通过“Databank”转向大数据应用
中国零售市场持续扩大，电子商务规模在2019年达到10万亿元（约合155万亿日元），渗透率从2015年的13%增长至24%。这主要得益于电商平台及品牌数量的增加。
然而，随着竞争加剧，获客成本显著上升。受新冠疫情影响，单个新客获取成本从2018年Q1的207元（约3,190日元）飙升至2020年同期的812元（约12,520日元）。此外，Tmall服装品类增长率也从2018年的37%降至2019年的8%，增长势头放缓。
在此背景下，Tmall正从传统的引流广告工具，进化为通过「Databank」利用大数据的战略平台。
什么是推动大数据应用的“Databank”
Databank是向品牌企业提供全面用户数据管理功能的仪表盘。它整合了阿里集团全生态的数字营销及用户购买历史数据，支持CRM（客户关系管理），涵盖用户偏好、生活方式等生命周期所需信息。
其核心优势在于拥有6亿用户数据，并能跨平台关联用户，从而保有并活用除购买行为之外的多维信息。
尽管具备大数据分析能力，但因使用方法多样，品牌方或TP（Tmall合作伙伴）难以高效实施改善措施。为此，阿里于2019年推出了旨在明确销售增长路径的“FAST”框架，以及用于评估品牌扩张潜力的“GROW”分析模型，标志着其在强化数据分析方面的战略转变。
支持大数据应用的“FAST”与“GROW”是什么
“GROW”和“FAST”是简化Databank操作、帮助企业有效活用的框架和分析维度。
- GROW：通过分析市场、行业及品牌状况，评估“渗透力（拉新）”、“复购力”、“客单价提升力”和“新品推广力”，把握品牌潜力并制定战略。
- FAST：通过分析顾客“总数”、“关系深度”、“会员及粉丝总数”、“活跃度”，明确品牌现状及培育重点，指导促销策略的制定与执行。
「FASTer」是「FAST」的进阶版，在整体顾客分析基础上增加了以旗舰店为核心的视角。
虽然「Databank」是分析轴心，但「GROW」的市场行业分析需使用天猫头部品牌专属的「策略中心」；而「FAST」的用户分析及促销模拟，则需配合「阿里妈妈」或「UniDesk」等广告管理工具。
鉴于灵活运用各类工具对技能要求较高，易导致“理论可行”与“实际操作”脱节，「GROW」和「FAST」应运而生，以降低使用门槛。
执行流程大致分为以下5步：
- 分析行业与品牌现状，掌握潜力；
- 基于分析结果，锁定重点客群与商品；
- 根据细分群体与商品制定品牌战略；
- 深入挖掘客群洞察、关联品类及KOL，制定短期执行策略；
- 及时执行策略并进行PDCA循环优化。
该框架并非严格区分GROW与FAST，而是从多角度审视市场与品牌状况，辅助制定综合战略。同时，因广告投放可追踪触达用户，实施策略时同步进行客户分析并每日优化至关重要。
Transcosmos China的策略案例
以下为某运动服饰企业利用Transcosmos China的「GROW」和「FAST」开展“618”大促的案例。
团队根据目标销售额反推所需新客数量，结合品牌定位与市场潜力分析，制定消费者及产品战略，并最终落地具体营销措施，实现了410%的目标达成率。这充分验证了数据驱动精准选品与受众定位的有效性。
在中国这个大数据领先市场开展零售业务，以往依赖的商品力、品牌力及渠道关系依然重要。但在数据透明化的当下，数据分析能力及基于结果的执行验证能力已成为新的核心竞争力。