回顧電商的發展-未來的移動電商/新零售會是怎麼樣？
小程序將線上/線下完全打通及融合
來大陸生活已經一年多了，回想自己在台灣時的C端購物經驗，結合在大陸親身作為C端消費者以及目前在電商公司工作的B端體驗，做了一些觀察與想法。回顧了我所了解的電商發展歷史，以及思考所謂的新零售的。
這邊我把電商的發展分成三個階段，從PC端到移動端，再到所謂的新零售。然而發展是會受科技、文化等等許多因素交錯的影響，三階段其實彼此仍有交集，目前也呈現共存的狀態。
最後強調小程序的重要性。雖然台灣對微信不熟悉，當然更難以理解什麼是微信小程序；然而以我的觀察，微信小程序會是大陸新零售市場的最佳解決方式。
邀請你至Blog閱讀全文：回顧電商的發展-未來的移動電商/新零售會是怎麼樣？
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
第一階段：PC電商平台-電商的起步
最早期接觸線上購物是從拍賣開始，一開始是Yahoo拍賣(畢竟早期Yahoo是台灣上網首選的入口)，然後知道了eBay，接著認識了專門的線上購物平台PCHome及Amazon。當時最感到困擾的就是一定要信用卡支付(學生哪來的信用卡)，在台灣的話可以選擇轉帳，但不管哪一個都很麻煩。
還有UI不好，配送慢，退貨複雜。總言之就是對買家的保障極少，雖然可以解決想買但台灣買不到或是很難買到的東西，但除非真的不得以，基本上我是不會考慮在線上購物。
然而因為這一些段的努力，大品牌商已經把產品放到了網上，也成立了電商部；除了在購物平台上架外，也自己架設了購物官網，除了賣貨外還有宣傳的功能，對公司自主性更佳，對消費者而言，可能就是感覺上稍微多了一點點點的保障。
第二階段：移動電商平台-電商的起飛
首先就是劃時代的蘋果iPhone手機登場，配合3G網路的發展，APP勢不可擋。移動端購物APP最具代表性的平台就是淘寶(我認為)。大陸身為世界工廠，淘寶一開始的推廣就是從這些小B商家著手，因此淘寶平台的商品選擇性及價格相當有競爭力，大幅推動了消費者網上購物的習慣。
另外因為互聯網本質的基因，數據被大量分析作為優化的依據；包含廣告投放的效率提升讓商家的行銷更精準，UI/UX的優化讓我們在手機上瀏覽商品更順手，消費者保障問題也被極大的解決；另外加上支付寶這種第三方支付以及物流發展、雙11的造節等等，手機購物已成為主流了(這邊我補充台灣我認為文化最雷同的就是蝦皮)。
小B商家雖然讓產品更有競爭力，但也出現一個致命的問題：到底是不是仿貨？即便淘寶上有購買評價，但這是可以刷單的。這也是淘寶進軍世界不遺餘力在解決的打假問題。
補充個小故事，聽朋友說早期在淘寶賣貨其實是受到鄙視的，在那的都是些地痞流氓。要是你敢給差評就要做好準備，可能幾天後就有流氓去你家找你談談。
隨著大陸消費結構升級，阿里巴巴開了另一條走品牌路線的購物平台-天貓，接著也出現了京東，對我來說這邊就跟PChome模式很像了。
第三階段：發展自有品牌的探索道路
商家都會說自己產品好，但是真的好嗎？消費者網上購物時面臨的已經不是物流/價格/支付，而是資訊太多了！因此怎樣篩選出最佳的產品才是這階段消費者重視的。
邀請你至Blog閱讀全文：回顧電商的發展-未來的移動電商/新零售會是怎麼樣？
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
消費者重視起實際使用的評價，MGM及口碑起來了（例如早年出現三星手機寫手門事件）。在大陸的話，淘寶已經出現不少超級賣家(所謂的皇冠商家)；前面提到淘寶以小B商家為主，削價競爭嚴重，越來越多在消費者間已經有一定口碑的非傳統賣家開始想要走品牌路，開始探索其他觸眾渠道。配合社群興起，台灣以及全球以Facebook為代表，商家創建粉絲頁傳播；大陸則以微信的公眾號為代表作為接觸顧客的渠道。(另外還有很多新媒體的推廣渠道，例如IG、Youtube、知乎、抖音)
也因為口碑宣傳出現了許多KOL，例如688粉絲團、部落格的紅人、IG網紅、微博博主到近年的直播主
既然要走品牌，自然需要有自己的官網；對小B商家而言，電商的官網技術複雜，養一批IT又很貴(網站必須有金流/物流等系統的配合)。
Shopify掌握了這個機遇，提供方便的建站，網頁也是響應式網頁可以隨著螢幕調整，不必額外創建移動端網頁(像是Shopify這類產品大陸是HeyShop，台灣是91APP)。多數商家的做法是，在Facebook粉絲頁、微信公眾號內，觸達潛在消費者並引流到官網導購。
但基於HTML的H5網頁在手機端有一些缺點，一個是H5跨平台的開發速度很快，但是打開速度很慢，本土能力差。這是它的開放性所決定的，這是一個矛盾。開發APP嘛……本土的APP體驗流暢，功能齊全，但是開發速度極慢，更新麻煩，而且IOS和安卓要重複開發。為了解決這些問題，各大公司都提出了自己的解決方案，比如Google給出的事PWA。
2016年9月，微信發佈了微信小程序，技術上來說就是 JS Native APP，我覺得很大程度完美的解決了這些問題，許多H5裡面需要高階能力才能解決的問題，被小程序降維解決了。
2017年許多商家對小程序還在觀望，到現在18年大爆發。我關注的許多原H5的頁面都已經變成小程序，常用的一些一次性需求APP例如點外賣的餓了麼，騎腳踏車的摩拜單車都有了小程序 (所以我也把這些佔空間的APP刪了)。另外從我們公司的數據來看，小程序商家增長量以及透過小程序創造的GMV這兩者的成長量相當驚人。
結尾-我心中的新零售
我認為的新零售就是線上線下無差異化，原生的線上賣家建立品牌後開設線下實體店，已有品牌的傳統線下商家諸如美容美甲店/糕餅店等等的開設線上店，且線上及線下的會員卡、行銷方式等所有數據及服務都是打通的，消費者及商家更緊密的結合。
上面的場景出現三個”新”，分別為新關係，新技術，新模式
- 新關係：將一次性消費轉為持續性消費，利用技術手段實現無記名到記名
- 新技術：大數據、AI、機器人、新支付手段等
- 新模式：通過線上線下融合，重新定義人、貨、場
這也是為何我認為小程序是新零售的最佳解決方式。微信在大陸佔據90%以上的市場份合，本身的社交屬性配合小程序、公眾號及微信支付，微信生態圈的建立已越來越完善。
當然仍有多公司在探索電商未來的可能性，但我認至少5年都是隨著這個方向發展，不會出現顛覆性的改變；主要圍繞的是這其中的優化辦法，例如配送的優化像是無人機送貨，推測購買人位置提前倉儲配置(貨找人)之類的。
邀請你至Blog閱讀全文：回顧電商的發展-未來的移動電商/新零售會是怎麼樣？
如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作
1. Hello All：主站遷移至👉https://andyrockdata.com/
請改至『ROCK DATA』Blog 閱讀新文章完整內容，
如果喜歡我的文章，可以訂閱我的電子報(Medium站仍將張貼新文章訊息)
2.立即追蹤👉ROCK DATA臉書粉絲頁跟ROCK DATA IG(@andyrockdata)
3.【入門數據分析，掌握HiveSQL取數能力】在hahow上架啦，
購買連結👉 http://hahow.in/cr/andyrockhive
4. 往期的數據相關文章可以參考以下link
- 數據分析系列1：談談數據分析的眾多Title
- 數據分析系列2：數據分析的一週工作日程
- 數據分析系列3：身為資料分析師，你該如何展現工作中的價值？
- 數據分析系列4：如何量化職場規劃？我這次的轉職規劃與Offer選擇
- 數據分析系列5：為什麼要關心資料來源？談談埋點數據的陷阱
- 數據分析系列6：精選幾個機器學習的學習資源
- 數據分析系列7：數位化決策轉型與企業文化的一些思考
- 數據分析系列8：中山大學經濟所職涯座談(ㄧ)：”了解自己”的重要＆我怎麼成為數據分析師
- 數據分析系列9：中山大學經濟所職涯座談(二)：想從事資料分析？你需要具備這8個能力
- 數據分析系列10：中山大學經濟所職涯座談(三) ：讓資料變商機 — 資料分析在我們生活中的應用
- 數據分析系列11：面試時，資料分析師該怎麼準備作品集？
- 數據分析系列12：2018年終工作總結(數據分析師)
- 數據分析系列13：數據化運營中玩過的分析項目：一個數據分析師的經驗總結
- 數據分析系列14：如何提升運營/產品的優化效率？或許數據指標體系的搭建可以幫到忙
- 數據分析系列15：用戶畫像很重要，那你知道是怎麼畫出來的嗎？
- 數據分析系列16：給剛入行的數據分析師：想產生價值，在試用期要做的三件事
- 數據分析系列17：2019 數據分析工作總結_關鍵詞：數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷
- 數據分析系列18：入門數據分析的第一個大門檻：SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享
- 數據分析系列19：身為數據分析師，我怎麼看hahow上”R語言和商業分析”這門課
- 數據分析系列20：直接用SQL來分析數據？怎麼沒用python/R？3個面向來考量分析工具的選擇
- 數據分析系列21：數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github
- 數據分析系列22：透過埋點，讓數據說話：埋點基本知識
- 數據分析系列23：以數據為核心的CRM進化產品：帶你了解CDP(客戶數據平台)開發過程與難點
- 數據分析系列24：SQL不難啊，為什麼不容易精通？自學與實務的4個落差
- 數據分析系列25：數據分析基本-相關分析與可視化(R語言)
- 數據分析系列26：刷完了Leetcode SQL Hard Level的28道題：歡迎領取參考答案
- 數據分析系列27：數據太髒了！3個步驟做好數據質量管理
- 數據分析系列28：跨部門溝通成本太高？數據人實現高效跨部門溝通的4個方式
- 數據分析系列29：數據分析師職場發展的另類出路
- 數據分析系列30：Databrick為何收購BI產品Redash？產品視角來看Redash的功能與價值
- 數據分析系列31：數據分析師要失業了？解讀<2022 Gartner BI魔力象限> BI產品趨勢
- 數據分析系列32：Google Data Catalog如何幫忙管理數據？ 產品介紹與體驗心得
- 數據分析系列33：復盤：數據產品從0到1的建設過程，我的9點感觸
- 數據分析系列34：Shopline-數據分析中心(Shoplytics)產品體驗
- 數據分析系列35：搞數據還是做產品？淺談『數據產品經理』
