最近看了一篇大佬分享的AI应用案例，干货满满，很多地方值得深思不仅分享了很多便利店实践中的认知，也顺便展露了大佬们是怎么分析生意，怎么做决策的，长但是100%干以下仅作记录，全文实在有点长，前边简单列了下主要内容目录。
一、为什么做便利店？属于第四象限（市场空间大，目前集中度比较低，有成为行业老大可能），且无商业模式风险 二、在中国做便利店的探索与挑战1探索：市场空间潜力巨大的定量、定性佐证2、挑战标准化问题、店员素质和加盟制度
3、结论在中国有两个问题，由于便利店的特殊形态，你需要非常多，每个单店的销售额并没有这么高，所以意味着你的人比较多，你需要对于各个立地环境的适应性很强，且你对员工的知识结构、学历要求又不能那么高，在这种情况下，我们认为只有一种方法能解决这个问题，就是整个便利店的经营过程中，极大的使用算法把人给替代掉。
三、坚持用算法提升服务效率具体实践案例一、为什么要做便利店细分领域的机会分析图谱
我们首先做了一张图，这张图我们是用来分析投资机会的一个框架，这个纵轴是整个行业的集中度高低，高集中度行业相对会垄断一些，低集中度行业会分散一些，横轴往右走是说这个行业能够带来进入突破性机会的一个成熟度横轴：突破性创新机会来源
突破性机会来自于很多方面，有的来自科技，我们认为科技是一个非常大的动力，有的来自于政策，有的政策变化也会带来非常大的一个突破性机会，有的来自基础设施革新，稍微弱一些
行业分析
第一象限：被收购或者和这个行业老大合并创新机遇高的，肯定是投资或者创业的一个重点，如果创新机遇高，又在高集中度领域的（第一象限），会是一个什么样的情况呢，其实最简单的，当年去哪在做的时候就是属于这样一个领域，我们认为搜索引擎，包括航空公司的百分之百（启用）电子机票这些基础设施的变化带来了整个在线旅行有一个非常高的创新机遇，但是当时在中国的市场也好，在欧美的市场也好，其实相对来讲，在线旅游已经是有高集中度的了，那么在这个领域创新，往往最后的结果是说被收购或者和这个行业老大合并，这个其实是一个相对来说，即困难又容易的一个解决方案，为什么呢，如果说你是在已经集中度非常高的市场里，商业模式已经成立，巨大市值的公司已经存在，然后你又看到了新的创业机会，而相对来讲，你前边的巨头速度不够快，就会给你一个机会成长，因为是个成熟的商业模式，已经有了盈利的机会，所以相对来讲，对于市场风险是比较低的，
第四象限：成为市场老大的概率会更高&承担商业模式风险但如果在下面这个领域，在整个市场整合度相对比较弱的情况下，但是创新机遇比较高（第四象限），你去做创新的时候，相对来讲成功的概率或成为市场老大的概率会更高，所以我们当时就分析了一些我们当时认为有意思的领域，包括比如说像二手车市场，，二手车市场我们认为其实是属于低整合度，但是高创新机遇低，但是当我们看低时候，其实在中国已经有不少不错低企业家和不错的企业在里面已经耕耘了好几年了，我们最后决定放弃这个市场，我们在新加坡找了一家类似的企业，因为新加坡市场比较小，东南亚相对来讲，竞争烈度比较低，所以我们投了一家新加坡的公司，那么这家公司最近的一轮是软银投的，我们投完之后回报率已经非常高了，但反过来讲，你要承担一个风险，叫
商业模式风险，因为有时候我们会知道说，你认为这个低分散度是可以改变但有但时候经济学上有一个叫自然分散这里指因行业特性难以形成大型的垄断公司，而呈现整合度低的行业特征如果市场出现了分散的情况，有可能是你对市场内在动因没有深入了解，所以当你投入大量资源以后，你可能发现市场还是一个自然分散的市场，这种情况下会面对巨大的商业模式风险。
第二象限：适合投资（龙头公司），不适合创业在一个创新机遇低，产业整合水平比较高的一个领域，相对来讲，作为创业者的机会就不多了，但是作为投资者还是有很多机会的，因为这个时候市场有可能对这个行业的估值的波动，因为很多投资者或者无论是公开市场还是私有市场的，对于这样的市场，往往他不会特别关注，因为这个市场比较boring，但是往往是这样的高整合度的以及低创新领域的龙头公司，它未来的成长却是可以非常稳定的，利润可以不断增厚，所以作为一个，包括我个人也做一些投资，如果个人投资或者在公开市场的少数股权投资，尽量会去寻找产业整合水平高，创新机遇低的，这才是最美好的投资机会，从自身的风险，这时候巴菲特所说的，这个行业的护城河比较高，这是一个非常好的投资机会。
第三象限：很难出现巨大的企业的当然，最差的一个情况是什么呢，就是行业整合度低，创新机遇也低，我们认为这样的市场是很难出现巨大的企业的，所以这样的市场我们基本上是放弃的比如说一个典型的例子，休闲餐饮，是一个非常难高度整合的，这个不是快餐，我说的是休闲餐饮，还有一个是本地活动供应商，这是因为当时我们在做旅游的时候，有很多人找我们投资，它有很多叫本地活动，比如潜水、滑雪这个方面的，我们认为这个其实在本地活动的，它的整合能力，分散是一个天然分散情况，同时我们没看到技术创新的一个机会，所以这个是我们的当时一张图谱，说我们如何去看待整个行业。
行业分析后动作当我们对赛道感兴趣之后，我们会把这个赛道进行分类，如果他属于第二象限，我们就投龙投公司，如果他属于第一象限或者第四象限，我们就根据不同的机会，投创业公司或者自己孵化企业；如果第三象限，就放弃。
便利店分析：属于第四象限且无商业模式风险属于第四象限，创新机遇高+市场分散分析过程中，看到了便利店行业，我们认为它属于第四象限首先市场非常分散且有巨大的创新机会，因为iot（物联网）,因为人工智能，我们等会会说到，为什么物联网、人工智能在中国便利店领域这么重要
无商业模式风险还有一点非常有意思，这个市场一般会承担商业模式风险，但是便利店却没有商业模式风险，便利店这个模式在东亚的其它国家都被证明了，不但被证明了，而且在过去的40年来，经历了一轮又一轮的技术浪潮，被证明是不会被技术浪潮颠覆的，这个让我们产生了极大的兴趣，这就是为什么我们选择进入便利店行业最初的一个分析和研究。
案例研究：消费必须品和药品需求分析
这个是从好几年前高盛的一个报告上摘的，基本上这个报告大方向是不会变的，所谓就消费必需品和药品，这个是便利店行业能够touch到最大的池子（红框），便利店行业主要是食品、和一些简单的生活必需品、急需的 以及一些药品，药品实际上也都是一个在药品的大池子里面，便利店可以经营的是一个非常小的分类，但总体来讲，占到中国居民个人消费的30%以上，大概每年消费额约为1万亿美元以上。
生鲜在未来会缩小比如生鲜是个典型但例子，生鲜在中国目前是很大的，生鲜在未来，无论是日本还是美国会缩小，即使是日本这种很喜欢生鲜的国家，原因是什么呢，是因为家庭的小型化，做饭实际上是一个商业过程，有投资和回报，如果你为一大家子人做饭，投资回报率很高，但是如果家庭规模越来越小，做饭性价比很差，如果你只为自己做饭，是绝对性价比差的，两口子做饭性价比也很小，如果你的孩子很小，你可能为了食品安全，你会为孩子做饭，但是当孩子稍微大一些，过了这个阶段，你也不会为孩子做饭，这就是为什么看到生鲜是在明显缩小的。
什么会在变大呢？餐饮、服务、旅行、媒体、运动这个方面是逐渐变大的，这个其实就是经济发展的时候，个人生活享受类的、或者劳动外包会变得强大最大的增长是医疗健康（美国有些畸形），尤其是药品的开支最后研究之后，决定放弃药店领域，因为它要的壁垒是不太一样的。
案例研究：消费必须品和药品需求分析（续）
虽然高盛的数据已经不错，但是我们认为还是有很大的疑问，因为中国整体来讲，数据的可信度是比较低的，所以我们在这个时候，还是花费了很多的时间和金钱，我们访谈了国内大量的比较顶级的零售公司的ceo或者cfo，如果是上市公司的话，访谈了跟踪他们比较久的分析师，所以对数据进行了一个交叉比对。
当中有几个非常有意思的地方，第一在中国目前的消费必需品的传统网点大概有300万个，这是2016年的数据，我们当时做的，今天有可能会比这个少，我们认为趋势是在变少的，日均销售额大概是在2500，传统渠道占到整个零售总额的40%以上，所以这个是一个非常重要的主力军，当然比以前已经有大幅下降了，但依然是非常重要但一个主力军
第二个就是说，2014年的时候中国人均消费水平在2600美金，占35%，这个数字到今年已经提高很多，但是大家看到，日本是23000，美国是36000，我们有一个很大的蓝图，大家说中国能不能就是说消费降级，农村，各种个样的情况，那我们的投资有一个非常重要的理念，中国未来的人均生活水平，一定是趋于美国的，至少不会差于日本，为什么呢，因为如果我们认为中国会持续在今天的人均消费水平上，今天的三线城市10年之后还是三线城市，今天的农村还是今天的农村，那我们不应该投资中国。
如果我们持续在中国进行投资，我们肯定相信中国会越来越好，增速可能会比过去慢一些，但是其实这个逼近的程度已经很高了，所以我们认为10年后，或者15年以后，中国的人均消费水平会接近日本，我们投资的是未来，是10年以后中国人的消费水平，不是今天中国人的消费水平。
今天中国大城市，大家都知道说，今天北京上海，大城市人消费水平有没有比东京差，有没有比台湾差，有没有比香港差，有没有比首尔差，可能大家很清楚得到这个结论是不差的，甚至我认为，我们从今天实际的经营情况来讲，如果北上广算超一线的话，那么像南京、天津算一线城市，像他们的水平，省会城市也并不比台湾差，也不比香港普通老百姓生活水平差，所以我们认为，在中国有一定的池子，今天已经达到了准发达国家日本这样的一个消费水平，未来大半个中国的人口都会达到这个水平，这个是我们投资的一个最大的一个主题，这个东西是没有办法来计算的，只能说是一个信仰。
因为我们有一个最大的大主题，所以我们认为这个趋势就会和这儿一样，至少会和日本一样，这个是我们一个最大的前提条件我们认为药品是一个巨大的投资机会，但是最后放弃了，因为药品在整个零售这个过程中，不单单是一个算法问题，最大的问题，是跟政府政策相关，有政策壁垒，有政策风险，这不是我们非常擅长的事情，我们在这个领域并没有一个特殊的能力超越整个市场。
便利店满足哪些需求
便利店到底满足的是什么需求，便利店有各种定义，我们最后总结了一下，我们对便利店定义是说两个1515分钟：我坐在办公室里想吃这个东西，我要不就是在原地15分钟内吃到这个东西，要不就是出去购买往返的时间15分钟。
15块钱：平均客单价是15块钱我们认为15分钟区和15块钱区，这两个合起来，构成了便利店的整个的商业范围那么，在后来，由于我们做了这个事情之后又发现开放货架，智能售货机有很多人投资，我们也砍了一下，智能售货机，我们对它的定义是什么呢，是5分钟5块钱
5分钟：从我想吃到我拿到这件东西，到做回我的位子上，需要5分钟5块钱：平均客单价5块钱我们认为这是智能贩售机的范围所以在这两块合起来构成了便利峰主打的整个商业范围这当中我们认为，其实自贩的这个市场还是过早了，但由于竞争的原因，我们提前进入了，如果我们覆盖了15分钟15块钱的范围，在5分钟5块钱的领域出现了一个非常大的公司，那么对于便利店领域是有竞争威胁的，如果你们看到日本市场的话，日本在自贩领域是没有巨头的，自贩领域的大部分公司都是直销公司，比如可口可乐的直销、三得利集团的直销。
当然中国什么情况都可能会发生，在日本，饮料领域自贩一年的售卖量跟便利店一年的售卖量是一样大的，而饮料是便利店一个非常大的产品品类，所以我们进入自贩领域更多是防御性的，我们并不希望未来在自贩领域会出现一个能够影响到便利店的巨头。
所以我们认为即时性、高频率、人均客单在15块钱以内，是我们定义便利店非常重要的两项指标，这构成了我们的服务空间它必须做一个非常宽泛的事情，如果你只做一个单一的品类，做的客单价这么低，你是非常难能够支撑你的房租和人力运营成本的，而反过来讲，由于需要这么样的即时性，所以大家看到不同业态渗透率，711全世界最大的连锁店，是有数可查的，这是上市公司里边最明确的数据，711现在有64000家门店，但是它只进入了17个国家和地区，而且有大量都是一个城市，所谓新加坡这些小地方，它平均每个国家有3700家店。
大家看到说赛百味后边有55000家，如果按照平均每个国家的门店数而言，这个是完全不可比拟的，如果按照人口数，差距就更大了为什么呢，因为711进的国家，它是一个城市国家，像新加坡，泰国算大一点的了，要不就日本，还有就是韩国，就是这些东亚是占了绝大多数的一个份额。
二、在中国做便利店的探索与挑战
市场看起来潜力大其实在很多国家和地区都有一个数据，成熟的国家基本上人均gdp在8000美金以上，便利店就会开始蓬勃发展，到了1万美金以上就会极速发展人均拥有便利店数那么最后一个城市人均拥有的便利店数应该是一个什么样的水平呢，其实是有数据的。
韩国现在大概是1500个人一家便利店，日本是2200，台湾大概是2000-2400，泰国大概是2500香港和新加坡稍有不同，人数会多一些，但是有些本地的原因，比如香港本身的百佳超市，其实也很小，取代了一定便利店的作用，而新加坡，政府补贴当地的小贩中心，新加坡的居民区便利店很难做，因为小贩中心很强势。
便利店销售额占全国零售额的比重这是一个便利店销售额占全国零售额的比重，泰国大概是占到11%，台湾大概是8%，韩国是6%，韩国最近几年韩国增长的很快，这个数据是几年以前的了，韩国最近几年便利店的增长速度都是整个社会零售总额的150%增速，我们当时看的一个预估是说韩国最终会达到9%，和日本的水平是一样的，中国大家知道，只有0.5%。
这个人口的差距就更多了，现在中国大概是每60000人一家便利店所以在这个情况下，你去看整个东亚地区，基本都是便利店非常发达，所以我们认为中国未来会像整个东亚国家一样，为什么呢，因为中国人华人喜欢高密度居住，我们的基础设施，我们的医院，我们的学校，都是比较高密度地区的，举例来讲，大家都说北京是便利店的死地，北京和台湾相比，北京是2200万 官方统计人口，实际上我估计可能有3000万人口，台湾是2400万人口，北京的面积只有台湾的1/6，台湾有10000家便利店，其中光711一家就有5000家，然后全家大概有3000家，北京的话，到今天我估计，便利峰现在在北京有400多家，加上711，其实我估计过去一年其实北京便利店数是没有涨的，加起来还是700多家，加上全家、罗森，过亿这个差距是巨大的，我觉得北京消费水平来讲并不比台湾消费差，但就算差一些，以1/6的这个面积，一摸一样的人口数，5000家便利店总是最起码应该有的。
所以目前来讲，北京还是有巨大差距的，可以去新开便利店，这个市场看起来非常美好，包括很多很多其它的数据都可以看出来，但是为什么中国便利店始终不发达。为什么中国便利店不发达？
711、全家、罗森都进入中国超过了15年的时间，今天来讲，罗森中国区的第一任钟经理落河勇先生、711中国区第一任总经理，都是便利峰日本公司的顾问，他们给我们在便利峰在中国的发展起到了很大的建议作用711到中国16年，罗森到中国20多年了，为什么在中国发展速度这么慢，他们总结了很多原因。
标准化问题我总结下来最大最大的一个原因，是一个标准化的问题因为711和罗森在日本都是有一个标准的模版，从最简单的角度来讲，他们的店型，大家去看日本和台湾都差不太多，大概100多坪左右，由于他们的店型差不多，一般都是四方的，他们的货架陈列是有标准图的，所以我们现在会遇到一个问题说，我们拿到一个店铺，需要做店铺设计，在日本在台湾几乎没有这个问题，为什么，拿过来就是标准的，拿到这个店型，直接去数据库里取一个模版说，这种店型应该怎么做货架陈列和货道陈列，包括施工图，全部都是现成的，我问他们如果多出来的这部分面积怎么办，两点。
1、在日本可以切割2、他们放座位就拉到了基本上他们每一个店铺都是标准点size所以在日本711的图纸，在新闻上都可以找到，他们每一次说把a店型改成b店型，全日本有8000家店铺需要改造，然后我们可以根据三年时间，他们可以根据随便一张图纸，他就很清楚知道全日本店铺是有多少相同图纸的，在台湾，在上海他们稍微灵活一点，出了上海就非常难的。
在中国，我们的店铺营造的施工规范是没有标准化的，因为政府每一代的施工材料，一直会有constauction code的变化，所以在北京，你拿着模版去找店，只找到200多家店是符合一个模版的，每一个店铺的情况都非常不一样，包括屋子的结构，包括弯角都是不一样的，但当如果说每家布局不一样，每家店铺你要重新做设计，光图纸成本就是一个很大的成本，然后在这个之后有一系列的个性化，。
当这个货架不一样，对于销售额的计算不一样，一个店铺有多少货架，有客流，有附近的立地信息，这些只是计算它日商（日营业额构成的一部分）还有你这个店铺的动线是怎么样的，你这个店铺的货架有多少，你这个店铺能放多少东西，因为动线不一样，其实你使用的员工数也是不一样的
，那么这一系列的构成导致了在中国如果你没有一个标准的template的话，那么你每家店能做多少日商，全部要动态计算，然后图纸要动态输出，然后这个就是一个巨大的过程，这之后带来的问题是，sop（标准作业程序）也是不一样的，这是一环扣一环的不同，所以对日商会有一个很根本的变化，这是第一个我们觉得它们遇到的非常大的困难，所以大家看到711在北京开的每一家店销售额都很高，但是10几年来，只开了200多家店，而且每年还要关掉5%-10%的店，再新开，所以它有一个巨大的盈亏平衡，虽然他每一个店都是非常赚钱的，但它规模始终做不大。
它在中国是一个非标准化的情况店员的素质和加盟制度
第二个情况就是说，店员的素质和整个的一个加盟制度所带来的问题第一个问题，大家知道便利店里非常重要的是都是餐食，而便利店的商品基本都是短保商品，短保商品要求你的整个处理过程当中，虽然它不是像餐饮，从生到熟那么复杂，但是扛不住店铺里商品多，全部都是全链冷藏的，所以要求店员和电长的操作非常规范，还有一个最大的问题是店员和管理制度问题。
大家可以看到快餐店数量最高的肯德基，差不多都是在6000、7000家左右的水平，但是便利店只能做到2500，你会看到一个很有意思的现象，肯德基、麦当劳、星巴克在全世界95%的店铺，全部都是加盟店，他们是以加盟形态为主的，麦当劳尤其，发明了加盟业态的，但是在中国他们都是直营的，肯德基麦当劳在中国几乎100%是直营的。
星巴克华东是加盟的，但是加盟主也不是一个小加盟主，是一个大加盟主，是加盟给台湾统一集团的，而且最近买回了华东加盟权，如果你去问海底捞，海底捞非常坚持，它的火锅店必须是全直营的，你再看左，全家是排第一的，但是全家的加盟非常简单，全家的加盟基本上是加盟给它的员工的，所以它并不是在社会上招加盟主的，都是它的员工作为加盟主，而且它的加盟形态，如果你打开它的实质，实际上更像雇佣，它当然有一定的激励分账，但对于人的把控、利益的一致性，对于这个品牌的忠诚度和认可度，它其实更接近于直营。
我们请教了很多行业内的ceo\cfo、创业元老，总结了下为什么1、中国的加盟主如果是加盟的话，很多学历没有那么高，所以他们在自我能够优化经营的能力上，包括阅读数据的能力上，并没有日本的那么强，我们在日本曾经有个顾问是东京银座地区很多罗森店铺都是他来负责的，这个加盟住，首先是大学毕业生，其次在大公司工作过5年，其次他做出来的报表很多中国公司的高管都不一定做得出来，有非常详细的planning，包括拿出来他的计划表、管理员工的一些细则，因为他的学历和管理水平放在那，而中国的加盟主没有这个水平，那么这带来一个什么问题呢，加盟里边一个非常重要的因素是希望激发加盟主主动经营的意识，但是在食品行业通过主动经营获取最大利益的意识有可能变成违反食品卫生而破坏你品牌的行为。
这是为什么食品的加盟店非常容易出问题一些直营的商超公司，一旦它给了店铺层面经营压力，换标签进非法食品的问题是层出不穷的，连星巴克这样的公司都有这样的紧张，他们不想risk（冒险毁掉）整个品牌价值，所以就要全部都直营，这是一个非常重要的原因，因为从根本上来讲，统一品牌商跟加盟主的利益关系和利益诉求在中国是件非常困难的事情，因为品牌方是希望通过加盟主的资金和细节化管理来提升自己的网络和品牌形象，加盟主交了加盟费之后，第一个想法是说怎么快点把钱挣回来，他是要利用你的品牌去挣钱，至于你的品牌是否能做长久，加盟主并不关心，这里我会有另外一个数据，不方便公开来源，就是一个很大的便利店的一个加盟，做的非常好的一个体系，他们一般签约的加盟主，大概平均要签5年的约，那么到5年以后，有多少加盟主能够持续到月末就是合同结束呢，我们拿到的数据是个位数，百分之90几的加盟主5年内就做不下去了，有多少人能干满两个周期10年呢，我们目前拿到的数据是1-2个百分点，也就是说即使它已经是中国经营最好的加盟体系了，加盟主没办法跟你走的非常长远，这就是为什么在中国，你能看到开得多的加盟店，一定是对加盟非常强的管控或者说最大的其实分本不做加盟，肯德基全世界做加盟，中国不做加盟，麦当劳发明了加盟，在中国不做加盟，如果大家想象一下，你不做加盟，那么你如何发扬单店员工的管理积极性，这就变成了一个非常困难的问题，一般麦当劳肯德基都有几十个员工，所以店长基本上都是本科水平，我们公司也是有一些麦当劳、肯德基的店长，他们本科水平，大家知道便利店平均每个店铺只有5-8名员工，真的，我们是请不起大学本科的店长，整个店铺的营业收入是支撑不了这样高的学历水平的，这就是一个很大的原因，为什么在中国的便利店很难做到规模非常大。
如果你用很多低学历的加盟主，那么你店铺的质量，整个网络的形象就一落千丈如果你提高你加盟主的门槛，首先你很难招到足够多多加盟主，其次，你的扩张速度会受到非常多的影响，你很多人会流失，因为很多加盟主干了一段时间也觉得不那么赚钱，他能找到别的工作，加盟主还会流失，所以他的网络很难有效的扩张，人力也是一个重大的制约因素。
结论所以说基于这两点，我们认为在中国有两个问题，由于便利店的特殊形态，你需要非常多，每个单店的销售额并没有这么高，所以意味着你的人比较多，你需要对于各个立地环境的适应性很强，且你对员工的知识结构、学历要求又不能那么高，在这种情况下，我们认为只有一种方法能解决这个问题，就是整个便利店的经营过程中，极大的使用算法把人给替代掉。
三、坚持用算法提升服务效率全系统自动化
无人店是指没有营业员，我们说的这个无人不是指没有营业员，我们说的是指在整个决策过程中没有人，我们经营都是有人的，所以今天同学走到北京的任何一家便利峰，它都是有人的，只有极少数它偶然情况是没人的，它都是有服务员的，有的时候会有些收银，在高峰期，它至少制作、售卖、上货、清洁都是有人的，但是它是没有人在做经营决策的，经营决策是有一台系统，每15分钟推送给店铺的，所有的经营决策，都是计算机自动完成的，我们列了一张清单，这个我们当时列出来全部都是要自动化的，今天去看的话，大部分都已经做完了，我们有一张更长的清单，因为做完以后，你会发现有更多的问题会暴露出来，如果在中国大规模部署或者经营便利店，我们的一个结论就是说要极大的削减，整个系统要非常定制化，从选址开始就要自动化，到店铺设计、货架陈列到店员的管理，店员的日常工作，设备的订货，整个体系要尽量减少人，每一个有人的节点，都会导致整体效率的下降，而这个中间大家要知道说，这中间有一系列的环节，只要有一个环节不能自动化，前边的自动化全部都是没有意义的，比如说，如果我们店长不能自动化，我选址陈列自动化了也没有意义，为什么呢，有些连锁企业，最近开了很多店，但是有些店，你去看会发现它关着门，为什么，它招不到足够的店长和店员，它招来了也培训不了，所以你没有人是不行的，但反过来讲，一开始但选址和设计不能自动化， 即使你能够大量但签约，并且你大概估算出来你的店铺是能营利的，光设计图纸人员不够，这会导致什么呢，签约延期，就是说签了约之后，我开不出来，因为我图纸设计不出来，因为大家知道，要营造一个便利店，图纸需要十几张，因为从你的布局到你的管线、电路、施工有十几张很详细的图纸，大家知道，如果我每家图纸都要重做，等于每家店都要做17长图纸，灯饰细节图纸全部都是不同的，日系的便利店因为比较简单，因为它是标准的，17张图纸拿来复用，我们不行，每张图纸都是不同的，所以曾经有一段时间，我们签约没有问题，人员招聘提前招完了，结果就因为图纸设计不出来，店铺不能够如实交付，马上下一个问题就来了，你的店员都培训完了，店铺不能如期交付，招聘的店员怎么办，这些店员就会流失，付满薪但是其实没工作，付底薪无法维持生活就会流失，流失后再招聘又是一轮招聘成本，所以说整个这个环节需要全部都自动化，节奏才能匹配的上，那么后边我们说一下具体情况，今天来讲，我们是2017年的2月份大概开了前5家店，到现在为止，我们开业了大概800多家店，签了900接近1000家店，这是一个大致的分布图，北京，我们从数量、销售额上来讲，应该都是全北京第一了，天津应该也是全天津第一了，无论是销售额和数量，华东地区还在进展当中，南京不算苏州，应该也是第一，其它几个城市都要进入，上海竞争比较激烈还需要一段时间。
员工职能自动化
员工职能自动化，包括缩短员工培训周期，消除员工培训瓶颈，我们店里有很多很多sop(标准作业程序)，大概有300-400项，都需要店员能够背熟、考试掌握，今天我们的培训周期只有5天的时间，就可以完成，最近我为了更快加强员工培训，我们在开发vr的培训，所以店员在家里或者公司带着vr就可以培训了。
培训他整个的过程和操作，那么第二个就是我刚才说的，改善店铺的销售业绩，我们不是靠店长的积极性，我们是靠系统来把这个店铺的每一个细节都收集到，帮你都考虑到，进行了决策，我们对于店员和店长的要求就是严格遵照系统的这个指令去工作，我们看过很多很多指标，在高速变动的一些巨大的事件面前，系统是做不过人的，但是80、90%情况下，系统的决策都比人更缜密，虽然在单点上你可能觉得系统没有做到极致，但其实系统是考虑了多方面但因素，觉得这样才是最优的，这个其实就是一个我们一个最重要的观点，我们认为在中国，你可以经营好一家便利店，你可以经营好10家便利店，如果你有711的体系能力，你可以经营好200家便利店；如果你在中国想要经营好10万家便利店，你需要全自动化，需要高度的可复制性和高度的可拓展性，才有可能在比较短的时间，让我们说5年、8年内在中国开出10万家便利店，并且能够成功的经营下来。
所以员工的很多技能，我们把它列了很多项，第一个重要就是订购、生产排版、定价，这些全部都要自动化，大家注意，我们说的智能化和很多其它说的大数据是不一样的，因为这个世界有两种，很多人说赋能，我们说的是全自动，区别就在于说辅助驾驶和自动驾驶，辅助驾驶的意思是我出了很多图表，然后让人来辅助你决策，我们说的这个是全自动，是指在决策过程中，不需要人的，就不要人参与的，今天我们的日常经营决策，是不需要人参与的，这个是我们的目标，那为什么我认为便利店是非常需要这个东西的呢，核心还是回到我们刚说过的问题，1、便利店数量多，2、便利店的店长所要求的文化水平，当你需要这个辅助驾驶或者说赋能的时候，其实有一个潜台词，是说这个店长或者经营决策人可以根据这个报表作出很正确的决策，或者作出更好的决策，而且这个前提是说如果高速扩张的时候，他还不需要很多训练，就可以根据报表作出更好的决策，我认为这个假设在便利店是不存在的，如果你要根据报表作出更好的决策，在便利店领域做得登峰造极的是711，711在中国遇到的问题是找不到这么多优秀的店长，这个很慢，711培养一个优秀店长，从店员到店长，大概需要2年时间，他才可以勉强管理一家店，把所有功能都记明白了，图表都看懂了，不会出什么大纰漏，真正要做到一个优秀的店长，大概需要3年以上的时间，今天便利峰的整套系统，我们培养一个店长需要多长时间，如果这个人曾经在肯德基或者麦当劳干过一个叫工作站负责人，对食品卫生有基本的了解，那么在我们这里45天就是一个店长，整个店运行一样，可以运行出2万块钱的高效店，接受新店没有太大的问题，如果他是一个从来没有接触过便利店或者快藏行业的员工，就是普通人，进到我们系统里边，6个月就可以做一个店长，所有这些工作他都不需要知道，那包括了生产订购，我们店铺里有大量的短保商品，有24小时的，有48小时的，有72小时的，一周的，15天的，有30天的，所有商品都需要按照不同的时间、按照天气的变化，根据利率的情况，根据节假日，根据气温需要订购。
因为我们店铺里有大量的是快餐和热餐，这个热餐是需要提前生产的，这个生产量是多少，如果你生产太多了或者订货太多了，都是废弃，如果你生产太少了或者订货太少了，它都是损失销售机会，如果你损失了销售机会，如果你损失了销售机会会影响的是说有很多消费者是在消费高峰时段晚来的人会觉得你没货，没货他就不来了，会影响你这个店铺整体日商的潜力。
订购、生产排班和动态定价系统
这个是我们的订购、生产排班、动态定价系统，这个是我们的1.0版本订购一个店铺大概有2000种商品，光日配品就300多种，那订购这版界面是最初根据我们日系的，包括711、全家、罗森，包括在中国、日本的版本，我们做的，其实这个数据是非常复杂的，我觉得不可能有人每天晚上订货把所有该订的商品都仔仔细细看完，根据数据分析订出来的，因为你想一想，如果你300个商品，你300项输入，你就输入半天，然后你还要分析每一种商品在雨天、在晴天、在冬天、在夏天……它是不一样的，我举个例子，同样是下雨，如果这个店铺是街铺，它的销售量是下降的，但是如果这个店铺是大厦铺，这个销售量是上升的，如果是冬天和夏天气温上涨，夏天如果气温，比如说前两天很热，37度、38度，气温继续上涨，对销售额并不一定是个非常正面影响的例子，非常热会影响人的出行意愿，但是冬天，如果气温上涨，实际上对销售额是有正面影响的，然后气温下降也是相同的问题，但是这根据，不同的立地情况又不一样，而各个商品也不一样，所以大家都说这个赋能，我觉得说赋能的人是没有经营过复杂的商业，如果你真的认认真真去把每一个数据去填对了，根据你的赋能系统，24小时你都不一定能够完成一次订货，然后明天的数据又来了，所以我认为赋能对于一个这么复杂的店铺，一个人根本做不过来的。
动态定价我们大家都知道，我们卖的很多商品，都是24小时、48小时过期的，这个属性非常像航空公司或者酒店的机票，或者房间的售卖，那么它需要一个所谓叫收益管理的概念，因为这个，它是个叫fast perishable(易腐性)，到了这个时间点，它就没价值了，价值就是0，
所以动态定价的时候，我们要求对于这个商品在不同销售曲线和销售数据做不同的调整，这里就不做细说了，它是一个非常复杂的理论，但是我们的店铺里边用了大量的动态定价，来提高我们的收益，其实效果是非常不错的生产排班
生产排班里边，比如高我们现在店铺里有15个热菜，有荤有素有鸡有鱼，但是当销售达到尾声的时候，我们开始不断收餐，我不可能到2点钟还准备15个热菜，所以到了比如1点钟以后，比如说15个菜降到了12个菜，我就不再添了，12个菜降到8个菜，我也就不再添了，但是这个收餐的时候有很多技巧，举例来讲，你收餐收到最后6个菜的时候，消费者一进来6个素菜，没有荤菜了，男生可能不买了，如果6个荤菜，女生可能不买了，所以收菜的时候，我们还要考虑荤素搭配、食材平衡、什么菜卖光了，我们不加了，什么菜卖光了，我们还要补，我们要等另外一个菜卖光，这个都是有很多动态技巧的，有经验的店长是能够做到的，但是我们过去两年开了800、900家店，我们很多店长根本做不到这种程度，所以完全是靠后台系统来告诉店员这么来控制和管理。
在所有时间点上，我们要尽最大努力,哪怕只有2个包子，我也要保证一个荤包一个素包，这中间需要很多调整，这个只有系统才能实时不断动态把这个决策给做对
商品选择系统
这个是商品选择系统，我们有一个非常大的商品库，我们通过人工智能的算法，来选择便利峰的……，然后通过便利峰的人工智能选择，选到每一个单品去购买，选品是一个非常重要的一个工作，因为选品的好和坏是可以直接影响到店铺的销量的，那么我们做过几个实验，第一个实验（几年以前做的）系统选品成功率和人的选品成功率，当时人工选品成功率是33%，系统选品成功是50%，那么选品成功是什么概念呢，当你选进来的这个品，在未来的一个销售窗口内，不同的品销售窗口不同，有的是一周，有的是四周，你能够达到这个分类的前75%，我们认为这叫成功的选品，人工的选择，我们选最有经验的，原华北地区711的那个商品负责人，非日配的负责人，整个华东地区全家的商品负责人，都在我们商店里，
请他们的很多团队在我们这里，他们也参与了人工选品的竞赛，他们当时的成功率在35%-40%，在几年前的版本，我们的自动选择就可以达到70%左右的成功率了，今天人工选择的成功率比上边还低了，为什么呢，因为我们的数据结构变得更加复杂了，他们看到简单的数据，不足以描述整个情况了，因为有动态促销、有打折，有很多不同提升收益的做法，他们的选品成功率只有在40%左右了，今天我们计算机系统的选择成功率大概是95%，今天系统和人的赢面大概是10:1的关系，也就是系统赢10次，人只可以赢1次，我们还在不断的请外边的选品高手，各行各业的选品高手，到我们这里来跟系统比赛，能不能发现系统的漏洞，发现系统的漏洞来改善，同时我们的系统已经有自动发现大品库缺失的功能了，我们系统现在会每个月提出一张清单，告诉我们采购人员大品库缺哪些东西，系统认为这些品是有高可能概率销售的，它是描述性的，比如说，它会描述说中价格带 希腊酸奶 盒装 这个商品是有缺失的，你去找更多的商品，或者它会描述说 辣味 肉脯 冷藏装 这个商品是有缺失的，他们根据各种算法会认为大库里的选择不够多，它并不知道有没有更好的品，它只是觉得说这种标签，现在消费者非常喜欢，包括价格带它都会有，希望商品人员去市场上去找，那么今天我们的系统也开始阅读淘宝、京东的数据库，他们一方面会直接建议一些京东、淘宝的商品给我们的md（市场总监），当然这个现在还不太准，原因是说京东、淘宝的价格有很多是大包装的价格，然后我们的系统现在还不能识别大包装和小包装，经常选出来的是高价格带的东西，它认为是一个中价格带、低价格带的东西，所以这点我们还在改进过程。
货架展示和上架当中，大家说货架上怎么展示，为什么这么复杂，有很多系统公司或者零售企业，他们也说，我们能解决货架上怎么展示的问题，通过系统管理，但他们的概念是说，你先把商品放上去，然后你再把这个放在货架上的情况输入到系统里边去，所以它还是人先决策的，这是第一个，第二个比如说像很多大卖场，它平均每半年或者一个季度才调一点点陈列，每半年才做一个大的陈列调整，便利店或者便利峰，我们大概平均每个商店有2000个sku(商品)，平均每周都要换接近150个以上的sku，而换了sku之后就意味着有sku要下架，或者售罄了，有的sku要上架，它要根据品类、要重新排布，更复杂的是我们每家店铺的结构都是不一样的，因为我们刚才说过了，为了快速开店，我们每家店都是自行设计布局的，就是自行设计东线和货架结构的，所以我们每一个店铺的货架情况都不一样，而我们每一个店铺的商品也都是不一样的，所以这意味着每一个店铺的陈列图也是不一样的，而每周 每个店铺换的商品又不一样，所以意味着我们每周都要对店铺的商品陈列进行一次大规模的调整，而这个大规模调整更带来一个大问题，我们快速开店，一个店铺大概有2000多个商品，我们大员工平均训练5天就要开始进店管理了，就是如果新员工的话，他基本上是不认识商品的，所以你知道一个店铺里2000种商品，他根本认识商品，更不知道商品怎么摆了，他连商品是什么，他都不知道，而且我们每周要更换百分之大概7-8，刚才说150个商品，即使是一个非常老手，他也不认识商品，因为很多新换的商品，他很多都不认识，我们不旦会告诉他陈列图，而且会告诉他一步、两步、三步怎么调整陈列，否则都话，他都不知道整个陈列该怎么调整，大家看到说，现在我们都店员怎么做陈列，晚上就是拿一个商品，拿pad扫一下，它就会再出一个陈列图，其实是一个文字，这个右边会告诉你说到第二个货架第三层，左第一面 第二面向右移，移到左第二面 第三面，把这个商品放到左第一面上去，这个基本就是上面这张图的右面那个script(注脚)上写的东西，这是为什么呢，因为我们的店员既不认识货架，也不认识商品，更搞不清楚分类，所以他是可以完全什么都不知道，完全严格的遵从这个指令，就可以把上货完成的，我们当时做过一个实验，当时我们有一个投资人，美国投资人不信，他有一个分析师，是苏州人，他把这个分析师派到我们这儿来,我们就让这个分析师经过了几天训练，大概训练他四、五天的时间，进店，然后让他一个人上一个夜班，他就根据pad和script(注脚)完全把这家店经营下来了，这是他在我们这训练了5天，又工作了5天，总共10天的时间，他一个人可以经营一家店铺，这是他的过程，然后回去之后，他就跟他的投资经理说，这个很有意思， 他对自动化的要求，基本傻瓜都可以操控整个便利店的情况。
排班和任务管理系统
还有很大问题，肯能大家没想到，排班，便利店的排班也是一个巨大的挑战，为什么呢，因为一个店铺只有5个员工，我们是24小时的，如果按8小时一班的话，晚班不能连着早班，晚班也不能连着中班，他上完一个晚班之后，如果他要切班，他需要一整天，如果经验不是很丰富的店长，光为每周的下一周排班，他就要花半天的时间，他才能把班排的清楚，因为你要考虑很多因素，一个人不能一个月都上晚班，那人会累跨，所以他要上几天晚班切过来，这中间如果有人请假，他就更疯了，因为他整个的算法论都会发生变化，如果有人零时请假，他基本上是没办法应对的，他只能临时让小时工来帮忙，这样会导致人力成本的上升，所以光排班这件事是一个运筹学的工具，那么如果是传统的这种便利店711的方法，它排班效率很低，店长需要大量的时间在做这些决策，我刚才说了这些大家就知道，为什么一个便利店的店长是需要2年时间才能够训练成熟，把数据能够看明白，这个就是刚说的员工排班，店内任务管理，店内任务管理的作用是什么呢，我们会把不同的工作分成，基本上目前分钟级的，然后根据店铺的销量、到货的时间、外界的因素，各种情况会看到说，在每小时，它的这个工时消耗的一个曲线图，这样的话，你就可以直接拍上去，你该需要多少人了，然后你就可以进行线性规划，那么如果有些工序，出现一个峰值，他们会提出来能不能把其它工序前移或者后移，所以今天便利峰的sop是跟很多便利店不一样的，而且我们经常会变，因为我们会不断分析店里的劳动高峰，这样来调整，我们现在这些简单的劳动力高峰调整是通过广播通知店员的，那未来我们希望更明确的话，会通过耳麦通知这个店员，这个但是目前现在还有些问题，因为耳麦戴在耳朵时间长了以后，耳朵会疼，这个问题没办法解决之前，我们只能通过广播，广播当然不能个性化，而且有些话不太方便讲。
员工排班完全是系统自己计算的，而且我们这样员工排班完了以后，店员是可以提前一天请假的，请假的话，系统会再排班，进行二次排班，进行三次排班，确保整个的人效管理始终是在最优的状态之下，这个是完全自动化的，完全不需要人工介入。
收益管理
这个说的是收益管理，我们是让易腐库存就是说短保品，短保品通过收益管理之后，包括订货，包括动态打折，什么时候打折，它打折并不一定到最晚打折，由于是动态管理，有的时候我们会早上打折，中午打折也有，其实有的时候这样才是最佳的，当然这个理论是航空收益管理（有兴趣可以自己去学，是个数学的算法），目前大概能够提升收益30%，平均我们的商品废弃率，已经是非常非常低的了，这个前提是什么呢，是我们的店长完全不用操心，他也完全不用懂这些事情，我们店铺的任何一个商品打折，店长是不需要知道的，它放在那儿，它自动会有电子价签提醒他会打折。
签约
这是签约，大家会很好奇我们的签约，我们的签约基本上是没有人工判断的，完全不需要任何人工判断，也没有经验一说，我们就是到了店铺附近，我们提前，但是要花比较多的钱，我们在北京已经做了，在外地做了大，部分，做了基础数据的收集，我们的基础数据收集，不是通过什么手机，什么信号，当然这可能有用，但我们觉得不够准，我们对于每一条街道，每一栋楼，每一个路口，都有人流数据，平均都测了7天，都有录像，这是我们在北京开店之前就开始做但，今天北京已经基本完成了，外地还在做，所以当我们需要开店但时候，我们只需要把周边数据调出来，然后如果已经被统计过的数据都会有，如果我们对这个数据有疑问，可以把录像都回放一遍，所以我们在每一个交通要道的哪个路口的人流数据，都是有记录的，包括这个当时可能记得不清楚，比如说男性多，还是女性多，穿着怎么样，事后我们可以看录像来完成，所以这个在每个城市，我们都可以这么做。
然后，基于一系列的这个模型，这个模型今天是用机器学习的算法来算的，所以已经不是人可以看得懂的了，这个准确性，应该说我们一代会比一代更高，所以从现在来讲，我们一个比较明显的特征，我们越新开的店，我们的销量越高，房租占比越低，就是因为它的这额机器的判断越来越准，所以这个完全是机器在告诉我们的开发这个能不能做，为什么我们说这个算法还要经常迭代呢，因为随着我们的商品不同，模型会变，比如说我们以前没有咖啡，我们上了咖啡，模型就会变，我们上了一个主打新分类，模型就会变，所以整个模型现在全部机器学习的一个模型了，历史数据的是该方案一个很重要的组成部分，所以我们会不断进行新模型对老模型进行回测，另外就是大家知道，连合同也是一个瓶颈，如果我们平均要开800家店，我们进入谈判的大概（我们每5家能够有一家店铺签约），所以光合同我们就谈了4000份，然后还有更多的是说，我们在初期阶段叫初筛，因为有些是完全就是不合适的，就是开发人员跟对方谈的差不多，但是还没经过内部审批，就会把对方的合同先拿过来，合同拿过来了以后，我们可以经过一轮初筛，那今天为止，我们初筛了多少份合同呢，大概初筛又是5倍的关系，所以初筛就有20000份，所以我们对合同进行了完全的数量化和结构化，我们现在大概每个月要开100多家店，如果每个月要开100多家店的话，每个月初筛合同就是千量级的，几千份合同，我们的法务人员都不够，所以我们合同初筛都是系统完成的，系统会对每个合同条款进行打分，然后判断出来说，哪些合同项是可以接受的，哪些是不可以接受的，同时系统会给出开发人员如何去和对方谈判的一个大致的方向和建议。
店铺设计自动化这个是目前我们还没有100%做到的，所以我们现在设计人员其实还是一个很大的问题，之前我们做17张图纸的时间，可能要好多天，现在我们可能可以争取在1-2天内完成，但依然是个瓶颈，当我们大量开店的时候，这个问题还没有百分之百的解决，那今天我们设计的都是三纬，自动出的都是三维的图，对于整个的施工会有很好的帮助，我们希望能够在今年年底能够把整个的这个部分也全部自动化，现在还有很多技术难点是不能解决的
配送
这是配送，配送，我们目前能够做到，应该说能力已经很强了，但是自动化是完全不够的，还是有大量的人工参与在日常决策里边，包括我们的线路规划，包括我们仓库的选址规划，包括仓内的人力安排，都还是属于一个赋能的状态，就是说人看着数据做决策，当然，这样还是会有很多问题，为什么呢，我们店铺的销量是一直在变化的，如果店铺销量变化的情况下，它会自动下单，自动下单如果整个仓库物流全部都是人工的，他其实不能够跟上下单的变化，结果就是什么呢，仓库要么就是过载，要么就是空置，所以未来要让整个仓储要能够完全和门店同节奏呼吸，我们需要让整个仓库的日常运作百分之百的系统化，决策都需要自动化，这是目前还没有做到的，在这个之后的工厂，也在做自动化，相同的问题，当我们高峰期下单的时候，会遇到工厂产能不足的问题，为什么呢，产能不是设备不足，是人不足，因为我们不可能为高峰准备了过剩的人，而工厂里边生产食品的人是有特殊训练的，但如果说我们准备的过少，那高峰期我们就压制订货，但如果我们准备了过多但人，那么就意味着浪费，因为大部分时间，我们的生产是达不到这个要求的，这其实就需要什么呢，整个系统全链路打通之后，能够更早提醒，能够更早做准备，做动态的优化，比如说有些第三方的供应商，可以及早启动，像整个全链条优化能为整个的效率有更高提升，这是我们目前的仓储系统，但是这个仓库系统，跟最新一代的就像京东的仓库没有太大区别，但它的根本问题是，它不是全自动的，它还是一个赋能的状态。
总结所以最终总结来讲，我们认为便利店是一个，我要在中国这个环境下要能够大规模开便利店，需要把整个日常经营环节，人的决策全部拿走，整个全链条的决策，全部由计算机对计算机，通过复杂的数据结构进行沟通，这样才能效率最佳，才能够让我们在中国开出10万家店，并且每家店都经营良好。
这就是，为什么说在这么一个系统里面，人会变成瓶颈，一方面是速度他跟不上，第二个很重要的因素是说，比如像我们现在的订货系统，成立的系统，它内部的数据结构已经不是简单的人可以理解的，它很多比如像人工智能机器学习算出来的黑盒子的算法，其实即使工程师本身都不知道它的算法是什么，只是知道这是input ，是个output，有一些是线性规划，它有非常复杂的数据结构，它包括很多项属性，其实人是阅读不了的，比如说，我们的订货数据，举例来讲，由于我们介入了这个动态管理，所以今天如果卖了100个面包和明天卖了100个面包，可能完全是两码事，这100个面包我们要告诉他说，在几点钟，它是低于销售预期的，它是打折的，几折卖出去，多快卖出去的，几点又恢复了价格，所以它是一系列的时间序列，当第二天订货的时候，你需要理解昨天面包售卖的全过程，几点开始卖面包的，预期卖多少，实际到这个点数卖了多少，有没有开始做动促，我们还有比如说动促是弹性动促，比如我们预期七九折能卖到这么多，七九折还没卖掉我们会跳到五九折去卖，有没有从七九折跳到五九折，五九折是不是又跳回八九折，是在什么样的折扣下卖了多少个，
这中间的判断逻辑是什么，这一系列的时间序列构成了明天定面包的决策，所以这些数据全部打出来，人光阅读，可能就阅读一晚上，就订一个面包，他阅读所有当天的交易数据，得阅读一个晚上，再加上这个数据是过去比如说30天的，还有比如说这个去年的数据，现在都有了，那人光阅读一个面包当天订货数据所需要的阅读量可能24小时都无法完成，所以就是我说，当这个系统不断演化的时候，这个中间人的任何参与都变成了瓶颈，所以今天我们还没有完全做到，我们的目标是认为，把整个过程中，人的日常经营中的决策全部抽调是我们的目标，这样整个盘子才能做大，规模才能做大，那么我们总部员工主要的工作是建模和编程，他的程序决定了整个店铺的运营，而一线人员最重要的工作是follow系统的指令，以及对于消费者做良好的服务，这个是我们认为如何能够把便利店做大的一个核心要诀，讲到这里。
问答环节1消费者数据一、便利峰在分析消费者角度，有哪些方法，提升业务，那关于消费者的行为数据，我们有看怎么样能够更好地去利用这些数据和价值吗答：我们是把互联网用户分析的方法用在了消费者身上，当你用用户行为数据的时候，你要对数据有足够的信心，你的准确性要足够高，然后你才能知道最后得出来的结论到底是有高度关联性的还是没有高度关联性的，现在是消费者行为数据，通过图像识别，还不能够非常高可信度的捕获，无论是它的捕获率和错误率都偏高，在这个方向，我们在做很多努力，但是在这个方向，目前还没有任何一项，消费者就是行为数据能够真正进入到我们日常运营当中去。
更多的是在做后台研究，我们有两种数据，一种是后台数据，这种数据研究完了，每个礼拜出个数据，我们看看有没有可能性，这个当然有很多，但是我们所有的数据都是实时商业决策，就是每天在用的，如果用错了，就是损失的，这个目前还没有消费者行为数据。
2定价二、关于定价的问题，会不同的区域有不同的定价吗答：我们的商品定价是标准的，但是在促销和调整过程中，是会有很大的时段不一样的为什么说同一个商品在大部分时间是一样的，如果说这个地区的消费者，他就是要更低价的方便面，我们就应该换一个品牌了，因为我们还要保证单商品销售的毛利和毛利率，否则会对整个市场有影响，对我们自己的管理有影响，所以说，如果消费者真的消费不起这个高价方便面，那么就会用低价的，如果这个地区，对于这种商品，它价格敏且它的销售的波动系数比较大，那么我们就会愿意多压货，因为我们知道这个地区，只要一打折，就能出清，但另外一个地区价格弹性比较弱，我们就会少压货，因为我们知道，如果真的出不清，我们打深度折扣也没用，它也出不清，我们宁可打一点点折扣，看能出清，首先我们不一定会订很多
3体验三、您但标题是通过算法驱动便利店的体验问题，我想知道未来，便利峰对体验这块有什么想法，因为现在很多老人，包括很多老人在自动结算对时候，会遇到很多麻烦，很多超市都在推，很多超市都是旁边有工作人员来辅助，便利峰会怎么来提升体验问题
答：首先我们可以量化体验，我们体验的是结账速度，我们的结账速度在稳定性上，因为你有一个最小的速度，我们的结账速度在稳定性上，应该是我们了解全行业最高的，所以你会看到我们排队会很少，我们会有摄像头监控队列的长度，如果队列过长，在店铺会投放更多的自动收银机，那么至于说老人家不会使用收银机的问题，我们要看，我们对系统会分析说哪些店铺是不合适人工收银的，老人或者学生或者老外多的，如果这个区域它是一个主要客群，我们会增加人工收银台，这都是有数据的，只有一种情况实话实说照顾不到，比如在商务办公楼，大部分都是可以做自动收银的，如果有一个不能自动收银的老人家来，他可以呼叫，我们就会有人出来，但是会慢，因为我们店铺的人员是精配的，这是个坏点，但这在我们大的数据曲线里属于个别坏点。
所有的体验都必须要量化，只有量化才谈得上体验，今天如果你走进中国每一家便利峰，我们现在数据应该是97%的员工，会转头跟你说欢迎光临，大约有80%多的员工会向你微笑，露出6颗牙齿，这个都是有数据的，4关爱
四、老师我是你的粉丝，我觉得零售行业实际上是有送礼的习俗，实际上我有自己的想法，就是说因为主要是卖食物，卖饭，我们不能单单卖饭，也可以卖关爱，就是男朋友送礼给女朋友这样子，就是很多女的上班族去便利峰买食物吃，但是可能送礼的话可以带动销量。
答：社交需求目前不是我们关注的重点，我们还是关注生活的基本
微信扫一扫打赏
支付宝扫一扫打赏
