新零售落地思考：如何构建整体策略；
典型场景：数据化分析、商圈选址、竞争分析、门店引流；
真实案例：销售额提升25%、潜客进店率提升16倍......
今年，新零售在加速落地，从标杆“盒马鲜生”延伸到更多领域，也催生出更多跨界业态。回顾近3个月，仅与阿里相关的标志性事件就有3件：
4月28日，阿里首个新零售商业体，亲橙里开业；
6月2号，盒马鲜生和大润发的合作品牌，盒小马在苏州开业；
天猫618期间，居然之家在北京8家门店首次进行了新零售尝试，3天销售额近11亿元。
这些标杆业态，有哪些神奇之处？我今天就围绕“智慧门店”，分享支撑新零售的数据、技术和场景。这里特别说明一下，“门店”是一个泛化的概念，任何一个线下经营实体，都可以实现升级；我们将门店当成互联网产品去打造，通过数据和技术驱动，就可以实现智慧化，进行自我迭代。
新零售的基础是实现消费者全场景在线，连贯的分析消费者的偏好和需求。友盟+的优势，是沉淀了海量的互联网行为数据，构建了基于7亿消费者的数据智能平台。我们将线上数据赋能到线下，从对“人”的分析洞察出发，去带动人与货，人与场的互动。
新零售是系统工程
需要数据*场景*方案等整体架构支撑
企业要做新零售，首先需要做到“跨行业、多场景"。为什么是跨行业？当下的很多零售业态，比如盒马鲜生，是融合了餐饮、快消、到家服务的多元化业态，需要跨行业的数据应用能力；多场景，零售业涉及的环节非常多，是多因素驱动下的降本、提效、提体验，是多场景要素交织和融合的过程。
所以，新零售场景落地需要一个整体架构和策略支撑。由下而上依次是：
1）数据资产：线上、线下所有数据都会在数据智能平台上进行加工，持续丰富用户标签，再回流到场景中；
2）应用场景：在合规状态下，将数据能力融入到商业场景中。例如门店的数字化建设、门店引流、场内转化、会员转化等；
3）行业方案：我们将零售业分为品牌零售和零售品牌两大类，品牌零售即手机、汽车、餐饮、服装等垂直品类中的独立品牌；零售品牌类似于像盒马鲜生、居然之家、沃尔玛等综合零售业态；这两种形态对新零售数据场景的需求是有差异的，但数据层的基础底座相同。
新零售的四个典型场景
数据化分析：提升区域和门店运营效率
新零售的第一步是门店数据化的过程，让门店拥有数据基因。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，是呈现门店基础的客流数据，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，门店从无数据到有数据、用数据，提升区域和门店的运营效率，扩展业务边界。
商圈选址：融入AI算法，精准预测客流和收入
在基础数据之上，融入AI算法，预测常态客流和销售收入。常规的大数据选址会提供参考性维度，比如客流数据、画像偏好，这是最初级的。我们在选址上有三个策略：全域规划、区域洞察、点位评估，去满足更多类型的零售商需求。
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？这就需要更明细的LBS数据，然后去评估ABC三点整体的评分。
竞争分析：追踪市场趋势变化与归因分析
竞争分析非常考验数据的新鲜度、覆盖的广度。基于数据的广度，我们能对行业大盘有科学的判断，比如，A品牌的门店有100位消费者光顾，那么这100位顾客有多少到过竞品B门店、C门店？新店开业之后，在周边商圈的渗透率有哪些变化？
友盟+基于动态高频的LBS数据覆盖，分析客流在线下场景中的路径和变化趋势。在不同的小区，品牌和竞品的渗透率以及市场占有率，竞争情况；通过时间轴，以月度为单位，分析品牌在周边小区的占比情况。由这些数据反推，品牌商可以验证关联的营销活动质量。
门店引流：锁定精准客群，多场景营销触达渠道
门店引流起到承前启后的作用，是对客流的识别和沉淀。
1）潜客放大的能力。一是对已有潜客人群的放大，找到更多相似潜客；二是标签化的建设和标签圈人的能力，不仅是基础属性，还需要行为偏好、LBS策略。在房地产行业，案场（售楼处）覆盖的客流范围特别大，甚至跨区县/跨城市的客户都会来看房。但是一个服装店/餐饮店，辐射的半径就小的多，所以不同属性的门店需要不同的LBS策略。
2）建立触达潜客的运营通路，从三块广告屏的数据化说起。
第一块，线下智能电子屏
线下到线下的传播是非常有效的，例如用户在大望路写字楼的电梯厅，看到SKP的活动广告，中午走路就可以进店消费，时间和交通成本都非常低。线下电子屏具有天然的地理位置属性。在媒体端，我们与合作伙伴通过共建的方式，已经聚合了近100万块带有LBS属性的线下电子屏，当我们加入客流数据和算法模型，就能精细化的对客群进行匹配，让不同的地理位置和偏好的客群，看到不同的广告内容。
第二块，OTT互联网电视
与传统电视台投放广告不同，OTT具有天然的互联网、数据属性。我们能够为同在一个城市，甚至不同小区的消费者，投放个性化广告。例如，为朝阳区推荐燕莎奥莱，为房山区用户推荐首创奥莱。我们还持续沉淀门店与小区之间的关联数据，构建基于门店的消费者的触点路径。
第三块，线上DSP
传统DSP投放是追求CPM大体量曝光，但品牌最终追求的到店转化。当媒体触点和人群结合之后，引流到店、转化核销、效果评估和策略优化。所有的环节都是数据化，全链路的监测和评估，为再营销提供数据支撑。将传统投放互联网化，让营销具备互联网产品的快速生长和快速迭代能力。在营销过程中，也有很多可以发挥的场景，不仅是展示一个静态的促销内容，也可以红包雨、优惠券领取。
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。
新零售真实案例
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%。
在分析客流数据的过程中，一定要明确业务的瓶颈在哪里，是提升客单价，还是复购率？跨行业的品类联动刺激促销。
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。
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。
引流效果：线下电子屏曝光用户的进店率是未曝光潜客的3倍。
国内领先家装零售品牌，在2018年618大促期间，对已购人群进行放大，再圈选周边20公里内的高潜人群，分别在电子屏、OTT投放广告。
数据效果：线下电子屏的曝光用户进店率是未曝光用户的16倍。
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。
马云曾说过，任何一次机遇的到来，都必将经历四个阶段：看不见、看不起、看不懂、来不及。对于新零售领域的新物种，你处在哪个阶段呢？
近期，Oplus还升级了门店引流和新零售分析等功能，更加符合品牌连锁和Shopping Mall对于门店管理和数据使用的需求，帮助零售企业快速迈进数据化、智能化时代，实现人、货、场的重构，加速品牌零售升级。
友盟+，全球领先的第三方全域数据服务商。基于全域数据、数据技术和商业场景，构建以7亿消费者为核心，覆盖数据运营、数据营销、新零售数据服务、金融及手机解决方案的数据智能服务体系，驱动企业持续增长、增值、升级。
转载于：友盟+新零售数据业务总经理刘延明在第六届中国全渠道零售决策者峰会上的演讲。