这家美国百货连锁店围绕 Google BigQuery 对其数据战略进行了现代化改造，引入了第三方数据集和算法，以进一步完善其个性化和商品化工作。

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

“几十年来，我们一直拥有一个本土的客户数据环境，”价值 194 亿美元的美国百货连锁店的首席技术官兼供应链官 Paul Gaffney 说。 “而且我们对我们的定制实施非常满意。”

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，基于该连锁店的庞大信用卡组合和“一种非常个性化的培养客户忠诚度和依恋的历史方法”创建了强大的客户档案，Gaffney 说.

但在过去几年中，作为“技术现代化”的一部分，Kohl's 大力推动云计算，Gaffney 表示，该技术充分利用机器学习、个性化、增强的人口数据集和“超本地化”洞察力来交付与当地商店最相关的商品。

首席技术官说，转型过程中，这家目前正在出售的零售商在谷歌云平台和运行 VMware 的私有本地谷歌云服务器上运行工作负载，以及在亚马逊网络服务上运行一些公用事业工作负载。 Gaffney 说，虽然该公司当前的本地云使用一整套工具，包括用于高级分析和数据可视化的 Qlik，但 Kohl 的数据长期计划都是关于 Google BigQuery。

“四年前，我们开始将 BigQuery 作为我们的主要数据环境，”Gaffney 说他继承了这一决定。 Kohl's 此后围绕 Google 平台建立了复杂的数据科学实践，零售商的大部分关键数据，包括客户、产品和业务绩效视图，现在都驻留在该现代化数据环境中。

但加夫尼远未完成。

Gaffney 说：“我们还有大约两年的时间才能达到我将我们描述为完全数据原生组织的地方，使用自动化决策流程而不是仅使用数据来增强人类决策流程。”

加夫尼说，推动这一推动的关键是充分利用机器学习和第三方数据服务于客户个性化和商品决策的“超本地化”的战略。

第三方数据的力量

Kohl’s 在其 IT 组织中拥有 1,000 名员工，其中包括 50 名数据科学家，该公司于 18 个月前开始推动数据自动化。 Gaffney 说，目前，该连锁店收集的大量第一方客户数据以及许可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。

与许多零售商一样，Kohl’s 也在 Google 平台上使用公开可用的机器学习模型，并使用了 Google 的 Vertex AI 平台。 Gaffney 说，这家零售商还从德勤获得了名为 Demand Brain 的数据集的许可，该数据集专注于消费者需求、理解和预测，并解释说所有大型咨询公司都有数据订阅产品和 ML 引擎可用于许可。

Gartner 分析师 Erick Brethenoux 表示，顾问数据和 ML 模型的使用正在兴起，尤其是在零售商中。

“许多组织聘请第三方为他们构建模型，”Brethenoux 说，并指出咨询公司还使用第三方数据集来预构建模型以嵌入客户端系统，或者在极少数情况下，同时使用他们自己的技术和他们自己的技术。拥有数据为零售商和其他客户建立模型。

例如，科尔斯从德勤获得了一个名为 InSightIQ 的平台的许可，并正在与另一个合作伙伴 Axiom 合作，以利用其他数据集增强其第一方数据。加夫尼说，与合作伙伴合作对于区分哪些数据信号有用，哪些是噪声至关重要。

“目前技术领域最有趣的事情之一是这些联合第三方数据集的扩散，”他说。

例如，Kohl's 使用客户支出算法的组合，根据客户最近的购买情况预测下一个最佳报价。其中大部分是基于 Kohl 在线和商店客户的第一方数据。但是现在，为了更多地了解他们的忠实客户，Kohl's 可以使用许可的第三方数据集来获取有关客户就业或娱乐活动的有价值信息。

“我们已经开始使用第三方数据来扩充第一方数据，以确定他们在不购物时所做的工作类型，这会影响我们应该为他们提供的鞋类，而这只是几十个例子中的一个，”加夫尼说，并补充说，投资界多年来一直在使用第三方数据集，而一般商业界还处于使用它们的早期阶段。

“在过去的六个月里，除了这些确定性的非学习算法之外，我们还开始添加新的机器学习模型，以帮助我们更准确地了解我们应该向购物者提供的商品种类，以及我们应该向谁提供商品，以及我们应该何时制造它们，”他说。

Gaffney 在个性化领域只看到了机会。 “我们在使用数据科学来更好地定位我们的历史营销活动方面非常有效，”首席技术官说。 “我认为我们距离从基于活动的方法转变为真正个性化的方法以及另外三年到五年的持续改进只有不到六个月的时间。”

用数据做出更好的决策

凭借其现代化的 CDP 和个性化战略完全到位，科尔可以准备采取其他更大的业务举措。例如，科尔百货利用其客户数据与化妆品巨头丝芙兰建立了营销合作伙伴关系，目标是建立 20 亿美元的美容业务。据 Kohl's 官员称，到 2023 年，Kohl's 将在其 1,100 多家门店中的 850 家开设丝芙兰门店。

对于 Gaffney 来说，超定位是第三方数据最“令人兴奋”的应用之一。他解释说，一个目标是将机器学习应用于混合的第一方和第三方数据，以做出高度针对性的销售决策，并根据数千个数据点的矩阵确定在哪里开设商店。

这对于公司计划在未来四年内为其百货公司增加 100 家新的小型商店的计划来说是有价值的。在过去的几十年里，Kohl's 仅使用自己的客户数据，会根据收入、需求信息、当地竞争和社区种族等核心人口统计数据，在每家商店提供相同种类的产品。就在两年前，除了第一方数据之外，Kohl's 还应用了第三方数据集，例如，能够根据额外的人口、天气和其他第三方数据为各种商店生成大约 35 种不同的鞋类服装。党的数据，加夫尼说。

随着机器学习模型和第三方数据集数量的增加，这个数字呈爆炸式增长。 “我们现在有一个大约 1,500 个细胞的矩阵，而不仅仅是 35 个，”CTO 说。 “这就是下一步：……在这个基础范式的基础上找到更好的数据并使用更好的数据科学使数据更加精细，从而做出更有效的决策。”

本文：