2016年云棲大會，馬云第一次提到“新零售”，稱未來的十年、二十年、沒有電子商務這一說，只有新零售。兩年后，新零售在各個行業加速落地。先列舉三個典型事件：
4月28日，阿里首個新零售商業體，親橙里開業;
618期間，居然之家在北京8家門店首次嘗試新零售，3天銷售額近11億元;
8月2日，星巴克聯合餓了么推出外賣服務。
這些多是阿里的標桿事件，有技術有數據有商業場景。很多零售品牌會問，新零售這趟快車，好搭嗎?我該如何做?我今天就圍繞“智慧零售升級”，從新零售的三大場景——監測場景、洞察場景、營銷場景說起。
友盟+新零售數據業務總經理 劉延明
升級的是什么？
概括起來是三點：
第一是打通人貨場。首先要考慮選店、選址等;其次是影響消費者的相關因素，例如周邊商業因素、競爭因素等。
第二是實現消費者洞察。線下招商與商品品類選擇的決策要建立在潛在消費者購買力、偏好的范圍內進行綜合考量，選擇相應價格段，投其所好。
第三是活動效果可追蹤。線下促銷活動、地推、投放等要將客流與消費者之間關系進行串聯打通，避免商業機會的流失。
三大場景策略
友盟+擁有高價值的線下數據資源，每天有1.8億的LBS數據覆蓋，同時覆蓋了90%以上的POI數據。因為線下數據很分散，打通和串聯能力尤為重要，我們有很強大的ID Mapping能力，最后是豐富的媒體資源庫。
由以上的數據資源和技術能力，在基礎性數據平臺之上，我們分為了三種產品場景服務，分別是監測類、洞察類、營銷類，以可視化的數據形式展現出來。
監測類：客流與畫像提升運營效率
針對客流&畫像，商家要知道自身門店的核心關注點是什么，也就是業務重心。
例如一個品牌在全國有7個大區連鎖門店，那就要將所有大區分為四個維度(核心關注、日常報告、智能排名、自定義分析)進行運營。觀察每個大區在不同時間段里的客流&畫像變化，挑選出表現比較好的大區，再進行大區內門店的觀察，最終將表現最好的門店列為標榜，再將門店經驗分享給其他大區，同時也要結合相應的數據報告進行佐證和優化，打破瓶頸、發現亮點。
這可以分為兩層：
第一層，提升門店運營效率。包括核心指標和日常報告，呈現門店基礎客流數據，支撐門店的日常數據匯總與分析;
第二層，打破現有分析邏輯和結構，重組分析維度，發現業務新機會。包括智能排名和自助分析，我們將打破不同維度進行快速排名，比如男性客群在不同地域的排名;同時引入智能算法，實現自助分析，打破現有分析結構。
由這兩層出發，門店從無數據、有數據到用數據，提升區域和門店的運營效率，擴展業務邊界。
監測類：顧客動線優化商品陳列
綜合性的大型賣場每年都會有20%的品牌進行汰換，一方面是營收壓力，另一方面是要保持對消費者新鮮度的持續吸引。同樣，很多大型品牌門店2-4周也都會進行貨架的重新設計、貨品的更新替換，保持消費者對新品的訴求。
針對商品陳列的優化，商家可以通過Wi-Fi及攝像頭的方式進行場內消費者路徑及品類關注熱度的洞悉，從而優化門店設置、貨架陳列以及品類替換。
洞察類：商圈選址，精準預測客流與收入
針對智慧零售，很多企業都推出了選址類的產品，但商家看到的維度、分析報告都很難進行決策。原因就在于數據分析的時間跨度短、無法做到預測客流及收入以及多個商圈交叉分析。這些都是要依靠強大的數據算法與底層數據支持。
友盟+提供9個維度的選址分析數據：
1)輔助客戶制定和決策全域拓展計劃
2)了解自身及競爭對手在不同區域滲透情況
3)篩選優勢區域，制定差異性競爭策略
4)城市目標潛客熱力分布
5)基于目標用戶，提供城市推薦商圈和潛力評估
6)自有和競品區域門店分布
7)點位常態客流、收入預測
8)結合交通狀況和客群形態，多點位對比評估
9)點位覆蓋人群多維度分析
歸納起來，友盟+選址策略分為三個場景：
全域規劃：在全國層面，融入品牌自己的場景，比如判斷在北京、上海、杭州哪個城市應該擴店。如果開店，盈利情況如何、競品拓展量有多高，競爭激烈程度等;
區域洞察：當品牌確定要在一個城市開店，我們會加入品牌在相似區域的經營數據，潛客人群熱力分布，結合競品的開店點位，綜合判定在哪些商圈布局;
點位評估：因為商業的核心目的是盈利，我們將零售商的業務目標、競品的業務覆蓋數據等，融入到友盟+選址模型中，從客流、客單價、競爭分析、消費潛力等多維度，直接輸出A、B、C三個位置的選址排序。比如，十字街區中，哪個路口更適合開店?這就需要更明晰的LBS數據，然后去評估ABC三點整體的評分。
營銷類：門店引流，多場景營銷觸達
門店引流一直是困擾商家的難題之一，去哪里引流?盲目的引流會造成資源和成本的浪費。針對哪些人引流?我的潛在消費者都是誰。用什么方式去引流?潛在消費者會出現在哪里，生活場景、工作場景、消費場景、交通場景都要考慮到。引流后的效果如何?是否有消費者進店轉化、成交轉化等。
那么針對繁瑣復雜的門店引流，【友盟+】的處理方式：
第一步：人群篩選
1) 新店引流：通過門店覆蓋域(2-5公里、5-20公里)范圍內，用LBS數據進行潛客篩選;
2) 老店引流：基于過往1-3個月門店客流數據進行顧客特征沉淀，在門店覆蓋域(2-5公里、5-20公里)范圍內進行潛客篩選;
3) 會員引流：基于CRM等會員人群進行顧客特征沉淀，在門店覆蓋域(2-5公里、5-20公里)范圍內進行潛客篩選。
第二步：媒體策略（以線下、OTT媒體為例）
1) 線下媒體：基于潛客特征將門店覆蓋域范圍內線下媒體資源進行算法排序，形成媒體點位推薦指數，根據預算進行投放策略分配;
2) OTT媒體：基于潛客特征篩選門店覆蓋域范圍內OTT家庭，通過電視端資源進行投放。
第三步：效果評估
采集投放媒體曝光潛客數據與投放期內及投放期后2-4周內到店顧客數據進行匹配打通，判斷投放轉化效果。
延伸價值：實現線上線下運營的一體化，線上卡券線下核銷，基于LBS的潛客分析，升級傳統的地推和線下媒體投放。所有數據都是可監測和評估的，意味著全程可優化。
新零售提效案例
1. 油站顧客分析：拓展異業合作，銷售提升25%
當加油站遇到全域數據，也可以智慧起來。從最簡單的客流分析開始，發現忠誠客戶喜歡汽車日用品，在運營策略上做調整，與米其林店以汽車保養、維修進行合作，92#消費滿200元、95#滿300元都會贈送優惠券，或購買潤滑油可到米其林店免費進行積碳清理和潤滑油更換。
數據效果：92#加油滿200的車次環比上升30%，95#加油滿300的車次環比上升26%。
2. 選址和競爭分析：>80%的常態客流和收入預測
我們和盒馬合作，幫助其實現數據選址和競爭分析。合作模式是，通過全域數據實現對區域級市場的拓展規劃，在多店綜合評估中，通過智能算法進行排序，給出選址建議。智能輸出門店布局作戰圖，包括對門店的分析、潛客的動態分析和競品的趨勢變化。
數據效果：銷售預測準確率達80%以上，已成為盒馬開店和日常運營的標準流程。
3. 門店引流：鎖定精準潛客，提升客流量和成交率
門店引流，我們在多個領域做了應用實踐，都獲得很驚喜的數據效果。
國內某領先運動品牌，在2017年圣誕節、2018年女神節期間，分布對周邊2.5公里客流做興趣圈選，包括已購人群的放大。然后集中在線下電子屏、KTV、OTT進行廣告投放。
數據效果：線下電子屏曝光用戶的進店率是未曝光潛客的3倍。
4.個性化導購：基于客流的識別和SKU的互動
很多時候，顧客進店不到30秒，看到展示的商品沒有感興趣的，轉身就走。我們研發的個性化導購屏，一方面是擴展SKU，同時導購可以將潛客帶到屏前，因為屏上有詳細的商品介紹。比如，動態展示運動鞋的科技感，提升成交率。
數據結果：店內貨架熱力提升了42%。
新零售的演進速度遠比我們想象的迅速， 友盟+希望將數據技術和能力注入到線下零售場景中，讓門店具有自我迭代升級的能力，最快速的適應當下和未來的零售需求。
10月16日，在2018UBDC全域大數據峰會上，友盟+Oplus新零售數據服務將亮相，更有智慧零售專場、李寧智慧零售體驗店!
