在网上零售高速增长的时代，消费者行为也发生了显著的变化。他们越来越倾向在线上购买，而且中国的“展厅购物者”（店内看货，线上下单购买）比全球平均水平高出三倍。同时，中国消费者对社交网络的使用也在高速增长。他们对社交网站的访问频率，以及针对已购商品和零售商的发帖数量都在大幅度增加。中国顾客对自己位置等信息的分享意愿，以及通过社交方式与零售商进行沟通的意愿远高于全球平均水平。多数的中国消费者对零售商的SoLoMo（社交+位置+移动）计划持积极态度，但是他们希望零售商能给予他们更有价值的信息和服务。

IBM商业价值研究院（IBM Institute for Business Value，IBV）全球企业咨询服务部执行报告《电商时代传统零售商的转型之路——中国传统零售商如何面对电商挑战并抓住未来的发展机遇》，分析传统零售商向电商转型的主要挑战及发展机遇，企业应该在构建智慧的购物体验、大数据分析、跨行业社交化协作和大后台运营支撑能力这四个方面做好准备。（ps：这份报告发布于2014年，数据和观点供谨慎参考）

传统零售商向电商转型的主要挑战

零售商在拓展网上零售业务的时候面临一些主要的挑战。多数中国零售企业仍处于电商发展的初期, 这些挑战使其在电商发展之路上踌躇不前。总结来说, 零售商在拓展线上业务的时候主要有以下7个方面的挑战：

• 电商发展战略不明确
• 不合理的电商治理模式
• 缺乏电商人才
• 供应链不支持电商发展
• 技术困难
• 电商业务难以吸引并留住消费者
• 线上线下冲突

电商发展战略不明确

多数零售商的电商发展战略不清晰, 它们往往把电商只当成一个新的销售渠道，期望短期内产生回报。同时对电商缺乏持续充足的投入。这使得传统零售商与网络零售商在电商领域的竞争中处于不利的地位。

不合理的电商治理模式

零售商依然依靠传统的管理方式管理电商，缺乏互联网思维和独立有效的电商治理结构, 难以支持电商的发展。比如，调查显示，有近40%的零售商的电子商务业务没有独立运营（图7）。

缺乏电商人才

缺乏同时熟悉线下和线上业务的电商人才是零售商电商转型过程中最主要的挑战之一（图8）。最缺乏的电商人才包括运营、市场营销、客户服务和仓储物流的多个种类。

供应链不支持电商发展

零售商的传统线下供应链不适合支持网上零售业务的发展。据调查, 已经开展网络业务的企业支持线上业务的供应链服务能力普遍不强，网络平台及设施普遍不完善。比如，开展线上业务的企业只有半数拥有可以覆盖全国配送网络, 支持货到付款的企业也刚刚过半。13 传统零售企业与电商供应链的区别主要体现在:

• 传统零售业非常注重商品毛利率考核，而电子商务以价低量多取胜;
• 传统订单是大批量订单，而电子商务是大批量与小批量混合订单;
• 传统配送方式是分布式配送，而电子商务是直接面对终端用户的交互式配送;
• 对补货周期的要求不同。

技术困难

根据2013年IBM全球CEO调研，技术已经成为推动商业发展和转型的最重要动力。但是，在发展电商的过程中，多数中国零售商不知道如何构建一个友好易用的电商平台, 同时也不知道如何在发展电商过程中更好地利用社交和移动等领先技术去提升顾客多渠道体验。

电商业务难以吸引并留住消费者

网络零售商经过多年积累已经拥有了大批忠诚消费者。与之相比，传统零售商难以吸引并留住消费者在自己的网站购物，形成稳定的用户基础。比如，中国前10大重复购买率最高的网站没有一家是来自传统零售商的电商业务。

线上线下冲突

零售商担心线上业务会影响线下业务, 因为低价仍然是电子商务的主要竞争力，线上对线下业务产生威胁。而且线上和线下业务作为两个独立渠道存在，缺乏有效互动。

中国零售的未来之路

面对新的挑战和机遇，我们认为中国零售行业未来有三个主要发展机遇：

• 满足消费者全渠道需求
• 大数据成为核心竞争力
• 跨行业协作的业务模式创新

满足消费者全渠道需求

从消费者的角度看，在渠道选择已经越来越多元化的时代，消费者更多地从实体店转移到网上购买。但这不是单纯的渠道迁移，消费者如今的购买行为往往跨越多个渠道，搜索、比较、决策和购买在多个渠道完成。网络口碑和朋友推荐对其影响至关重要。消费者利用技术和主动获取信息的能力也比任何时候都强。

从零售商的角度来看，虽然网络零售商的市场份额迅速上升，但无论是实体零售商还是网络零售商，在中国都会长期共存下去，一方不会被另一方取代。我们看到，传统零售商在积极地向线上拓展业务，以获得渠道拓展，打造跨渠道消费者体验，为消费者提供更多样化和有价值的服务，以及建立网上品牌形象。同时，我们也看到，淘宝、京东和当当等领先的网上零售商也在向线下部署业务，如建立线下提货点，开门店或体验店，与实体店联合促销等，以期获得商品展示，方便消费者试用，降低配送复杂度，提供跨渠道消费体验，更好地为客户服务，以及建立品牌形象。

因此，我们看到了传统零售商和网络零售商你中有我，我中有你，走向融合的趋势。发展电商已经不是单一的发展一个新渠道，而是整体全渠道战略中的重要一环。传统零售商和网络零售商都必须根据消费者行为的变化，满足其全渠道需求，打造一致、便利和注重个性化的消费体验。

大数据成为核心竞争力

零售业已进入大数据时代，数据分析能力将成为未来领先零售商的核心竞争能力。零售商因与顾客直接互动，拥有丰富的数据资源，谁能有效利用这一重要资源将事关未来的成败。大数据分析将在零售业务的关键领域扮演重要的角色，如帮助构建智慧的消费体验、智慧的商品和供应链管理和智慧的运营。

例如，在帮助构建智慧的消费体验方面，大数据可以根据对消费者的分析和洞察，确定并改进消费者细分，了解这些消费者细分的可获利程度，判断消费者要买的商品，确定如何将他们转变为商品拥护者，并提供有针对性的营销和促销方案。在构建智慧的商品和供应链管理方面，大数据可以帮助零售商实现动态定价、本地化分类、空间优化、智能库存管理和补货、优化商品选择以及物流优化。在构建智慧的运营方面，大数据可以帮助实现更好的财务和人力资源管理。

过去零售商之间的竞争主要集中在后台，更重视后端供应链的优化，如强调补货速度、货架有货率、仓储布局和优化、零供数据一致性和同步等。在大数据时代，零售商之间的竞争将越来越会从后台移向前台, 重点通过大数据分析和前后台协同来满足消费者个性化产品和服务需求。如通过多种手段追踪消费者习惯和变化，在消费者决定购买之前对其行为进行判断和预测，将消费者的需求通过零售商传递给供应商, 提供个性化的产品和服务以及个性化的营销和促销手段,营销作为信息而不是广告。

大数据分析是内外交互、不断演进的系统过程。通过对来自结构和非结构化数据的感知监测，对多方面信息和数据的提取集成，对数据的建模和可视化学习分析，以及形成优化的行销活动设计、产品设计、细分市场和将批评者转变为影响着等交互行动，来形成内外互动不断优化的闭环。

大数据在零售企业的应用前景可分为三个层面：第一个层面是支持大数据运营，零售企业可以通过对价值链上多方数据的分析挖掘，提高供应链、物流等方面的运营效率，并利用大数据分析的结果支持领导层决策。部分零售企业已经或多或少地利用数据帮助提升内部运营。

第二个层面是形成大数据产品，也就是零售企业通过对海量数据的整合和分析，形成独立的大数据产品，为企业和个人提供信息服务。零售商可以发展多种大数据产品，如：对购物者的个性化需求分析，智能匹配（将顾客需求与供应商资源进行快速匹配）等。大数据产品将成为零售商重要的收入来源之一。绝大多数中国的零售企业还没有形成大数据产品，领先的网络零售商和搜索类企业走在前列。比如，阿里巴巴近年来发布了包括“聚石塔”，“黄金策”，“淘宝指数”和“淘宝时光机”在内的多款大数据产品，提供店铺数据分析、数据备份、加速订单处理、消费者行为研究等多方面的大数据服务。百度也正式发布了“百度司南”，为市场营销人员提供更加真实、准确、快速和低成本的消费者洞察。

第三个层面是构建大数据平台，即部分向平台型企业转型的零售商将利用大数据搭建企业生态，为平台上的企业服务，促进共同的繁荣。大数据将成为平台型零售企业的核心竞争力，数据的质量，如一致性、精细化程度等将成为关键。中国的传统零售企业目前还没有出现搭建了完整企业生态并构建了大数据平台的企业。网络零售商如阿里巴巴已经形成了这样的企业生态，并正将大数据作为其核心竞争力。

跨行业协作的业务模式创新

近年来，跨行业协作，特别是社交化协作业务模式的兴起，将使价值生态的四方主要参与者的角色作用和游戏规则发生根本的转变。传统的此消彼长的价值链业务模式将向协作共赢的社交化协作的业务模式转变。协作的四方主要参与者分别是：社交化业务组织方的企业（组织者），个人消费者、组织者的员工、组织者的合作伙伴。

四方参与者的作用转变包括：

• 企业：由控制并实施价值交付向搭建环境、协同各方完成价值交付的组织者转化。
• 个人消费者：由被动接受者向主动参与者转化，价值交付控制权向消费者转移。
• 企业员工：由基于组织和职责工作向基于兴趣和专长进行工作和协作转化。
• 企业供应商：由上下游供应商关系向协作共赢的合作伙伴转化。

通过产业社交化协同, 包括零售行业在内的各个主要行业都将出现组织者, 并与协同合作企业一道从价值链向共赢的价值平台转化, 创造更多市场机会。

目前在中国零售行业，社交化协作的组织者还主要是网络零售商，如天猫和淘宝通过社交化协作创造了2013年双11光棍节（2013年11月11日）一天支付宝总销售额350.19亿元的奇迹，相当于中国日均社会零售总额的5成。16 双11创造的惊人销售数字背后是庞大的支持体系。这场社交化大协作中，参与方包括数亿的消费者，数以万计的商家、物流服务商、互联网运营服务商、银行和金融机构等。淘宝天猫协同各参与方完成了从访问网站到交货的端到端价值交付全过程。

可以预见，中国领先的传统零售企业中将出现综合的价值平台组织者，或者针对某一细分市场（如鞋类零售）的价值平台组织者。

转型准备

面对零售业未来的发展机遇，企业应该在构建智慧的购物体验、大数据分析、跨行业社交化协作和大后台运营支撑能力这四个方面做好准备（图12）。

全渠道智慧的购物体验

建立全渠道智慧的购物体验的关键包括利用SoLoMo技术使门店充满活力；满足消费者新的全渠道需求，营销、促销和服务的全渠道整合，构建企业级的顾客交互平台。

利用SoLoMo技术使门店充满活力

• 利用SoLoMo技术帮助提升顾客在店内消费体验；
• 将线上的购物体验通过相关技术，如社交和移动应用等移植到实体店。

满足消费者新的全渠道要求

• 满足中国消费者的5个基本全渠道需求。根据2014年IBV全球零售调查，中国消费这前5个最基本全渠道需求包括：跟踪订单状态，优惠券可以在门店和线上通用，能够找到在门店脱销商品并送货到家，忠诚度计划的收益在不同渠道通用，以及网店购买商品可在门店退货；
• 协调各个渠道之间订单满足和退货至关重要；
• 因全渠道而产生的对商品定价和种类方面的负面影响必须缓解并消除营销，促销和服务的全渠道整合。

营销、促销和服务的全渠道整合

• 提供如多渠道订单满足等自助式服务功能；
• 按需的个性化沟通可以让顾客更满意；
• 一致性需要扩展到促销和忠诚计划在全渠道的执行；
• 构建在线客服＋呼叫中心＋门店服务网点等多渠道虚实结合的客户服务体系；
• 线上线下市场活动和促销实现充分互动。

构建企业级的顾客交互平台

• 梳理来自线上线下多渠道的所有顾客接触点；
• 收集和整合业务流程中所有接触点的顾客信息；
• 通过数据分析，利用多种技术手段，在统一的交互平台与顾客形成互动。

大数据分析

建立大数据分析能力的关键包括采用系统的方法收集、清理和存储数据，建立零售大数据分析洞察能力，基于大数据分析的支持运营、产品和构建协作平台。

系统的数据收集、清理和存储
• 利用系统的流程、方法和工具在各个顾客接触点收集信息；
• 收集结构化与非结构化数据；
• 利用智能设备、社交媒体、移动等新兴技术收集数据。

建立零售大数据分析洞察能力

• 建立总部级大数据应用；
• 360度客户单一视图；
• 流计算、数据仓库及大数据分析工具对大数据进行分析处理；
• 根据业务特点细化重点分析领域，如供应商、顾客、工程、门店、品类等领域。

基于大数据分析的支持运营，产品和构建协作平台

• 利用大数据分析结果支持运营管理和优化；
• 利用大数据分析为顾客提供个性化的产品和服务；
• 形成服务内部和外部客户的大数据产品；
• 部分向平台型企业转型的零售商利用大数据搭建企业生态，为平台上的企业服务，促进协作。

企业建立大数据能力不可能一蹴而就，而是依据企业目标和自身能力分步骤分阶段逐步建立。企业建立大数据能力一般分为5个步骤，包括：确定向以消费者为中心进行转化的初步措施，制定企业级大数据蓝图，利用现有数据取得短期成效，按业务优先级建立大数据分析能力，以及基于可量化的成果撰写商业案例。

社交化协作

建立社交化协作的关键包括进行社交协作的业务模式设计，确立流程和方法，以及有效的社交技术支持。

社交协作业务模式设计

零售组织者搭建社交协作环境，建立社交化声誉体系，吸引和组织合作伙伴参与社交协作。

• 零售组织者制定价值交付协作流程、参与条件、提供协作工具；
• 任何符合条件的参与方都可通过社交环境集结兴趣相同的合作方进行价值交付，满足各方需求；
• 协作是动态进行的。在协作中，协作发起者可根据需求选择合作方及分享资源；
• 价值交付完成后，资源被释放，对参与者和协作效率和结果进行评估，进行不断改进。

通过社交协作，形成C2B的业务模式，实现根据消费者需求个性化定制产品和服务。

社交技术支持

建立云计算和大数据分析基础架构平台，以支持社交化业务的三大应用领域，即社交用户体验、社交数据分析和社交协作支持。

大后台运营支撑

建立大后台运营支撑是全渠道智慧的购物体验、大数据分析和社交化协作的有力保证。大后台包括整合的供应链管理、整合的客户管理、整合的数据管理以及整合的人力资源和财务管理。

整合的供应链管理

• 集中的供应链管理同时支持线上和线下业务，包括集中的商品、采购、物流、订单和库存管理等;
• 在发展线上业务时，发挥强大的线下物流体系的优势，建立了完善的顾客送货体系，如苏宁的物流中心共享＋建立特色中心仓＋厂送厂装的物流模式可以借鉴。

整合的客户管理
• 建立集中的同时面向线上和线下业务的客户关系管理系统；
• 更有效的，面向全渠道的会员卡管理；
• 建立有效的业务流程，利用分析、社交和移动等技术实现个性化的顾客管理、个性化营销和促销。

整合的数据管理
• 有效的业务流程和工具支持集中的数据收集，存储和分析；
• 支持会员、门店、业绩、供应商、工程、品类和人力资源等单个业务领域和跨领域的分析；
• 数据分析部门与其它业务部门紧密合作，以数据为基础支持业务发展；
• 可推出独立的数据分析产品与顾客、供应商和其它合作伙伴分享。

整合的人力资源和财务管理
• 整合的人力资源和财务管理，支持全渠道业务。

via IBM商业价值研究院全球企业咨询服务部执行报告《电商时代传统零售商的转型之路》PDF