新零售時代為什麼線下門店不好賺錢？因為你浪費了寶貴的“大數據”

既然那些電商們已經依靠線上大數據賺得盆滿缽溢，那線下的實體店為什麼不可以從線下大數據中掘金呢？

大數據從誕生開始，就天然的分成了兩個陣營：線上大數據和線下大數據。

線上大數據催火了很多行業，但其中以電商最為明顯，這是毋庸置疑的。淘寶、天貓和京東們利用他們收集的用户數據信息，不斷向你推薦你最喜歡的商品，讓你剁手剁手再剁手。天貓雙 11交易額 1682億，京東下單額 1271億；另據數據統計，僅從 2016年 12月到 2017年 5月的連續 6個月，國內電子商務銷售規模已突破 3萬億。線上大數據的手段之“殘忍”，“武器”之犀利，戰果之豐碩，簡直“慘無人道”。

不過，縱然如此，線上交易規模也並未“翻了天”。數據顯示，中國網絡零售佔社會消費品零售額比例，2015年佔比 10.8%，2016年佔比 12.6%，2017年前半年 13.2%。由此可見，相比於線上的電商平台交易，佔比 80%以上的線下交易市場才更加廣闊。

但奇怪的是，作為線下最主要交易場景的廣大商超、門店或連鎖經營場，卻是連年萎縮，利潤更是一年不如一年，可以説是悽慘無比。為什麼會這樣？線下門店要怎麼才能賺錢？眾盟數據創始人&CEO廣宇昊認為，新零售時代線下門店盈利的關鍵在於線下數據資產化。

對商鋪/門店來説，線下數據資產化已迫在眉睫

得益於在線下大數據領域連續 4年的持續深耕，眾盟數據近期在業內首次提出了“線下數據資產化”的概念。

眾盟數據創始人&CEO廣宇昊表示，線下數據資產化是從線下數據資源的持續積累，到與消費者即時連接互動、數據的智能應用及持續的自我優化，直至達成價值變現的過程。它是一個可循環、可複用的“活”的數據閉環，實現的是對“人”的有效識別、需求洞察、多維交互和精準觸達。

如果説的通俗一點就是，對於那些開店鋪的、開連鎖商超大賣場等的（如萬達、蘇果、大潤發等）客户來説，“線下數據資產化”可以對你店鋪每天產生的各種數據信息進行收集、整理、分析，把這些加工好的數據變成你的一種資產，從而讓你賺錢更快、更多、更輕鬆。

實際上，數據資產化的現象在業內由來已久，尤其是在互聯網公司內部更是個常識，那些有遠見卓識的公司早就發現了數據（主要是線上大數據）的價值，並把它作為自己最重要的資產。舉例來説，像滴滴、優步、摩拜和小黃車這些近年來崛起的新貴們，為什麼會有動輒幾十億甚至上百億的估值？那是因為他們都有專屬於自己的龐大的用户數據。

對於互聯網巨頭來説，流量什麼的是可以合作買賣的，但是唯有數據不行，數據是核心競爭力，更是一種最重要的資產。

和線上大數據對互聯網巨頭的重要性一樣，對於開在線下的實體門店、商鋪或連鎖賣場來説，基於“人、貨、場”三種維度的線下大數據同樣有着非同一般的意義。其中，以人（即用户、消費者）為核心的線下數據資產化尤為重要。

不過，似乎我們尚未對線下大數據給予足夠重視，而真正將線下大數據看做資產並將之資產化的商家也是少之又少。那些正在以及即將轉型新零售的企業，普遍對數據資產化了解不深，他們並不認為數據是資產。在他們的邏輯中，只認門店貨物為固定資產，只能看到有形的東西，卻不知道無形的數據才是真正值錢的。

眾盟數據創始人&CEO廣宇昊説：“回過頭看，線下門店或賣場每天都在產生很多很有價值的數據，只是他們看不見。線下門店人來人往，卻對那些顧客的信息漠不關心或一無所知，這簡直是難以想象的。

“線下企業有做數據資產最好的土壤，但是都不夠明確和深入。我之前和一些連鎖大賣場企業有過深度交流，大家普遍都有這樣的感覺。

“以萬達為例，如果把萬達廣場只當做商業地產，那就相當於是坐在金山上要飯吃。我們應該把它看做是流量入口和數據來源，把整個萬達廣場打造成一個應用商店，裏面的店鋪做成一個個獨立的 app。”

把線下數據資產化攏共分三步

對線下門店和商鋪來説，那些走進店裏的人，不管最終買不買你的東西，都是你的線下大數據來源。甚至是每天從你店門口走過，或者住在你店鋪周邊的人，也是一種寶貴的數據資產。在零售業 4.0的新零售時代，消費者將成為最穩健的增值資產，而與之對應的線下數據資產化也將成為智能商業升維競爭的核心競爭力。

那對於線下的門店而言，將如何實現線下數據的資產化？

首先是需要建立私有的數據資產庫。

打一個形象的比喻：如果線下門店是水龍頭，那麼基於“人、貨、場”三種維度的線下大數據就是水龍頭裏的水。門店每天都營業，水龍頭也每天都在打開。而之前的情況是，我們只是把水龍頭擰開來就不管了，於是幾乎所有的水都白白流走了。

因此，建立門店私有的數據庫並廣泛收集數據就成了當務之急。

在收集數據層面，傳統的店員記錄無法證實、更新和關聯，目前線下消費者行為數據化率只有 7%，剩下的 93%都被白白浪費了。

“線下門店每天都有很多與線下場景相關的更具精準價值的數據在不斷產生，今天不開始積累數據，今天就過去了，回頭看會後悔的。所以不要再等，要有私有的數據資產庫，然後開始不斷積累。”廣宇昊説。

對於傳統店面而言，以硬件設備收集用户使用 ID，既具有唯一性且不涉及個人隱私，是目前業內使用最為普遍、最受歡迎的數據採集法。

廣宇昊説：“我們用自動化和科學手段收集到的數據（對門店來説）是良性資產，越積累越有用。在人、貨、場三個維度中，我們只關注人，也就是消費者，這也是企業關注的。

“每天進到店裏的是什麼人？每個人在店裏都逗留了多久？有多少人在店外逗留或匆匆而過？之前企業是無法知道這些的，但現在有了很多像眾盟數據這樣的專業團隊，來對這些數據信息做一個全面的收集。”

其次是對數據的清洗和添加標籤

全面而系統的收集門店的線下數據肯定是不夠的，很簡單的一個例子：在收集到的所有數據信息中，就數營業員每天在店裏的逗留時間最長，但你能認為他們是最有購買慾望的準客户嗎？

所以，如果不對收集到的數據進行清洗和添加標籤，就無法讓數據真正發揮作用。

數據清洗技術能力的高低，直接影響數據庫中冗餘數據的佔比，從而影響後續數據應用的質量。專業的大數據清洗能力，可以剔除無用數據，保留有價值的數據。

眾盟數據 CEO廣宇昊説：“概括來説，那些髒假偽廢的無用數據，我們需要把它們從數據庫中趕出去。”

在對數據進行有效清洗之後，就要給它們添加標籤，而這也會讓數據的價值呈幾何增長。

通過從線上、線下等多維度瞭解到店受眾的用户特徵，眾盟數據總結並輸出了一組行之有效的場景用户標籤：性別、場景軌跡、興趣愛好、地理位置、消費水平、到訪頻次、學歷、駐留時間、消費偏好等等。

而添加了這些標籤之後，一副全面而詳細的用户畫像就出來了，我們就可以知道：到店的消費者有多少 80後多少 90後？他們平時線下都是怎麼活動的？他們都有哪些購物偏好？他們買的最多的東西是什麼……

當一家門店掌握了這些數據信息，那就離開啓“瘋狂生長模式”不遠了！

最後是把數據變現，實現“線下數據資產化”

需要注意的是，儘管有了詳盡的用户畫像，但線下數據資產化的進程其實才剛剛開始。

廣宇昊説：“對專業的線下數據提供商來説，最後提供給線下門店的不會只是用户畫像，因為畫像只是看的直觀，而不一定能解決實際問題。線下數據的價值是需要提煉出來的，比如北京要在新城區建萬達廣場，那這個消息我們應該讓哪些人知道？對於這種具體的問題，就需要地理位置的標籤，其它性別什麼的都不重要。這個時候，我們就會用數據手段進行篩選。

“眾盟數據也不是那種大而全的數據公司，方方面面都涉及到，然後給你一個炫酷的報告。我們是實實在在的幫你把所有數據都沉澱下來，再根據你的需求幫你變現。”

把數據資產變現有兩種途徑，要不就是自己賺錢（獲客），要不就是問別人要錢（融資）。

當門店有了數據之後，可以更好的做客户運營。不僅拉新手段和維護老客户的手段都可以在數據支撐下進行變革，也可以分辨拉新的有效無效，以便進行持續不斷的優化。

靠數據把新的客人帶進來，本身就相當於變現。很多時候，做生意只靠經驗遠遠不夠，如果不知道在哪些地方做努力和改進，是不會有大的發展的。

而用數據資產去融資，似乎就更好理解了。當你手握海量的、精準的、真實有效的用户數據的時候，投資人肯定會趨之若鶩，想做大那就是分分鐘的事情。

總結

毫無疑問，新零售正在逐漸取代傳統的零售業模式，而沒有線上和線下大數據支撐的新零售不是健康的新零售。既然那些電商們已經依靠線上大數據賺得盆滿缽溢，那線下的實體店為什麼不可以從線下大數據中掘金呢？

深入挖掘線下大數據的價值，把線下數據資產化，將是未來的不二之選。