研 | 黄勇 费凯琳

撰写 | 费凯琳

在中国饭店协会发布的餐饮百强榜单上，连锁餐饮第一位的真功夫，全国门店数570家，而餐饮连锁巨头麦当劳在我国门店数达2500家，我国餐饮行业尚未出现可与之比肩的连锁品牌。

诚然，中国饮食文化的多样是各个菜系品牌难以规模化发展的原因之一，但还有一个重要的制约因素，即信息化、标准化管理的缺失。

捷荟大数据创始人刘海丽早年为大型连锁零售企业提供BI服务时，发现了餐饮大数据这个空白的市场，与团队其他创始成员一起，从头部客户开始，2014年踏入了这个领域。

捷荟大数据通过API接口，整合品牌自有POS、ERP系统的经营数据，同时结合挖掘的第三方数据，包括地理信息、人口分布、第三方应用的评价数据等，经大数据分析，形成了二十多个分析模型并产出研究报告，供餐饮品牌的不同决策场景使用。

模型是捷荟大数据的核心，主要应用于四个场景：选址开店、市场分析、经营管理、菜品设计。

选址从根本上决定了门店的成功率和客流量；市场分析除了基于舆情的品牌分析外，还包括商圈附近的竞品分析；经营管理则为决策者挖掘经营指标，判断未达标的原因是什么；菜品设计很大程度上决定了消费者对品牌粘性，菜品更新越频繁、越符合消费者需求，复购率和客单价越高。

捷荟大数据对餐饮行业的理解主要得益于团队构成。既有做BI项目起家的核心团队，数据挖掘分析能力较强，也有来自大型餐饮品牌的资深从业者，以及数据科学家和互联网产品团队，保证了从数据分析到数据模型、产品迭代的快速响应。

数据模型也是来自头部餐饮企业的实际需求设定的，既保证了产品的可复制性，也使捷荟大数据从一开始就能确定盈利模式，实现较好的收入水平并保持盈利。

目前，捷荟大数据已经服务了一百多个大型品牌客户，百强餐饮品牌覆盖50%，如真功夫、王品集团、味千拉面、西贝，以及快乐柠檬这类轻餐饮连锁，以及一些腰部客户。

小型客户可单独购买单价数千元的报告，大型连锁品牌则可定制上百万元的SaaS系统，综合平均客单价10万元左右，大客户续约率在95%左右。

据刘海丽估计，国内连锁餐饮公司数量共3-4万家，今年会将销售团队从6、7个人拓展到10人，增加腰部客户的拓展，客户品牌总数有望从100个增长到1000个。

近期，爱分析对捷荟大数据的创始人兼CEO刘海丽进行了访谈，就捷荟大数据的经营战略和对餐饮大数据的看法进行了探讨。

刘海丽，捷荟大数据创始人兼CEO，500强企业程序员出身，先后从事ERP实施顾问、项目经理、咨询顾问、解决方案架构师、营销总监、分公司总经理，2005年起从事商业智能项目，2014年创立捷荟大数据公司。

从商业智能切入空白的餐饮大数据

爱分析：为何选择切入餐饮大数据？

刘海丽：大的消费类行业包括传统的连锁零售、商业地产的购物中心综合体、连锁鞋服类、化妆品牌等，再到线上电商的新零售销售模式。

餐饮也属于这一部分，但餐饮行业需要独立分析，最近四年餐饮的增长也是非常迅猛的，据我们的大数据中心统计，餐饮门店数量从100万增长到1000万，实现十倍的增长。

我从2007年开始服务零售行业，起初做ERP在500强企业的实施。随着制造业、零售业向中国转移，零售业蓬勃发展，直到受到电商的冲击才放缓。餐饮也是一样，但从时间来看，比零售要晚几年。

餐饮的信息化和管理能力比较弱，但规模在增长，零售行业的经验就可以移植到餐饮行业，但那时还不是大数据，是企业内部数据仓库，用于数据挖掘和数据分析，这正--是大数据的前身。---

2013年前后，我们在做数据中心项目时接触了一些大型餐饮客户，包括信息化程度较高的王品集团。

我们发现，即使很优秀的餐饮企业，也没有健全的数据分析体系和模型的概念。我们围绕餐饮企业经营、选址开店等需求，帮助客户做了一些模型，产品的过程中挑战很大，既要懂数据整合与挖掘，还要有数据分析和行业的经验。

合伙人也和我志同道合，我们意识到了这块空白市场，果断成立了公司。

爱分析：餐饮行业的大数据分析有什么不同？

刘海丽：大数据分析从数据仓库、数据中心、数据分析、数据挖掘，到大数据、人工智能等，是在整合所有系统数据，其价值是为企业经营决策提供建议。

在此基础上，我们进阶整合了餐饮有关的第三方网站的大数据，比如百度、点评、口碑、美团、饿了么等。

大数据是一些分散的价值点，我们把外基于消费者的大数据和企业内部系统数据整合在一起，利用我们的经验，把数据科学的模型和行业管理咨询模型结合，服务餐饮行业的大数据分析。

和其他业务软件不同，大数据分析解决的是管理层经营决策的问题，这也是我们大数据平台的应用场景。咨询模型对于应用场景很重要，我们从2014年到2016年研究了很多模型，几乎涵盖了管理的各个方面，每个模型都能解决一个业务分析的决策点。

爱分析：捷荟大数据的模型涉及哪些场景？

刘海丽：餐饮企业的管理遵循二八原则，用绝大多数精力解决最核心的问题。所以我们在2016、2017年继续聚焦，做了围绕四个大模块的模型。

第一个模块是选址开店，选址决定了店面的基本盈利能力，是最核心的因素。我们的大数据模型会根据品牌定位等基因，自动匹配城市、地址，使开店成功率最高，节省了品牌大海捞针的调研过程，可以直接考察三五个候选地址，成本大大降低，效率和准确度得到有效提升。

除了大数据选址模型之外，也会给中小餐饮门店提供分析报告。通常我们的SaaS软件入门价格是10万元以上，为了满足中小餐饮的诉求，我们在微商城中也提供特定商圈的报告，几千元的价格更易接受。

第二个模块是市场分析模型，包括和品牌相关的新闻、消费者关于品牌谈论的内容。还会对应企业经营的不同部门，固定分成几个类型的语义以便使用。

市场分析也包括竞争分析，用移动端就能看到门店附近的竞争对手，分析各自的优势和劣势，并指出门店应进行怎样的调整。

第三个模块是经营管理，为决策者挖掘经营指标，指出异常指标和异常原因，提出具体解决方案。

最后一个模块是品类设计。餐饮行业不出新菜品，客户忠诚度会逐渐降低，明星的品牌都会定期上新品，让客户保持对品牌的新鲜感。我们的模型中对应有菜品多维分析、菜单设计分析等。

模型才是核心，大客户注重口碑营销

爱分析：捷荟信息对餐饮行业的理解来自哪里？

刘海丽：这是我们团队的核心竞争力。第一，团队的学习能力和产品转化能力。我们的团队成员主要有四种背景：餐饮从业者、研究统计模型和人工智能的数据科学家、互联网从业者、企业数据仓库从业者。我们可以快速迭代产品，在服务客户的过程中寻找机会点，而且具备丰富的BI项目实施经验。

第二，我们初期服务头部餐饮客户，和客户一起打磨产品，而且比客户早半步，把跨行业、服务国外大型零售企业的想法拿来应用，比如基于营销体系的会员分析标签，随着我们的应用，一些品牌开始有策略性的差异促销，比如在不同门店应用不同的价格、不同的菜单、不同的促销等。

爱分析：捷荟是如何获取数据的？

刘海丽：品牌内部的数据通过API接口获取，餐饮企业常用的POS、ERP系统的数据都可以对接，这也是我们做数据仓库积累的优势。

数据来源有几十种，线上的GIS数据，人口、区域消费力等数据，还有来自第三方的调研数据和支付数据。但我们尽可能用非付费的外部数据。

但数据源不是核心，重要的是建立数据标准。我们先确定要解决什么问题，需要什么模型，再根据模型需求去拿数据。

爱分析：目前捷荟大数据的目标客群包括哪些？

刘海丽：我们服务腰部以上及头部客户。中国的门店平均更换速度只有一年零几个月，死亡率很高。当餐饮品牌从单店管理变成餐饮公司管理时，就成为了我们可以服务的客户群，国内共计约五百万的门店数量，品牌有3万到4万个。

爱分析：捷荟大数据门店数量较多的客户有哪些？

刘海丽：有很多内资的大品牌客户比如快乐柠檬、味千拉面、、西树泡芙、摩提工房等一千家门店以上的品牌客户，我们服务了十几个品牌。国内中餐最大规模的真功夫，全部都是直营店，有600多家门店。

爱分析：捷荟大数据当前的收费模式是怎样的？

刘海丽：有的模型和店数相关，根据门店数量收费；选址、品牌营销或运营分析在餐饮集团总部进行，只按年费收取。

一般客户会选择选址、经营分析、市场分析这几个模型。合作时间越长，用的模型越多。

SaaS平台客户年费几十万，单次报告定价很低四五千元，如果对产品认可，慢慢会迭代成为SaaS用户。

产品定制化率最多50%，中小规模客户使用标准产品就足够了，落地时间一周以内。大型项目的实施周期也越来越短，单个模型一两周的时间。

爱分析：未来捷荟大数据还有哪些想象空间？

刘海丽：我们的模型种类很多，年费从几万到几十万不等，这是我们第一阶段可看到的市场空间。我们目前一直是盈利的，而且盈利能力较好，所有客户都先付费再使用。

今年是我们成立的第四年，会考虑融资、快速扩充，还会去切另外一个维度的盈利模式，在尝试和品牌的数据关系更深入，量化我们对餐饮企业销售拓展的贡献，餐饮企业也愿意和我们共享这部分增值收入。

下一个三年我们也希望通过资本的战略合作，为餐饮企业提供模型后，切入更多实际操作流程，筛选并对接合适的服务商来打通决策流程，实现平台化操作。从SaaS大数据软件变成倾向运营及咨询和实际对接服务的系列平台。

国内餐饮行业升级，离不开大数据决策辅助

爱分析：国内餐饮连锁一直没有特别大的公司，核心原因是什么？

刘海丽：最初门店缺乏系统化管理，没有数据记录。信息化推动后，慢慢有一些数据，逐渐达到单元化、全面化的管理，再到精细化的管理。如果无法实现全面化管理，就走不到精细化管理，现在国内餐饮行业还在从发展到成熟的阶段上。

但随着体系不断完善、标准化不断建立、信息化不断跟更新，数据化的运营已经驱动越来越多的大品牌出现。现在国内有越来越多的中餐品牌发展很好，接下来几年将出现很多数十亿营收的餐饮公司。

爱分析：预计业务增长怎么样？

刘海丽：今年我们重点精力用来扩展中型客户。接下来两年内希望服务客户达到 3000个品牌。我们有专门的BD团队和服务团队，BD团队主要在北京、广州和上海与合作伙伴保持沟通，也会拓展会议等新的宣传渠道。

?深响原创 · 作者｜李新笛

“传统”一直是餐饮零售行业摘不掉的标签。这种“传统”不是销售的产品跟不上人们的喜好，而是管理模式的落后——

一方面，大部分线下门店的经营者不“认识”自己的顾客，不了解顾客的喜好、客单价，不懂得如何吸引顾客持续到店和复购，线下门店依然只是一个“客流生意”；另一方面，门店经营和供应链管理完全仰赖于“人”，但最优秀的店长也很难保持几年如一日的专注和用心，工作低效、出错在所难免。

如果是规模很小的夫妻店，或许经营者即便不认识顾客、不能完全把控供应链也能将就生存；但当一家门店流水较高、并希望继续拓展门店数量，那么不了解顾客、无法精准把控门店和供应链的实时状况，无疑会大大降低企业经营效率，从而阻碍扩张。

因此，餐饮零售行业的低效率成为越来越被广泛讨论的问题，许多行业参与者认识到了这一点，纷纷开始寻求解法：利用大数据来改造门店。一些企业自己开发、或者购买一套SaaS系统，并希望通过以数字化系统来提高门店管理效率。

但是拥有工具，不代表门店数字化转型就能成功，这中间会有很多问题阻碍转型。

比如，企业花高价投入研发，但由于系统设计不合理或使用不当，导致企业高投入而低回报；再比如，企业引入一套数字化系统，但这打乱了企业运作的原有节奏和工作流程，从而可能导致部分员工不适应、产生负面情绪；还有，门店前端的收银、服务员和后端厨师、库存管理者对数据的理解可能不一致，这也会对实际工作造成阻碍。

数字化管理困难，就意味着行业难以提高连锁和规模化水平。与发达国家相比，中国的餐饮零售行业的规模化水平较低——仅对比餐饮企业的规模化水平，险峰创统计的数据显示，2019年全球主要国家餐饮集中度最高的是美国61%，第二是日本53%，而中国的餐饮集中度仅有17%。但硬币有两面，规模化连锁化程度不高，就意味着餐饮零售数字化市场还是一片蓝海。

线下连锁门店数字化解决方案服务商「明之数据」发现了这片蓝海市场，其致力于为传统零售企业增强数据驱动业务核心能力。公司于2019年7月上线，目前已经为数十家零售和餐饮企业提供服务，客户包括西贝莜面村、西少爷肉夹馍、邻几便利店等大中型连锁品牌。

明之数据的团队拥有丰富的互联网、电商以及线下零售数字化经验，其创始人&CEO何成曾担任京东云大数据事业部总经理，以及便利蜂大数据负责人，在便利蜂期间，何成负责数据中台承载数字化能力建设。

何成认为，中国餐饮零售企业过分依赖传统软件+督导培训式的管理方式，对新技术投入程度较低，因此整个行业的规模化程度难以提升。要解决这个问题，归根结底是要提高“效率”。

“每个餐饮门店长相不一样，但实际上他们都是卖餐、出餐，都是要看它的出餐效率、供应链效率；对便利店也是一样，就是监控哪个商品卖得好，它的动销、库存、利润有多少。这些是相通的，它的核心就是效率问题，通过算法来产生数据决策，辅助人把这件事情做好。”

因此围绕门店经营效率的提高，明之数据推出了“全量顾客”和“门店智能”两个模块化产品，以标准化SaaS产品的方式赋能线下连锁企业：追踪每一个真实的顾客，帮助门店提升精细化管理运营客户的能力；追踪供应链的每一个商品，使管理门店的效率大幅提升。

从具体案例中，我们可以一窥明之数据之于门店经营效率的助力：

安徽邻几便利店在2020年时店铺数超过600家，在快速扩张中发现诸多问题，例如门店店长凭经验预估订货量和订货时机，订货不准确会造成大量机会损失和成本浪费；历史订货数据依赖于手工报表，通过报表粗看SKU粒度的历史趋势进行预估，工作量大且繁琐；缺乏订货指标评估体系，难以动态追踪门店订货效果。

明之数据为其提供了解决方案：利用门店历史销售数据与外部数据建立单店预估模型，完成经营策略的个性化配置，并将算法结合经营策略深度拟合，自动推送门店订货单，精准、高效指导门店订货，实现涵盖鲜食、冷藏品、常规百货等全品类的数字化驱动的门店订货流程改造，使订货效率和废弃成本得到大幅优化，同时降低了机会损失，提高了门店销售额。

通过明之数据“门店智能”业务对门店数字化的提高，“邻几”便利店单店预估准确率达到90%，废弃率降低10%，机会损失降低2%，鲜食营业额提升5%-10%。

在与遇见小面合作的过程中，明之数据的“全量顾客”业务，帮助遇见小面根据用户的生命周期、RFM、商品喜好情况筛选出不同阶段的生命周期用户，再结合客单分布、商品喜好等做更精细的策略，使得用户活跃度、留存率、回流率得到大幅提升。

“我们帮客户主要是两点，一个就是帮他们像电商一样运营客户，让企业对客户更了解；另一方面是管理供应链，因为餐饮零售行业SKU较多，我们帮他们减少浪费、提高效率。对于更大的企业来说，他们还可能需要用数字化来优化整个企业的管理模型，从人治转变为经营方式的数字化，不断进行扩张。”何成向「深响」介绍。

图源：Unsplash

在企业数字化服务商与企业进行合作时，企业常会担心，不会用或者用不好怎么办？不少企业在数字化转型中遇到困难，都是因为用不好复杂的工具。但明之数据的服务模式，恰好能够缓解企业在这方面的担忧。

何成认为，真正帮助企业进行数字化转型，并非单纯为其提供工具，而是全程与客户进行合作，把数据融入到企业的业务中，构建一个“工作流”，从而帮助企业提高效率。“我们有技术，我们的目的是用技术帮客户做他们不擅长的东西，他要开店，我就跟他去考虑开店的事情，他要去提升店的坪效，我们就考虑店的坪效的事情，他说管理订货管理不好，我们就解决订货的事情。”

以美加美为例，其业态混合，涉及百货零售、水果零售、菜肉零售、社区团购、到家业务、私域流量运营六个板块，现有110家门店。因其门店的模型涉及的业务比较多，各个品类货架期等方面都不一样，因此在数字化转型的过程中需要更复杂的算法，打磨需要更长时间。

明之数据根据美加美的需求和实际状况，做出新的模型。目前，美加美所使用的“智能订单”，其算法模型较为全面，会参考日常经营的档期、天气、气温的变化、节假日、企业内部的营销节等维度的数据。这个模块的准确度也更高，比过去使用其他系统的准确率提升了5%-8%。

图源：Unsplash

在业务推进的过程中，何成认为“与人打交道”是明之数据在服务客户的过程中最大的难点，“门店的业务涉及领域很广，你不是给他工具就不管了，而是要通过数据加上算法跟业务磨合，这要涉及与人沟通的方方面面，十分复杂。”

而这也意味着，双方合作的推进，不仅对明之数据的技术和业务能力要求极高，也对企业提出了很大的挑战，因此CEO的能力和眼光格外重要，“在我们实践的过程中，我们发现企业数字化是一个CEO工程，需要企业的CEO进行强有力的推动，因此现在我们需要去找到那些有前瞻的眼光、想要尝试数字化的CEO，并与他们进行合作。这个行业其实是由用户的需求推动的，特别是这些敢于尝试的早期用户。”

从实际情况来看，规模较大的头部企业对数字化显然有更高的接受度，明之数据所服务的客户包括西贝莜面村、西少爷肉夹馍、“邻几”便利店、遇见小面等，这些企业通过与明之数据合作从而形成共赢——企业提高了经营效率，明之数据则以此更加理解餐饮零售行业，并将经验反哺到产品和服务的提升当中。

图源：Unsplash

为什么越来越多的餐饮零售企业需要数字化？何成认为，这折射出的是餐饮零售企业的焦虑。焦虑一方面来自于当前整个行业竞争焦灼，每一个企业都担心竞争力减弱。同时，企业也在担忧经营的可持续性，这时，数字化转型就显得格外重要。

蓝海市场已现，在餐饮行业以外，一些零售数字化服务商还在深耕其他领域，如快消行业、服饰美妆连锁品牌等。何成认为，相比于科技巨头，深耕某一领域的数字化服务商将会更有优势。这是因为，尽管很多科技巨头有较高的技术水平，也能够开发出提高内部运营效率的数字化系统，但把公司内部使用的“系统”转化为面向市场、需要灵活配置的“产品”，成本非常高。

对于明之数据而言，未来它将继续围绕高复购、主要是门店生意的餐饮零售企业进行深耕，帮助门店进行更高效率的运作。“我们认为将来线下的100万家门店，甚至几百万家门店，都会是数据驱动的。”

以下是「深响」与明之数据CEO何成的部分访谈实录：

关于零售数字化

Q：其实市场上有很多线下零售数字化的解决方案，有的为线下店提供SaaS系统，做供应链、库存的效率优化，也有的提供线上线下数据的打通，做营销咨询服务。明之数据所做的和其他企业有什么不同？

何成： 我们认为有几个观点，第一就是说像BI是独立的，但数字化不是单独于业务体系以外独立存在的，我们把数字要融到业务流里面去，融合的过程叫做工作流，我们会构建全新的工作流。

以前干这件事情可能点了两次鼠标导出一个数据，然后经过脑子计算，然后拉了个微信群，然后做了很多事情，这是他的工作路径。现在我们所做的是，统一拿到一个地方去，督导先点，运营再点，然后再点，把它形成工作流，然后每一个点击的过程当中都是数字驱动。

Q：像您刚刚提到的，你们的模式可能是做的比较深，不是简单的提供一个工具，然后解决某一块的问题。在之前的报道里其实讲了你们有很多环节都要打通，您觉得做这件事的过程当中比较难的点是什么呢？

何成：我觉得最难的点就在于你做的不是一个工具，你要跟业务、要跟人打交道，你这个业务本身它涉及方方面面的，比如餐饮和零售企业，它的库存是怎么周转的，它开在什么位置，它有多少消费者，然后消费者买了什么样的商品，他是很多方方面面的东西，不是你给工具他就不管了，而是说我们要通过数据加上算法跟业务磨合，我觉得这是最大的问题。

Q：咱们现在团队里面的销售构成是什么样子？

何成：以前我们还没有那么迫切想搭建一个销售团队，是想先把产品做好，所以我们用到前三年深度的打磨产品。现在我们觉得可以去构建销售团队，在这方面基本上我们就算初学者，在边学边做。

Q：在没有销售团队的时候，咱们是如何寻找客户的？

何成：我跟合伙人不断在市场去探索，朋友也会介绍一些客户。早期我们挑一些客户，我们看重的是这个客户他有数字化需求，而且我们有共同的语言，他想要尝试。我们在早期找客户的时候，一定要找到那些领先者，他们想要尝试的。

Q：比如说您服务一个客户，您可以大概给我们讲一下整个流程是什么样子的吗？

何成：首先我们发现市场上有需求，因为大部分线下门店都很落后，都是人在管理，只要门店扩张就不断招人，但人的管理其实很难复制，我们叫做督导培训设计师，他得有sop，执行，然后check每个人，不行换人，然后不断的推进。这件事情很慢，但是他积累很深，因为人的东西他就是knowhow。但是比方说你开100家店开200家店，他人招不来那么多，他需要的是补上人沉淀10年的knowhow，就变成了10年做的事情变成2年干，这时候你需要用机器来辅助你，所以它本身是有需求的。

第二，我们只要接触到客户，我们不是在兜售我们的产品，因为我们认为我们是学习者，我们有技术，我们带着技术来，我不是来颠覆和改造的，我是我的技术能不能帮你做一些你不擅长的事情，所以就变成了我们去聆听客户怎么讲，他以前用人管理这件事情难度在哪里，浪费在哪里，精准度做不好在哪里。

第三，我们可以尝试通过技术的手段来提升你的管理能力，管理效率和你的业务流程，其实就是核心的效率。

再之后，我们不断的去收集客户的需求，不断的去提供，然后我们发现整个行业它是通的，比方说我们要做餐饮，不管是西少爷，还是小面，他不都是不断来客户，进来点餐，然后出餐，后台的供应链有500个SKU，然后你让他转起来。所以就变成了他每个门店长相不一样，但实际上他们都是卖餐，都是要出餐，都是要看它的出品出餐效率和它的供应链的效率。

如果是这样的话，其实我们就监控商品哪个卖的好，便利店是一样的，比方说乌龙茶在哪个店，它的动销、库存是什么，然后它产生了多少利润，那么这些东西是相通的。就这样的话我们要做一个行业版本，就变成了我是做业务而非工具，不是说“你拿去用但用不好，这是你的事”，其实很多SaaS就是这样子的。然后我服务客户越来越多，我从客户那学到的东西就越来越多。

Q：您一般直接跟一把手聊吗，这件事我能否可以理解为它是一个CEO级别的事情？

何成：是的，当前阶段的行业的数字化就是一把手，这个是我们实践出来的，在未来什么阶段能够二把手，或者是能够全公司人参与其中或者决策其中，还比较漫长，将来整个线下的行业都是数字化的，但现在他还在一步一步的走。所以现在我们是找到领先的那些客户，那些想要尝试的CEO，同时我们去合作，这件事情是很重要的。

Q：客户他之所以选择跟咱们合作，你们觉得他大概率是哪些因素促成的？他的核心诉求是什么？

何成：我觉得三点，第一点是说我们有相关的实践，毕竟我在京东便利蜂，而且现在还在服务这些客户。第二是说我们没有在兜售工具，这件事情实际上对他的认知是很重要，我们在跟他聊他的需求，聊他的业务场景，所以这是很难的，大部分公司的都是产工具和他们要兜售的东西。

第三我们跟他一起做业务。我们关心的是他的每天的销售额，我们关心的是客户关心的问题，而不是我的工具本身。早期我不是要看我卖了多少钱，而是要看这个客户有没有成长性，他要开店，我就跟他去考虑开店的事情，他要去提升店的坪效，我们就考虑店的坪效的事情，他说管理订货管理不好，我们就订货的事情。

我们把市场的客户分成3大类，一类叫早期客户，我们要发展，整个行业要进化，它其实要早期客户引领的，不光是我们服务商，而是行业里边的一些早期客户引领的。第二就是说主流市场可能因为早期客户开始尝到了甜头，然后自然就会有分裂，然后整个市场就会繁荣。最后是那些几十年的老企业，然后持续没有释放这个效果，他也会觉得他要去做，但是这部分企业大部分其实他也做不好，这不是买不买你的软件问题。所以整个行业的数字化是因为先有的早期客户那些领先的客户决定的，而不是我们的服务商决定的。

Q：您跟这些客户接触的时候，您感受到他们现在有什么迫切要解决的？

何成：我觉得两个部分，一个部分说整个行业它是焦虑的，因为竞争是很激烈的，竞争激烈来源两个部分，一个是本身他能不能做好这个业务，假如说往前推10年，他没有数字化，这个企业能不能发展？但是如果往前推十年，没有数字化的企业不能发展，其实数字化也帮不上他。第二个是它往后发展十年，它的企业能不能持续有竞争力，行业整个的焦虑在这个地方，持续的竞争力一定取决于数字化驱动业务，这是第一个部分。

然后第二个部分说整个行业在发生变革的过程当中，还是有客户能够慢慢通过数字化变好，因为有这样的企业出来了，然后慢慢相信人多了，整个行业会发生变化，这就是势能。

Q：具体到比如说连消费品的连锁，餐饮连锁可能更具象一些，他们具体提出哪些需求呢？

何成：只要是门店生意比较集中的企业，其实就是三方面的事情。

最核心的两件事情，第一个是说我们来了那么多客流，我都不认识他，我没有像电商一样的客户运营能力，我只有一个客户客流的能力。我付了租金，买多少客流，走了，我看的是每天的订单和交易额，这是传统方式。现在电商化运营是，我一个店就覆盖多少用户，哪些用户来第二次，哪些用户第三次，我要像电商一样的去运营它。而现在只有瑞幸和便利蜂能做到，其他企业做不到，这是第一个诉求。

第二就是说所有的服务都是以商品为代替的，开店你要去卖餐，便利店你要卖商品，而商品都涉及到供应链管理，供应链管理本身SKU多，本身链条长，人员在这里边的决策判断跟天气等很多因素相关，所以它低效。所以在供应链方面就是提效，比方说我以前人订货需要两个小时，能不能5分钟省下来的人力就可以做其他事情，然后收银我全自助了，或者我订货的准确率提高了，我的库存就降低了。

第三是对于大企业来说，我能不能基于数字化去优化我的管理模型，就是一个企业本来基于人治，现在经营管理模式变成基于数字化的，我们搞了一些决策，搞了一些新的门店，发现数字反馈效果怎么样，再去优化，再去开店，再去优化再去开店，它是不是一个数字化的企业？

所以这是三个核心的需求，但是开店的前两个需求是刚需，但是数字化转型是大企业的刚需。

Q：您在跟客户打交道的过程当中遭遇到了哪些阻力，或者说很抵触的那种情况，有什么是最核心的问题？

何成：客户有两个东西不理解，第一个是因为一些客户就不是早期客户，你非得去跟他去进一步的沟通，其实你会碰壁的。所以我们认为整个市场其实不是应该以销售为主导的，而是以客户需求为主导，这样会舒缓下来，模式就变了。

第二点是，大家希望数字化是一个神奇的东西，我买了，我的企业就会变化，但是如果你的企业发展不行，数字化也不能帮到什么，但是如果你企业的发展很好，数字化能帮你发展得更好，这件事情一定要相信。

Q：通常客户会派多少人去配合咱们做这个事情？

何成：其实它不是像其他那种项目说派人来配合这个事情，我们的核心还是它的业务主体，我们派人去服务它的业务主体。所以只要是说我们签了合同，一把手决定要干这件事情，你的营运部、你的采购部、品类规划部，你的门店管理等等，他都有参与其中的，我们构建了一套工作流，所以他不是派几个人来配合我实施一下，而是说我们今天开始全部要开始有数字化门店管理进入了。

Q：那就是说咱们现在是需求导向，他有什么问题，然后你们帮他们做什么服务。那有些东西你们觉得对你们没什么意义，那你们就不做了吗？

何成：不是没什么意义，是说我们刚才讲到的两点，我们这个产品只围绕这两点的需求，比如说管理门店的消费者运营，管理供应链的效率规划，只在这两项优化我们的功能和产品。你帮我去搞配送、管理车辆也不行，我也搞不了，所以我就要把这两件事情做好。我们的延展是往深度的，围绕这个门店。

Q：对于小商户来说，您觉得他们的数字化的需求主要是什么？

何成：其实我们跑的单店模型只要一家店，哪怕一家店，他的需求跟我看了700家店其实是一样的，只是它的质的要求是不一样的。实际上它就是那两件事情，我这一个店能不能管好，因为我们最后我们跑单店模型，单店模型之后，如果你有1000家门店，你的效能就大；只有一个店效能就小。连锁看两个东西，一个看总体的收益，这样的话老板就愿意付费买单，最后做的时候都是单店模型。

Q：我在查资料的时候看到官网上写要传递善意，为什么咱们做这行强调要传递善意？

何成：我觉得两点。对内部来说，就是说我们要对员工好，比方说一个互联网人加入行业里面，他有学习的历程，他要慢慢的去感受公司去是认真的在做这件事情，所以这个你要传递出来，我们要有耐心，要去认真做一件事情，这在内部是一个企业文化，我想做的企业长这个样子，而不是急功近利做工具，然后搞市场。

对于外部来说我们要跟客户讲真话，比方说我讲的这些东西不是客户都买账的，他客户买的时候说“我要一个神奇的产品”，你没有，你告诉不告诉他？你要告诉他你不能服务他，这就是传递善意，因为你服务不好他。如果我们早期就没有成立商业的概念，我们就服务他要了钱，然后死掉，这样整个行业会被糟蹋，大家觉得智能化都是假的。

Q：在服务客户的过程中，在消费者端你有什么洞察吗？

何成：我们发现整个的消费结构在发生变化，对品质，对时效，然后对于低价的同时需求。以前可能它是分开的，现在消费者越来越挑剔，尤其是新的品牌，其实它既关注价格又关注品质，消费者认知在提升，现在是一个卖方市场在向买方市场转移，所以就变成数据驱动的消费者服务。

Q：您在便利蜂时以内部员工身份做数字化方面的服务，与现在作为一个服务商帮助企业进行数字化转型，两者感觉有什么不同？

何成：就是系统跟产品差别，你以前不需要考虑那么多东西，不考虑可配置，不考虑多用户，你只需要考虑它可用，上线使用就好了，看效果。现在不光是上线使用看效果，你要考虑多用户、可配置、可产品化，然后还要考虑你的销售价格，所以这是完全不同的，对我来说是完全不同的工作内容。

现在做服务商，要考虑信任，就是先天的就不一样了。我们在企业中不需要有信任这个词，需求就是信任，现在不是需求，中间还要服务，还有价值回馈，这才叫信任，所以信任的路径发生了变化，所以我觉得这可能是本质的东西。

关于行业趋势

Q：您觉得现在行业还是处于早期的阶段，大概会持续到什么时候？

何成：前5年你看可能有一波SaaS，但是这个行业发展没有变快，只是变了一些形式，它估值都比较低，实际上SaaS偏重工具，是非常简单的软件。而现在是一个复杂的软件因为有算法，所以它的价值和引爆点是不一样的，我们觉得未来5年会加速，但是多长时间，我不知道。

Q：您觉得现在因为有了算法，这个引爆点是什么？

何成：引爆点是说，以前我们是给你的工具去用，现在是通过算法来产生数据决策，辅助人把这件事情做好。一个是精度，一个是要信息化，你有了一个工具在做这件事情，这是最大的区别。我们的核心目的是提升业务能力，业务发展、降本增效。

Q：我们现在有没有什么帮助企业去甄别服务商的？

何成：我觉得现在普遍的智能化的软件还处于萌芽阶段，它还没有成熟，你要去甄别它，我觉得这是一个伪命题。但是我们可以识别更好的有成长性的公司。

比方说就像我刚才说的，我们这样的公司，我们认真的做业务，我们没有那么着急的做市场，我们要投入很多，早期的时候实际上客户付钱、我们还要付钱，因为我们的研发是远高于这个产品所收的费用的。所以早期这样投入，说明这个团队很认真，我觉得这是一些能够去识别的东西。但是如果你说能不能有一个点来判断这个东西就很厉害，或者直接买来就可以用，我觉得他还没有到那个阶段。

Q：您觉得咱们这个领域未来的趋势是一个什么样的？是会更集中，还是说会比较分散？

何成：它其实是一个大的市场，这里边有几家能做好的，我觉得也是ok的，但它一定不是说还像工具软件传统软件一样，连5%的渗透率都没有。它绝对是一个很大的东西，而不是一个那么分散的东西。

我们想做线下零售跟餐饮这种主要有门店生意的。现在我们没有做服装，没有做4s店这些东西。我们认为我们先在大量复购、频繁复购的这种门店业态上，成为number one，这个事情我们其实也在努力的往前进去，我们才刚刚开始，我们有怀揣着伟大的愿景，然后我们认为将来的线下的100万家门店，甚至几百万家门店，将来都是数据驱动的，而不是光人才管理这个点。

Q：现在投资人他们会看重什么？他们会从哪些指标去考量这个领域的公司？

何成：现在整个行业都是在早期，当然一些基本的指标包括收入、客户等等他们他们也会看，我觉得他们可能也更看重一个团队的成长性，对未来的趋势的判断，以及延展性，能不能把这个行业做好，能够真正做好产生价值。我们也不是说我们现在一定会成功，或者说我们还在证明商业模式的过程当中，但是一定要有价值，你才可能存活下去或者变大，如果没有价值就会不行。

零售餐饮业竞争激烈的当下，客户体验成为品牌差异化竞争的关键。如何在纷繁复杂的消费者行为中捕捉细微变化，迅速定位问题所在，成为企业制胜的法宝。飞算科技推出的智能客户洞悉工具 AI.Insight，正引领这一变革，以其强大的AI驱动分析能力，为零售餐饮业打造无缝客户旅程，实现业绩增长的新高度。

智能客户洞察工具AI.Insight是什么？

AI.Insight作为一款前沿的智能客户洞悉工具，它以自然语言交互为核心，让营销策划人员能轻松地通过日常对话方式，深入探究经营异常背后的真相，锁定目标客群的特征画像。结合大模型增强分析技术，AI.Insight能够自助识别业务问题，高效完成营销分析，大幅提升客户洞察的准确性和速度。AI.Insight都能提供即时且精准的数据解答，同时以图表和报告的形式直观展现分析成果，使决策过程更为直观高效。

零售餐饮客户经营分析的挑战与AI.Insight的对策

零售餐饮企业常面临跨部门沟通障碍、分析滞后、工具分散和数据整理繁琐等难题，导致营销决策迟缓。AI.Insight通过以下几大核心能力直击痛点：

自动化在线分析（Auto OLAP）：多维度、多角度自动分析数据，提升决策效率。

客户生命周期管理：精准细分客户群体，优化营销策略，评估渠道效能。

综合智能洞察能力接入：人人皆可自主分析，缩短数据到决策的路径，降低使用门槛。

客户特征持续丰富：构建深度客户画像，支撑个性化营销与预测模型。

案例见证：AI.Insight解锁经营难题，

AI.Insight的时序异常检测功能，自动识别经营中的异常点，通过因果分析，深入探究波动归因，及时预警客户流失风险。以西北菜连锁餐饮集团为例，面对业绩下滑的困境，传统BI工具无法迅速给出具体应对方案。而AI.Insight仅用两天便揭示了业绩下滑的根本原因，随后通过智能洞察能力，针对客户特征实施个性化营销策略，仅一季即实现了线上渠道复购率提升20%，GMV增长10%的显著成绩，成功逆转了下滑趋势。

零售餐饮业的未来在于智能洞察

据Gartner预测，到2025年，超过50%的零售企业将依赖AI进行客户体验创新。AI.Insight的成功实践，不仅体现在业绩提升上，还有效减少了客户流失率，提升客户满意度。一项由埃森哲发布的研究表明，利用AI优化客户体验的企业，其收入增长率比同行业平均水平高出8%。

AI.Insight智能客户洞悉工具，凭借其强大的自然语言交互、自动分析与客户洞察力，为零售餐饮业提供了从发现问题到解决问题的闭环解决方案。在“以客户为中心”的商业新时代，AI.Insight不仅是数据分析的工具，更是企业实现智能决策、驱动业绩增长的强大引擎，助力零售餐饮品牌在竞争中脱颖而出。

关注我们，了解更多行业解决方案。