得不陷入同質競争的尴尬局面;另一方面,這一形式往往還會因為人為因素的過多幹擾,而脫離了消費市場的真正訴求。
借助Quick Stock的算法能力,企業能夠對貨品進行單品級别和SKU組合級别的策略企劃,甚至在選定新品款式和首鋪數量的基礎上,還能夠提供品類結構調整和新品研發建議,從而幫助企業更好地進行預算管理和生産管理。
六大環節難題 逐項解決
朋新宇介紹說,Quick Stock是以貨為中心,擁有線上線下全渠道的貨品數據覆蓋和強大的智能算法能力,能夠為所有貨品進行全方位多維度的打标,讓企業更加清楚地知道貨品的全貌。
據了解到,除了為貨品企劃提供市場數據提供參考外,Quick Stock還将數據賦能貫穿貨品整個生命周期。
在生産環節試銷環節,Quick Stock能夠通過算法對C端(消費者)和B端(經銷商)的動态銷量進行預測,為企業及時進行訂單和排産優化提供産銷協同建議,讓企業及工廠能夠根據市場需求科學生産貨品,提升供給側和需求側的協同效率,保障企業生産資源的程度利用和優化;而當貨品在被生産出來到進入市場之前,Quick Stock還能通過大數據實現對市場及不同渠道的預判,對線上渠道提供選品鋪貨建議,對線下渠道提供門店信息和貨品組合建議。
當貨品進入市場之後,Quick Stock将着重監測包括不同渠道、不同SKU成交、折扣等在内的多項動态信息,統籌整合,用直觀明了的展現形式提供給企業決策部門,同時做好數據沉澱以便後期即時調用。
比如,服飾企業可以借助Quick Stock對貨品的全方位分析洞察和算法優化能力,通過銷售終端市場需求預測實現科學性追單,提高快反供應能力——當監測到線下某個門店需要補貨時,企業可以通過Quick Stock自動從周圍的大倉、門店集中調配,查找最合适的借調地點完成在滿足整個區域市場供需基礎上的快速貨品調配,充分盤活企業的整體貨品庫存。
目前,這一套貫穿貨品全生命周期的數據能力,可以複用在包括服飾、家清、快消、家店等衆多覆蓋線上線下不同零售渠道的行業。
值得注意的是,Quick Stock針對“尾貨”還擁有一項“殺手锏”,通過充分聯動Quick Audience和品牌數據銀行,洞察不同渠道特性,Quick Stock能夠幫助企業實現“貨—人”的精準匹配,實現快速“清庫存”。
而除了“貨—人”匹配方面,Quick Stock還已經完成阿裡巴巴數字經濟體的全面鍊接,通過釘釘移動端,企業可以更快捷地随時随地掌控供應鍊核心指數;通過和網商銀行的對接,企業的渠道商可以更便捷地獲取金融信貸服務……
未來,Quick Stock還将不斷接入更多業務,以“貨”為中心持續疊加數據驅動服務,以智能貨品運營平台的姿态,共同豐富、拓展阿裡雲數據中台核心産品矩陣能力,為更廣泛的客戶群體帶去對貨品的全生命周期智能管理服務。
本次雲栖大會,阿裡雲數據中台還同時升級全域消費者運營平台Quick Audience2.0。至此,阿裡雲數據中台已形成了以“Dataphin”為基座,承載“Quick系列”的場景化核心産品矩陣,為企業輸送數智化核心能力。
另外,阿裡雲數據中台還發布了19個針對場景化需求的解決方案、産品白皮書。朋新宇表示,未來阿裡雲數據中台還将不斷繁衍更多場景化的産品,解決業務實際問題。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
