刘一晨：大家好，非常高兴今天有这个机会，在接下来的二十分钟里给大家分享尼尔森对于整个市场的看法，以及我们在市场研究领域做的一些新探索。首先用一句话来描述今天的市场，我们叫做没人能定格一座正在喷发的火山，当火山喷发的时候，任何一个摄影师去拍都很困难，我们觉得这句话非常适合来形容今天市场的变化，为什么？我们看到说中国数字经济的占比已经达到32.9%，对于抖音这样DAU规模从四千万增长到1亿仅用了两个月时间，更重要的是我们看到人均APP使用时长是5个小时，我们知道在座的很多人已经练就了一种新的技能，每天早上可以让APP和我们的眼睛同时打开，晚上让APP和我们的眼睛同时闭上，即便是这样，大家已经用生命在看APP，五个小时的人均量已经很难增加了，未来想让我们消费者花更多的时间，在我们给到新的传播媒介上，这是非常困难的。另一方面我们看到在中国不完全统计，至少有400万以上的APP，但35个已经满足近8成移动网民的需求。这个世界有各种各样的变化，最后造成的结果是什么？我们看到这是华尔街日报的数据，现在CMO平均在位寿命是42个月，我们知道这是一个非常惨烈的数据。

为什么会发生这样的情况？我们发现整个世界虽然在变，但它变化的核心是因为，我们迎来了一群超级消费者，迎来了一群新人类，这些新人类他们具有什么特征？我们说这些新人类他有新的场景、新的内容，他有新产品、新渠道、新媒体、新模式，这代表什么？我们总结了三个点，第一这是我的时代，第二我们看到说这是一个个性规模时代，第三我们会说是人人皆媒的时代。我来解释一下什么意思，什么叫个体规模时代，今天我们看到因为技术的发展，因为产业能力的发展，其实越来越多的小需求，越来越多那些很作的想法都已经被实现了，现在大量的报道在阐述未来已经没有大众消费品这件事情了，所有的都是小众消费品，只是说有没有能力把小众消费品聚集起来，这就是目前世界的状态。另外一方面我们叫做人陈皆媒，中国人句话叫众口铄金，大家都有深深的感受，以前众口铄金需要几年的时间，现在最多需要几个小时，我们想捧红哪个产品就捧红哪个产品，想抹黑哪个产品就抹黑哪个产品，作为消费者我们当然很爽，如果你是一个营销人员，刚才景教授有讲到，营销的核心是什么？我们要满足消费者的需求，当消费者的需求在不停地变，完全没有规律的在变，我们怎么满足他们的需求？所谓的新零售，或者今天零售市场变化的核心，是从原来的货场人变成了人货场，在这个过程里面大家都很焦虑，我不怎么满足消费者的需求，我们也研究了很多成功的案例，比如说盒马鲜生，再比较下来发现一个特征，当然大家会说我有弹性供应链，我的内部管理非常有效，但一个底层的基础是数据，我们会发现这些在新时代下，能够满足新时代发展的企业，一个共同的特征就是能够很好的掌握他们的消费者数据，不仅仅包括你是谁，你在哪里，你喜欢什么，包括你在哪里买，你买什么，以什么方式买，只有当我们非常清楚的了解到这些数据的时候，我们才有可能按照不同的时间、不同的需求、不同的场景，去满足消费者的需求。

我们发现说人货场信息的打通，以前我们认为是一个锦上添花的事情，从今天看它已经不是锦上添花了，谁掌握了数据谁就掌握了未来。实际当大家在真正去管理我们的阶级，当我们真正去满足消费者需求的时候，我们是怎么去做数据的？从中国目前的企业来看，已经有59%的企业建立了数据分析相关部门，在未来的一到两年里面，也有27%的企业说他们要建立数据分析部门，我们一提到我们是数据分析就会有公司的资源倾向，我们会发现整个企业，或者整个行业里面，大家对数据的重要性已经充分认识到了，并且已经付诸在自己的管理实践里面，但是大家猜一下有多少数据被分析了？大概是百分之多少？5%都还是太乐观了，真正被分析的数据只有1%，也就是说在这个世界上每天产生那么多的数据，绝大部分都没有被分析，这些数据为什么没有被分析？我们看到有非常多的原因，包括算法、技术、数据孤岛、数据隐私，从我们跟我们的客户，跟行业合作伙伴的交流合作下来发现，我们发现最核心的不是这个，我们总结了三点，我们认为今天最核心的影响数据应用的，更多是思想而不是方法，我们总结下来一个叫迷信大数据，一个是不信大数据，一个是无用大数据，什么是迷信大数据？我们有很多客户跟我讲说我都已经用大数据了，你居然还好意思告诉我这个事你不知道。第二种叫不信大数据，当大数据的结果出来了，发现跟我们平时的常识一致的时候，我们会说那我这个项目是不是白做了，当我们发现这个跟常识不一致的时候，你这个数据不准，那到底做出来是跟常识一致还是不一致呢？在真正应用的时候会不相信大数据。无用大数据这一类是相当于在大数据行业，大数据界的集邮爱好者，他就希望把所有的数据收集到，至于这个数据怎么用，怎么能够变现，怎么帮助我解决问题，他没有想的很清楚。

当我们在商业场景下去应用大数据的时候，我们发现数据并不等于商业价值，很多时候我们没有办法找到完美的数据，我们更多看用什么样的方法去找到数据的连接点，去找到那些真正解决问题的数据，用最小的成本去获得最大的数据结果。后面我会分享一个非常小的真实的例子，这个案例是我们奢侈品品牌的客户，这个客户说我在线上投广告，线下也投广告，我希望把线上线下，不光是购买，还有广告的数据全部打通，这样我就能够最充分、最完整的理解到消费者，当然这是一个非常美好的理想，但是大家可想而知这是不是一个非常无比巨大并且烧钱的工程，我们发现这种客户有两个非常大的特点，首先他的线上广告占比占到70%，占到他所有广告投入的70%，他的线下购买占到86%，也就是说他卖出的一百块钱里面有86块是在线下商店里卖掉的，如果只是打通线上广告和线下购买这个通道，是不是就可以解决他大部分的问题，在这个指导下，我们最终打通了三类数据，一个是线上曝光数据，第二个是线下购买数据，以及他的线下位置数据，通过这样的，把线上广告和线下购买的打通，我们发现非常多有趣的洞察。首先我们看一下这是他投的三个媒体，左边这张图是受众的触达率，这三个媒体其实非常类似的，右边的这个是他真正购买的人占比，我们会发现C这个媒体虽然命中率相对较低，但真正促成的购买率是非常高的，如果基于这样的洞察，我们下一次在投广告的时候，是不是应该对这个C媒体稍微做一些倾斜。更重要的是当我们把这个数据打通之后，就可以看到消费者的状态，会看到在曝光人群里面只有24%的人是18到35岁的，但在真正购买的人里面，有58%。再看右上角的图，是上海和北京，这一轮广告里面上海90%都是18到35%岁的购买人群，而北京只有50%是这个岁数的人群。我们看到一个非常不愿意承认的事实，尽管我们说现在大家都很平等，真正买得起奢侈品的还是那些富人，在未来给到客户的建议，要去做真正的转化，就需要把我们的渠道，以及我们的人群相对缩窄来提高我们的产出。

我们整个在商业应用的环节，我们认为最重要的是商业痛点，换句话我们不是连接数据，不是为了处理数据而用大数据，而是说我们要先找到痛点，然后用最小的代价找到最合理的方法，用大数据的方式去解决问题。对于目前的营销来说，我们认为最大的痛点是什么？我相信每个人都可以说出一大堆，我们发现其实最大的痛点是线下市场难以记录，目前中国线下消费仍然占到80%，而中国市场的线下是什么状态？首先我们有960万平方公里，另外我们的地区人均GDP差异可以达到20倍以上，另外在这个广袤土地上至少有329万家店，分布在中国的各个角落，更重要的是这些店铺每年有48%现代渠道年度店铺变动率，这对我们来说意味着什么？就算我们花很多钱进行普查，去了解线下市场，如果仅仅依靠传统的方法，我们几乎不可能实现一个实时完整的市场观察。针对这样一个巨大的需求，或者一个黑盒子，我们可以怎么做？这是我们的一个梦想，我们有没有可能做一个地图，让这个地图上面能够让我们的客户可以看到每一个平方公里上，每一个地方的人货场信息，这样能够快速准确的做出市场决策，大家觉得这个可能吗？如果我们有一个人货场的全链条数据，这是不可能的，就算有可能客户也买不起，我们有非常好的信息技术，首先我们本身就有零售销售所有产品的监测，我们也有全中国店铺的普查，同时我们的数据是连续的历史数据，而且有非常好的数据建模团队。另外在中国，大家只有中国的LBS应用，在中国获取每个消费者的信息，以及基于这个洞察在全世界都是领先的，我们能够基于现在已有的非常好的条件，通过大数据的方式，能够把它变成一张智能的地图给到行业，给到我们的客户，去帮助他们做他们的销售管理和营销管理，这是一个对于整个行业有利的事，于是我们花了非常多的时间在上面。

接下来三十秒是硬广，我们在今年推出了商业智景产品，我们总结了六大特征，是希望说能够推动这六大特征，或者说我们发现如果一个大数据产品不具有这六个特征，你是很难和商业应用打包在一起，让客户真正从中受益。先讲一下全域覆盖，我们把整个大陆分成了一公里乘一公里的分隔，在场的部分有地理兴趣点、地图，再往上是尼尔森的零售渠道店铺，同时还给到新兴渠道的数据，最后我们可以把客户的数据，客户的店铺数据放在这个系统。第二层是货的信息，可以分品类、分渠道去展示，每公里的销售信息，今天零售环境的核心是人，我们不仅要知道人在哪里，就是我们所说的热力，或者有多少人住在这里，更重要的是这些人是什么样的人，男的还是女的，多大年龄，家里有没有孩子、有没有车，这些信息会帮助我们去理解消费者他们是什么样的，以及他们在哪里。有了这些信息之后，大家知道当我们去面对整个中国市场的时候，一个很头疼的问题是我以什么颗粒度来看，我们不仅看全国，可以看各个省份之间的对比，也可以看到在一个省份里面不同城市的对比，最重要的是当我们进了城市之后，在南京这样的城市，人口最多的地方在新街口一公里常住人口有多少人？大家有概念吗？如果那些蓝色区域只有一百人的话，常住人口就超过12万人，当我们想清楚把资源投到哪里的时候，如果连这个都不知道，大家就是带着一个墨镜在打仗。在此之外还可以看到每一个城市不同的商圈周边的情况。在店铺级别可以给到每一个店铺周边的环境是什么样的，它卖了多少，它的销售潜力是什么样的，到底他旁边是什么样的人最多。当我们有了这样的颗粒度，接下来就要看具体的指标，在整个产品里面，我们对人货场有超过一千个指标，如果大家去做数据分析，当我们数据维度超过六个的时候，大家就抓狂了，怎么看数据其实很重要，我们提供了筛选功能，可以帮助我们找到最想看的数据。另外还可以定制指标，比如说我要卖一个高端轻体果汁，可以筛选什么区域符合这个条件。接下来一个特征是动态追踪，大家知道以史为鉴可知星替，用历史数据追踪是非常重要的。最后一个特征也是我们非常看重的，就是大数据不能应用很多时候是因为数据孤岛，我们并不希望建立一个孤岛，把它竖在客户孤岛的旁边，我们的数据可以和客户进行打通，让它帮助客户去成长。

后面非常快的举一个例子，我们看看用这个产品怎么解决问题，当我们使用大数据的时候，很多时候并不是说把以前能做的事情做的更好，而是说我们把以前不能做的事情把它做成，这个客户他想卖一个针对中产阶级的茶饮料，成熟的客户都会分几步走，第一先找到我的目标人群，我先定义我的目标人群，第二我通过各种各样的市场研究和消费者研究，我知道这群人喜欢什么，我就去针对性的设计产品，第三找到这些人，把产品投出去形成销售，在传统的方法里面，第一步和第二步都非常容易，对吗？如果我们定义好了第三步怎么办？我们要去找到这些人在哪里，这往往是两个团队撕逼的开始，哪两个团队呢？一个是产品设计团队，一个是市场营销团队，让我们来看一下我们是怎么做的，首先我们要找到中产阶级，尼尔森超过几十年的市场研究经验，我们把人按照两个维度，一个是生理维度和社会维度，分成了八十多个细分的类别，可以快速组合成中产阶级的描述，当我们把这些条件确认之后，马上可以在整个南京地图上找到中产阶级，这个是南京中产阶级人口数量热力图，如果只是知道人多，我们是不是就一定卖得出产品呢？如果这个地方是一个工业区，还会再看第二个指标就是茶饮料，我们要去找到茶饮料哪里销售的最热，我们看到右边这个图是南京城区茶饮料的情况，左边是刚才筛选出来的中产阶级高密度图，当我们把这两张图合在一起得出来一张图，我们会看到这到底有多大，整个这个区域占到南京城区总面积的9%，但是这个区域覆盖了南京整体茶饮料的35%，也就是说我只要搞定这9%的面积，我基本上抓住了南京35%的茶饮料。接下来怎么办？找出这些关键区，接下来帮助客户提升在这些关键区的铺货和表现，最大的问题在于绝大部分客户根本不知道这个地方到底有多少家店，需要知道南京整体店铺密度，当客户的数据，客户输入他到底铺了哪些店之后，我们立刻产生一张神奇的地图，我们叫做铺货差值热力图，根据我们现在这个客户的情况，我们发现最终他真正要去做的只有13个山隔。大家知道全南京有多大，全南京有六千多平方公里，换句话说最终的优化是从6586个山隔到13个山隔，我们营销的本质始于消费者的满足，终于利润，如果能用10块钱去做别人一千块钱才去做的事情，剩下的这些就是我们的利润，这是我们市场研究公司希望给到行业提供的洞察和价值。

这是我今天的分享，希望大家在未来和尼尔森一起，来探索如何利用大数据为我们的客户，以及为我们的行业带来更大的价值，谢谢大家！

主持人：谢谢刘一晨女士的分享，接下来大家再坚持一会儿，将迎来今天上午最后一个主题分享，来自于益普索中国总裁周晓农先生，为我们带来《技术驱动下的零售行业》，有请。