产品
解决方案
产品说明
关于我们

Data Analytics

这是一款用于企业数据可视化分析的自助式敏捷BI产品,可以针对企业业务数据进行自由维度的探索式分析,释放IT压力,真正将数据分析工作交还给最懂业务的人,提高企业决策效率。

典型客户:小米、克丽缇娜、雀巢、联合利华.....

Data Analytics 点击试用

Data MAX

这是一款用于企业数据可视化展示呈现的标准+自由定制化产品,将业务数据经过处理后以实时的炫酷的可视化形式展示出来,广泛应用于领导驾驶舱、指挥中心、展览展会等场景。

典型客户:人民日报、富力集团、OPPO、民生银行.....

Data Max 点击试用

咨询电话

400-1024-262

关注DH小助手

可随时微信沟通

首页 > 关于我们 > 行业信息 > 文章详情
便利店行业:全时出局,便利蜂高亮,不同境遇只因这点
2020-08-07
5月11日,一则来自便利店的通知引起了不少讨论:全时便利店公众号发布称,全时便利店北京门店将于2020年5月20日结束运营。尽管这份通知被迅速删除,但公众对街头巷尾那些便利店的关注就此开启了。
 
在全时便利店因为资金链危机“再次等待接盘”之时,便利店新贵——便利蜂迎来了新的高亮时刻——有消息称,便利蜂在新一轮融资之后已经累计募集资金达15亿美元。
 
 
据悉,便利蜂已经在全国20个城市开出了超过1500家门店,其中包含北京的500多家、天津200多家、华东几城数百家。2020年2月,便利蜂还于深圳开出华南首店。这距离它在北京中关村开出第一批门店还不到三年。与中国门店最多便利店全家做对比,全家开出2500家门店花了整整16年时间。
 
经营便利店事无巨细,新冠疫情也让大量门店歇业,便利店品牌承受极大损失,行业竞争与不利条件下,为何便利蜂能够迎来高亮?
 
今天DataHunter数猎哥就来说说便利店行业背后之事,成就了便利蜂的推动力是否能帮助其他便利店实现业绩攀升,以及在这个过程中,数据能起到的4大作用。

 

 
一、国内便利店行业的现状
 
1.国内便利店渗透率较低,增长潜力大
 
相关数据研究显示,当一个地区的人均GDP达到6000美元时,便利店就可以进入发展高峰期。按照美国、日本等国家的历程,在大型超市充分发展之后,会迎来现代连锁便利店发展的高潮。
 
日本第一家真正意义上的现代便利店,也是7-11的第一家日本店是1974年才开张的。而我国当前的人均GDP已接近一万美元。如果横向对比,中国的大城市和东部沿海地区基本具备了1970年代日本社会的购买力,同时,在全国范围内,大型超市的发展已经进入全面的衰退期。
 
可是,从单店辐射人数来看,国内目前便利店的渗透率尚低。据中国连锁经营协会统计,国内26个重点城市单个便利店辐射人数为1.2万人,同期日本和台湾这一数值约为2500人。行业发展优先的城市如广东、上海,两地便利店密度达到了白热化竞争阶段,此外其他城市便利店市场普遍处在起步和初期成长阶段。
 
2.本土便利店融资不断,正慢慢崛起
 
这几年,相比急剧衰退的百货店、大卖场,本土便利店却如雨后春笋般涌出,资本的热情也被点燃。据不完全统计,阿里、腾讯、高瓴、红杉、今日资本、源码资本等产业资本和VC/PE机构纷纷出手,本土系便利店正在崛起。
 
不仅如此,视便利店为香饽饽的还有互联网巨头与地产企业,京东与苏宁都在用自建的方式做自己的京东便利店和苏宁小店;保利旗下有若比邻,绿城则收购了好邻居便利店.....便利店这条路上,玩家众多。
 
3.竞争,与“关门潮”
 
便利店作为一个独立业态,是城市生活基础设施重要组成部分的地位终于得到认可,但另一方面,整个行业也受到疫情的较大冲击,同时便随着激烈的竞争,行业也引来了大量的关门潮。
 
2018年,邻家便利店股东爆雷致资金链断裂,一夜间168家门店全部关停;同年9月,131便利店因资金周转问题,公司员工遣散,创始人失联;全时便利店自前年11月关闭90多家门店之后,去年2月也迎来倒闭拆分……这些纷纷关闭门店的便利店品牌均开业仅仅几年,都曾在资本簇拥下兴起,如今在资金断裂后黯然落幕。
 
 
二、为什么便利店经营如此困难?
 
便利店虽然小,却是所有零售业态中最复杂的一个形态。要做好一家便利店,后台供应链、顾客的运营、产品研发、仓储等方面,都需要做到精细化管理。同时,经营者必须还是一个社会学家,对于所在的城市消费习惯、人口结构、政策法规等,都要有深刻的洞察。便利店经营之难,整体来说是以下几个方面导致的:
 
 

1.所需资金较大,但净利润却低
 
对便利店的经营来说,资金问题是非常重要的,便利店的生产成本是零售业中最高的,通常来说店铺面积越大,租金、电费、装潢等经费就越高,开店越多所需资金就越多。中国连锁经营协会发布的《2018中国便利店报告》显示,近一年来便利店行业的运营成本正在快速上升,其中房租成本上升18%,水电成本上升6.9%,人工成本上升12%。
 
Today便利店创始人宋迎春曾感慨,“便利店就是弯腰捡钢镚的幸福”,尽管便利店的平均价格比传统超市高15%、毛利率多在20%~30%,但净利率却难超5%,投资回报周期长,实际是门苦生意,赚的辛苦钱。
 
2.店铺难以标准化
 
不同区域的单店铺是否能盈利所受影响因素较多,比如选址、产品售卖、店铺装修,因此店铺难以标准化。比如,7-11和罗森在日本都有非常标准的店型模板:100平米左右,四方的标准size。店型应该怎么选、货架应该如何陈列、如何施工,都有现成的标准。
 
但是,这一招在中国就很难适用。因为中国的店铺建造是没有标准化的,每一家商铺的施工材料、结构都有可能不同。在中国,如果没有标准模板,每家店就需要设计出十几张图纸,成本很高。基于这样的情况,由于不同门店货架的摆放不一致,那么能够做到多少营业额,就需要重新动态计算。
 
3.规模化以后管理成本过高
 
在中国,零售行业要发展就需要规模化,而规模化是通过直营或者加盟来解决的,但是这中间就会导致管理成本过高。直营就不用说了,对于加盟也是一样,因为从根本上来讲,要统一品牌商跟加盟主的利益关系,在中国是非常困难的一件事。
 
加盟模式的重要底层逻辑是激发加盟主主动经营的意识。但是在食品行业,这个主动经营获得最大利润的意识,有可能变成违反食品卫生、破坏品牌的行为。比如过期食品不废弃,偷偷换标签……其次,中国加盟主相对来讲人均素质和日本不一样,学历没有这么高,自我优化经营的能力没有那么强。
 
4.单店模式不成立,就不能追求规模
 
便利店是单店模型,通常来说,一个城市至少要有商圈店、社区店、校园店、交通枢纽店四种模型,但是不同城市还有不同变化,比如深圳还需要有工厂店。不同的单店模型盈利能力必然不同。所以只有培养出成熟的单店模型,再去规划化复制,才能通过在某一区域密集开店,从而让物流、供应链和运营成本降到最低,也是很多便利店品牌在地方很成功,而无法在全国却实现规模化的原因。
 
 
三、便利蜂做了哪些事赢得高亮时刻?
 
按照行业规律,一家便利店从开业到盈利一般要经过7年的营运周期,但便利蜂却只用三年就在北京地区实现盈利,实属难得。归结原因可能在于3点:
 
1.提前布局供应链
 
虽然顶着“互联网标签”,但便利蜂是忠实的日系便利店信徒。在日系便利店中,鲜食和自有品牌是主要的盈利来源,也是相比本土便利店最大的优势。
 
 
在华北和华东,便利蜂投资了多家鲜食工厂,并在一开始就投资了北京7-ELEVEn鲜食合作工厂呀咪呀咪。今年2月,便利蜂还在天津成功摘得30亩土地使用权,用于建设鲜食供应基地。自有品牌上,便利蜂在2年时间做到了近200个SKU,去年11月,便利蜂推出自有商品品牌——“蜂质选”。根据官方说法,现在便利蜂的鲜食和自有品牌的营收占比基本与三大日系便利店持平。 
 
2.算法推荐
 
“算法推荐”则是便利蜂与传统便利店之间最大的不同,为此便利蜂不惜花重金投入到中央系统的计算能力、数据采集和算法的迭代上。在发展的初期,便利蜂甚至还推出了共享单车和无人货柜业务,据悉这也是为了获取用户动线数据,以指导便利蜂选址开店问题。
 
比如便利蜂曾做过一个实验,让10个最有经验的7-ELEVEn店长,拿着所有数据工作一周,把一个店铺的商品减少10%的 SKU;结果显示,销量隔日跌了5%。复原让计算机选择,同样减少10%SKU,销量隔日只下降 了0.7%。
 
3.数字化管理
 
便利蜂几乎其所有的决策都由数据和算法确定,中央大脑形成的各种业务决策,作为相关人员行动的依据,业务链条上的所有人员,只需要按照软件提示的策略执行。这就意味着,在运营中人的负担被大大减小,而经营效率得到了大幅提升。
 
这种极致量化管理自然有它的好处。首先,大量缩短了员工培训的周期,便利店行业培训一个店长需要2-3年,便利蜂只需要45天到6个月,因为传统便利店模式下需要由店长做的决策,大部分被算法取代,变成自动化管理。这一点至关重要,如果按照传统培训周期,根本跟不上便利蜂的开店速度。
 
另一方面,对生产、配送流程的数字化管理,能够最大程度保证产品品控,实现标准化;基于销售数据选配每个门店售卖的商品,成功率也远高于人工选品。
 
 
四、便利店经营,数据能起到什么作用?
 
1.实现供应链的实时监控
 
对供应链来说,数据可以帮助从生产源头到物流配送再到门店销售,全程强监控、数据化、在线化,能够最大程度保证产品品控,实现标准化。
 
 
DataHunter为零售企业制作的“库存观察
 
比如以食品安全为例,为确保加工好的食材安全配送至门店,可以利用冷链物流车上安装了GPS和蓝牙温度计,在后台实时监控车内温度,发现异常实现自动报警。其次,还可以利用数据来监测商品是否过期,在一定程度上堵住了人工疏漏,有效解决食品安全问题。
 
2.通过数据解决选址问题
 
所有实体店成败的第一个关键点就是选址。未来的选址一定是基于大数据。比如美团、饿了么就有非常好的数据,可以随时开发出这样的产品,直接告诉你城市的哪些位置的消费需求、年化投资回报率多少等等。所以选址一定是基于依据靠谱的商业数据决策来进行。
 
3.利用数据实现商品的数字化管理
 
便利店的选品,需要综合多重因素,例如营业额占比和毛利占比的分配,综合考虑起订量、消费者惯性品牌、本地上货红利、社交网络流行要素,人无我有、人有我有、人有我比,货品轮替,不同阶段的集采优势或者单品牌采购或者补贴,这取决于实时综合计算和内部指标的设计。
 
 
DataHunter为零售企业制作的“商品销售分析
 
譬如便利店日商可以拆分为:日商=流动客日商+固定客日商=(集客店人口+流动客流)*转化率*客单价,则对于不同人客单价、订单结构、不同品类转化率的数据,都是需要区分并且长期计算和维护的。
 
举个最简单的例子,便利店很容易出现“好卖的sku出现扑空”的情况,而基于数理统计和相关性分析,销售预测和实际情况的拟合度有机会做到更高,最终会减少货损。
 
4.洞察与管理用户的需求
 
比如可以通过门店的智能摄像头来识别门店客户的用户画像,并对通过用户购买行为数据,对用户进行标签化,从而实现用户需求的洞察。
 
与此同时,用户行为数据分析也能反向推动店铺的商品与管理运营。除此以外,还可以对用户进行分层管理,提升客单价,最终提高店铺的运营效率,实现盈利。
 
 
五、小结
 
在未来我国便利店行业发展速度将继续扩大,国内便利店数量数量也将会激增,而在行业竞争愈发激烈的情况下,如何提高自身的抗风险能力将成为接下来的比拼的关键。
 
而在中国,除了效仿日系便利店成熟的模式外,更要结合中国特殊的消费市场环境来做好门店的运营,比如国内电商比国外发达;消费分级使得同一城市的消费层次也更加多元和复杂,而零售渠道供给总体又是过剩状态;还有二三线城市社区文化与一线城市商圈文化的不同等。
 
但总的来说只有依靠数字化能力来保证前端、后端运营,渠道和控店相结合,并提高决策与管理效率,最终才能实现“千店千面”的终极模式,并不断带动经营模式的迭代与升级。
热门文章
免费试用DataHunter产品
Data Analytics
业务驱动型BI工具
免费试用
Data MAX
极致性价比的大屏可视化产品
免费试用
Data Formula
敏捷型数据中台
免费试用
Copyright © 2018 北京数猎天下科技有限公司 | 京ICP备16063904号-1