棱镜产研 | ODM-售点匹配，科学有效治理售点信息

上一期「棱镜产研」棱镜数聚解决方案中心徐丹倩（倩姐）为我们带来了关于“DRTM-精密分销”借助大数据与地理可视化实现RTM的数字化☜，本期内容，倩姐将继续为大家带来“地址信息标准化服务（Outlets Data Matching）”，简称“ODM-售点匹配”产品分享。

 

倩姐的演讲时间：

非常开心和大家继续分享我们的产品~

相信关注了上一期「棱镜产研」专题中分享的“DRTM-精密分销”产品的伙伴们还记得：DRTM产品在售点匹配、区域评估、售点评估、资源规划、路径规划全数字RTM链路发挥闭环管理的技术底层，其实就是对售点的标准化管理。

售点，作为品牌商线下经营命脉，是品牌商最关心的存在，同时也是让营运管理者最头疼的存在。

以棱镜数聚服务的某快销品牌客户为例，该客户的生产经营涉及方便面、饮品、糕饼等多个业务线，但各业务线在售点管理的环节，拥有各自不同的采集方式和规范标准，也就是说各业务线的数据相对是独立的，这直接导致了其市场团队在售点管理工作中要花费大量的时间成本。换而言之，庞大的数据不仅没有为市场行动赋能，甚至造成了市场资源的浪费。

​

如果能够将企业内部各个业务线的数据进行整合统一标准化管理，是不是就能够节约管理成本？如果将企业内部数据与业务相关第三方外部数据进行对比整合，是不是就能够在丰富售点信息的同时，对存量售点完成去伪存真?从而提升线下走访的效率？

答案是肯定的。

​棱镜数聚“ODM-售点匹配”产品，依托棱镜数聚自主研发的ODM数据治理引擎，通过数据体检、数据查重、数据匹配、走访验证四个业务流转模块： 将客户提供的售点数据进行地址和名称的有效性评估，并在数据查重后，将其与第三方数据进行匹配，帮助品牌商在去伪存真、客资数据标准化、三方数据整合等业务场景中科学有效治理售点信息，提高销售走访工作效率。

ODM-售点匹配：产品架构

继续以上述的快消客户为例。

在拿到客资数据后，我们将该客户的多业务线数据进行合并，通过ODM数据治理引擎首先筛选出无效数据，并请客户将无效数据加以优化，而后通过AI地址解析的方式完成单一业务线内部的去重，和多业务线之间数据的去重，以达到数据信息标准化的目标。

而后，根据客户的需求拟定市场匹配策略后，这些标准数据以每小时数十万客资数据的匹配效率与包含腾讯品牌库和地名库的大数据库，以及第三方整合数据进行匹配，从而实现售点数据的多方整合，去伪存真和信息标准化。

最后，我对“ODM-售点匹配”的交付方式进行简单说明。

​讲者档案：

徐丹倩，中国人民大学统计学专业背景，十年大数据行业从业经验，从底层数据标签，到数据加工及业务应用具有独到的见解；深耕于新零售数字化转型领域，在商业地产、零售品牌及快消行业拥有丰富的业务经验，能够针对行业内不同的业务问题形成定制的数字化解决方案。

现任职棱镜数聚解决方案中心总监，先后带领团队高效完成太古可口可乐、雪花、李宁等客户的数字化策略制定与指导实施。

既然借助大数据与AI我们可以实现科学有效治理售点信息，那么大数据与AI是不是也能够助力快消品牌完成销售片区与销售代表的合理分配，实现销售资源投入产出最大化呢？ 下期“棱镜产研”专题，聚小编将继续邀请棱镜数聚西南大区项目经理关剑飞带来“PJP-片区划分”产品的内容分享，一起期待吧~

​

说明：

*文中涉及的其它名称及商标属于各自所有者资产。

*文中数据结果是根据公开资料整理，仅供参考，文中企业及本媒体均不承担任何责任。