在日本，電子商務、全渠道、O2O等等，發展的歷史都不長。與美國和中國相比，日本電子商務的規模相對較少。根據日本外務省的統計，2013年日本電子商務的規模約為1400億美元(約為美國的50%)，而且增長率也比美中兩國抵一些(見圖1)。在2011年～2013年間，美國電子商務的增幅約為13%，中國約為80%，而日本則為11.5%。

　　同樣，全渠道、O2O 在日本零售業的發展時間更短，是2011 年才開始的事情，而且與電子商務的發展，以及日本通訊技術進步和智能手機快速普及狀況相對應。

　　1. 日本零售業的全渠道發展歷程概況

　　從官方的統計資料上看，日本的網上零售業發展始于2000 年。那時，全日本的互聯網普及率僅為30%，但到了2013 年，這個數字已經增長為83%，增長速度較快。

　　在電商發展之初，電商僅作為日本實體店提升業績的補充手段，而且網店和實體店都是各自獨立運營，由此也引發了實體店和電商部門的企業內部競合狀態。

　　2004年，寶潔公司提出了“FMOT”概念(英文：Frist Moment of Truth，意指消費者第一眼看到貨架上產品的那一刻。為利用這一瞬間的吸引力，FMOT 經理要設計出最醒目的消費品包裝，例如利用特殊修飾或超凡的色彩效果。)但在當時，日本的網店和實體店還沒有融合，也沒有O2O 的概念。所以，顧客只能分別瀏覽網店或實體店的商品。

　　到了2006 年，O2O 概念開始在日本萌芽。從這一年開始，日本實體零售商開始實施網店與實體店的統一運營，以此達到企業內部商品管理的統一化。但在當時，顧客管理、供應鏈都還沒有實現線上與線下的融合。這樣，雖然實體零售商分別擁有了線上和線下的業務，但也還是分別經營。需要注意的是，2006 年日本的零售業管理者們已經具有了O2O 理念的雛形，并且開始進行相關的研發工作。

　　2008 年，iPhone 手機開始在日本銷售，智能設備也很快在日本消費者中普及開來，由此激發了信息傳輸技術的快速成熟和發展。但是iPhone 進入日本后，使日本本土的信息技術受到沖擊，最后被淘汰。2008 年9月15 日，美國發生了波及全球的金融危機，日本的經濟和零售業都受到嚴重影響。

　　2010 年， 美國TrialPay 的CEO Alex Rampell 正式提出了“O2O”的概念，但當時的想法是把訪問網站的顧客誘導到實體店去購買商品，即從線上到線下。

　　2011 年，全美零售商聯盟(NRF)開始提出“全渠道”概念，這個概念主要是為了配合移動零售。同年，谷歌公司提出了“ZMOT”( 英文：Zero Moment of Truth，即零點接觸營銷術，含義就是要讓消費者在“尚未接觸”到商品之前，就已經通過網路向消費者進行營銷，從而讓消費者主動接收產品的正面信息，并影響其消費意向。)這時，日本零售商開始考慮實施全渠道、O2O，并考慮讓線上線下的業務和管理全面融合。

　　但是，2011 年日本發生的大地震和核泄漏事件，使日本的供應鏈遭受了嚴重影響，給日本零售業也造成很大沖擊。由于經濟停滯，到2012 年，日本的IT 廠商和零售商開始對營銷更加重視。

　　2011～2012 年是日本全渠道零售技術的研發年，到2013 年部分產品開始上市，即從產品研發到研發完成用了2 年時間。

　　2012 年，日本智能手機普及率達到50%，日本零售企業開始開展全渠道的市場營銷工作。

　　整體來看，雖然日本的O2O、全渠道發展大約比美國晚2年(見圖2)，但到了2013年2 月開始激增，這是零商商與IT 企業共同合作產生的結果。

　　2. 日本消費者的特性分析

　　由于日本國土狹小，地理上的間隔不大，所以，日本的市場非常不一樣，日本消費者的購買行為也很不同。

　　調查數據顯示，在日本，只有20%的顧客樂意單純在網上購物，而高達72%的顧客雖然也有網購，但仍需要去實體店確認商品;線上線下多渠道購物者的購買金額比單渠道顧客的購買金額高2 倍。此外，網上下單、希望到實體店提貨的顧客比例高達70%。

　　此外，調查還顯示，日本消費者的O2O式購買方式表現明顯。約75% 的顧客即使在實體店找到了喜歡的商品，也會去網上確認(線下-線上);72% 的顧客即使在網上找到了喜歡的商品，也仍會去實體店去做確認或檢測(線上-線下)。

　　從這些數據可以看出，日本消費者對實體店依然抱有很高的期待。同時，由于日本國土狹小，城市之間的距離比中美兩國小得多，消費者到達的便利性更好。因此，實體店在日本零售業中占仍占有重要地位。也正因為此，在日本，專門從事線上零售的企業僅占20%，而同時開展線上和線下業務的零售企業占60%。

　　3. 日本零售企業的全渠道案例

　　雖然日本零售企業開展全渠道的時間并不長，但已經涌現出一些先進的企業，他們的O2O 模式也各不相同。

　　(1)資生堂模式：異業聯合

　　在日本，資生堂公司擁有大量的實體店，其中90% 以上都是直營店。2012 年他們開始做O2O。其模式的主要亮點是他們既有自己的網站，同時還與異業的網站合作，這樣的好處是能夠互相有導流的作用，因為單獨一家網站吸引客流非常不容易。

　　此外，資生堂的網上還有美容咨詢、在家美容檢測服務、直營網店和實體店導航等，以此與顧客間實現互動，最終實現O2O。

　　(2)永旺模式：資源共享

　　大家知道，作為一家非常知名的風險投資公司，軟銀在很多零售企業、互聯網公司都有投資，例如日本雅虎、永旺等，孫正義在日本擁有非常大的影響。

　　由于背后有資本上的聯系，因此，永旺的O2O 采取了與雅虎合作的模式。顧客可以在雅虎的網站上下載優惠券，然后在永旺實體店門口掃描出來后，就可以在永旺實體店使用(見圖3)。

　　這種“永旺+ 軟銀+ 雅虎”模式的亮點是：零售商可以通過這種方式收集到顧客數據，并通過雅虎引流到門店，從而使雅虎和永旺能共享顧客資源。

　　(3)NTT 模式：技術先導

　　NTT 是日本最大的電信運營商，它利用GPS 技術，將顧客誘導+ 商品登記簽到做組合。

　　當顧客進門后看中某一種商品時，可以用手機掃描該商品，這時他就得到了商品積分。即使顧客這次沒有購買，但下次光顧再買時，這個積分還可以用。如果顧客第二次沒有回來，零售商也可以用第一次掃描留下的數據進行分析，這個顧客為什么不回來了，即分析他的購買行為。(見圖4)

　　這個模式與永旺模式的思路不同，著重點也不同。NTT 模式的著重點是，只有當顧客真正拿到商品之后才給積分，而永旺模式是顧客進店后，還沒有和商品產生直接聯系就已經給了優惠。

　　(4)東急百貨模式：庫存統一

　　東急百貨的O2O 是從商品信息共享切入的。2012 年東急百貨開始做庫存數據打通工作。現在，他們的網店商品和庫存商品的信息已經打通，虛擬庫存、統一管理，并且做到可視化，每1.5 小時庫存信息更新一次，實現了同一業態下的庫存數據打通。

　　(5)JR 日本東京火車站模式：店內導航

　　日本東京火車站的商場都在地下，一共有200 多家。如何找到顧客，并把他們“拉”到店內呢?

　　JR 模式的做法是：當顧客在室外時，用GPS 找到他們，再向他們推送優惠券，當顧客來到室內時，就用AR 做導航(實際上，AR 有定位功能)，找到他們想要去的店鋪。目前，這個模式還在試驗中。

　　(6)優衣庫模式：社交購物

　　2012 年5 月，優衣庫的社交網站設立。它利用了“領先用戶”(即先行購買或使用了商品的顧客)對商品的評價，來引導、激發其他顧客產生跟隨購買。當其他顧客看到評價，如果評價好，就愿意去買。同時，廠商也通過這種方式了解到顧客的想法，從而有針對性地開發新產品。

　　他們的社交網站同時建在手機上和PC端，并且是獨立的社交網站，而不是在公司官網上開辟一個欄目，這樣能直接快速收集顧客建議。

　　(7)伊藤洋華堂、永旺、西友：網上超市

　　前文提到，在日本有70% 的顧客喜歡門店自提。因此，顧客在伊藤洋華堂、永旺、西友和頂點的零售店都可以門店取貨。在這些企業內部，已經做到了門店和網上的統一化管理，但在具體細節上，每個企業的做法還有不同。

　　伊藤洋華堂、永旺和西友的門店和配送中心的庫存是統一管理的，生鮮商品由門店直接配送，常溫商品從物流中心配送，但頂點的做法則不同。因為頂點的門店較小，沒有足夠空間代客保管商品，所以門店庫存和網上庫存是分開管理。也就是說，頂點還沒有實現O2O。

　　4. 日本零售企業的啟示

　　從日本零售企業的全渠道發展和實踐中，我們可以得到這樣的啟發：

　　(1)商圈的決定者不再是零售商，而是顧客

　　以前，商圈是零售商自己設定的，是從零售商視角來“看”顧客;但現在，商圈是由消費者根據自己的位置來決定的，是移動的商圈。因此，能被顧客“看到”的零售店才有機會。如果在消費者的“商圈”里沒有你的零售店，那么這個零售店就意味著被淘汰。這也是為什么，60% 的日本零售商要做O2O 的原因。

　　(2)用數據做營銷

　　要用大數據分析，找到新的需求后，再去進行精準營銷。在這方面，日本有一個很有意思的案例。

　　在不做數據分析之前，日本零售商只知道購買胸罩的顧客有男士，但并不知道有男士是在為自己購買胸罩，以為他們是在為女友或太太購買。但數據分析后發現，在購買胸罩的男性顧客中，有30% 是為自己購買的，他們中年齡最小的20 多歲，最大的70 歲。他們不好意思去實體店購買，而更愿意在網上買。通過數據分析終于發現了這個大市場，零售商們就可以據此進行有針對性的開發。顯然，如果沒有數據分析，這是不可能做到的。

　　展望未來，大數據分析是最關鍵的。過去很多擁有數據的企業并沒有成功，其主要原因就是，零售企業對自己的KPI 理解不到位，所以大數據的利用還不夠充分。所以，一定要明白自己需要什么數據，否則，即使有了大數據，仍然會失敗。