起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識線下數據越來越受重視，它會是新零售轉型的入場券嗎？
如果做一個2017年年度風口評選，新零售一定能在榜單上獲得一席之地。電商、微商、無人售貨機，都想借助新零售的概念為自己鍍一層金。
新零售的概念理解起來不難，以線上為出發點的話，行動起來也不難：開線下體驗店、收購實體商業股份、鋪設無人零售硬件……可對于傳統的線下商家而言，雖然能理解新零售的重要性，可要說轉型新零售，往往又有一種無處下手感覺。
線下商業需要被改變？線下商業體一直在努力改變
其實，這已經不是線下商業體第一次面臨這種“轉型無門”的尷尬情況了。在很多人心目中，線下商業體似乎就是“冥頑不化”的代言人?？烧f實在的，線下商業體作為最古老的商業模式的繼承人，在變革上可比大多數線上商業體努力多了。
在.com時代，第一次互聯網泡沫時，實體商業就已經開始嘗試利用SEM、SEO宣傳自己，彼時電商還處在萌芽階段時。
后來O2O大行其道，線下商業體為了盡早實現互聯網+，以一己之力養活了不知道多少IOS和Android開發者。
前一陣新媒體進入紅利期，線下商業體又催生了大量的新媒體培訓、微信微博代運營。
最后人們發現，看似每次都是線上商業體倒逼線下商業體轉型，可最后線下商業體費了半天力氣，往往只是養肥了廣告行業和技術開放行業。
如今的新零售，似乎也只是為店鋪里的每件產品貼上電商sku二維碼，或是在店鋪里放一面有著AR特效和彈幕功能的大屏。本質上來說，和以往的互聯網+沒有什么本質上的區別。
我們是否可以做出推斷：不管是過去的互聯網+還是如今的新零售，把那些成就了互聯網企業的工具和方法論直接安插到線下來從來都不是最有效的路徑。
當然，新零售還提到了線上線下融合，疏通庫存和供應鏈等等。雖然降低庫存成本很重要，但新零售能做到的應該比這些更多。
生來不同，新舊零售模式的基因究竟差在哪？
如果把阿里、京東等看做新零售，把以往的商超看做“舊零售”，他們兩者之間最大的區別究竟在哪？
相信絕不僅僅是京東和阿里有App、有物流和消費金融服務，這些區別幾乎是毫無門檻的，用錢就可以填平。我們最常說的是“XX公司有互聯網基因”，新零售和舊零售同樣也存在著基因上的區別。
由線上蔓延到線下的新零售，無時無刻不強調數據的重要性，是因為數據曾經是他們唯一的資源。線上商業體沒法對店鋪進行選址，但卻可以清楚的看到自己的每一位用戶從哪里來，了解到他們的性別、地域、喜好等等。掌握了用戶，就掌握了商業的無盡可能。對于“人”的充分了解，幾乎撐起了互聯網商業模式的半邊天。而對于線下商業體而言，數據更多代表著流水、庫存量、利潤等財會方面的數字。
新零售與舊零售基因中的最大區別，就在于對“人”的考量上。在舊零售中，人只代表著客單價和客流量，可在新零售中，“人”代表著用戶，代表著巨大的想象空間。
于是，互聯網企業做一款App可以靠著用戶量拿下上千萬的融資，可一家煎餅攤下企業去銀行借貸時卻要抵押房產證，可論其真實流量來，那些拿到融資的App可能還真沒煎餅攤的客流量高，不公平。
很多人把新零售解讀為對“人、貨、場”的重構，如果“貨”和“場”意味著更精準的選品選址、更合理的庫存設置，那這一切很顯然是基于對“人”的充分了解之上的。通過來自人的數據去校驗貨的數據和場的數據，本質上新零售的“人貨場”是一種數據之間的互相印證。
如果說用戶調研是種玄學，那線下大數據就是科學
其實不管新與舊，每個商業體都知道了解用戶的重要性，但對于線下商業體來說，了解用戶實在不是一件容易事。
在過去，有錢的企業找家咨詢公司天天做調研和焦點小組，沒錢的企業在客戶的消費間隙小心翼翼地問一句“您還滿意嗎？”。誰也說不清得來的結果到底有沒有價值，到最后甚至成為了一種玄學。
新零售一來，似乎解決了這一問題。在某貓、某狗、某獅上統統開設旗艦店，微信微博頭條等新媒體賬號開個遍，綜合以上所有平臺的用戶行為，似乎就能非常系統地去了解自己的用戶了。
但通過線上途徑去了解用戶，只能解決一半的問題。用戶在線上的行為幾乎毫無成本，搜索、瀏覽和點擊或許只是消磨時間的方式，我們可能會在電商平臺上美滋滋的看一天名車名表，到了線下卻不曾踏入過4S店一步。更別提泛濫的流量劫持和水軍了。
相比線上數據的真實程度和噪聲比例，線下數據往往要更真實和更有價值。兩者結合起來，才能從真正意義上幫每一個商業體完成“人貨場”的數據運轉。
線下數據，是不是在貨架和賬本之外的新機會
如何去了解和利用線下數據，或許才是獲得新零售入場券的關鍵。裝置紅外感應器、在商場中鋪設免費WiFi、在各個商鋪里搭建會員消費體系……想要在線下獲取用戶數據，并沒有想象中那樣困難。
對于企業而言，重要的是如何利用數據資源。免費WiFi中可以得知用戶停留時間、紅外感應可以得到用戶數量，甚至在攝像頭監控錄像中都能看到每個用戶在店內的行走路線?，F實卻是，大量用戶數據停留在數據庫中得不到妥善利用，甚至在空間不足時還要被定時刪除。
在我們看來，通過深度學習可以預知未來一段時間的來客數量，從而讓商家提前進行人員儲備；通過協同過濾算法可以得知用戶們在自己貨架之外的購物喜好，輔助選品。只是這些都在線下商業體的能力之外，光是把視頻、表格這些非結構化數據清晰標注好就是一項很困難的工作，更別提未來還要面對人臉識別、眼動追蹤等更新的技術。
獲取線下數據的途徑只會越來越多，所累積到的數據量也會呈爆炸式增長?？蓪τ诔商旌拓浖芘c現鈔打交道的線下商業體來說，花幾十上百萬年薪去雇傭數據挖掘專家和機器學習工程師來處理這些數據顯然是一種低效的做法。
在這其中，還存在著一整個產業鏈的機會。提供傳感器硬件、提供數據處理服務、提供云計算平臺等等。最近拿到了B輪融資的眾盟數據、天貓的智慧門店計劃京東的智能大屏聯盟等等，都可以歸屬于這個產業鏈上。
重構線下商業體價值，新零售要有新公平
從目前看來，對于線下數據的利用可以幫助商業體更好的從“場”中了解“人”，以便更好地賣“貨”。但更長遠來看，利用線下數據的新零售可能撬動于對整個線下商業體價值的重構。
當更多的線下商業體轉型新零售，改變觀念認同了“人”的價值，愿意從線下用戶數據中拓展更多的可能性。當這種觀念逐漸普及，線下商業體的價值或許也會發生改變。
就像以往我們評價一家連鎖超市的價值時，會注重他們有多少家分店、占地面積達到多少平米、貨款周期有多長。可事實證明，藏在地下室的小店也能賣昂貴的懷石料理，小型便利店成功的秘訣在于任何時段都能有產品吸引客流。
以前我們雖然意識到線下商業體中可能存在非常規的商業價值，但很少能為這些價值設立一個標準。而線下數據資產化的最大作用，就是把這些非常規的商業價值量化。
如果我們可以清晰的看到一家小煎餅攤有著超高的客流量，并且用戶的商業屬性高、黏性強，我們自然不再會以煎餅車和平底鍋來評估這家店鋪的商業價值。或許把這些數據寫到BP里，還能讓這家店鋪拿到一筆不小的融資。線下數據一旦被量化就擁有了金融屬性，而擁有金融屬性就意味著數據成為了資產。和線上商業體一樣，數據可以成為未來發展可能性的背書。
新零售的一個重要意義就在于此。幫助那些大體量的線下商業體壓縮供應鏈成本和獲得更多精準流量固然重要，但更有價值的是商業世界的公平性，讓所有不同形態的商業體擁有同樣的機會，可以去用數據證明自己。只有線上與線下、大集團與小店鋪都站上同一條跑道，新零售才能照亮商業世界的每一個死角。
本文由 @腦極體 原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自unsplash，基于CC0協議
- 目前還沒評論，等你發揮！
