梅林：线下大数据是门好生意

梅林：线下大数据是门好生意

【关键词】

物联网时代、精准性和广泛性、决策窗口期

梅林：线下大数据是门好生意

【内文摘录】

提起大数据，人们往往会想到科技公司在线上搜集到的各种数据。但是，泰合资本董事总经理梅林在一次内部分享会中提到，在即将到来的物联网时代，线下大数据有可能是最重要的命题之一。

梅林认为，线下大数据的数据价值，首先体现在精准性和广泛性两方面。精准性指的是，和可以复制的线上数据相比，线下数据更准确，一般都表示了人们的真实消费意愿。不管是在餐厅吃饭，还是去超市购物，都代表人们真的花了时间了。广泛性是说，线下数据覆盖的人群更广，包括互联网很难覆盖到的老年人和10岁以下的小孩，线下可以帮我们捕捉到这些人的消费行为和意愿。

梅林：线下大数据是门好生意

【人物介绍】

泰合资本已成立六年时间，为60多家创业公司完成了超过550亿人民币的融资额。服务客户包括瓜子二手车、51信用卡、VIP陪练、作业帮、拼多多、云集、百词斩等。

梅林：线下大数据是门好生意

【智库观点】

大数据从诞生开始，就天然的分成了两个阵营：线上大数据和线下大数据。

但互联网的今天已经没有单纯的线上店或线下店。大的线上平台比如京东、天猫、淘宝。小的比如有赞商城、餐饮类的大众点评，外卖类的美团、饿了吗，甚至透过APP、微信、小程序等自建平台。但这些收集的都是线上的资料，要做全方位、全渠道的精准营销，一定要跟线下门店的数据结合在一起，线下门店有三个方向。

1、从不同维度自定义人群，通过圈定某一类的群体进行画像分析。

2、数据画像的数据源，圈定的群体可以是自己的顾客，也可以是店铺周边的客流。

3、针对垂直行业，例如服装行业和化妆品行业，输出行业画像。随着产品的完善及合作的深入，会推出更多的线下垂直行业画像服务。

以某面膜保养品牌为例，线上有天猫店，线下有直营的连锁门店。线下业务反馈销售压力比较大，很希望找到增长缓慢的原因。首先，对问题进行拆解，从客流、转化角度去看。分享几个结果，客流趋势特征、客流新老构成、顾客店内停留时长，线下线上流转情况。根据客流年龄进行分析，通过行业画像，推荐合适的年龄人群不同产品，优化导购策略，让新客成为回头客。这里面和线上数据一样，都是一个拉新、转化、复购的过程。

既然那些电商们已经依靠线上大数据赚得盆满钵溢，那线下的实体店为什么不可以从线下大数据中掘金呢？

线上大数据催火了很多行业，但其中以电商最为明显，这是毋庸置疑的。淘宝、天猫和京东们利用他们收集的用户数据信息，不断向你推荐你最喜欢的商品，让你剁手剁手再剁手。天猫双 11交易额 2135亿，京东1598亿；拼多多订单数成长300%，网易考拉交易额成长2.4倍。

梅林：线下大数据是门好生意

不过，纵然如此，线上交易规模也并未“翻了天”。数据显示，中国网络零售占社会消费品零售额比例，2015年占比 10.8%，2016年占比 12.6%，2017年前半年 13.2%。由此可见，相比于线上的电商平台交易，占比 80%以上的线下交易市场才更加广阔。

但奇怪的是，作为线下最主要交易场景的广大商超、门店或连锁经营场，却是连年萎缩，利润更是一年不如一年，可以说是凄惨无比。为什么会这样？线下门店要怎么才能赚钱？新零售时代线下门店盈利的关键在于线下数据资产化。

线下数据资产化是从线下数据资源的持续积累，到与消费者实时连接互动、数据的智能应用及持续的自我优化，直至达成价值变现的过程。它是一个可循环、可复用的“活”的数据闭环，实现的是对“人”的有效识别、需求洞察、多维交互和精准触达。

如果说的通俗一点就是，对于那些开店铺的、开连锁商超大卖场等的（如万达、苏果、大润发等）客户来说，“线下数据资产化”可以对你店铺每天产生的各种数据信息进行收集、整理、分析，把这些加工好的数据变成你的一种资产，从而让你赚钱更快、更多、更轻松。

实际上，数据资产化的现象在业内由来已久，尤其是在互联网公司内部更是个常识，那些有远见卓识的公司早就发现了数据（主要是线上大数据）的价值，并把它作为自己最重要的资产。举例来说，像滴滴、拼多多、抖音这些近年来崛起的新贵们，为什么会有动辄几十亿甚至上百亿的估值？那是因为他们都有专属于自己的庞大的用户数据。

对于互联网巨头来说，流量什么的是可以合作买卖的，但是唯有数据不行，数据是核心竞争力，更是一种最重要的资产。

和线上大数据对互联网巨头的重要性一样，对于开在线下的实体门店、商铺或连锁卖场来说，基于“人、货、场”三种维度的线下大数据同样有着非同一般的意义。其中，以人（即用户、消费者）为核心的线下数据资产化尤为重要。

不过，似乎我们尚未对线下大数据给予足够重视，而真正将线下大数据看做资产并将之资产化的商家也是少之又少。那些正在以及即将转型新零售的企业，普遍对数据资产化了解不深，他们并不认为数据是资产。在他们的逻辑中，只认门店货物为固定资产，只能看到有形的东西，却不知道无形的数据才是真正值钱的。

线下门店或卖场每天都在产生很多很有价值的数据，只是他们看不见。线下门店人来人往，却对那些顾客的信息漠不关心或一无所知，这简直是难以想象的。线下企业有做数据资产最好的土壤，但是都不够明确和深入。

以商场为例，如果把商场只当做商业地产，那就相当于是坐在金山上要饭吃。我们应该把它看做是流量入口和数据来源，把整个商场打造成一个应用商店，里面的店铺做成一个个独立的 app。

把线下数据资产化拢共分三步

对线下门店和商铺来说，那些走进店里的人，不管最终买不买你的东西，都是你的线下大数据来源。甚至是每天从你店门口走过，或者住在你店铺周边的人，也是一种宝贵的数据资产。在零售业 4.0的新零售时代，消费者将成为最稳健的增值资产，而与之对应的线下数据资产化也将成为智能商业升维竞争的核心竞争力。

那对于线下的门店而言，将如何实现线下数据的资产化？

首先是需要建立私有的数据资产库。

打一个形象的比喻：如果线下门店是水龙头，那么基于“人、货、场”三种维度的线下大数据就是水龙头里的水。门店每天都营业，水龙头也每天都在打开。而之前的情况是，我们只是把水龙头拧开来就不管了，于是几乎所有的水都白白流走了。

因此，建立门店私有的数据库并广泛收集数据就成了当务之急。

在收集数据层面，传统的店员记录无法证实、更新和关联，目前线下消费者行为数据化率只有 7%，剩下的 93%都被白白浪费了。

线下门店每天都有很多与线下场景相关的更具精准价值的数据在不断产生，今天不开始积累数据，今天就过去了，回头看会后悔的。所以不要再等，要有私有的数据资产库，然后开始不断积累。

对于传统店面而言，以硬件设备收集用户使用 ID，既具有唯一性且不涉及个人隐私，是目前业内使用最为普遍、最受欢迎的数据采集法。

用自动化和科学手段收集到的数据（对门店来说）是良性资产，越积累越有用。在人、货、场三个维度中，我们只关注人，也就是消费者，这也是企业关注的。

每天进到店里的是什么人？每个人在店里都逗留了多久？有多少人在店外逗留或匆匆而过？我们需要对这些数据信息做一个全面的收集。

其次是对数据的清洗和添加标签

全面而系统的收集门店的线下数据肯定是不够的，很简单的一个例子：在收集到的所有数据信息中，就数营业员每天在店里的逗留时间最长，但你能认为他们是最有购买欲望的准客户吗？

梅林：线下大数据是门好生意

所以，如果不对收集到的数据进行清洗和添加标签，就无法让数据真正发挥作用。

数据清洗技术能力的高低，直接影响数据库中冗余数据的占比，从而影响后续数据应用的质量。专业的大数据清洗能力，可以剔除无用数据，保留有价值的数据。

在对数据进行有效清洗之后，就要给它们添加标签，而这也会让数据的价值呈几何增长。

通过从线上、线下等多维度了解到店受众的用户特征，对门店我们总结并输出了一组行之有效的场景用户标签：性别、场景轨迹、兴趣爱好、地理位置、消费水平、到访频次、学历、驻留时间、消费偏好等等。

而添加了这些标签之后，一副全面而详细的用户画像就出来了，我们就可以知道：到店的消费者有多少 80后多少 90后？他们平时线下都是怎么活动的？他们都有哪些购物偏好？他们买的最多的东西是什么。

如此才能把数据变现，实现线下数据资产化

需要注意的是，尽管有了详尽的用户画像，但线下数据资产化的进程其实才刚刚开始。

因为画像只是看的直观，而不一定能解决实际问题。线下数据的价值是需要提炼出来的，比如上海徐汇区要建新的CBD广场，那这个消息我们应该让哪些人知道？对于这种具体的问题，就需要地理位置的标签，其它性别什么的都不重要。这个时候，我们就会用数据手段进行筛选。

把数据资产变现有两种途径，要不就是自己赚钱（获客），要不就是问别人要钱（融资）。

当门店有了数据之后，可以更好的做客户运营。不仅拉新手段和维护老客户的手段都可以在数据支撑下进行变革，也可以分辨拉新的有效无效，以便进行持续不断的优化。

靠数据把新的客人带进来，本身就相当于变现。很多时候，做生意只靠经验远远不够，如果不知道在哪些地方做努力和改进，是不会有大的发展的。

而用数据资产去融资，似乎就更好理解了。当你手握海量的、精准的、真实有效的用户数据的时候，投资人肯定会趋之若鹜，想做大那就是分分钟的事情。

【数据池】