什么是新零售(到底什么是新零售？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，将会用数据和算法对人、场、货进行数字化、重构和精准分析；笔者分享对新零售中人、市场、商品的分析。让我们看一看。

一、新零售场景数据的价值和挑战

沃尔玛是行业的标杆:从开店、仓配选址、物流、品类优化等整个供应链的持续优化，所有业务都可以数字化；尤其是消费者的可识别性，使得个性化成为电商的标准，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。

国外对整个零售商业的数字化、数字化、智能化升级已经是几十年的事情了。我们希望中国互联网的后发优势能够通过我们的能力在几年内达到并超过国外的先进水平。

新零售需要完成人、货、市场的重构。在商业上，它需要完成线上线下的深度融合，用互联网赋能传统零售业。这就要求线上和线下的商家都需要完整的数据，比如文佳社会百科全书和通过商业链接运行的算法。

从系统上讲——在数据和算法上，我们需要把人、商品、领域数字化、数据化，通过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；向异地旅游的消费者赠送景区优惠门票；当用户在城西银泰时，推送猫猫通知。

场景识别能力和无线推送的结合，可以更好地引导消费者以线上手段满足线下场景的需求；目前场景推送能力已经打通了手淘、天猫、飞猪、短信等多个终端。淘每天几千万的推送，打开率比平均高30%-50%。

2)现场服务

比如外卖，会员码业务对手淘有战略意义。精准的场景识别，可以让消费者随时在线放开手脚，获得自己想要的服务。比如他们能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

比如可以预测消费者未来15天是否有长途需求，提前到达推荐中的交通产品；或者，在盒马鲜生的推荐逻辑中，加入消费者与社群关系的因素，进行相关推荐。

4)LBS搜索

比如家居装修，当消费者搜索手中的沙发时，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。实践证明，可以获得较好的转换效果。

第三，面向业务的数据管理产品

1.精准的客户获取和营销

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。首先给商家提供的是线上线下结合的精准获客能力，效果可追踪。

在线营销:地震仪提供了到达LBS广告的能力。商家可以通过阿里妈妈广告和阿里内部各种营销渠道精准触达店铺周边的潜在客户；比如某美妆商家，通过线上的特色，挖掘出品牌的潜在客户，向距离其所有线下专柜500米的客户发送线下体验券，引导用户到线下专柜体验购买。最终，其反依赖率是百度LBS广告的5.5倍；同时转化率是天猫旗舰店的2.3倍。线上线下转换链接全过程可追踪。

线下营销:地动仪提供的能力更豁达，盒马店的开业很大程度上是社区推的拉新；地动仪提供了拉新地图的能力，让店长开店时可以洞察服务范围内所有社区的淘宝会员数量和潜在客户数量；通过对潜在顾客数量和距离的排序，店长可以安排蜜蜂在小区内派发传单，并引导小区内的大爷大妈下载盒马，完成第一笔交易。同时，交易数据可以用来计算每个社区的渗透率。

这样才能有针对性、有计划的继续迭代。当渗透率稳步上升时，就可以停止社区的推广，提高营销效率，降低成本。同时还可以通过短信的方式精准触达，ROI是蜜蜂的10倍以上。

线下也可以做定向投放:比如网购网购是一个提供线下定向投放的平台，广告资源商在这个平台上传公交、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，地震仪通过人群的轨迹信息计算每个广告位对人群的到达率；帮助商家选择触达率高的广告位进行广告投放，并在广告投放过程中跟踪触达效果。目前已完成18W+点的数字化。

2.业务流程的标准化和优化

可以实时看到客流统计、客流结构、客户画像、店内动线、每类客户、每项活动、每类、每条渠道的转化效果。

通过长期的沉淀，可以像线上一样沉淀出一套规范的、优化的商业实践和sop，包括:新策略、会员关系维护、品类优化、货架摆放优化等。，让每家店的经营不再依赖店长的经验。

3.业务流程的智能化

1)选址

以盒马来语为例。每一个新的商店候选地点的商业潜力进行评估。

通过已开店数据，结合新候选点周边的人口结构、竞争店铺、微环境数据，提炼出每个个体的购物习惯和喜好，预测开店6个月后的顾客数量；甚至每个社区的渗透率目前都能达到80%-85%的准确率；后面会进一步预测销量，再加上财务成本，就可以预测是否盈利，何时盈利。

2)类别选择和优化

北京和上海的用户对商品的偏好不同，上海市区和郊区也不同，文教区和商业区也不同。

产品的质量直接影响收入；因此，我们需要根据服务区域的消费者偏好、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；并与渠道商对接，从而实现产品的自动选择和补货，不断提供和更新最符合区域消费者需求的产品。产品选择是盒马和零售业务中非常重要的一个环节。

3)店铺分布

新零售模式的另一个重要特征是门店配送，这是一大成本构成；开店初期，可以通过对各个社区渗透率的预测，圈定收益/配送成本最优的配送区域。并且在配送过程中，基于消费者的位置和配送路线，优化收件顺序和路线规划，从而提高单个快递员单位时间的投递数据，降低配送成本。

四。人才的知识结构

机器学习:这是数据挖掘的通用能力。它有能力使用海量数据，建立适当的机器学习模型，挖掘有价值的信息，并对未来做出预测。

运筹学和机器优化:对于选址、产品选择等新零售商业优化问题，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。

时间空数据挖掘:由于我们面对大量的时间空数据，需要具备时间空数据的知识和时间空数据的分析方法。

零售业分析:建立了许多零售业的方法论。需要有零售行业的专业背景，结合先进的数据技术，提升零售行业的传统分析方法。

可视化:离线空之间的数据很难理解，这使得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

数据的基础是商业的数字化，互联网的优势是用户的每一个行为，商品、交易、物流的详细信息都是完全数字化的；但是，线下的信息并不那么理想。

2.消费者的识别

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商家停留多长时间，而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，把线下的门店、商品转起来，通过无线支付，把交易信息存起来；比如盒马，线上线下都有库存，门店没有现金支付，可以做到和线上差不多的数字化程度。

4.[计]数字化ˌ数位化ˌ数码化

数字化对应的是线上，线上只是业务环节的点信息。这些信息需要被融合和挖掘成有价值的结构化数据资产。

从整体结构上讲，讲的是人、货、场的属性，以及它们之间的关系。大部分逻辑与线上数据的构建是一致的，但由于线下数据的稀缺性和特殊性，数据挖掘的方法有所不同。

5.用采样数据还原消费者的完整行为。

构建关键客流还原模型，从20%的可识别数据，结合消费者的行为规律，完整重构每一个品类甚至每一个消费者的线下购物和线上购买行为的信息，从而推导出精准的线下客流。

店内行为识别:之前我们线下行为识别的深度只到了店面，没有获得与店内商品、动线的互动。这些数据对于品类规划和动线设计具有重要意义；目前正在结合高精度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，包括在货架前的停留时间、拿起和放下商品。

6.智力

电商的智能90%在于个性化，让消费者以最小的决策成本获得想要的商品；但新零售的智能化需要深入供应链，门店、前置仓、分级仓、渠道商重新进入整个商业环节，而供应链的线上需求、数据、算法积累都非常薄弱。

通过全链条消费者完整的消费和偏好模型，可以产生各种商业场景下消费者和商品的精准需求预测。

将运筹学与机器学习相结合，构建了机器优化的算法，生成了针对各种应用场景的智能模型。

作者:熊毅；微信号:福克斯-熊绎

以上就是由优质生活领域创作者 嘉文社百科网小编 整理编辑的，如果觉得有帮助欢迎收藏转发~