对话 | 蜜芽：数据驱动业务，玩转人货场

中国家庭的消费升级，催生了很多细分领域的机会，比如前一篇我们提到的在线教育（对话 | 海风教育姜远航：技术与教研并驾齐驱，海风教育用模式创新定义教育智能新高度），再比如今天我们要重点探讨的母婴市场。作为一个万亿级高速增长的市场，母婴行业巨头林立，竞争激烈。解读在母婴新零售环境下的数据驱动和精细化运营，深入探究优秀母婴企业的新零售数字化融合进程，也将为其他零售业态带来启示。

因此，今天我们文章聚焦的“主角”，是中国母婴行业的领军企业——蜜芽。蜜芽创立于2011年，短短几年内快速成长，以超百亿估值赫然列于2018年全球独角兽企业榜单，如今已成为母婴市场第一梯队的重要玩家。蜜芽之所以能够取得今天的成绩，与其对企业数据化运营、数据驱动文化落地的积极探索实践有着重要关系。

对于母婴在内的所有零售业态而言，不管新零售还是传统零售，核心关键从始至终都是解决需求与供给的匹配问题。决定新零售的关键因素，是企业借助相应的技术和数据能力提升产业效率和实现用户体验深化，从而更好地满足用户需求。

纵观蜜芽的发展历程，也是这样一个不断被数据驱动、不断进行自我升级、满足市场新需求的过程。蜜芽最初以跨境电商起家，经历了8年快速发展，现如今其业务已横跨包括线上零售、线下服务、母婴社群、自有品牌在内的婴童生态产业，一步步逐渐壮大自己的新零售布局。

早在成立之初，蜜芽便及早的预见了用户价值变革和数字化时代带来的机遇，耗资打造了自有的大数据管理平台，并借助技术优化智能供应链，实现效率最大化和数据资产化，大力推进品质零售和智慧零售进程。

另一方面，为了实现更进一步的精细化运营，去年11月，蜜芽选择携手观远数据，借助观远数据新一代AI+BI智能数据分析平台打通了对商品、会员、营销、供应链等全方位数据的深度洞察。并在原来的基础上，进一步优化搭建了更加完善的数据分析指标体系，用以指导产品与服务创新，因而构筑了自身坚固的企业壁垒。

基于母婴用户群体的独特性，要求更加注重质量、口碑、体验、效率等因素；再加之母婴用户在消费生命周期的不同阶段，对不同的产品和服务品类的消费亦存在差异，总的来说，母婴行业的竞争本质上是综合运营能力的竞争，需要更全面、颗粒度更细的数据分析来支持。

为了实现这一目标，蜜芽的大数据团队从三个方面出发，即 构建科学的数据指标体系、快速准确的计算、赋能业务决策，从而形成更高效密集的数据化网络，使得业务发展和数据指引之间实现良好的反馈循环，持续引领商业成功。

在构建数据指标体系这一环节时，蜜芽大数据团队不仅仅只是停留于理论层面，而会考虑行业在看什么数据，业务部门关心什么数据，以及产品自身能产生什么数据，进行全方位地细致思考，等指标体系建立之后，再配合后期制定的评价体系，进行多维度的灵活对比。

1.观远数据：中国母婴市场经历了从传统零售向互联网化转变，如今迈入了全渠道融合阶段。对此，蜜芽是如何布局的？

曾昶：蜜芽于2011年创立，经历8年发展，从妈妈的品质育儿到全家的品质生活，蜜芽已经服务了近5000万个中国家庭，将30多个国家的2万种优质产品和服务提供给了消费者。2014年，蜜芽采用平台零售的方式连接了品牌方、海外经销商，将海内外优质的母婴产品带给消费者。2017年，蜜芽探索以ODM模式打造自有品牌连接了全球各地的优质工厂、头部制作商，还用批发业务连接了线下母婴店。到了2018年，通过会员制度蜜芽连接了三四线那些想让生活更美好的家庭，以独特的模式帮助他们把握社会资源实现突破。伴随着品类和业务的扩张，蜜芽一步一步让连接变得更多元。

2.观远数据：蜜芽大数据团队的日常工作内容是什么？请从消费研究到企业内部数字化两个方面展开谈一谈。

曾昶：我们的日常工作主要包括三个方面：构建科学的数据指标体系和评价体系，快速准确的计算，以及赋能业务决策。

在构建数据指标体系时，我们一般会从三个维度去思考：行业在看什么数据，业务部门关心什么数据，以及产品自身能产生什么数据。简单举几个例子，电商行业很看重毛利率、ARPU值等指标，市场部门会看重获客成本、用户留存等指标，供应链部门会关心库存周转率等指标，产品会关心注册成功率、下单转化率、推荐成功率等各种转化率指标。

这些指标体系建立之后，还得有评价体系，跟同行比处在什么水平，跟过去比是否在进步，以及内部的PK机制等。

指标体系确立后，得能快速准确的计算出来，这背后需要用到很多大数据相关的技术，比如得有数据仓库，得能加工处理各种业务流水数据，以及得有集群的运算能力来保障速度等。

最后是赋能业务决策，用数据指引业务发展, 形成业务发展和数据指引之间的反馈循环。

3.观远数据：蜜芽的客户画像与其他电商平台有何不同？蜜芽如何做到精准的受众营销？

曾昶：我们的品牌slogan是年轻妈妈，品质生活。简而言之，我们的主要客户群体是追求品质生活的年轻妈妈们。关于精准营销，我们更多的是通过精选品和社群传播来吸引我们的目标用户群体，这是物以类聚人以群分的典型场景，微观层面我们会基于用户行为数据构建更细粒度的用户画像，这些画像会用在推荐、复购等场景。

4.观远数据：在使用观远数据之前，蜜芽的数据分析如何解决？

曾昶：我们自己开发了传统的报表系统，在赋能业务决策的效率上偏低。引入观远数据之后，业务部门的分析效率大幅提升，进一步促进我们构建了更加完善的数据指标体系。

5.观远数据：目前观远数据智能分析平台用在了哪些部门和业务分析？有哪些可量化的数字化价值？

曾昶：大部分业务部门都已经在使用观远产品做数据分析和展示。观远产品的开放性非常好，既可以直连我们的数据仓库，还可以使用自带的ETL工具对原始数据直接进行加工处理转换，也可以仅用于展示。这种开放性，可以让我们把权限开放给业务部门的分析师，相互协作，大幅提升分析效率。

举个例子，客服部门的分析师，在我们授权了部分数据集的基础上构建了一整套客服部门的指标体系， 比如接通率、人效、工单率等，这些指标有效促进了各类服务质量的提升。

6.观远数据：目前蜜芽有哪些涉及AI层面的应用？未来蜜芽在大数据、IT建设层面的愿景？

曾昶：目前AI层面的应用主要是商品推荐，基于大量用户的购买行为提炼出用户的购买决策模式并用于商品推荐。在大数据方面的愿景，希望能构建更全面的数据指标体系，全方位赋能业务部门，做到所有的决策都有数据依据，到了这个阶段，大数据的AI就不可或缺了，这也是对观远数据产品的最大期待。

7.观远数据：您能否就自己的经验和我们分享下未来零售电商大数据还有哪些玩法？

曾昶：大数据的未来玩法我理解就是观远数据所推崇的AI——内置智能决策模型。落地到零售电商，需要一整套零售电商完善的数据指标体系，以及指标之间是如何互相作用的，指标和业务执行之间是如何形成反馈闭环的等等。很期待大数据AI时代的到来。

一键解锁！

蜜芽也在用的智能数据分析平台