热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

2.5星|刘润《新零售》:公开资料汇编,缺乏洞察

新零售:低价高效的数据赋能之路新零售相关公开资料的汇编。作者说为写本书专门采访了雷军,书中小米相关的部分,没发现未公开的信息与观点。其他案例与信息也基本见过。大概有一半的内容在作者的《5分

新零售:低价高效的数据赋能之路

新零售相关公开资料的汇编。作者说为写本书专门采访了雷军,书中小米相关的部分,没发现未公开的信息与观点。其他案例与信息也基本见过。

大概有一半的内容在作者的《5分钟商学院》系列中出现过。

书中没看到有深度的洞察。

扉页上介绍作者担任过一些大企业的战略顾问,从本书及《5分钟商学院》的内容来看,作者更像是商业课讲师而非战略顾问。

书中的案例,还有几个是作者自己的购物、购买服务的例子。作者要是真的给企业做过战略顾问,肯定会拿自己的成功案例来举例。

总体评价2.5星,价值不大。

以下是书中一些内容的摘抄,【】中是我根据上下文补充的信息:

1.【2015阿里巴巴的38扫码节活动中,】消费者在超市里,拿着手机扫描货架上商品的条形码,就会看到商品的价格等相关信息,以及淘宝的销售链接,甚至还有同类商品推荐。大家发现,同样的商品,淘宝的售价明显更便宜,下单还能享受送货到家的服务。所以很多人在超市里“逛”,在网上“买”。P33

2.未来,线下会有越来越多的“品牌体验店”。所谓品牌体验店,是指我开店的第一目的,就是为了让你看,让你摸 让你闻, 让你喜欢上我的产品,而不是销售。 P40

3.但是,小米的另一个决定,让这个不卖货的体验店卖货效率出奇的高。那就是“线上线下同价”。P51

4.通过淘宝交易的历史数据,我们可以发现,淘宝交易最集中的额度在100~200元,这一额度并非受商品质量影响,而是人们普遍能接受的零钱心理账户在这一区间内。P63

5.在这家天猫小店附近的居民,过去有没有在淘宝,天猫上买过东西?多半买过。那么,阿里巴巴就可以根据这些消费数据来计算最适合在这家店销售的商品。这就是大数据选品。P86

6.当于6.7362元人民币。这样计算,苹果门店的坪效差不多是40.21万元/平方米,Reis&Irvy's是28.78万元平方米,Murphy USA是26.98万元平方米,蒂芙尼是21.39万元平方米。这些是全球表现最好的零售实体店,大部分线下零售店的坪效远远小于它们。P97

7.把店开在地铁站,人流量虽然很大,但是大家不进店;把店开在重奢的商场,大家购买的心态和频次都很低。 所以,小米确定了和优衣库,星巴克,无印良品对标开店的选址策略。P113

8.小米之家甚至设置了“电视大师”和“笔记本电脑大师”这样的工作人员,专门回答用户体验后的问题。电视笔记本电脑这些高单价产品,在线上购买时难下决心,但因为用户体验,在线下卖得更好。P119

9.前面很多案例,都是传统线下零售不如互联网;而生鲜这个领域,互联网却不如线下。为什么? 侯毅总结为:高损耗,非标准,高冷链物流配送成本,品类不全,无法满足消费者对生鲜的即时性需求。P123

10.设置3公里的范围限制,除了时间方面的考虑外,还有成本控制方面的考量。生鲜电商难就难在需要构建冷链物流配送体系,如果没有,商品的损耗会很高,一旦采用,成本又会上升。而3公里的范围,可以用常温配送替代冷链物流配送,大大降低了物流成本。P132

11.什么是定倍率?定倍率就是商品的零售价除以成本价得到的倍数。100元成本的东西卖500元,那它的定倍率就是5。定倍率是商业世界最基础的逻辑之一,是衡量商业效率的重要指标。定倍率越低,效率越高。P144

12.定倍率为10,算不算高呢?还不算是最高的。化妆品首饰眼镜等很多商品的定倍率远高于10。 例如,某品牌香水的市场价是780元,它的原材料成本价是15.6元,其定倍率为50。P146

13.今天,中国各行业的平均定倍率大概是4,高于世界平均水平。在互联网冲击之下,国内很多零售从业者遭遇灭顶之灾,大多是因为这些企业的效率太低。P146

14.据资料显示,Costco每年会员费收人大约20多亿美元,而2017财年,Costco的净利润为26.8亿美元,这意味着整个Costco的利润主要来自会员费。P154

15.目前,Costco还处在高速增长阶段。在过去十年,沃尔玛销售额的平均增长率为5.9%,塔吉特是5%,而Costco则达到9.19%。P157

16.ALDI的创始人从不接受任何采访,他认为接受采访还不如去理货,“我坐在镜头前夸夸其谈几小时,都会增加到商品的成本上”。P159

17.在日用杂货行业定倍率为3的效率水准下,名创优品把定倍率做到了1。也就是说,它的销售价格,基本就是别人的出厂价格。P160

18.叶国富用了一种介于直营和加盟之间的开店模式,叫作“直管”。直营,就是自己投资,自己管理;加盟,就是别人投资,别人管理;而直管,就是别人投资,自己管理。P163

19.这就是牛鞭效应。从零售商层层反馈到制造商的生产数据,被不断放大,越来越失真,像甩动的牛鞭一样。而牛鞭效应的代价,就是整个商品供应链中积压的库存。P185

20.红领集团的总裁张蕴蓝曾经对我说,对很多服装品牌来说,每销售一件衣服,大概会产生三件库存。所以可以说,你买一件衣服,等于付了四件衣服的钱,只不过另外三件没有给你而已。P193

21.从Costco的角度来说,一旦决定要靠会员费来赚钱,立场就跟会员是一致的,会想尽办法把东西卖得又便宜又好,这样会员才愿意续费。商品的毛利只是为了覆盖运营成本,几乎不需要在商品上赚取更多的利润。P220

22.在传统的百货商场,每一层都有一个统一的收银台,而购物中心的每一家店内都有单独的收银系统,消费者不需要再跑到收银台结账,在品牌的店里就可以付款。P228

 

 

 

 

 


 

 

更多良心书评参见我的公众号:左其盛经管新书点评

 


推荐阅读
  • 本文深入探讨了C++对象模型中的一些细节问题,特别是虚拟继承和析构函数的处理。通过具体代码示例和详细分析,揭示了书中某些观点的不足之处,并提供了更合理的解释。 ... [详细]
  • 【行业专题报告】 人力资源专题资料
    每项专题报告都是从2019开始更新到至今,后续将持续更新如需查看完整报告和报告下载或了解更多,公众号:参一江湖今天为大家分享专题 ... [详细]
  • 本文作者分享了在阿里巴巴获得实习offer的经历,包括五轮面试的详细内容和经验总结。其中四轮为技术面试,一轮为HR面试,涵盖了大量的Java技术和项目实践经验。 ... [详细]
  • Netflix利用Druid实现高效实时数据分析
    本文探讨了全球领先的在线娱乐公司Netflix如何通过采用Apache Druid,实现了高效的数据采集、处理和实时分析,从而显著提升了用户体验和业务决策的准确性。文章详细介绍了Netflix在系统架构、数据摄取、管理和查询方面的实践,并展示了Druid在大规模数据处理中的卓越性能。 ... [详细]
  • 本题探讨了在大数据结构背景下,如何通过整体二分和CDQ分治等高级算法优化处理复杂的时间序列问题。题目设定包括节点数量、查询次数和权重限制,并详细分析了解决方案中的关键步骤。 ... [详细]
  • 智能车间调度研究进展
    本文综述了基于强化学习的智能车间调度策略,探讨了车间调度问题在资源有限条件下的优化方法。通过数学规划、智能算法和强化学习等手段,解决了作业车间、流水车间和加工车间中的静态与动态调度挑战。重点讨论了不同场景下的求解方法及其应用前景。 ... [详细]
  • 2018-2019学年第六周《Java数据结构与算法》学习总结
    本文总结了2018-2019学年第六周在《Java数据结构与算法》课程中的学习内容,重点介绍了非线性数据结构——树的相关知识及其应用。 ... [详细]
  • 深入理解Java字符串池机制
    本文详细解析了Java中的字符串池(String Pool)机制,探讨其工作原理、实现方式及其对性能的影响。通过具体的代码示例和分析,帮助读者更好地理解和应用这一重要特性。 ... [详细]
  • 机器学习核心概念与技术
    本文系统梳理了机器学习的关键知识点,涵盖模型评估、正则化、线性模型、支持向量机、决策树及集成学习等内容,并深入探讨了各算法的原理和应用场景。 ... [详细]
  • 深入解析Java虚拟机(JVM)架构与原理
    本文旨在为读者提供对Java虚拟机(JVM)的全面理解,涵盖其主要组成部分、工作原理及其在不同平台上的实现。通过详细探讨JVM的结构和内部机制,帮助开发者更好地掌握Java编程的核心技术。 ... [详细]
  • 随着生活节奏的加快和压力的增加,越来越多的人感到不快乐。本文探讨了现代社会中导致人们幸福感下降的各种因素,并提供了一些改善建议。 ... [详细]
  • 由二叉树到贪心算法
    二叉树很重要树是数据结构中的重中之重,尤其以各类二叉树为学习的难点。单就面试而言,在 ... [详细]
  • JavaScript中的数组是数据集合的核心结构之一,内置了多种实用的方法。掌握这些方法不仅能提高开发效率,还能显著提升代码的质量和可读性。本文将详细介绍数组的创建方式及常见操作方法。 ... [详细]
  • vivo Y5s配备了联发科Helio P65八核处理器,这款处理器采用12纳米工艺制造,具备两颗高性能Cortex-A75核心和六颗高效能Cortex-A55核心。此外,它还集成了先进的图像处理单元和语音唤醒功能,为用户提供卓越的性能体验。 ... [详细]
  • 探讨ChatGPT在法律和版权方面的潜在风险及影响,分析其作为内容创造工具的合法性和合规性。 ... [详细]
author-avatar
prince小乀朱
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有