2018云栖大会| 友盟+ 刘延明：数据开启智慧零售的升级引擎

2016年云栖大会， 马云 第一次提到“新零售”，称未来的十年、二十年、没有电子商务这一说，只有新零售。两年后，新零售在各个行业加速落地。先列举三个典型事件：

4月28日，阿里首个新零售 商业 体，亲橙里开业；

618期间，居然之家在北京8家门店首次尝试新零售，3天销售额近11亿元；

8月2日，星巴克联合饿了么推出外卖服务。

这些多是阿里的标杆事件，有技术有数据有商业场景。很多零售品牌会问，新零售这趟快车，好搭吗？我该如何做？我今天就围绕“智慧零售升级”，从新零售的三大场景——监测场景、洞察场景、 营销 场景说起。

友盟+新零售数据业务总经理 刘延明

升级的是什么？

概括起来是三点：

第一是打通人货场。 首先要考虑选店、选址等；其次是影响消费者的相关因素，例如周边商业因素、竞争因素等。

第二是实现消费者洞察 。线下招商与商品品类选择的决策要建立在潜在消费者购买力、偏好的范围内进行综合考量，选择相应价格段，投其所好。

第三是活动效果可追踪。 线下促销活动、地推、投放等要将客流与消费者之间关系进行串联打通，避免商业机会的流失。

三大场景策略

友盟+拥有高价值的线下数据资源，每天有1.8亿的LBS数据覆盖，同时覆盖了90%以上的POI数据。因为线下数据很分散，打通和串联能力尤为重要，我们有很强大的ID Mapping能力，最后是丰富的 媒体 资源库。

由以上的数据资源和技术能力，在基础性数据平台之上，我们分为了三种产品场景服务，分别是监测类、洞察类、营销类，以可视化的数据形式展现出来。

监测类：客流与画像提升运营效率

针对客流&画像，商家要知道自身门店的核心关注点是什么，也就是业务重心。

例如一个品牌在全国有7个大区连锁门店，那就要将所有大区分为四个维度（核心关注、日常报告、智能排名、自定义分析）进行运营。观察每个大区在不同时间段里的客流&画像变化，挑选出表现比较好的大区，再进行大区内门店的观察，最终将表现最好的门店列为标榜，再将门店经验分享给其他大区，同时也要结合相应的数据报告进行佐证和优化，打破瓶颈、发现亮点。

这可以分为两层：

第一层，提升门店运营效率。包括核心指标和日常报告，呈现门店基础客流数据，支撑门店的日常数据汇总与分析；

第二层，打破现有分析逻辑和结构，重组分析维度，发现业务新机会。包括智能排名和自助分析，我们将打破不同维度进行快速排名，比如男性客群在不同地域的排名；同时引入智能算法，实现自助分析，打破现有分析结构。

由这两层出发，门店从无数据、有数据到用数据，提升区域和门店的运营效率，扩展业务边界。

监测类：顾客动线优化商品陈列

综合性的大型卖场每年都会有20%的品牌进行汰换，一方面是营收压力，另一方面是要保持对消费者新鲜度的持续吸引。同样，很多大型品牌门店2-4周也都会进行货架的重新设计、货品的更新替换，保持消费者对新品的诉求。

针对商品陈列的优化，商家可以通过Wi-Fi及摄像头的方式进行场内消费者路径及品类关注热度的洞悉，从而优化门店设置、货架陈列以及品类替换。

洞察类：商圈选址，精准预测客流与收入

针对智慧零售，很多企业都推出了选址类的产品，但商家看到的维度、分析报告都很难进行决策。原因就在于数据分析的时间跨度短、无法做到预测客流及收入以及多个商圈交叉分析。这些都是要依靠强大的数据算法与底层数据支持。

友盟+提供9个维度的选址分析数据：

1）辅助客户制定和决策全域拓展计划

2）了解自身及竞争对手在不同区域渗透情况

3）筛选优势区域，制定差异性竞争策略

4）城市目标潜客热力分布

5）基于目标用户，提供城市推荐商圈和潜力评估

6）自有和竞品区域门店分布

7）点位常态客流、收入预测

8）结合交通状况和客群形态，多点位对比评估

9）点位覆盖人群多维度分析

归纳起来，友盟+选址策略分为三个场景：

全域规划： 在全国层面，融入品牌自己的场景，比如判断在北京、上海、杭州哪个城市应该扩店。如果开店，盈利情况如何、竞品拓展量有多高，竞争激烈程度等；

区域洞察： 当品牌确定要在一个城市开店，我们会加入品牌在相似区域的经营数据，潜客人群热力分布，结合竞品的开店点位，综合判定在哪些商圈布局；

点位评估： 因为商业的核心目的是盈利，我们将零售商的业务目标、竞品的业务覆盖数据等，融入到友盟+选址模型中，从客流、客单价、竞争分析、消费潜力等多维度，直接输出A、B、C三个位置的选址排序。比如，十字街区中，哪个路口更适合开店？这就需要更明晰的LBS数据，然后去评估ABC三点整体的评分。

营销类：门店引流，多场景营销触达

门店引流一直是困扰商家的难题之一，去哪里引流？盲目的引流会造成资源和成本的浪费。针对哪些人引流？我的潜在消费者都是谁。用什么方式去引流？潜在消费者会出现在哪里，生活场景、工作场景、消费场景、交通场景都要考虑到。引流后的效果如何？是否有消费者进店转化、成交转化等。

那么针对繁琐复杂的门店引流，【友盟+】的处理方式：

第一步：人群筛选

1)  新店引流： 通过门店覆盖域（2-5公里、5-20公里）范围内，用LBS数据进行潜客筛选；

2)  老店引流： 基于过往1-3个月门店客流数据进行顾客特征沉淀，在门店覆盖域（2-5公里、5-20公里）范围内进行潜客筛选；

3)  会员引流： 基于CRM等会员人群进行顾客特征沉淀，在门店覆盖域（2-5公里、5-20公里）范围内进行潜客筛选。

第二步：媒体策略（以线下、 OTT 媒体为例）

1)  线下媒体： 基于潜客特征将门店覆盖域范围内线下媒体资源进行算法排序，形成媒体点位推荐指数，根据预算进行投放策略分配；

2) OTT 媒体： 基于潜客特征筛选门店覆盖域范围内OTT家庭，通过电视端资源进行投放。

第三步：效果评估

采集投放媒体曝光潜客数据与投放期内及投放期后2-4周内到店顾客数据进行匹配打通，判断投放转化效果。

延伸价值：实现线上线下运营的一体化，线上卡券线下核销，基于LBS的潜客分析，升级传统的地推和线下媒体投放。所有数据都是可监测和评估的，意味着全程可优化。

新零售提效案例

1.  油站顾客分析：拓展异业合作，销售提升 25%

当加油站遇到全域数据，也可以智慧起来。从最简单的客流分析开始，发现忠诚客户喜欢 汽车 日用品，在运营策略上做调整，与米其林店以汽车保养、维修进行合作，92#消费满200元、95#满300元都会赠送优惠券，或购买润滑油可到米其林店免费进行积碳清理和润滑油更换。

数据效果： 92#加油满200的车次环比上升30%，95#加油满300的车次环比上升26%。

2.  选址和竞争分析： >80% 的常态客流和收入预测

我们和盒马合作，帮助其实现数据选址和竞争分析。合作模式是，通过全域数据实现对区域级市场的拓展规划，在多店综合评估中，通过智能算法进行排序，给出选址建议。智能输出门店布局作战图，包括对门店的分析、潜客的动态分析和竞品的趋势变化。

数据效果： 销售预测准确率达80%以上，已成为盒马开店和日常运营的标准流程。

3.  门店引流：锁定精准潜客，提升客流量和成交率

门店引流，我们在多个领域做了应用实践，都获得很惊喜的数据效果。

国内某领先运动品牌，在2017年圣诞节、2018年女神节期间，分布对周边2.5公里客流做兴趣圈选，包括已购人群的放大。然后集中在线下电子屏、KTV、OTT进行广告投放。

数据效果： 线下电子屏曝光用户的进店率是未曝光潜客的3倍。

4. 个性化导购：基于客流的识别和 SKU 的互动

很多时候，顾客进店不到30秒，看到展示的商品没有感兴趣的，转身就走。我们研发的个性化导购屏，一方面是扩展SKU，同时导购可以将潜客带到屏前，因为屏上有详细的商品介绍。比如，动态展示运动鞋的 科技 感，提升成交率。

数据结果： 店内货架热力提升了42%。

新零售的演进速度远比我们想象的迅速， 友盟+希望将数据技术和能力注入到线下零售场景中，让门店具有自我迭代升级的能力，最快速的适应当下和未来的零售需求。

10月16日，在2018UBDC全域大数据峰会上，友盟+Oplus新零售数据服务将亮相，更有智慧零售专场、李宁智慧零售体验店！