课程背景BACKGROUND
2017年，马云和雷军在同一天不同的两个会场不约而同地提出了“新零售”的名词，成为零售行业崭新的风向标，过去的一年中，很多人开始研究新零售究竟“新”在哪里，是真的有深层次的意义还是只是哗众取宠的噱头。
区块链在零售业如何应用？
什么是M2B、M2b、D2b、C2B？
社交零售商如何开展KOL营销？
拼多多商业模式的本质是什么？
如何提高货品的连带率？
喜茶排队模式背后的“鄙视链”心理是什么？
面对新零售的时代，我们能做什么？
社区团购的本质与全流程是什么？
抖音短视频的变现路径？
事实上，经过笔者一年的研究、实践发现，新零售与传统零售确实存在着不同，从人、货、场三个方面，改变了运营的方式，提升的效率，降低了成本，用数据化运营增强了营销的精准化程度，未来会成为零售行业必然需要达到的一个新的高度，而开设这门课就是系统化的为大家讲授新零售的变化以及我们在这个时代应该怎么做。
通过理论与实践案例相结合的方式，帮助学员掌握核心互联网思维及传统企业转型关键运作要点，通过互联网手段低成本制胜市场，实现企业的战略突围，构筑数字时代的企业的核心竞争能力。
课程安排ARRANGEMENT
适用对象
零售业总裁、中高层管理者以及零售行业从业者、社交零售商
课程大纲OUTLINE
- 前言：新零售到底“新”在哪
- 1. 在生活中，你发现购物时发生了哪些新变化？
- 2. “旧零售”VS“新零售”
- 3. 互联网的三把利剑：去边界化、去中心化、去中介化
- 4. 新零售的基本理念：人、货、场的效率革命
- 一、基于“货”的去中介化的渠道革命
- 1. 货的流通价值
- 1）货的价值＝D（品牌）-M（制造）-S（代理）-B（卖场）-b（商户）
- 学员讨论：为什么厂商不直接开店将货卖给消费者？中间商真的没有价值吗？
- 案例分析：瓜子VS淘宝，谁是真正的C2C
- 2）渠道商的原罪：高定倍率
- 3）去中介化的革命
- 案例分析：京东VS苏宁电商大战
- 2. 新零售渠道革命的四种新模式
- 1）M2B：制造商-大卖场（专卖店）
- 案例分析：美国COSTCO在传统零售业务亏损1.6亿之下还能年盈利25亿元美金的秘诀
- 延伸学习：商品的SKU结构设计
- 2）M2b：制造商（商户）
- a直营—聚集商：肯德基
- b加盟—聚品牌：酒仙网
- c直管—聚商户：名创优品
- d联营—聚人心：宴兰亭
- 3）D2b：品牌商-商户（个人）
- 案例分析：喜茶排队模式背后的“鄙视链”心理是什么？
- 4）C2B2M：消费者-卖场-生产商
- a B2C VS C2B
- b个性化定制+柔性化生产
- 案例分析：日本丰田汽车的零库存
- 案例分析：青岛红领集团的C2B定制模式
- 二、基于“场”的O2O的场景革命
- 1. 场的“三流”价值
- 1）场的价值＝信息流（高效+体验）+资金流（数据+信用）+物流（速度+距离）
- 2）新零售带来的线上线下利益之争
- 2. 信息流革命
- 1）传统超市的盈利本质
- 2）高效性VS体验性
- 案例分析：造物神计划——BUY+
- 2. 资金流革命
- 1）移动支付的野心
- 2）数据切断VS坪效提升
- 案例分析：万达影城与猫眼之间的爱恨情仇
- 3. 信用共识：区块链在零售业的应用
- 学员讨论：什么是区块链？
- 案例分析：无人货架、无人超市及地理围栏技术
- 4. 物流革命
- 1）天猫VS京东
- 案例分析：京东为什么要自建物流？
- 2）近VS快
- 案例分析：有什么办法可以干掉天猫和京东？
- 3）社区零售商
- 4）即得性VS跨度性
- 5）预测式销售
- 案例分析：盒马鲜生的商业秘密
- 三、基于“人”的精准化营销的数据革命
- 1. 人的价值
- 1）租金的本质
- 2）人的价值＝客流量×转化率×客单价×连带率×复购率×转介绍率
- 2. 双截营销
- 1）拓客引流：线上微信营销+线下门店引流
- 2）客单价：连带率提升三步法
- 3）复购率：重复购买八种必杀技
- 4）转介绍率：金卡报名法
- 3. 数据赋能——大数据进行用户画像
- 一、为什么要做社区团购
- 1. 做社区团购的重大意义
- 1）近距抢客：近距离抢夺其他零售企业的客户
- 2）攫取数据：深度获取小区居民的行为数据
- 3）区块链接：打造社群区块链形成信用共识达成长尾盈利变现
- 2. 社区团购的盈利模式
- 1）网上销售收入
- 2）收取交易佣金
- 3）VIP会员卡
- 4）广告费用
- 5）商户品牌推广
- 二、社区目标居民用户画像分析与行为数据收集
- 1. 社区团购目标对象是谁
- 1）年轻人：解决时尚、游戏、相亲等痛点
- 2）亲子家庭：解决如何更有意义地在周末陪伴孩子的痛点
- 3）家庭主妇：解决高端社区家庭主妇内心不安全感的痛点
- 4）老年人：解决老年生活无聊寂寞无人陪伴和关心的痛点
- 2. 社区的目标客户群需求分析与用户画像
- 1）客户需求数据分析的误区
- a企业常常客户划分的第一标准——“收入”
- b企业常常客户划分的第二标准——“年龄”
- c企业常常客户划分的第三标准——“性别”
- 2）客户正确的用户画像参数
- a年龄 b性别 c标签 d职业
- e收入 f调性 g喜好 h消费习惯
- 3）社区客户的消费驱动力分析
- a需求驱动型客户
- b价格驱动型客户
- c体验驱动型客户
- d情感驱动型客户
- 4）找到用户的行为动机
