数据科学推动了Kohl's的重大决策

早在客户数据平台(CDP)出现之前，Kohl's的商业模式就以收集和培养客户数据为中心了。

“几十年来，我们一直拥有着一个自主开发的客户数据环境。”这家价值194亿美元的美国连锁百货公司的首席技术官兼供应链主管Paul Gaffney表示。“我们对我们的自定义实现非常满意。”

这家总部位于威斯康星州密尔沃基的零售商最初在Netezza上建立了自己的本地CDP，并根据该连锁店的庞大信用卡产品组合和一种非常个性化的历史方法来培养客户忠诚度和依恋， Gaffney说。

在过去的几年里，作为“技术现代化”的一部分，Kohl's大力推动了云计算，Gaffney表示，该技术充分利用了机器学习、个性化、增强的人口数据集和“超本地化”的洞察力，将最相关的商品交付给了当地商店。

这一转型将使这家目前正在待售的零售商在谷歌云平台和运行VMware的私有内部谷歌云服务器上运行工作负载，以及在AWS上运行一些公用事业工作负载，其首席技术官表示。虽然Kohl's目前的本地云服务使用着一整套工具，包括用于高级分析和数据可视化的Qlik，但Kohl's对数据的长期计划是Google BigQuery，Gaffney表示。

“四年前，我们开始专注于将BigQuery作为我们的主要数据环境。”Gaffney说他也继承了这个决定。从那以后，Kohl's围绕谷歌平台建立了一个复杂的数据科学实践，零售商的大多数关键数据，包括客户、产品和业务性能视图，现在都驻留在了这个现代化的数据环境当中。

但是Gaffney的工作还远远没有完成。

“我们还有大约两年的时间来实现一个目标，我将把我们描述为一个完全基于数据的企业，使用自动化决策流程，而不是仅仅使用数据来增强人的决策流程。”Gaffney说。

这一策略的关键在于充分利用机器学习和第三方的数据来服务于客户个性化和商品决策的“超本地化”，Gaffney表示。

Kohl's在其IT组织中拥有1000名员工，其中包括了50名数据科学家，该公司是于18个月前开始其数据自动化计划的。目前，该连锁店大量收集的第一方客户数据以及授权的第三方数据集正在迁移到BigQuery，以应用先进的机器学习模型和增强的个性化技术来促进销售，Gaffney表示。

与许多零售商一样，Kohl's也在谷歌平台上使用了公开可用的机器学习模型，并使用了谷歌的Vertex AI平台。Gaffney说，这家零售商还从德勤获得了一套名为Demand Brain的数据集的授权，该数据集专注于消费者的需求、理解和预测。他解释说，所有大型咨询公司都有数据订阅产品和ML引擎可供授权使用。

Gartner分析师Erick Brethenoux表示，使用顾问数据和ML模型的动力正在变得越来越大，尤其是在零售商中。

“许多企业会聘请第三方来为其构建模型。”Brethenoux说，并指出咨询公司也会使用第三方数据集来预构建模型以嵌入到客户系统当中，或者在极少数情况下，使用自己的技术和数据来为零售商和其他客户构建模型。

例如，Kohls从德勤那里获得了一个名为InSightIQ的平台的授权，并正在与另一个合作伙伴Axiom合作，用其他数据集来增强其第一方数据。要区分哪些数据信号是有用的，哪些是噪声，与合作伙伴的合作是至关重要的，Gaffney说。

“目前科技领域最有趣的事情之一就是这些联合第三方数据集的激增。”他表示。

例如，Kohl's会利用客户消费算法的组合，根据客户最近的购买情况，预测下一个最佳报价。其中的很大一部分都是基于Kohl's在线上和实体店顾客的第一方数据。但是现在，为了更多地了解他们的忠实客户，Kohl's可以使用授权的第三方数据集来获取客户的就业或娱乐活动等有价值的信息。

“我们已经开始用第三方数据来扩充第一方数据，以确定他们不购物时是做什么样的工作的，这对我们应该为他们提供什么样的鞋子会产生影响，这只是几十个例子中的一个。”Gaffney说，并补充说，投资界多年来一直在利用第三方数据集，而一般的企业界则正处于使用它们的早期阶段。

“在过去的6个月里，除了这些确定性的非学习算法之外，我们还添加了新的机器学习模型，以帮助我们更精确地了解我们应该(向购物者)提供何种商品，我们应该向谁提供商品，以及何时提供商品。”他说。

Gaffney在个性化领域看到了机会。“我们已经能够非常有效地利用数据科学来更好地定位我们的历史营销活动了。”其首席技术官说。“我认为，再过不了六个月，我们就会从以活动为基础的方式转变为真正的个性化方式，然后再经过三年到五年的持续改进。”

随着其现代化的CDP和个性化战略的全面实施，Kohl's可能会采取其他更大的业务举措。例如，Kohl's利用其客户数据与化妆品巨头Sephora建立了营销合作关系，目标是建立一个20亿美元的美容业务。Kohl's的官方表示，到2023年，在其1100多家门店中，Sephora的门店数量将达到850家。

对于Gaffney来说，超本地化是第三方数据最“令人兴奋”的应用之一。他解释说，其中的一个目标是将机器学习应用于第一方数据和第三方数据的混合，以做出高针对性的商品销售决策，并根据由数千个数据点组成的矩阵来决定在哪里开店。

该公司计划在未来四年向旗下百货公司增加100家新的小型商店可能会证明这一点的价值。在过去的几十年里，Kohl's一直只使用自己的客户数据，并会根据收入、需求信息、当地竞争和社区种族等核心人口数据，在每家商店提供相同的产品分类。就在两年前，除了第一方数据外，Kohl's还应用了第三方数据集，例如，根据额外的人口、天气和其他第三方数据，Kohl's能够为各个商店生成大约35种不同的鞋类，Gaffney说。

随着机器学习模型和第三方数据集数量的增加，这个数字出现了爆炸式的增长。“现在我们有了一个大约1500个细胞的矩阵，而不是只有35个。”CTO说。“这也是接下来要做的：……在这一潜在范式的基础上寻找更好的数据，并使用更好的数据科学，使数据更具细粒度，进而做出更有效的决策。”

如果您在企业IT、网络、通信行业的某一领域工作，并希望分享观点，欢迎给企业网D1Net投稿。

投稿邮箱：

editor@d1net.com

合作电话：

010-58221588（北京公司）

021-51701588（上海公司） 

合作邮箱：

Sales@d1net.com