库存还是“撑”哭了一大片服装品牌商，C2M“消食片”有用吗？
编辑：admin 日期：2019-06-26 09:34:30 / 人气：
而在最近，国内外许多服装品牌商似乎自发地组织了一场关于库存的“吐槽大会”。
前不久，森马针对投资者关于把控存货风险的提问时表示，森马品牌面临的问题，主要是需要同时兼顾高速的发展以及对市场需求预测的准确，这也流露出森马对库存问题的重视。
无独有偶，海澜之家被传出2018年库存余额接近百亿；而美特斯邦威由于库存压力也关闭了近800家门店。
国外品牌方面，UA安德玛财报也显示它亏损越来越厉害，原因是库存和收入相当，不赚就是赔，因为库存的隐形成本也是一笔不小的开支。而H&M集团的库存在第二季度依旧持续增加，明显拖了营收的后退，眼不见心不烦的它也曾“冲冠一怒为库存”，烧了60吨的衣服。
可以说，如风控对于金融一般，库存问题已然成为服装产业的的“命门”，它所带来的危害其实无需赘述，关于服装企业清库存的讨论也已经进行了太多年。而在大数据、人工智能被追捧到极高地位的今天，C2M也被誉为是服装产业去库存的“救命稻草”。
但如今看来，最近一段时间这么多知名品牌的表现来看，纯粹以大数据为指导的C2M似乎并没有取得理想的效果。
换汤不换药？纯技术驱动的C2M阻止不了牛鞭效应
关于服装产业的库存问题，一个行业性的共识性原因就是较长的反射弧。
供应链越长，中间环节越多，它所造成的后果不只是社会流通成本增多，还有就是对用户需求理解的不准确，从而触发牛鞭效应，这也一直都是服装产业高库存产生的缘由。
就比如会计报表中只会反映出收入和成本，却无法把成本和产品的复杂度联系起来，服装厂商的管理层往往难以洞察庞大的商品种类市场和过于复杂的管控结构。
从产品类别上看，服装本身其实属于半标准化产品，标准化体现在性能、所用原材料、工艺装备和检验方法等规定统一。而非标准化一方面体现在服装本身的规格、款式细分类别太多。另一方面，由于服装本身的复杂性，企业在过去很容易对客户需求产生曲解。尤其是用户喜好以及流行元素的变化实在过快，除此之外，还存在着由于质量、价格款式、季节、地域、外贸因素和终端管理等因素导致高库存问题的发生。
这种情况在许多半标准化产品市场中其实已经屡见不鲜。
比如手机，设计人员要以成百上千的手机型号是为了满足顾客的需要时，并不能解释每一种型号的手机究竟有多大的市场空间。对于非标准化程度更高，SKU更多的服装产业而言，市场会更加难以预测。确实有一部分产品是掌握实际需求制作的，但市场有多大难以确定。而且更多的，其实是服装厂商自己出于自身的理（臆）解（想）所进行的。
而以牛鞭效应为基础，很容易触动吸粉的曲棍球效应的负面作用发生。
服装产业其实经常提到曲棍球效应。意思说由于服装自身季节性等各种因素，某一个固定的周期（月、季或年），在其一定时间段会有一个突发性的增长，而且在连续的周期中，这种现象会周而复始。
然而，就像节日营销，商家销量够高，但也意味着商家会备更多的货，也承担着库存激增的风险。开头我们提到的那些品牌都不缺销量，同时也是各种曲棍球效应激发时容易被用户追捧的品牌，但结果大家也都知道。除此之外，如今的用户喜好变化太快了，爆款不一定就能卖出去，可能还在经销商运往商场的路上这一流行品类服装突然就“凉凉”了。
不敢因为一时的爆款就随意加大生产，但不跟风害怕错过销量旺季或者爆款机会，如今的服装厂商对于节日、“曲棍球效应”的高峰期其实更多的是种爱（小于）恨交加的情感。
每个环节的成本多耗费一点时间，这个时候用户可能对这件服装款式已经失去了兴趣，或者已经通过其他渠道购买了竞品，等厂商警醒的时候，“准售出产品”已经变成了库存。组织生产过程中，最大的不确定性便是单量。
由此可见，服装产业库存的罪魁祸首就是产业链，那么接下来我们就把目光聚焦在服装产业产业链上。
很多人把服装产业链概括为“3P”理论——计划（plan），研发（produce），推出（present），但实际上每一环节都包含许多细分流程，推出环节中的各种渠道商、经销商、直营店、线上电商平台很多人都有了解，在此我们看一下计划和研发的简化流程：
第一步：确认服装样品并记录跟踪。第二步：使用面料确立和管理，成本核算，进货、原材料库存管理。第三步：服装跟单过程中的信息反馈、信息查询管理。第四步：服装跟单过程中的信息反馈、信息查询管理，进行样品确认，进行订货。第五步：渠道选择、运输、送到消费者手中。以此，也反映出纯技术驱动下的C2M为什么无法解决库存问题的原因。
C2M的精髓是什么？在互联网江湖(VIPIT1)团队看来，简单来说就是精准洞察用户需求，满足消费者的“个性”需求，从而推动生产进行。等于从用户需求到前端“计划”环节进行高效对接，但从前端到终端的反应呢？纯技术驱动下的C2M并没有进行改善。
C2M其实要求企业拥有高度柔性的制造流程，但这更适合标准化产品。在生产过程中对市场动向变化有了洞察，但企业已经把订单交给厂商了很难做出调整。而且服装产业属于劳动力密集型产业，这一类型产业最大的短板就是灵活性很差。
如今的C2M并不只是指专业定制，那样成本太高也太小众，主要是从用户大数据确定相应爆款。从收集数据到分析整理（还不确定数据的完整和准确）需要花费时间，从定制到一层层推出也需要时间，消费者的购物周期被拉长，也容易产生购买动摇。
上一条提到的，数据本身存在误判的可能，只是根据用户某一个不经意的行为被放大化，这就形成了一种大数据骗局。消费主体需求的碎片化，消费客体内涵碎片化，以及消费场景的碎片化，这些碎片化让市场需求的确立变得更加复杂难弄懂。这也是为什么越来越多的互联网公司想要掌握用户更多的碎片化场景。
因此，C2M本身其实是一个由终端到前端，再由前端到终端为一个周期，但它改变的只是第一个弧线的反应效率和精准度，对真正拖后腿的3P却无能为力，而且大数据等关键指标还远远不够格，换汤不换药的C2M理想国如今看起来更像是一场乌托邦。
由规模思维到网络思维：技术场景化需要适宜的模式“土壤”
时下，一个几乎成为共识性的认知就是模式驱动浪潮过去，商业社会已经进入到了技术驱动主导的周期。人们也期待人工智能、大数据、云服务、边缘计算等新事物去解决原先解决不了的事。
然而，如同软件需要建立在硬件基础之上，技术场景化也需要相应的配套设施作为支撑。如何实现？答案是通过模式创新对产业的底层组织基础进行重塑。
C2M是未来没错，但并没有动摇现在的行业根基，英雄难有用武之地。重构效率需要的不只是技术，还需要通过模式创新重塑产业链。服装企业的库存问题解决需要“技术创新+模式创新”相互配合共同驱进，而从M到C的重塑需要模式创新，这样才能真正发挥C2M模式的优势。
模式创新能做什么？重塑产业链，提高效率。因此，服装厂商需要找到合适的模式实现“去渠道商化”。通过模式创新尽可能的去革中间商的“命”，简化产业链流程，提高运作效率，这已经成为电商领域的共识性方向。
传统电商方面，例如阿里方面先后推出“天天工厂”和“C2M产区”。京东和苏宁也提出自己的C2M战略。基本框架也是围绕厂商-平台-用户这一形态，产业链大幅度削减。形成“消费者下单、工厂再生产”的形态，实现去库存。不过在形式上，有的是通过收藏点赞付定金等各个渠道收集信息，判断哪些货品存在爆款潜质，但这和原来的市场调查其实区别不大，面对用户喜好的动态变化可能仍旧不及时。
而大数据方面，前面提到的“大数据骗局”目前其实很难避免，即便是电商巨头也是如此，例如大数据可能判断这个人想要买一件衬衣，但具体什么颜色，什么样的领子、什么料子，这些都很难做到精准。
还有一种模式创新则是社交电商带动的S2b2c模式，也是“厂商-平台-用户”的形式，只不过在“平台-用户”之间有许多分散庞大的个体小b，充当用户信息收集的前沿，这一形态的代表是爱库存。让大生产商与小B，结合成共同利益体。一方面是连接，一边连接品牌商，一边连接下沉的小b；另一方面是效率，大数据和小b齐动，在最短的时间内实现信息的收集和反映。这种经济其实可以衍生出熟人社交零售、粉丝经济以及社群经济。
从短期来看，这种信息收集模式在一定程度上弥补了大数据现有的缺陷，从长期来看，技术与小b结合其实会是一个相互弥补的过程。用技术弥补人为因素的失误，用人与人沟通弥补缺少人情味的机器。
由此可见，现阶段不同服装厂商可以采取以下相应的策略：
没有能力“去中间商”的，大规模定制先别想，个性消费时代的小规模定制可以实现，C2M模式与原先正常模式相结合。而有能力改变的或者初创公司，完全可以通过模式创新去重塑渠道模式，“去中间渠道”不光是提高效率的过程，它还是个成本问题、服务问题、市场收集问题。事实上，互联网产业对传统产业冲击的底层逻辑，本质上其实就是个“去中间商发展史”。厂商、平台与用户之间不能仅是产品买卖的关系。厂商要延伸业务范畴，提供全生命周期的服务，从而实现整体效率的提升。
例如贝壳找房，在改造传统房地产交易环节；二手车电商，在改造传统二手汽车交易流通环节。类似这的例子已经太多，服装产业落后的生产方式不适应新的市场，任何一个成熟产业在市场经济条件下往往具备自我进化的能力，随着行业同质化、高库存化的趋势进一步严重，这会倒逼整个服装产业的转型。
事实上，不同时间段产业的KSF也会有所不同，包括服装产业在内的许多产业在过去价值实现等同于Scalability（规模化），这一时期主要指的是渠道。
但如今看来，这一论调已经明显out了。如今更强调网络效应，随着用户基数的增长，通过用户效用的满足实现收益增长，以流量吸引品牌商或者厂家的合作，形成一种正向循环机制。因此当下服装企业价值的实现其实要基于Scalability（规模化）、Value Proposition（价值主张）和Unit Economy（单位经济效应）这三个维度。
Scalability（规模化）：主要指的是用户本身的规模化，阿里、京东、苏宁等传统电商需要大量数据来判断整体市场走向；主张S2b2c模式的爱库存等社交电商需要庞大的小b来实现高度的下沉，从而对接更多的C端群体。
Value Proposition（价值主张）：通过模式创新形成C2M发展所需要的土壤，并利用大数据提高效率。
Unit Economy（单位经济效应）：这一点本身其实建立在前两者的基础上，效率提升、去库存本身就是单位经济效应的提升。与此同时，网络效应的实现使得服装品牌客户生命周期的延长有了更多想象空间。毕竟原先服装产业只是纯卖货思维，而减少了牛鞭效应干扰，厂商、平台与用户的关联度也会更强，商业操作空间也会提升。
当然了，就目前来看，C2M的效果发挥还是要通过模式创新为主，大数据分析为辅。
接下来，服装厂商所要做的事情就是对上游供应商和下游零售商进行整合，或者是借助具备这一能力的电商平台提高企业对用户调研、市场研究的驾驭能力，而这或许也是时下服装厂商应对库存问题最有效的方案。