如果做一个2017年年度风口评选，新零售一定能在榜单上获得一席之地。电商、微商、无人售货机，都想借助新零售的概念为自己镀一层金。
如果做一个2017年年度风口评选，新零售一定能在榜单上获得一席之地。电商、微商、无人售货机，都想借助新零售的概念为自己镀一层金。
可实际上，真正能够利用新零售风口迎来大发展的还是占据了超过八成市场份额的实体零售，这也是阿里新零售、京东无界零售等概念被提出的原因。
新零售的概念理解起来不难，以线上为出发点的话，行动起来也不难：开线下体验店、收购实体商业股份、铺设无人零售硬件……可对于传统的线下商家而言，虽然能理解新零售的重要性，可要说转型新零售，往往又有一种无处下手感觉。
今天我们探讨的问题就是，线下商业体究竟要怎样才能获得那张新零售的入场券。
线下商业需要被改变？线下商业体一直在努力改变
在很多人心目中，线下商业体似乎就是“冥顽不化”的代言人。可说实在的，线下商业体作为最古老的商业模式的继承人，在变革上可比大多数线上商业体努力多了。
在电商还处在萌芽阶段时，实体商业就已经在利用SEM、SEO宣传自己。到了今天，在数次转型风潮中，线下商业体们不知道养活了多少网站开发、App开发、微信开发和新媒体运营。最后人们发现，每次都是线上商业体倒逼线下商业体转型，可线下商业体费了半天力气却只是把钱放到了其他线上商业体的口袋里。
而如果新零售就意味着为店铺里的每件产品贴上电商sku二维码，或是在店铺里放一面有着AR特效和弹幕功能的大屏，那这一切和过去的互联网+相比又有什么区别？
不管是过去的互联网+还是如今的新零售，把那些成就了互联网企业的工具和方法论直接安插到线下来从来都不是最有效的路径。至于所谓的线上和线下融合，疏通库存和供应链等等，虽然降低库存成本很重要，但新零售能做到的明显比这些更多。
生来不同，新旧零售模式的基因究竟差在哪？
如果把阿里、京东等看做新零售，把以往的商超看做“旧零售”，他们两者之间最大的区别究竟在哪？
相信绝不仅仅是京东和阿里有App、有物流和消费金融服务，这些区别几乎是毫无门槛的，用钱就可以填平。我们最常说的是“XX公司有互联网基因”，新零售和旧零售同样也存在着基因上的区别。
由线上蔓延到线下的新零售，无时无刻不强调数据的重要性，是因为数据曾经是他们唯一的资源。线上商业体没法对店铺进行选址，但却可以清楚的看到自己的每一位用户从哪里来，了解到他们的性别、地域、喜好等等。掌握了用户，就掌握了商业的无尽可能。对于“人”的充分了解，几乎撑起了互联网商业模式的半边天。而对于线下商业体而言，数据更多代表着流水、库存量、利润等财会方面的数字。
这就是为什么，互联网企业可以靠着用户量拿下上亿的融资，线下企业去银行借贷时却要抵押房产证。新零售与旧零售基因中的最大区别，就在于对“人”的考量上。在旧零售中，人只代表着客单价和客流量，可在新零售中，“人”代表着用户，代表着巨大的想象空间。
很多人把新零售解读为对“人、货、场”的重构，如果“货”和“场”意味着更精准的选品选址、更合理的库存设置，那这一切很显然是基于对“人”的充分了解之上的。通过来自人的数据去校验货的数据和场的数据，本质上新零售的“人货场”是一种数据之间的互相印证。
如果说用户调研是种玄学，那线下大数据就是科学
其实不管新与旧，每个商业体都知道了解用户的重要性，但对于线下商业体来说，了解用户实在不是一件容易事。
在过去，有钱的企业找家咨询公司天天做调研和焦点小组，没钱的企业在客户的消费间隙小心翼翼地问一句“您还满意吗？”。谁也说不清得来的结果到底有没有价值，到最后甚至成为了一种玄学。
新零售一来，似乎解决了这一问题。在某猫、某狗、某狮上统统开设旗舰店，微信微博头条等新媒体账号开个遍，综合以上所有平台的用户行为，似乎就能非常系统地去了解自己的用户了。
但通过线上途径去了解用户，只能解决一半的问题。用户在线上的行为几乎毫无成本，搜索、浏览和点击或许只是消磨时间的方式，我们可能会在电商平台上美滋滋的看一天名车名表，到了线下却不曾踏入过4S店一步。更别提泛滥的流量劫持和水军了。
相比线上数据的真实程度和噪声比例，线下数据往往要更真实和更有价值。两者结合起来，才能从真正意义上帮每一个商业体完成“人货场”的数据运转。
线下数据资产化：在货架和账本之外寻找新机会
如何去了解和利用线下数据，成了获得新零售入场券的关键。而帮助企业获得入场券，也成了很多企业共同的目标。
帮助企业装置红外感应器、在商场中铺设免费WiFi、在各个商铺里搭建会员消费体系……想要在线下获取用户数据，并没有想象中那样困难。
但在最近完成了3亿元B轮系列融资的众盟数据看来，在收银机和店铺门口搭设传感器仅仅是利用线下数据的第一步。
众盟数据提出了“线下数据资产化”——有效获取数据资源、全面盘活数据资产、持续积累数据资本。
对于企业而言，重要的是如何利用数据资源。免费WiFi中可以得知用户停留时间、红外感应可以得到用户数量，甚至在摄像头监控录像中都能看到每个用户在店内的行走路线。现实却是，大量用户数据停留在数据库中得不到妥善利用，甚至在空间不足时还要被定时删除。
在我们看来，通过深度学习可以预知未来一段时间的来客数量，从而让商家提前进行人员储备；通过协同过滤算法可以得知用户们在自己货架之外的购物喜好，辅助选品。只是这些都在线下商业体的能力之外，光是把视频、表格这些非结构化数据清晰标注好就是一项很困难的工作，更别提未来还要面对人脸识别、眼动追踪等更新的技术。
获取线下数据的途径只会越来越多，所累积到的数据量也会呈爆炸式增长。可对于成天和货架与现钞打交道的线下商业体来说，花几十上百万年薪去雇佣数据挖掘专家和机器学习工程师来处理这些数据显然是一种低效的做法。
在这其中，就给了众盟数据机会。
重构线下商业体价值，新零售=新公平
在众盟数据创始人&CEO广宇昊看来，对于线下数据的利用不仅仅是帮助商业体更好的从“场”中了解“人”，以便更好地卖“货”，而在于对整个线下商业体价值的重构。
线下商业体想要转型新零售，第一步就是要改变观念，认同“人”的价值，愿意从线下用户数据中拓展更多的可能性。当这种观念逐渐普及，线下商业体的价值也会发生改变。
就像以往我们评价一家连锁超市的价值时，会注重他们有多少家分店、占地面积达到多少平米、货款周期有多长。可事实证明，藏在地下室的小店也能卖昂贵的怀石料理，小型便利店成功的秘诀在于任何时段都能有产品吸引客流。
以前我们虽然意识到线下商业体中可能存在非常规的商业价值，但很少能为这些价值设立一个标准。而线下数据资产化的最大作用，就是把这些非常规的商业价值量化。
如果我们可以清晰的看到一家小店铺中有着超高的翻台率，并且用户的商业属性高、黏性强，我们自然不再会以锅碗瓢盆来评估这家店铺的商业价值。或许把这些数据写到BP里，还能让这家店铺拿到一笔不小的融资。线下数据一旦被量化就拥有了金融属性，而拥有金融属性就意味着数据成为了资产。和线上商业体一样，数据可以成为未来发展可能性的背书。
新零售的一个重要意义就在于此。帮助那些大体量的线下商业体压缩供应链成本和获得更多精准流量固然重要，但更有价值的是商业世界的公平性，让所有不同形态的商业体拥有同样的机会，可以去用数据证明自己。只有线上与线下、大集团与小店铺都站上同一条跑道，新零售才能照亮商业世界的每一个死角。
网友评论