2020年里纷乱与颠覆共存，但尘埃已然落定，各零售商们在新的一年里重振旗鼓向着新常态再出发。电商在新的大流行经济里扮演了大角色，或许是过分大的角色，各大品牌商都在适应新常态，他们为了规避自己能看到的风险而改变策略。

零售商在2021年的增长方面虽然也不会那么强劲，但预计零售商仍会在忠诚度和保留率上有所投入。事实上，最近的一项首席营销官(CMO)调查发现，73%的CMO在未来一年里要依赖现有客户，而不是发展新市场。而对于零售商来说，幸运的是，我们现在正处于人工智能和机器学习技术解决方案的汇合点上，这一类的解决方案非常适合当下，可以为品牌商充分利用旗下数据培养这些持续客户关系提供绝好的机会。

2021年品牌忠诚度状况

不幸的是，品牌商在过去的十年里对顾客忠诚度造成了重大损害。听起来可能有点残酷，但零售商以牺牲客户保留率为代价，不惜面向广泛的客户群提供全面折扣，掀起了无底价格战。消费者渐渐习惯了货比三家，特定类别的产品对许多人来说已经变得无关紧要。消费者不再在选特定产品时选择某个品牌，而是一切唯价格至上。没有大折扣就别指望有回头客。

但最近的趋势表明，这种品牌忠诚度下滑的情况又回归到大流行前的样子。一项访问了3,800名消费者的研究显示，在大流行封城措施之前的一个月里，多个年龄段的品牌忠诚度实际上还在同比增长。大流行开始后影响到购物习惯(和折扣策略)，零售商也转向电商，同样的忠诚度是否会持续下去还有待观察。零售商最后一年里的无底砍价可能毁掉了一些客户的良好意愿。

零售商在2021年面临的挑战，就是重新点燃大流行前建立的忠诚度火花。2020年里零售商做得最多的是实现销售最大化，往往以牺牲利润为代价，而在2021年里零售商应该采用更聪明、更专注的策略，要基于客户数据最大限度地利用销售，而不一定是做最大化销售。

AI和机器学习如何影响2021年的零售战略

“人工智能”最近是个非常热门的词，所以我们谈人工智能时首先解释一下，我们这里的人工智能指的是什么可能会有好处。这里讲的不是在销售大楼部署机器人，而是一种手段，零售商用可以利用人工智能来理解客户数据并用得到的见解为未来客户行为的预测分析提供信息。

使用人工智能预测客户行为有一些好处，过时的人口统计数据可以从公式里剥离出来。过去的客户定位模型通常关注的是储存的客户信息，例如客户是谁以及一些可以为优惠和促销策略提供信息的数据。这种目标定位模型的危险在于，它可能是基于过时的人口统计信息，可能会导致不相关的优惠和促销。另外，人口统计学数据大多是从第三方终端资料挖掘来的，而第三方终端资料过一段时间后就失效了。零售商依靠这种数据挖掘方法在预测未来战略时就会令自己落伍。

利用人工智能则并不看客户是谁，而是看他们做了什么。这种跨人口统计的数据可以在预测分析的基础上进行有针对性的活动。如果一个客户表现出了X、Y和Z的购买习惯，要预测他们的行为就能够更加细致。零售商就能够在正确的时间为某个客户提供正确的促销活动信息并最大限度地提高转换率。

这种预测客户数据的新方法也是能够推动忠诚度和保留率进入未来的引擎。人工智能可以用来理解客户数据，得到的见解则可以用于部署各种关键指标的预测，而这些指标可能影响到保留率。此外，人工智能还可以基于之前的客户品牌的互动预测流失率、客户价格敏感度以及哪些客户可能是一次玩完的买家等等。

而且，零售商通过分析哪些客户最有可能成为回头客，就可以更好地定制产品，推出所需的措施，促进客户保留率的提高。

2021年将成为零售商的一个重大拐点。零售商可以利用基于人工智能的现代工具，占据最有利的位置大展宏图，还可以充分利用客户忠诚度和留存率方面的优势，即便使用最保守的策略也能事有所成。