全渠道零售供应链

首先，从整体上看，原本的线下零售的供应链覆盖的是从供应商（品牌商或渠道商）到仓库、从仓库到门店这两段，而全渠道要求供应链覆盖从供应商（品牌商或渠道商）到仓库、从仓库到门店、从仓库到客户（快递）、从门店到客户（最后一公里送货上门，比如外卖、外送、到家服务）。线下零售供应链服务是to B（门店属于小B），全渠道零售供应链服务是to B加to C。

其次，从需求管理（激发需求、销售预测、影响需求、需求计划）的角度来看。

在激发需求方面，线下客户消费的痕迹难以获取，并且是离线的，应扩大心理覆盖激发需求，需要分析客户分布的区域从而针对性地投放广告，也可以通过门店内的广告和商品陈列、减价、促销来激发需求。线上客户的购物痕迹是在线和易于获取的，通过数据分析比较容易识别客户在哪里，有什么购物偏好，同时客户可以在线触达，广告投放可以做到一对一的个性化，这也就是我们在互联网上看到的产品推荐非常贴合近期需求的原因。全渠道零售客户的需求多变，并且由于互联网的实时在线和广泛传播性，一个热点事件会一夜之间点燃全国各地，因此很容易出现爆款商品。针对爆款商品，就要求供应端能够把握市场机会。爆款不是平白无故就变成爆款的，往往背后由供应方在推动，因此通过和供应方协同获得它们的在线市场计划就非常关键，但如果你的规模太小没有办法做到协同，那就需要广泛收集在线市场的情报，识别市场上的热点，进而响应这些热点市场需求。全渠道零售供应链

首先，从整体上看，原本的线下零售的供应链覆盖的是从供应商（品牌商或渠道商）到仓库、从仓库到门店这两段，而全渠道要求供应链覆盖从供应商（品牌商或渠道商）到仓库、从仓库到门店、从仓库到客户（快递）、从门店到客户（最后一公里送货上门，比如外卖、外送、到家服务）。线下零售供应链服务是to B（门店属于小B），全渠道零售供应链服务是to B加to C。

其次，从需求管理（激发需求、销售预测、影响需求、需求计划）的角度来看。

在激发需求方面，线下客户消费的痕迹难以获取，并且是离线的，应扩大心理覆盖激发需求，需要分析客户分布的区域从而针对性地投放广告，也可以通过门店内的广告和商品陈列、减价、促销来激发需求。线上客户的购物痕迹是在线和易于获取的，通过数据分析比较容易识别客户在哪里，有什么购物偏好，同时客户可以在线触达，广告投放可以做到一对一的个性化，这也就是我们在互联网上看到的产品推荐非常贴合近期需求的原因。全渠道零售客户的需求多变，并且由于互联网的实时在线和广泛传播性，一个热点事件会一夜之间点燃全国各地，因此很容易出现爆款商品。针对爆款商品，就要求供应端能够把握市场机会。爆款不是平白无故就变成爆款的，往往背后由供应方在推动，因此通过和供应方协同获得它们的在线市场计划就非常关键，但如果你的规模太小没有办法做到协同，那就需要广泛收集在线市场的情报，识别市场上的热点，进而响应这些热点市场需求。在销售预测方面，我们都知道产品从品牌商处经过渠道商到达零售商是需要时间的，为了让客户能买到现货，需要提前预测需求。对线下零售，门店是需求的源头，更多的是预测门店的销量，来拉动仓库的需求，进而拉动后端的供应。全渠道不仅要预测门店的销量，还要预测线上客户的购买量，同时预测这两者的占比。由于客户购物的轨迹在线化之后，产生了大量的行为数据，这就给需求预测模型提供了更多的数据输入，可以通过分析这些行为数据来指导需求预测，比如客户将商品加入购物车后很大概率会下单，而关注了的商品的购买概率次之，浏览时长比较长的商品的购买概率再次之，等等。如果从仓库发给线上客户的部分占比高，那库存就要更多地部署到仓库；如果门店销售或者发货占比高，那库存就要更多地部署到门店。商品要部署的地点越多、越细，该地点的需求预测越难做（这是典型的大数定理，因为越细销售就会越少，数据样本变少，就像扔硬币一样，只扔10次很难保证50%是正面朝上）。同时为了维持合理的有货率，每个地点都要配备不少的库存来应对预测与实际需求的差异，导致库存效率低下。在全渠道场景下，客户在多个渠道穿梭，需求分散且碎片化，要精准预测仓库、门店的需求量以及占比是比较困难的。为此越来越多的零售商引入云仓（一种虚拟的共享库存管理模式），即把片区内或者就近的几个门店的库存做成共享的，当收到线上订单时，如果就近的门店没有货，可以到云仓里来分配库存进行配送，这样做可以最大化库存利用率。同时按照云仓来做需求预测，就降低了对单店需求预测精度的要求，毕竟越是汇总的需求越容易预测。在实践中，这种模式需要解决的是如何平衡云仓里的库存提供者的利益分配问题，比如每家店的商品都共享到云仓了，那别的门店的需求消耗掉了我的店的库存，我不是就没东西卖了吗？为此有企业将销售提成按照在销售预测方面，我们都知道产品从品牌商处经过渠道商到达零售商是需要时间的，为了让客户能买到现货，需要提前预测需求。对线下零售，门店是需求的源头，更多的是预测门店的销量，来拉动仓库的需求，进而拉动后端的供应。全渠道不仅要预测门店的销量，还要预测线上客户的购买量，同时预测这两者的占比。由于客户购物的轨迹在线化之后，产生了大量的行为数据，这就给需求预测模型提供了更多的数据输入，可以通过分析这些行为数据来指导需求预测，比如客户将商品加入购物车后很大概率会下单，而关注了的商品的购买概率次之，浏览时长比较长的商品的购买概率再次之，等等。如果从仓库发给线上客户的部分占比高，那库存就要更多地部署到仓库；如果门店销售或者发货占比高，那库存就要更多地部署到门店。商品要部署的地点越多、越细，该地点的需求预测越难做（这是典型的大数定理，因为越细销售就会越少，数据样本变少，就像扔硬币一样，只扔10次很难保证50%是正面朝上）。同时为了维持合理的有货率，每个地点都要配备不少的库存来应对预测与实际需求的差异，导致库存效率低下。在全渠道场景下，客户在多个渠道穿梭，需求分散且碎片化，要精准预测仓库、门店的需求量以及占比是比较困难的。为此越来越多的零售商引入云仓（一种虚拟的共享库存管理模式），即把片区内或者就近的几个门店的库存做成共享的，当收到线上订单时，如果就近的门店没有货，可以到云仓里来分配库存进行配送，这样做可以最大化库存利用率。同时按照云仓来做需求预测，就降低了对单店需求预测精度的要求，毕竟越是汇总的需求越容易预测。在实践中，这种模式需要解决的是如何平衡云仓里的库存提供者的利益分配问题，比如每家店的商品都共享到云仓了，那别的门店的需求消耗掉了我的店的库存，我不是就没东西卖了吗？为此有企业将销售提成按照一定占比，分到销售门店和提供库存的门店的头上。

在影响需求方面，当需求不足或者过多时，需要采取手段调节需求，比如促销，比如价格调整。线下零售是由总部或区域集中控制的（个别特别大的门店也有自主权），一般由市场部门或零售运营部门根据供需情况来设计市场计划，再由门店执行，采用的是一种周期性、计划性的方式。线上零售完全可以交给一套数学算法，自动化地、无时无刻不进行市场活动的建议和执行，它不需要太多人工干预，可以无缝地、自动地完成从计划到执行的过程。比如你在京东上将商品添加至购物车，它会时不时地提醒你该商品降价了，从而促进销售。这些手段可以非常个性化，比如针对某些特定客户。全渠道零售影响需求的手段，往往是将两者结合，最经典的案例就是盒马鲜生，它发现线上有好卖的商品，就会在线下调节陈列位置使该商品更突出，同时发现线下有不好卖的商品（库存过多有积压风险，并非质量或过期问题），就会在线上搜索结果中提前显示该商品。当发现有些商品在线上好卖时，就在线上做广告投放；当发现线下好卖时，就在线下搞促销。

从需求计划的角度看，在需求预测的基础上，叠加影响需求的因素来制订需求计划。影响需求的因素（即前文所述需求驱动力）相对需求量改变的程度，称为需求弹性，不同的需求驱动力，其需求弹性系数不同。线下的需求驱动力包括广告、商品覆盖、促销、陈列等，而线上的需求驱动力包括商品搜索排名、优先展示、个性化推荐、个性化促销等。这就要求在制作需求计划之前，把历史上的需求驱动力的需求弹性系数分析出来，这时才能测算未来的需求量。随着渠道的一定占比，分到销售门店和提供库存的门店的头上。

在影响需求方面，当需求不足或者过多时，需要采取手段调节需求，比如促销，比如价格调整。线下零售是由总部或区域集中控制的（个别特别大的门店也有自主权），一般由市场部门或零售运营部门根据供需情况来设计市场计划，再由门店执行，采用的是一种周期性、计划性的方式。线上零售完全可以交给一套数学算法，自动化地、无时无刻不进行市场活动的建议和执行，它不需要太多人工干预，可以无缝地、自动地完成从计划到执行的过程。比如你在京东上将商品添加至购物车，它会时不时地提醒你该商品降价了，从而促进销售。这些手段可以非常个性化，比如针对某些特定客户。全渠道零售影响需求的手段，往往是将两者结合，最经典的案例就是盒马鲜生，它发现线上有好卖的商品，就会在线下调节陈列位置使该商品更突出，同时发现线下有不好卖的商品（库存过多有积压风险，并非质量或过期问题），就会在线上搜索结果中提前显示该商品。当发现有些商品在线上好卖时，就在线上做广告投放；当发现线下好卖时，就在线下搞促销。

从需求计划的角度看，在需求预测的基础上，叠加影响需求的因素来制订需求计划。影响需求的因素（即前文所述需求驱动力）相对需求量改变的程度，称为需求弹性，不同的需求驱动力，其需求弹性系数不同。线下的需求驱动力包括广告、商品覆盖、促销、陈列等，而线上的需求驱动力包括商品搜索排名、优先展示、个性化推荐、个性化促销等。这就要求在制作需求计划之前，把历史上的需求驱动力的需求弹性系数分析出来，这时才能测算未来的需求量。随着渠道的融合，这种弹性系数也变得越来越难以估计，你不知道线上打折对线下销售意味着什么，更不知道线下促销对线上销售意味着什么，当这两股驱动力合起来的时候，如果没有强大的数学分析能力，很难有效地制订需求计划。考虑到线上和线下的互换性，结合共享库存这种实践，可以按照区域来做需求计划，确保仓库（分仓、前置仓）、门店所覆盖的区域的需求能被满足。当然最简单的办法就是线上和线下同步，要促销一起促销，要减价一起减价，这样会比较容易管理。

再次，从供应管理的角度看，供应管理涵盖了采购管理、仓储管理、分销网络管理、物流管理几大环节。这里面变化最大的当属仓储管理、分销网络管理、物流管理。

从仓储管理来看，仓库接收到的订单会包含门店的补货单和线上的客户订单。补货单从仓库发往门店，是批量包装，并不是消费者可以直接消费的包装，而线上订单往往是需要拆分到可以消费的包装才能发货。做全渠道就需要仓库既能处理批量发货（to B），又能处理单件发货（to C），实践中要么是两个仓库分开，要么在仓库中单独设一块区域进行单件发货。单件发货在大型促销（最著名的是双十一和6·18）时面临巨大的压力，单量大并且几乎集中在1～2天内，不少全渠道零售商都投资建设或改造了仓库的软硬件，使它能够自动化高效地处理大批量的快递拣选、打包。

从分销网络管理来看，对于门店众多且分布在全国各地的零售商，往往有总分仓的结构，如何在总分仓之间进行库存部署影响着各个区域的需求满足程度。特别是仓库既可以给门店发货又可以给客户发货的情况下，如果某个门店覆盖区域的客户参加了一次大型在线销融合，这种弹性系数也变得越来越难以估计，你不知道线上打折对线下销售意味着什么，更不知道线下促销对线上销售意味着什么，当这两股驱动力合起来的时候，如果没有强大的数学分析能力，很难有效地制订需求计划。考虑到线上和线下的互换性，结合共享库存这种实践，可以按照区域来做需求计划，确保仓库（分仓、前置仓）、门店所覆盖的区域的需求能被满足。当然最简单的办法就是线上和线下同步，要促销一起促销，要减价一起减价，这样会比较容易管理。

再次，从供应管理的角度看，供应管理涵盖了采购管理、仓储管理、分销网络管理、物流管理几大环节。这里面变化最大的当属仓储管理、分销网络管理、物流管理。

从仓储管理来看，仓库接收到的订单会包含门店的补货单和线上的客户订单。补货单从仓库发往门店，是批量包装，并不是消费者可以直接消费的包装，而线上订单往往是需要拆分到可以消费的包装才能发货。做全渠道就需要仓库既能处理批量发货（to B），又能处理单件发货（to C），实践中要么是两个仓库分开，要么在仓库中单独设一块区域进行单件发货。单件发货在大型促销（最著名的是双十一和6·18）时面临巨大的压力，单量大并且几乎集中在1～2天内，不少全渠道零售商都投资建设或改造了仓库的软硬件，使它能够自动化高效地处理大批量的快递拣选、打包。

从分销网络管理来看，对于门店众多且分布在全国各地的零售商，往往有总分仓的结构，如何在总分仓之间进行库存部署影响着各个区域的需求满足程度。特别是仓库既可以给门店发货又可以给客户发货的情况下，如果某个门店覆盖区域的客户参加了一次大型在线销售的促销，囤了一大堆商品，可想而知这个门店的需求会骤减。从分销网络来看，想要知道如何部署库存，就不得不分析不同地理位置的客户到底在哪里买了什么，这会对线下销售产生什么影响。简单的方法是，先分析仓库所覆盖区域的总体需求，然后预测线上购买的占比，根据这个占比来分配预留给线下门店的库存，进而决定不同位置的仓库的库存部署。可以用数学模型来分析线上线下销售的影响程度，先从总量预测然后分解到各个渠道，再来驱动不同区域的库存部署。

从物流管理来看，从仓库发往门店是城市配送（也叫最后一公里物流），从仓库发给线上下单客户是快递配送，从门店发给客户是骑手外送。大多数零售商（烘焙连锁、餐饮连锁、医药连锁）会自行管理城市配送，也有不少进行外包（服装零售大多数都是外包的），快递和骑手快送绝大多数都是外包的。随着快递业和快送行业的快速发展，技术和业务越来越成熟，几乎不需要零售商太多的投入，最主要的就是与这两者进行客户信息、订单信息、支付信息的协同。

最后，从商品组合的角度看，选择合适的商品是最关键的，它决定了整个供应链的有效性。在全渠道时代，零售商有了得天独厚的条件，通过客户在线行为数据分析，零售商越来越了解客户要什么，这比传统的市场调研、客户分析更具体和快速。如图8-4所示，对于线下零售而言，通过分析市场了解需求并研发产品，再通过供应链把产品分发到终端门店。对于全渠道零售商而言，市场是在线的，产品研发通过分析在线市场的客户的消费行为，开发新产品，通过数字世界覆盖（广告投放、流量、推荐）把数字化的产品推向在线市场，同时通过供应链把产品投放到在线市场。这样的方式使得客户与产品研发售的促销，囤了一大堆商品，可想而知这个门店的需求会骤减。从分销网络来看，想要知道如何部署库存，就不得不分析不同地理位置的客户到底在哪里买了什么，这会对线下销售产生什么影响。简单的方法是，先分析仓库所覆盖区域的总体需求，然后预测线上购买的占比，根据这个占比来分配预留给线下门店的库存，进而决定不同位置的仓库的库存部署。可以用数学模型来分析线上线下销售的影响程度，先从总量预测然后分解到各个渠道，再来驱动不同区域的库存部署。

从物流管理来看，从仓库发往门店是城市配送（也叫最后一公里物流），从仓库发给线上下单客户是快递配送，从门店发给客户是骑手外送。大多数零售商（烘焙连锁、餐饮连锁、医药连锁）会自行管理城市配送，也有不少进行外包（服装零售大多数都是外包的），快递和骑手快送绝大多数都是外包的。随着快递业和快送行业的快速发展，技术和业务越来越成熟，几乎不需要零售商太多的投入，最主要的就是与这两者进行客户信息、订单信息、支付信息的协同。

最后，从商品组合的角度看，选择合适的商品是最关键的，它决定了整个供应链的有效性。在全渠道时代，零售商有了得天独厚的条件，通过客户在线行为数据分析，零售商越来越了解客户要什么，这比传统的市场调研、客户分析更具体和快速。如图8-4所示，对于线下零售而言，通过分析市场了解需求并研发产品，再通过供应链把产品分发到终端门店。对于全渠道零售商而言，市场是在线的，产品研发通过分析在线市场的客户的消费行为，开发新产品，通过数字世界覆盖（广告投放、流量、推荐）把数字化的产品推向在线市场，同时通过供应链把产品投放到在线市场。这样的方式使得客户与产品研发