新零售模式下消费者数据化发展研究

龙佳芩

(中国计量大学法学院 浙江杭州 310018)

2021年，我国“十四五”规划提出以数字化转型驱动生活、生产方式的变革，将数字化转型战略明确规定于顶层设计中。数字化转型成为数字经济发展的重要着力点，成为推动企业高质量发展的重要战略，企业进行数字化改革成为大势所趋。各行业以数据要素驱动为关键举措，以云计算、大数据、人工智能等数字技术为抓手，在生产、销售、运营等各环节推进数字化发展。零售业走在中国企业数字化进程快速推进的最前沿，特别是2016年以来，线上线下相结合、虚拟数字与传统实体相结合的数字化运营模式兴起，零售企业开启了新零售模式时代——以消费者为导向，通过大数据要素挖掘、分析消费者需求，将云计算、人工智能等新技术融入商业活动各环节，并结合线上、线下渠道开展各类营销活动，使企业和消费者获得最大化效益的商业运营模式。可见，新零售模式具有三个明显特征：一是以数据要素为驱动；二是依赖互联网环境，借助数字化技术；三是突出消费者的主体价值。

新零售模式下，消费者数据化成为零售商运营活动的重要内容。首先，新零售模式强调将零售业与互联网电商结合，线上零售已经积累了相当规模的消费者数据。国家统计局2022年公布的数据显示，2021年全国网上零售额超13万亿元，其中约11万亿元来源于实物商品网上销售，比2020年增长12%，占社会消费品零售总额约24.5%。这一数据既反映出线上零售带来的巨大收益，也反映出线上零售方式广泛适用于零售业中，其为消费者数据化提供数据来源支撑。其次，云计算等手段为海量的消费者处理数据提供了技术支撑。根据国际数据公司(IDC)和数据存储公司2019年的研究，2018年中国产生约7.6ZB数据，至2025年将增长到48.6ZB。海量数据的处理成本较高，必须借助相应的技术手段以提高数据处理效率，降低数据处理成本。然而，消费者数据化在助力新零售模式发展的同时，也存在一系列发展难题——消费者数据利用与数据保护如何平衡，中小零售企业数据处理技术是否足以应对海量的消费者数据内容，消费者数据价值是否被零售企业充分发掘？这些问题不只是经济问题，也是法学问题、技术问题，需要跨领域、跨学科综合分析。而这些难题的解决，有利于促进消费者数据化发展，推进新零售模式的完善，故有必要对此问题进行深入研究。

1 新零售模式之消费者数据化的基础

1.1 新零售模式下“消费者为王”的经营理念基础

传统经营模式强调以企业自身为中心、以商品为中心，对消费者的感受与需求重视不足；而新零售模式对此有所突破和创新，强调以消费者为中心，为消费者数据化发展提供了理念基础。零售行业的发展从战略层面由产品为王、流量为王发展到新零售模式下的消费者为王，通过消费者行为数据分析获取消费者喜欢什么产品、喜欢在什么渠道购买产品、更容易接受何种营销方式，从而制定科学合理的商业策略。将消费者行为数据化，将消费者数据作为生产要素，是零售企业践行消费者中心经营理念的重要内容。

“消费者为王”理念下，消费者数据价值能够反哺到零售行业生产、销售、运营等各环节、多场景当中。零售企业借助消费者行为数据得到其购物偏好，精准刻画用户画像，从新产品的设计、供需两端渠道的选定、销售策略的改进再到已有消费者的维系、潜在消费者的拓展，都以消费者为中心展开，从消费者需求出发辐射到各场景，在商品推荐、潜在需求预测等方面进行精准营销、个性化营销。以阿里巴巴旗下的产品为例，依靠线上平台用户消费行为所形成的消费者画像，淘宝会在客户端主页显示相关商品推荐，同时该用户在淘宝浏览过的商品还会被推荐其在聚划算、闲鱼、天猫等的平台账号上。

1.2 新零售模式下消费者数据资源基础

普通消费者的日常行为能够突破时空限制，低成本、便利地转化为能够被企业获取和利用的数据资源，该数据资源是持续、来源广、海量的，为消费者数据化提供了数据要素基础。企业主要通过刺激消费者在线上销售中的交互行为获取大量数据，主要包括拓宽交易渠道和丰富营销活动两种方式。在交易渠道上，零售企业可以入驻各大电商平台，如天猫、京东等进行全网化营销，借助多交易渠道吸引顾客，引导顾客浏览、购买、评价等互动行为，同时与各大电商平台建立数据合作关系，得到平台所拥有的市场交易数据。在营销活动中，零售企业可以参与各大平台的营销活动，也可以在自营旗舰店内开展直播带货、满减优惠等活动，吸引消费者参与，产生更多的数据。

消费者数据资源往往有结构化数据和非结构化数据两种，两者虽然对于技术要求有所不同，但均对销售企业具有巨大的商业价值。以结构化为主的订单数据，如消费者下单后形成的品类、颜色、价格、数量、地址、购买日期等数据；以非结构化为主的沟通数据，如消费者通过淘宝平台与商家客服或者淘宝客服交流产生的产品信息咨询数据，及消费者购买产品后所形成的用户评价数据。结构化数据与非结构化数据都是消费者跟企业交流的最好载体，具有重要的数据资产价值。

1.3 新零售模式下消费者收集处理数据的技术基础

随着数字经济的发展，零售行业从集贸式、连锁店式发展到电子商务式，如今又发展到新零售模式。新零售区别于传统销售模式的一大特征，即“线上线下一盘货” 营销技术的创立，这为消费者数据被实时、全面生成和记录提供技术支撑。利用互联网进行线上营销使消费者行为实时、全面在线，所有消费者的浏览、咨询、购物和评论行为都可以被记录，零售企业可以从海量消费者的数据中创造价值。如盒马鲜生通过消费者在线化获得用户在线浏览记录、购物类型分布、购物时间分布、订单支付行为等诸多数据，及时反馈到企业采购和运营部门，获得更多的竞争优势。

除了为消费者生成数据、记录提供支撑的线上营销技术外，新零售模式中的智能化客户管理为用户数据收集提供了高效的技术支撑。智能化客户管理可以借助云计算、人工智能、大数据等技术，帮助商家获取和统计难以收集的、更加精准的顾客信息，并且能够将所收集的信息类型化、结构化，为后续的信息分析环节提供了基础。收集全面、精准的用户信息与消费者行为数据，极大缩短了零售商与终端消费者之间的距离，零售商能更好地了解客户的需求与偏好，经销方式由“广撒网”转变为“精准投送”，直接推动企业的进一步发展。

消费者数据经过生成、收集后下一步是处理，其是发掘数据商业价值、潜在价值的关键环节，要求企业具备相应的处理和分析数据的能力，而云计算等技术为消费者数据处理提供了支撑。一方面，对消费者数据的处理和分析有利于为消费者提供精准化推荐、个性化服务。静态分析出购买产品数量的类型、购买次数、浏览次数；动态分析消费者月、季、年的消费类型、数量变化，从相关人与相关物两个运算方向分析消费者偏好，进行商品推荐，用“货找人”模式取代“人找货”模式，为消费者选购商品提供便利服务。另一方面，对消费者数据的处理有助于为企业提供产品制作、选择、改进方向，如淘宝公司通过对浏览量、访客数、支付订单数等数据研发的“生意参谋”数据产品，能够使零售企业更清楚地了解线上店铺整体情况，明确运营方向，优化资源配置，注意改进经营策略。

2 消费者数据化在新零售模式发展中的难点

2.1 消费者数据化战略规划的缺失

当前，很多零售企业对消费者数据化价值认识不足，从战略层面对消费者数据发挥主观能动性利用不足，缺乏对消费者数据价值利用的通盘考虑和系统设计。很多企业对于数据价值还没有引起重视，单纯地认为消费者在电商平台上进行交易行为、留下数据记录即可，而没有结合自身业务有目的地收集、处理消费者行为数据，更不必说对数据基础业务之外的潜在业务、增值业务进行发掘。零售企业即使收集了消费者数据，也缺乏对数据利用的预先规划，往往仅泛化用以观察热销产品，而没有选择适当范围的数据研发数据产品或进行增值业务的发展规划。

2.2 数据处理的负担

随着实体零售企业的数字化转型与平台企业跨界合作的深入，企业所生成的数据规模越来越大，数据成为关键生产要素，成为企业优化资源配置的基础，但数据处理技术给企业带来了沉重负担。数据体量爆炸式增长，数据生产主体与数据结构形式泛化，海量数据中不仅包含来自商家的商品数据、来自用户的购买数据、来自快递公司的物流信息等结构化数据，而且包含用户网络评价、搜索索引、商家客服记录等非结构化数据，这些都加大了零售企业处理数据的负担，包括数据处理技术负担、数据处理人才负担、数据处理资金负担。

2.3 数据安全的担忧

线上零售平台存储了大量的消费者数据，涉及消费者个人信息权益、个人隐私问题。2021年《数据安全法》《个人信息保护法》相继出台，要求线上平台在存储、收集、处理消费者数据各环节中加强数据安全保护，避免数据泄露和个人权益受到侵害。在存储环节，可能存在被第三方窃取的危险，企业需要重视必要管理措施和必要技术的利用；在收集、处理环节，企业可能存在超出消费者意愿的数据利用，须遵守“告知—同意”的程序规则，严守信息处理必要性原则，平衡消费者数据的利用和保护两方价值，同时可能存在技术人员的操作不当或违法交易，因此须加强数字化人员的技术能力、职业素质。

3 新零售模式中用户数据化难题的解决

3.1 消费者数据价值深度发掘理念的强化

在海量数据积累和数字技术发展的条件下，零售企业不应仅仅限于利用技术对消费者行为进行数据化，更应当注重从数据化的消费者行为中挖掘新的业务，着力于拓展消费者数据的价值增值空间。大多数零售企业都在对自身业务进行数字化改造，对消费者行为进行全程数据化、可视化，但是对数据的价值发掘深度不足，往往仅考虑其现有的用途，而对其未来可能被使用到的各种方式的发掘不够注重。“数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而绝大部分则隐藏在表面之下”。消费者数据的价值不仅仅显示消费产品数量、类型的基础作用，还有利用数据分析进行新业务拓展、新产品开发等增值作用、深度作用。例如，苏宁利用所积累的海量消费者数据，针对消费者在使用普通冰箱长期冷冻储存食物导致食物营养和口感降低的问题，苏宁联合海尔研发出了全球首款T门全空间保鲜冰箱。

3.2 消费者数据处理能力的提升

消费者数据化处在数字技术与零售企业融合进程中，人才、技术、资金是提升零售企业消费者数据处理能力的三大要素。首先，数字化人才是数字经济发展的基石，需多方共同发力加强对数字化人才的培养。一是零售企业要加强数字化人才建设，培养员工运用数字化技术处理消费者数据的能力；二是政府应出台相关支持政策，加大推进数字化人才的培养工作。其次，海量消费者数据的处理离不开高效、精确的算法，需加强云计算等新技术的开发。企业应加强数据处理技术的自主研发，政府推动产学研合作研发，实现科研技术成果转化，利用互联网、云计算、人工智能等先进数据处理技术准确预测消费者需求、生产新型产品、优化资源配置。最后，资金是零售企业各项运营活动的基础，不论是数字化人才的培养，还是数据处理技术的研发，都需要企业必要的资金投入,应发挥内外部联动优势，为推进消费者数据化发展提供坚实的资金支持。一是企业要编制合理的预算，综合考虑营销、建设和技术引入等费用，控制消费者数据化成本；同时不断发掘消费者数据的潜在价值，获得更多盈利渠道。二是政府应在零售企业推动消费者数据化发展初期给予一定的资金支持，推动企业数字化转型，促进国家数字经济发展。

3.3 消费者数据化的合规建设

我国将数据定位为新型生产要素，数据利用与数据治理齐头并进，零售企业在推动消费者数据化发展过程中，必须加强数据合规建设。消费者数据来自个人，大部分内容涉及数据安全相关法律和个人信息保护相关法律的规范内容，2021年《数据安全法》《个人信息保护法》出台，规定了数据安全审查制度、数据分级分类管理制度、个人信息处理必要性原则、个人信息处理必要技术保护措施等内容，对企业处理消费者数据进行了明确的要求，在挖掘消费者数据商业价值的同时，维护消费者个人信息权益和隐私权，做到各方利益的平衡。