什么是新零售(什么是新零售？编辑导语:如今，随着互联网的发展和技术的更新，在新零售行业，数据和算法将被应用于数字化、重构和准确分析人、领域和商品。本文作者分享了对新零售中的人、市场和商品的分析。让我们来看看。

一、新零售场景数据的价值和挑战

沃尔玛是行业标杆:从开店、仓库配置与选址、物流、品类优化，通过整个供应链的持续优化，所有业务都可以数字化；特别是消费者的可识别性使得个性化成为电子商务的标准，更好的产品服务消费者，更好的供应链效率降低成本，这两者都离不开数据的能力。

整个零售数字化、数字化、智能化升级的全过程，在国外已经走过了几十年。中国互联网的后发优势，希望通过我们的能力，在几年内达到并超越国外的先进水平。

新零售需要完成人、货、场的重构。业务方面，需要完成线上线下的深度融合，利用互联网赋能传统零售。这要求在线和离线服务都需要通过业务链接运行的完整数据和算法。

系统地讲——在数据和算法方面，我们需要对人、货、场进行数字化和数字化，智能重构它们的关系。

二、面向消费者的场景识别技术

1)实时场景推送

比如给加班的外卖客户深夜优惠；给异地旅游的游客优惠景区门票；用户在城西银泰时，推送捕猫通知。

场景识别能力与无线推送相结合，可以通过线上手段更好地引导和满足消费者线下场景的需求。目前场景推送能力已经打通了手淘、天猫、飞猪、短信等各种终端。每天推数千万的洗手，开工率比平均水平高30%-50%。

2)场景服务

比如外卖、会员码业务的竞争对手淘都有战略意义。精准的场景识别可以让消费者通过随时打开线上场景，获得想要的服务。比如他们可以准确识别城西银泰的会员代码，直接从银泰出来。

3)预测和推荐

比如我们可以预测消费者未来15天是否会产生长途需求，提前到达推荐中的运输产品；或者在盒马生鲜的推荐逻辑中，加入消费者与社区关系的因素，做出相关推荐。

4)LBS搜索

比如家装，消费者在手淘中搜索沙发时，揭示当前或居住场所周边家具店的沙发产品信息，引导消费者线下体验消费，已经证明可以获得更好的转化效果。

第三，面向业务的数据管理产品

1.准确的客户获取和营销

互联网的优势在于流量，商家对平台最迫切的需求也是流量。首先要给商家提供的是线上线下相结合的精准获客能力，效果可以跟踪。

线上营销:大地仪提供LBS广告的能力，商家可以通过阿里妈妈的广告和阿里的各种内部营销渠道精准触达店内周边潜在客户；例如，一家美容店可以通过线上功能找出品牌的潜在客户，并向其所有线下专柜500米以外的客户发送线下体验券，引导用户在线下专柜体验购买。最后，它的反依赖率是百度LBS广告的5.5倍。同时转化率是天猫旗舰店的2.3倍，整个过程可以通过线上线下的转化链接进行追踪。

线下营销:地动仪提供的能力更加豁达，盒马店的开业很大程度上是通过社区推拉；地动仪提供拉新地图的能力，让店长开店时，可以洞察服务范围内所有社区的淘宝会员和潜在客户数量。店长通过整理潜在客户的数量和距离，可以安排蜜蜂在小区内散发传单，引导小区内的阿姨叔叔下载盒马完成第一笔交易。同时，利用交易数据可以计算出各个社区的渗透率。

通过这种方式，我们可以有针对性地、有计划地继续迭代。当渗透率稳步提升时，可以停止社区的推广，提高营销效率，降低成本。同时也有可能通过短信的方式到达精准的，ROI是蜜蜂的10倍以上。

线下也可以做定向投放:比如线上营销宝线下宝是提供线下定向投放的平台，广告资源提供商在上面上传公交、楼宇、户外等线下的数字信息；商家可以根据标签选择目标人群，地震仪可以通过人群的轨迹信息计算出每个广告位对人群的到达率；帮助商家选择到达率高的广告位进行广告投放，并在广告投放过程中跟踪到达效果。目前，18W+光斑的数字化已经完成。

2.标准化与业务流程优化

可以实时看到客流统计、客流结构、客户画像、店内动线，以及各类型客户、各活动、各品类、各渠道的转化效果。

通过长期沉淀，就像线上一样，可以沉淀出一套标准化、最优化的商业实践和sop，包括:新策略、会员关系维护、品类优化、货架优化等。，这样每个店铺的运营就不再依赖店长的经验了。

3.业务流程的智能化

1)选址

以盒马来语为例。每家新店的候选人都会被评估其商业潜力。

以已开店数据为基础，结合人口结构、竞争门店、新候选站点周边微环境等数据，提炼每个个体的购物习惯和偏好，预测开店6个月后的顾客数量。甚至目前对每个细胞的渗透率可以达到80%-85%的准确率；以后我们再进一步预测销量，再加上财务成本，这样就可以预测我们能不能盈利，什么时候盈利。

2)类别选择和优化

北京和上海的用户对商品的偏好不同，上海的市区和郊区不同，文教区和商务区也不同。

产品质量直接影响收益；因此，需要根据服务区域内的消费者偏好、消费趋势和季节因素，构建基于消费者需求预测的产品选择模型和系统；并与渠道经销商对接，从而自动选择和补充产品，持续为区域内消费者提供和更新最符合其需求的产品。产品选择是盒马和零售传播业务中非常重要的一个环节。

3)门店配送

新零售模式的另一个重要特征是门店配送，这是一个很大的成本构成；开店之初，通过对各个社区渗透率的预测，可以定义出收入/配送成本最优的配送区域。在配送环节，基于消费者的位置和路线优化订单收集和路线规划，提高单个快递员单位时间的配送数据，降低配送成本。

四.人才知识结构

机器学习:这是数据挖掘的一般能力。它具有利用海量数据、构建合适的机器学习模型、挖掘有价值的信息和预测未来的能力。

运筹学与机器优化:对于选址、选品等新零售运营优化问题，具备运用运筹学算法或机器优化算法结合机器学习构建智能算法的能力。

Time 空数据挖掘:因为我们面对大量的time 空数据，所以需要具备time 空数据的知识和time 空数据的分析方法。

零售行业分析:零售行业很多方法论都是建立起来的，需要有零售行业的专业背景，结合先进的数据技术，对零售行业的传统分析方法进行升级。

可视化:由于线下空之间数据难以理解的特殊性，数据可视化对于理解数据非常重要。

动词 （verb的缩写）数据和算法技术及挑战

痛点:线下行为数字化。

1.[计]数字化ˌ数位化ˌ数码化

数据的基础是业务的数字化。互联网的优势在于用户的每一个行为、商品的详细信息、交易和物流环节都完全数字化。然而，线下信息并不那么理想。

2.消费者身份

互联网最大的优势是可以识别消费者的完整路径，甚至可以细化到鼠标在某个业务停留多长时间，但对线下行为的识别要差很多。

3.商店、商品和交易的数字化

门店、商品、交易的数字化需要商家的帮助，翻出线下门店和商品，通过无线支付存入交易信息；比如Box Horse可以实现线上线下同等库存，店铺没有现金支付，可以实现与线上同等的数字化水平。

4.[计]数字化ˌ数位化ˌ数码化

与线上相对应，数字化只是业务环节的点状信息，需要融合挖掘成结构化的数据资产才能有价值。

从整体结构看，是关于人、货、场的属性及其关系。大部分逻辑与在线数据的构建一致。然而，由于线下数据的稀缺性和特殊性，数据挖掘的方法各不相同。

5.用抽样数据还原消费者的完整行为。

重点构建客流减少模型，从20%可识别数据出发，结合消费者行为规则，完整重构各品类甚至各消费者的线下信息和线上购买行为，从而推导出准确的线下客流。

店内行为识别:以前只知道线下行为识别对店铺的深度，没有得到店内与商品、动线的互动。这些数据对于品类规划和动线设计非常重要。目前，我们正在结合高精度WIFI、视频、IoT等手段，实现消费者在店内的无感知轨迹和行为识别，包括在货架前停留的时间、拿起和放下商品的时间。

6.智能化

电子商务90%的智能在于个性化，使消费者以最小的决策成本获得想要的商品；然而，新零售的智能化需要深入供应链。门店、前置仓、分级仓、渠道经销商重新进入整个商业环节，而线上供应链端的需求、数据、算法积累非常薄弱。

通过完整的消费者全链路消费和偏好模型，可以在各种业务场景中生成消费者和商品粒度的准确需求预测。

将运筹学和机器学习相结合，构建了机器优化算法，并给出了各应用场景的智能模型。

作者:熊毅；微信号:福克斯-熊绎