如果数据不是骗人的，那么数据是不会骗人的。

先来看一组数据，看看过去几年我国居民收入增长和消费增长与GDP增长的对比。

2016年国内生产总值744127亿元，比上年增长6.7%。其中，第一产业增加值63671亿元，增长3.3%；第二产业增加值296236亿元，增长6.1%；第三产业增加值384221亿元，增长7.8%。

2016年全国居民人均可支配收入23821元，比上年增长8.4%，扣除价格因素，实际增长6.3%。按常住地分，城镇居民人均可支配收入33616元，比上年增长7.8%，扣除价格因素，实际增长5.6%；农村居民人均可支配收入12363元，比上年增长8.2%，扣除价格因素，实际增长6.2%。

全国居民人均消费支出17111元，比上年增长8.9%，扣除价格因素，实际增长6.8%。按常住地分，城镇居民人均消费支出23079元，增长7.9%，扣除价格因素，实际增长5.7%；农村居民人均消费支出10130元，增长9.8%，扣除价格因素，实际增长7.8%。恩格尔系数为30.1%，比上年下降0.5个百分点，其中城镇为29.3%，农村为32.2%。

可以看出，新常态之下，我国城乡居民收入增速要低于居民消费增速，甚至也低于国家GDP增速。

下面我们再看实体零售业和网上零售业的情况。

中国连锁经营协会“2016年行业基本情况及连锁百强调查”显示，2016年连锁百强销售规模2.1万亿元，同比增长3.5%，为有统计以来最低的一年。销售负增长企业34家，比上一年增加3家。便利店增幅最高，达到16.7%，专业店和专卖店为6.5%，购物中心1.6%，超市和大型超市1.5%，百货店为-2.5%。

2016年网上零售额51556亿元，比上年增长26.2%。其中网上商品零售额41944亿元，增长25.6%，占社会消费品零售总额的比重为12.6%。

可以看出，一方面我国居民消费的87.4%仍然发生在线下，12.6%发生在线上，另一方面传统零售和网络零售增速都呈现下降趋势，但电商增速仍远高于传统零售。

也就是说，网上消费由于基数较低，因此增速仍较快，但网上店铺由于各项成本和流量费用增长，曾经相较于线下店铺的低成本优势已经不在，网上消费增长呈减缓趋势。

网上消费增速虽然减缓，但内部并不平衡，其中跨境贸易仍保持高增长，以京东为代表的B2C品牌电商增速和利润也保持高增长，说明我国居民对高品质产品的需求是不断增加的（以淘宝为代表的C2C平台销售数据目前都找不到了，你懂的）。

因此，在居民收入增速较低的背景下，从全国来看，消费的增量不会太高，消费存量的博弈就很重要，消费升级对高品质、高标准、优服务产生了新的要求。而新零售就是在这样的背景之下产生，一方面为线下实体零售从线上找流量、找粉丝、找客户，给实体零售做线上服务的有赞3年就上市了；另一方面线上零售不断侵入线下，像马爸爸就一直在收购线下零售企业，京东强哥也要开展“百万便利店计划”，无非都是在现有增长放缓的背景下从别人口里更多的分一杯羹。

中国零售业所面临的最具挑战的竞争，就是顾客和市场需求的纷繁复杂及其飘忽不定的变化。而零售企业成功乃至存活的关键，就是如何采取灵活多变且机智的应对行动，这就要求管理者要能够顺应市场的变化、快速发现并处理问题，并且及时的制定解决方案和抓住市场机会。因此，基于数据和事实，质量更高、速度更快、成本更低的决策显现了前所未有的重要性。

2018年上半年零售行业主要呈现三大趋势:（1）线上线下融合加速落地。就表现形式而言，主要由基于消费体验重构的融合、供应链效率提升与渠道下沉以及消费场景延伸是线上线下融合的三类形式。（2）社交电商异军突起。模式上主要分为现有流量入口的商业价值挖掘和平台化运营两大类。（3）泛零售品类不断扩展。横向扩充与纵向延伸同步推进。此外，从消费端趋势来看，以代际变迁与消费升级为核心的基本趋势将长期持续存在。

中商产业研究院数据库显示：2012-2017年卜蜂莲花销售额走势如图。据统计数据显示，2017年卜蜂莲花销售额为127亿元，同比下降2.3%。

数据来源：中商产业研究院数据库

从门店方面来看，2017年卜蜂莲花相较于2016年有所增长。2017年卜蜂莲花门店数量为95个，同比增长18.8%。

数据来源：中商产业研究院数据库

中国零售业所面临的最具挑战的竞争，就是顾客和市场需求的纷繁复杂及其飘忽不定的变化。而零售企业成功乃至存活的关键，就是如何采取灵活多变且机智的应对行动，这就要求管理者要能够顺应市场的变化、快速发现并处理问题，并且及时的制定解决方案和抓住市场机会。因此，基于数据和事实，质量更高、速度更快、成本更低的决策显现了前所未有的重要性。

中国零售企业在经历的十几年的信息化高度发展的历程，也积攒了大量的宝贵数据，但面对大数据这个“金矿”，各家企业由于经营模式、管理风格、重视程度、资金投入等不同，对于这个“金矿”的挖掘程度有极大的不同，零售大数据的分析应用均处在不同的阶段，甚至出现的“两极分化”的局面。

下面就是我在日常和零售企业接触的过程所总结出来的零售大数据分析应用的四个阶段，希望能够给大家指明方向。

第一阶段丨集成展示

有句话说的好“销售额首先是追踪出来的，其次才是分析出来的”。

ERP在中国普及进程已经有了10多年历史，没有ERP的企业可谓越来越少。零售企业利用ERP可以搜集和整合整个企业的数据，形成一个完整的数据流，把企业内不同来源的数据信息集中到单一的一个仓库中来，使各个职能在自己需要的时间和地点通过图表看板、计分板的形式看到自己所需要的数据，并且展现出决策者最为关注的运营要素—关键绩效指标如销售额、坪效、利润率、客单价、进店率、转化率、目标完成率、同比增长率等等，这些都可以以“商业报告”的形式出现，该报告的主题紧紧围绕着“过去发生了什么”以及“正在发生什么”而展开，这也是大多数BI系统和数据中心平台的核心功能。

这一阶段的最大的困难为数据的集成和整合，每个零售企业都有数十个大大小小的部门系统，而这些系统都是一个独立的数据源，他们都有自己的定义、标准和侧重，而对这些来源不同数据进行合并、清理、转换和简化，最终建立一致性的数据是非常有挑战性的。

第二阶段丨分析判断

在第一阶段整合了数据来源后，零售业决策者关心的重点发生了转移，从“发生了什么”转向“为什么发生”。分析判断数据的目的是了解数据报表、商业报告的背后的含义，以及这些过往行为发生的动机和原因，这就需要对更加详细的数据进行多维度的分析。这种分析判断更多的是建立在对于零售业务逻辑的理解之上，一般会采用简单有效的分析方法和简便的分析工具对数据进行处理。

该阶段数据分析师这一角色开始真正出现，数据分析师需要非常熟悉业务，最好有实际业务操作的背景，能够用业务的语言和逻辑把运营异常解释的通顺，此阶段不要求对算法、模型和工具的应用非常高深，而对于快速将数据分析结果进行落地，赢取各个业务部门的信任的要求非常高。

例如一个服装品牌的一款裙装销售好的超出预期，那就要找从“人、货、场”三个核心来找原因分析判断火爆原因：

是否有什么买赠、打折、捆绑、支付等促销活动，店员对该商品是否有特殊的推荐等；

该商品的陈列、包装、设计、款式等是否有特色、是否是限量销售、限时特价等等；

以及顾客购买此商品的动机是什么，是否要释放压力、还是从众心理、攀比心态等；

此外，还要考虑竞争对手是否有断货问题、大型企业客户是否有团购等因素，甚至出现了在排除各种原因之后才知道，这款裙装和当时热播电视剧中某个明星穿的比较相似，因电视剧热播而带动了该款裙子的热销，虽然在该款衣服上所投入过多的市场资源其实并不多。

第三阶段丨预测未来

企业在有了前两个阶段的基础之后，关注点会进一步超越当前，开始思考更贴近经营上的问题：“将来会发生什么”。

从本质上说预测就是根据零售企业所过去发生的事件以及当前实时的影响因素，对于销售额、利润率、成本等未来的取值做出自动化和智能化的估计。简单的分析对于估算畅销概率的作用有限，在大多数复杂的应用中，需要建立数学模型来还原零售的业务规律。

例如建立销售预测模型来量化销量的影响因素及各因素之间的交互影响、建立定价优化模型来还原价格与销量之间的关系并找到最科学的价格以实现经营目标。而建立模型的目的就是将之前各个角落里的经验用数学的形式表现出来，虽然并不是十全十美，但会无限逼近真实情况。

要建立数学模型要解决三个问题，首先是数据的量要达到一定的规模和质量；其实是用什么样的算法，如用时间序列还是回归或是人工智能算法；第三是“数据+算法”可以围绕什么业务场景，建立什么样的模型及参数。

例如Google的工程师从众多关于流感的关键词组合中，挑出45个重要检索词条作为特征，训练了一个线性回归模型来预测2007年和2008年流感传播的趋势、时间和地点，该模型预测结果的准确率最后高达97%，而该模型完全可以和关于流感的商品如口罩、营养食品、非处方药品等销售建立起联系，构建“流感商品销售指数”，来指导这些商品在特定时间、地点的具体销售数量。

再例如7-Eleven零售门店通过卫星云图了解到两天后气温将上升两度，会提前订购比平常销量多30%的矿泉水。

第四阶段丨指导决策

这一阶段侧重于对业务、营运、经营、战略的决策的指导，回答的问题其实就是：“我应该做什么”才能达到最佳的状态。前三个阶段都不是终极目的，例如销售预测不是为了预测而预测，预测准确率达到100%又如何，关键是做了预测以后能给企业的决策行为带来什么样的帮助，对于零售企业而言，销售预测以后紧接着的行为就是补货，补货过程中就会涉及到多级库存管理。

而补货行为又驱动了后续的采购、生产、物流、仓储等行为，同时企业的决策层可以根据未来的预测来做出是否要开设渠道、建立工厂、购买仓库等重要战略决策，这些行为的决策都是建立在前三个阶段之上的。同时决策模拟也是这个阶段的重要应用，针对零售流程中的随机因素，引入各种约束条件，构建出若干个相互关联的场景模型来全真模拟真实情景，从而事先预知各种决策可能的结果，提高决策准确性。

大数据时代已经悄然来临，不懂大数据就做不了大生意，未来甚至做不了生意。

我所接触的不少中国零售企业对于大数据的分析应用都处在第一或者第二阶段，也有少数企业如京东、华为处在第三甚至初步进入第四阶段，虽然不少企业所处的阶段还比较低，但是至少有两点让我看到了希望：很多企业的数据基础都很不错，积攒了大量的数据，同时很多零售企业对于大数据应用的意愿和兴趣都非常强烈和热切。

这些企业对于自身的业务也非常的精通，只是受制于算法、人才、技术等对于如何把业务和数据结合在一起产生价值还不甚清楚，但是这些未来都不会成为中国零售企业对于大数据孜孜追求的障碍，因为未来一定会出现大量的第三方公司来提供专业的数据分析、建模和优化服务，帮助企业早日迈入数据驱动决策阶段。

在美国等商业发展较早且更为发达的地区，客流分析统计系统早已深入人心，并得到广泛的普及。为什么要用客流分析统计系统?说白了，客流统计系统就是关于你店铺的大数据系统。对零售商来说，这是他们了解店铺客流、了解顾客购买心理、安排员工工时，安排节假日促销活动的重要工具。同时还能分析他们店铺的经营表现及业绩。本文将从客流统计的应用场景及客流统计的技术发展进行展开，为读者展示服装业、大型商铺和购物中心客流统计的重要性。

购物中心作为一个以零售为主的商业组织形式，需要精细化管理，而精细化管理以事实为依据，用数字说话，决策者、管理者通过对购物中心各个硬软件得出的数字进行分析，并用这些数据为顾客与商户服务。客流量对大型购物中心来说是其核心元素，充足有效的客流才能提升购物中心的盈利能力，客流不仅是定位和招商的基础，更是购物中心是否能成功运营的关键。近几年来，精确地统计进入购物中心的顾客数量成了优化购物中心运营的必要手段。那么，客流统计系统对零售餐饮业的贡献究竟有多大呢。

客流统计分析能做什么？

如果没有准确的客流数据很难做出合理的、令人信服的划分。客流分析作用大体总结如下：

1．顾客画像分析，主要统计客流量总体的年龄段和性别、兴趣偏好、学历、收入水平等进行标签分类管理；

2．商圈消费能力，分析客群消费平均水平决定了商品定价的前提；

3．客流访问路径，汇总出一条或者多条主要顾客购物行为路径优化商场动线；

4．客流增长趋势，掌握客流量每一天变化趋势有利于营销工作的开展和进行；

5．回头客预测分析，及时识别回头客到店趋势，预测经营业绩。

技术发展

当了解客流统计分析的作用后我们首先看一看客流统计技术的技术发展。现在，运用的客流统计技术主要有三种：红外线客流统计、视频客流统计、WIFI探针客流统计，这三种客流统计技术，用哪种比较好?这个只能说，在不同的情况下，有不同的需求。

技术一： 红外线客流统计技术

传统的客流管理主要是总量上的统计，红外线客流统计技术可能更为常用。红外线客流统计技术依据人体的经过阻断红外线之间的对射进行客流量的统计，其统计客流数量方便，数据传输量小，成本较低，安装方便，对于光线要求不高。这种方式简单易实施，但缺点也显而易见，通过人体经过阻断红外线间的对射来测数，导致在多人经过时可能漏数，而不断进出的同一个体则会被重复计数等问题。这样测出来的客流数据存在着较大的偏差。

技术二：Wif探针客流统计技术

Wif探针技术能够根据手机统计出店内消费者的数量情况，还能够根据手机IP进行消费者在店内行动轨迹的追踪。对于手机不离身的现代人来说，这种统计方法已经能够相对精确地了解客流情况，当然，遇到没带手机、关闭无线等情况，这种技术也爱莫能助。

技术三：3d双目客流量统计系统设备

由于人工计数的准确率偏低且无法进行长期统计，红外方式又不能双向统计人流量，更无法统计并排时顾客人数，因此，借助视频分析技术，准确率高达95%的新型客流统计分析系统应运而生。

3d双目客流量统计系统的原理是基于嵌入式摄像镜头采集视频,然后对两个摄像头的视频图像进行视差计算,形成视频中人的3D图像,过对人体的形状和高度为分析目标,通过区域和方向的设定来统计通过人数。通过商场客流量的历史数据的对比，就可知道什么时间段的客流量变少，而在这个时间分析采用哪种营销方式可吸引增多客流量。

客流统计分析应用场景

应用场景一：Wifi探针为大型商铺、购物中心数据赋能

Wif探针技术能够根据手机统计出店内消费者的数量情况，还能够根据手机IP进行消费者在店内行动轨迹的追踪。对于手机不离身的现代人来说，这种统计方法已经能够相对精确地了解客流情况，并且 Wifi探针也是目前线下进行流量识别最好的手段，落地性、数据获取能力都很强。

通过客流统计我们可以对路径、频次和时长三个维度的数据对个体消费者进行识别和判断。比如，系统捕捉到消费者甲每个月要来商场两到三次，每次来了之后都直奔母婴区，而且在那停留很长时间。那么，系统就可以给他打上“母婴”的标签。以此类推，就可以根据消费者的行为习惯赋予其各种各样的标签。

此外，通过Wifi探针的客流统计系统还可以从用户生命周期的维度对消费者进行管理，给消费者打上高、低活跃度，新、老客户，流失客，回流客等标签。后台支持多种标签组合查询和统计分析，比如可以分析母婴类客户的新增和流失客户情况。让商场经营者对自己场内的客流变化一目了然，并有针对性地组织各类营销活动。

过去商场的营销活动都是围绕节假日展开的，缺少针对性。有了通过Wifi探针的客流统计系统，商场就可以更加有的放矢。营销活动结束后还可以根据后台数据分析目标客户的回流情况，评估营销活动的效果，并及时进行调整。甚至能够分析出不同的天气、活动对店铺客流的影响。

应用场景二：客流分析助力购物中心

第一，客流统计系统能够为购物中心确定铺位租金水平。只需在购楼物中心的各个出入口、各层、各通道、各商铺门前安装客流统计系统，就可以获得不同时段的客流分布情况，同一类型店中表现优异的租户立时可见，表现较差的营业区域可立即受到关注，而且从今往后，对于租户组合的调整不再盲目，完全可以通过客流数据来进行科学分析。更为重要的是，客流数据给购物中心的招商部门在确定具体楼层具体区位的铺位租金水平和今后的租金调整，提供了实实在在的数据支持。通过对出入口人流量数据的观测，可以帮助确定广告位定价，合理确定重要广告的摆放位置。

并且将客流统计系统得到的客流数据与租金水平结合，在租赁合同中设定可测量的运行参数，可以优化收入，展示投资者的绩效单。客流量数据还是购物中心资产的附加值，在如今竞争异常激烈的零售业，拥有更多人气的购物中心显然拥有较高的市场价值。

第二，客流统计系统为购物中心有计划地引进顾客分析，并制定合理的活动主题方案。由客流数据的日常统计使营运部门对整个购物中心的运营情况了然于心。其次，根据客流的变化，有效分配和安排物业管理人员、维护人员、安保人员、保洁人员等，合理利用人力资源。在活动期间，客流系统提供准确的人流数据，不但可以直观地对活动效果进行评估，结合其他数据报表亦可分析出营销活动和促销投资的回报情况，此外，结合历史同期活动的客流量数据，对比分析得出人流规律，为今后活动方案的制定提供依据。

第三，客流统计系统可为购物中心提供更详细的分析报表。客流统计系统，不但能够按时按需提供客流数据，将历史客流数据和当前客流信息进行对比分析，还能与购物中心现有的其他系统结合，对购物中心进行全方位多角度的分析，产生更为详尽的业绩报表，为管理人员分析现状、调整经营战术和确定未来经营方向，提供充分、有价值的信息。

应用场景三：视频探头在服装业、精品商铺的应用

通过客流统计系统的引进及双目摄像头的安装就可以统计进出店客流，并通过定制化客流报表来对运营KPI进行分析，为运营战略的调整提供强有力依据。

拿ETRO专卖店举例，ETRO在门店入口处安装22台双目摄像头摄像头进行监测，将进店客流传输至云端服务器，进而生成每日各时段、以及日/周/月汇总对比报表，店长及总部管理者可通过网页版轻松掌握各分店客流量、转化率。精准的客流统计，为门店的选址提供参考，更是改善了门店的管理效率、服务质量，最终促进成单量及客单价的提升。

虽然3d双目客流量统计系统成本远高于红外线客流统计技术和WIFI探针客流统计技术，但针对面向中高档消费群体的精品类商铺，客流量小，但对数据要求精准，此时并不需要安装过多双目摄像头，因此采用视频客流统计会远比其他两项更具优势，从而精准定位消费者，方便CRM管理，增加经营效益。

应用场景四：通过广告推送进行物流分析

实时客流统计分析，统计每日每时的实时客流信息，当用户在广告机前端停留1~2秒后，摄像头会抓拍人脸画像并可以精确统计任意时段内进店驻留人群的性别和年龄，商家使用客流统计用些信息分析出不同人群驻留店面时长、区域统计客流强度，产品关注度、不同人群关注的产品热度。通过大数据分析比对，有利于商家部署最佳的运营模式。

应用场景五：通过客流分析与消费者进行连接实现精准营销

当我们发现，有“女性-母婴亲子-童车童床”标签的客群，在“母婴亲子-辅食”“家居-家具”“家具-厨电耐用”也有不错的消费，后期在推送童车童床offer的同时，也可以同时考虑加上辅食、家具、厨电等活动。同时，我们可以发现，有酒类制品标签的客群，均有“购物-食品”的标签，后期在推送酒类制品offer的同时，也可以向他们推送食品的offer；另外支付的客群也有不错占比，后期也可以将支付融入到相关推送活动中。正是运用了客流统计分析系统实现了相关产品的精准营销。

应用场景六：客流统计是重新构建门店和消费者的连接

在实体门店中应用客流统计是重新构建门店和消费者的连接，运用客流统计系统，先进的人脸识别技术，捕捉进店的数量，并对人像进行分析，统计顾客的性别、年龄、身份等属性，通过后台生成的数据分析报表，呈现顾客的光顾频率和回头客分析，让店员第一时间了解顾客的消费行为习惯，摸清顾客消费偏好和消费心理，做出合适的商品推荐和提供专业的服务。

并与POS机无缝连接，有效计算出提袋率和客单价，让会员通过人脸实现自动积分，打折服务，专业巩固vip客户量和消费群，并预测客流动线，店员针对性调整商品及陈列布向，营造科学合理的消费场景完美实现门店与消费者的互动。

使用客流分析系统可能存在的问题

数据是否可信?可用？

您必须确信获取的数据具有高度的完整性和统计意义。一个值得信赖的数据门户还必须表明数据来源，以便您准确地向您组织内部的利益相关方进行数据汇报。

您的数据看起来像是难懂的数字堆砌，还是如叙事般清晰易懂?您是否能够将数据可视化?有时您仅需要原始数据，其他时候则需要通过高质量的数据可视化以助解读数据。因此，应确保您的分析解决方案两者皆备。

结语：

纵然面对一些问题的存在，客流分析统计系统还是好处诸多，甚至可以在选址落地前通过对顾客群体的了解和分析，从而对店铺面积大小、人员比例、预计成本比例、客单价、库存量有更准确地预估和调整。相信多维度数据的获取，能够为优化品牌商品结构、陈列布置、运营策略提供更多的支持。

会议预告：

中国电子商会商业信息化协会&零售CIO俱乐部 将于9月21-22日在石家庄国际展览中心举办2018第四届中国智慧商业与数字化运营高峰论坛，核心议题：

1、新零售下，重构人货场和新消费场景价值；

2、从经营商品到经营顾客，构建全新的数字化体验和数字化运营体系；

3、顾客数字化、商品数字化、服务数字化、营销数字化、供应链数字化、经营管理数字化，改造经营管理，重塑商业模式；

4、全域消费场景下的会员营销和CRM，构建数字化消费者运营平台；

5、AI、大数据新技术如何以人为本赋能智慧门店的运营管理？如何打造线上新零售智慧门店？

6、如何建设以门店为中心的新零售配送体系？

7、如何打通全渠道数据壁垒，挖掘大数据的核心价值？

8、如何形成一套自己的新零售+科技创新的打法，提升智能化、数字化的运营效益？

大数据在2017年是感到幸福的！在一个以消费者为中心的世界里，一种能够整体获取并利用客户数据来塑造产品、找出解决办法并改善购买体验的能力显得至关重要。消费者大数据分析的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。研究告诉我们，能够利用客户行为洞察力的那些公司，在销售增长上要比同伴高出85%，在毛利润上要高出25%。但是，延伸遗留系统、孤立的数据库以及发散性的自动操作都会对全数据分析造成阻碍。而企业除了打破数据孤岛之外，还得花时间梳理出关键的模型，才能发挥数据的价值。

不管一家公司成立的时间是长是短，实际上每一家公司都有珍贵的客户数据资源，这些资源能够被更好、更有效地利用起来。虽然每一个战略性倡议的基础依然适用——阐明一个顽强的、凝聚力强的数字策略；保证强有力的领导班子；保证正确的资源，并且优先推出一到两个高影响力的试验项目——公司无需等到他们“完美”的系统和科技全部到位。只要有这两个基本步骤，就能够打开机会的源泉。

利用客户数据来个性化外展服务，通过整合丰富的客户档案以及严格地追踪应答率，市场营销人员就能够精确地知道，在关键区段和微小区段里，什么频道上用哪种格式的哪些内容比较有可能产生最大的影响。十年之前，还没有工具能够做到这些。而现在有了。几乎所有的公司都可以从中受益。

华兴力拓创始合伙人华晓亮先生3月10日主题为“赋能新消费、新零售、新认知、新成长”的IBM华兴力拓新经济业务创新论坛举了一个关于数据驱动运营的案例，以下是他的原话：

一个真实的项目，深交所上市的某时尚女鞋品牌。这家企业有2000多家直营门店，一年的销售规模是20多亿，一年卖400多万双鞋，但是三年的时间只累积了80万的会员，这是我们进场前的客观事实。未来要做多渠道协同，需要什么样的思路？首先是对于客群的认知，企业经验性的认知跟真实的认知往往可能不一样。在我们最早的访谈中，其品牌主管认为主力消费人群是四五十岁的女性人群；我们通过对80多万会员去分析，发现事实上这是一个偏正态的分布，80后是其主力客群。既然线下有一波很年轻的人是主力人群，到底线上线下的人群是否是一拨人？这是其从高管到CEO都很关心的问题。我们将线上订单数据和线下的VIP会员及消费数据做了一个验证分析，可以看到交叉率非常低。如果这样的结论是真实的，那会让很多人如释重负，因为如果线上、线下是两拨不同的客群，那很多事情都好解决。但事实真的如此吗？我们接着去做了交叉验证，在热力图里我们可以看到，一线城市水滴是门店位置，热力代表的是线上的购物人群；我们将线上客户和线下门店的位置做完热力图后，发现其实是两者高度贴近，这意味着很多消费者之所以会到线上买，很可能是因为工作或生活的附近有该品牌的门店，大家有产品认知后才去买货，也就是说印证了“线下看货线上下单”。为了检验这个判断，我们又从SKU角度来验证，线上线下的SKU重合度是非常高的，线下有6000多个SKU, 其中有3700多款都是跟线上重合的。如果看爆款，线上线下的爆款重合度更高，这意味着机会成本有一个亿。因为鞋的线上毛利大约15%，线下毛利近一半，线上卖得多亏得更多。后面两张图给他们很大的震撼，过去没有人能够说清楚线上线下的交叉度是怎样的，但是现在能够看到是有挺大的问题，一方面是客户都有捡便宜的心理，另一方面是内部电商部门为了业绩想要多卖线下同款，管理层看到这个问题后，明确说能否做到多渠道协同？是否通过数据洞察来做多渠道协同增长？后来华兴力拓进一步对每个主要渠道，基于大数据进行洞察。举个例子来说，电商我们怎么入手？阿里全网占到了线上女鞋销售的90%，将阿里全网的市场趋势看清楚就足够了，所以我们聚焦在阿里。我们看天猫旗舰店在时尚女鞋的价格带分布，女鞋真正的爆款是300元以下，意味着主要是PU鞋。而类似像百丽和百丽的竞争对手都是真皮女鞋，不可能卖到300元以下。如果要走量，做爆款，对于这家品牌而言，是否要做PU鞋？第二点对于300元以上的鞋，不走量怎么去做?会找到一个特色人群，保持利润。结合这一块，给他一个清晰的认知，如何更好地定位线上的产品，从品类到SKU。我们做个举例，女孩都知道马丁靴很火，这个品牌的设计师认为马丁靴要遵循传统，是比较男性化气质的，而线上爆款是比较偏女性化的、经过改良的，比如说头是很多女性更喜欢的圆头。它的爆款逻辑是完全不一样的。包括我们说当年的雪地靴，因为Iphone6的的玫瑰金带火了雪地靴的粉色款等等。从SKU、品类、产品的爆款打造、定价等等，在进行综合的定位之后，这家公司线上和线下已经不再做线上和线下的同款，真正找到了线上线下的差异化思路。从去年来跟踪大数据方案落地之后11个月的销售业绩变化，销售均价提高了约5%，销量却提高了20%。比如如果对比另一家广州的真皮女鞋品牌，柯玛妮克，2015年它拿到IDG约 1亿元的投资，相较于投资之前价格下降销量反而下降更多。资本助推现在对很多企业固然很重要，但通过这个对比可以看到，如果对当前动态的市场没有清晰的认识并形成有效的经营策略，即使用资本去做叠加本质上依然没法带动业务成长。

那么，问题来了：

我们能够获得哪种类型的外部数据？想要创造出数据驱动的价值，我们需要和什么样的第三方合作？

我们需要有什么样的技能组合与能力？又能在哪里找到并发展它们？

“

7月初，商务部发布《中国零售行业发展报告（2016/2017年）》，全面展示了2016年我国零售业的发展情况，并对行业发展环境做出分析，指出了行业存在的问题，预判了未来发展趋势。

一、行业发展概况

1、行业总体规模

1）法人企业数量快速增长

伴随国家简政放权、放管结合、优化服务改革持续深化，零售行业“大众创业、万众创新”日益活跃，2016年我国零售业经营单位数延续小幅增长态势，法人企业数量快速增长。

据商务部典型零售企业统计数据测算，截至2016年底我国零售业经营单位共有1811.91万个，同比增长5.2%。

其中，法人企业单位数量为244.83万个，同比增长28%，占全部经营单位比重为13.5%，比上年提升2.4个百分点；个体工商户数量1567.08万个，同比增长2.4%，占全部经营单位比重为86.5%。

2）商品零售增速缓中趋稳

近年来，随着我国经济进入新常态，商品零售额增速逐年下降，从2010年到2015年累计下降7.9个百分点，年均下降1.6个百分点。

2016年，零售企业转型升级成效显现，商品零售额增长缓中趋稳，限额以上大中型法人企业销售额增长加快。据国家统计局数据，2016年我国商品零售额为296518亿元，同比增长10.4%，增速比上年降低0.2个百分点，降幅比上年收窄1.4个百分点。

据商务部典型零售企业统计数据测算，2016年限额以上大中型法人企业销售额为9.15 万亿元，同比增长2.7%，增速比上年提高1.5个百分点；限额以上大中型法人企业销售额占商品零售额比重为30.9%，比上年同期减少2.3个百分点。

从主要经济体零售行业增长情况来看，2016年我国商品零售额增速仍处于较高水平，分别比美国、日本、欧盟高7.5、11和7.6个百分点。

3）大型零售企业出现好转

2011年开始，大型零售企业销售额增速连续放缓，近两年甚至出现负增长，进入2016年，见底回稳态势明显，尤其是下半年以来大型零售企业增长情况已经出现好转。

据中华全国商业信息中心数据，2016年全国百家重点大型零售企业零售额同比下降0.5%；下半年市场情况出现好转，7月、9月、11月、12月百家重点大型零售企业零售额同比为正增长，其中9月、11月、12月增速高于上年同期，12月增速高达7%。

2、主要业态情况

1）实体零售增速明显分化

面临“千店一面”的同质化竞争、网络零售的消费分流、消费需求深刻变化等不利形势，近年来流通领域供给侧结构性改革逐步推进，实体零售转型升级加快步伐，转型阵痛中不同业态增速明显分化。

据商务部重点流通企业监测数据，2016年便利店、购物中心、超市销售额增长较快，增速分别为7.7%、7.4%和6.7%；专业店、百货店销售额增长较慢，增速分别为3.1%和1.3%，百货店增速较上年下降2.1个百分点，专业店增速比上年提高2.8个百分点。

2）网络零售发展趋于成熟

近年来我国网络零售进入平稳增长成熟阶段，增长速度缓中趋稳，网络零售企业之间竞争从增量扩张转入存量开发，发展质量、服务水平和购物体验全面提高。

根据国家统计局数据，2016年我国网上零售额达51556亿元，同比增长26.2%，增速比上年降低7.1个百分点，降幅比上年收窄9.3个百分点。

其中，实物商品网上零售额为41944亿元，增长25.6%，增速比上年降低6个百分点；实物商品网上零售额占社会消费品零售总额的比重达12.6%，比上年扩大1.8个百分点。

3、企业经营效益

1）整体债务水平略有下降

零售企业整体资产负债率小幅下降。据商务部典型零售企业统计数据测算，截至2016年底，零售业限额以上大中型法人企业，资产总额为4.53万亿元，总资产增长率为4.3%；负债总额为3.27万亿元，比上年增长3.6%；净资产为1.25万亿元，比上年增长6.1%；资产负债率为72.3%，比上年降低0.5个百分点。

资产结构得到优化，流动性略有提升。

据商务部典型零售企业统计数据测算，2016年底零售业限额以上大中型法人企业，流动资产为3.01万亿元，同比增长4.8%，占资产总额比重为66.6%，比上年同期增加0.4个百分点；固定资产为1.53万亿元，同比增长4.1%，占资产总额比重为33.4%。

2）盈利能力基本保持稳定

2016年，零售企业利润规模小幅上涨，利润总额增速快于主营业务利润和营业利润，营业利润在利润总额中的比重略有下降，盈利能力基本保持稳定。

据商务部典型零售企业统计数据测算，2016年零售业限额以上大中型法人企业主营业务利润为8900亿元，比上年增长3.4%；营业利润为1580亿元，比上年增长2.6%；利润总额为1650亿元，比上年增长3.8%。营业利润在利润总额中的比重为95.8%，比上年降低1.1个百分点。

主营业务利润与企业销售额的比率为9.72%，每100元企业销售额带来的主营业务利润为9.72元，比上年提高0.06元；

营业利润与企业销售额的比率为1.73%，每100元企业销售额带来的营业利润为1.73元，与上年持平；

利润总额与年末资产总额的比率为3.64%，每100元资产创造的利润额为3.64元，比上年微降0.02元。

3）企业人工成本上涨较快

2016年，国家出台一系列降成本举措，零售企业成本水平总体平稳，商品采购成本、三项费用增速低于同期销售额，人工成本上涨较快，增速高于同期销售额。

据商务部典型零售企业统计数据测算，2016年零售业限额以上大中型法人企业，商品采购成本为77980亿元，比上年增长2%，增速比企业销售额低0.7个百分点；

营业费用、管理费用、财务费用合计为8400亿元，比上年增长1.8%，增速比企业销售额低0.9个百分点；

工资总额为2870亿元，比上年增长4%，增速比企业销售额高1.3个百分点。

商品购进额与企业销售额的比率为85.2%，每100元企业销售额中包含的商品采购成本为85.2元，比上年降低0.57元；

三项费用与企业销售额的比率为9.18%，每100元企业销售额中包含的营业费用、管理费用、财务费用合计为9.18元，比上年降低0.08元；

工资总额与企业销售额的比率为3.14%，每100元企业销售额中包含的人工成本为3.14元，比上年提高0.04元。

4）行业劳动效率小幅提升

2016年零售行业劳动效率实现正增长，但增幅不及全国全员劳动生产率和全国居民人均可支配收入，零售行业人员效率仍有较大提升空间。

据国家统计局数据计算，2016年零售业人均劳效（商品零售额与零售业全部从业人员的比率）为51.9万元/人，比上年增长5.4%，增速比同期全国全员劳动生产率低1个百分点，比同期全国居民人均可支配收入低3个百分点。

4、行业转型升级

1）实体店数字化程度提高

随着更多零售企业将互联网技术应用于日常运营，供应链各环节互联网化改造逐步深化。

根据中国互联网络信息中心数据，截至2016年12月，全国企业开展在线销售的比例已经达到45.3%，比上年提高12.7个百分点。零售企业积极提升门店数字化水平，打通线上线下商品、客户、订单信息，更好匹配顾客、商品、场地等零售要素，提升运营效率。

2016年“双11”期间，在家电、服饰、汽车、家装、美妆等多个行业，天猫上实现线上线下商品通、服务通、会员通的店铺超过100万家。

天猫帮助家装、生鲜等领域的6万家线下门店实现全面电子化，门店可共享线上大数据，更好布局门店开设地点、商品定价、商品展示等。

更多零售企业积极转变经营理念，以用户为核心，整合实体门店、网上商店、第三方平台和移动端等诸多渠道资源，为消费者提供便捷的消费体验。目前，“线下体验、线上下单”、“线上下单、门店提货”、“门店下单、仓库配送”等新型零售模式不断涌现。

2）零售商品结构继续升级

伴随居民收入增长、消费水平提高，2016年我国零售业商品结构继续升级，发展型、享受型商品热销。

一是居住类商品增长较快

伴随房地产市场回暖，居民改善型住房需求得到释放，带动居住类商品增长。据国家统计局数据，2016年限额以上企业建筑及装潢材料、家具零售额增速分别为14.0%、12.7%，分别比限额以上企业商品零售额增速高5.7和4.4个百分点。

二是健康休闲类商品增长较快

随着健康生活理念逐步普及，居民更加关注生活质量，带动休闲运动、医疗保健类商品增长。据国家统计局数据，2016年限额以上企业体育娱乐用品、中西药品零售额增速分别为13.9%、12.0%，分别比限额以上企业商品零售额增速高5.6和3.7个百分点。

三是智能型商品增长较快

凭借更好的功能质量和消费体验，智能型商品持续热销，催生消费者升级换代需求。据工信和信息化部数据，2016年全国智能手机销售量达到5.2亿部，同比增长14.0%；智能手机市场占有率为93.2%，比上年扩大4.9个百分点。2016年“双11”阿里零售平台的智能消费占比为7.4%，比2012年提高5.8个百分点。

四是绿色环保型产品增长较快

随着居民环保意识增强，绿色、节能、环保商品成为零售市场新增长点。据阿里研究院数据，2016年“双11”当天，绿色产品销售额同比增长40.2%，购买人数同比增长31.3%，无毒环保水性漆、绿色有机橄榄油和节水节能洗衣机销售额同比分别增长244%、228%和126%。

3）品牌连锁经营快速发展

整体连锁水平基本保持稳定。连锁门店总数平稳增长，连锁零售企业商品销售总额稳步提升。据中国连锁经营协会数据，2016年连锁百强零售企业门店总数达11.4万个，同比增长5.9%；商品销售额为2.1万亿元，同比增长3.5%，占社会消费品零售总额的比重为6.4%。

连锁品牌化便利店扩张较快。借助网点布局贴近消费者、营业时间长等便利优势，近年来便利店销售保持快速增长，便利店单店营业面积小、选址灵活，有利于其快速扩张。据中国连锁经营协会数据，2016年我国连锁便利店品牌超过260个，门店数达9.8万家，同比增长9%；销售额达1334亿元，同比增长9%；单店日均销售额达3714元，同比增长4%。

4）支付方式更加多元高效

2016年，银行卡支付在居民消费中的比重继续提高，覆盖人群不断扩大，同时卡均、笔均消费金额双双下降，银行卡消费支付“小额多次”特征更加明显，支付灵活性增强。

据中国人民银行数据，2016年全国共发生银行卡消费业务383.29亿笔，金额56.50万亿元，同比分别增长32.03%和2.72%，银行卡渗透率达到48.47%，比上年提高0.51个百分点。

全国银行卡卡均消费金额为9593元，同比下降5.08%；笔均消费金额为1474元，同比下降22.17%，降幅比上年增大10.47个百分点。

伴随智能手机的普及，网络支付场景极大丰富，2016年支付宝、微信等移动支付方式在实体门店迅速普及。

根据中国互联网络信息中心最新调查数据，网民在实体店购物结算使用手机支付的比例高达50.3%，农村地区使用率也已达到31.7%。

5、行业社会贡献

1）吸纳就业人数稳定增长

零售行业是吸纳社会就业的重要领域，对经济发展和社会稳定发挥重要作用。

伴随零售行业法人企业数量快速增长，法人企业单位吸纳就业人数增长较快，占行业从业人员比重有所增加。

据商务部典型零售企业统计数据测算，截至2016年底我国零售业从业人员共有5709.72万人，比上年同期增长4.8%。

其中，法人企业单位从业人员为1736.17万人，同比增长7.9%，占行业总就业人数比重为30.4%，比上年增加0.9个百分点；个体工商户数量3973.55万人，同比增长3.5%。2016年零售业就业人数增加259.98万人，其中法人企业单位就业人数增加126.85万人。

据国家统计局数据，2016年末全国就业人员共有77603万人，据此计算，零售业就业人数占全国总就业人数的比重为7.4%，比上年提高0.4个百分点。

2）应交税金规模小幅下降

“营改增”全面推开以来，零售企业税收负担整体下降，“减税降费”有利于降低企业成本，为行业创新发展“减负松绑”。2016年零售行业缴纳税金同比有所减少，但绝对规模依然较大，对国家财政收入贡献突出。

据商务部典型零售企业统计数据测算，2016年零售行业限额以上大中型法人企业应交税金1660亿元，比上年减少1.2%；限额以上大中型法人企业应交税金与其销售额的比率为1.8%，比上年降低0.1个百分点。

二、行业发展趋势

2016年，面对错综复杂的国内外经济环境，我国经济结构调整加快，供给侧结构性改革初见成效，经济增长新动力不断积聚，国民经济稳中趋缓，稳中向好，居民收入稳步增长，消费升级进程不断加快，市场呈现出“新消费、新零售和新生态”特征。

初步预测，2017年，我国全年社会消费品零售总额增速仍将保持在10%左右，比同期GDP增速高出3个百分点；�...

今天，还是想跟大家说说大数据的事，要知道，做新零售是离不开的大数据分析的，尤其是在线上，为什么今天想说这个呢，源于一条新闻——《微信：不留存任何用户聊天记录 不偷看你的聊天》

这个事，可算是火了，其实源于吉利汽车董事长李书福的一句话“我心里就想，马化腾肯定天天在看我们的微信”这不，关于微信的个人隐私保护和信息安全问题又被提及。

于是乎，微信赶忙澄清说，第一，微信不留存任何用户的聊天记录， 聊天内容只存储在用户的手机、电脑等终端设备上；第二、微信不会将用户的任何聊天内容用于大数据分析；第三、因微信不存储、不分析用户聊天内容的技术模式，传言中所说 “我们天天在看你的微信”纯属误解。

那么，好啦，问题来了，为什么腾讯不把聊天记录用于大数据分析。

我不知道您哪位喜欢看相声，德云社青年相声演员朱云峰（烧饼）、曹鹤阳（小四）的包袱里有这么一句话：“你有什么长处，我有什么短处”，这句话里有两个“什么”，当着两个“什么”同时重读和同时轻度时，表达的完全是两个意思，这就是中国话音调问题，而对于大数据采集来说，现代技术还采集不到音调的不同，再加上多音字，这些干扰，很难得的一个相对准确数据。

我知道，这个时候你一点会说分析语音啊，那好，现在市面上的语音输入识别的对于方言的识别呢？可以说是惨不忍睹，专门统计世界各地语言的机构《民族语》（Ethnologue）在2016年发布的各国语言数排名中，中国以301种语言排名全球第六。所以说要想完完全全的识别方言土语，任重而道远啊。就算是普通话，随着噪音的增长，语速的变快，识别的准确率越低，这也是无法取准语音确数据的原因之一。

那么最后一个，主观性，我们平时在与人聊天的时候会发现，同一个东西，可能跟张三说，这个东西多好多好，跟李四说这个东西糟透了，但是你对这个东西是否喜欢只有在你心里清楚，从文字中很难分辨，这就是人在不同的语境之下，语言的一个变化，更多的是一个心理学的东西，现代计算机对心理学的算法好像不太灵活，不然，测谎仪为什么要采集人体生理参量的变化信息。

其实，微信在聊天这一块采集的数据是一些客观的东西，例如我们发布的条数，发布的时间，语音的时长，发布的频率这些，主要分析的还是用户行为。这也是大数据要分析的主要内容。

尤其是对于线上新零售来说，当你无法面对用户时，想要把握用户流向，就一定要对用户行为进行分析。

通过分析用户访问网站流程，我们可以分析出客户浏览页面的行为方式，从而判断网站结构设计是否合理，是用户体验更加完善；

通过分析注册用户和非注册用户，我们可以通过分析两者之间的浏览习惯，来制定我们的活动方式，吸引客户关注；

通过分析用户选的入口形式，我们可更为合理分配广告资源，利用好每一分广告费；

通过分析用户所使用的搜索引擎、关键词、关联关键词和站内关键字，我们可以了解到用户的喜好，推送相应的产品或者服务给到用户；

通过分析用户的来源地区、来路域名和页面，再结合用户的基础属性，有利于我们做出差异化营销策略。

。。。。。。

当这些组合在一起时，我们线上新零售营销就可以做到定向营销，差异化营销，一站式营销等多种经营模式，这才是新零售种大数据分析的目的所在，从用户需求出发，为用户提供符合其需求的服务或者产品。

随着经济的快速发展，新零售的出现，对于商家而言客流数据分析越来越重要了，这不仅是线上还是线下以数据为依据才能提升销量，很好的规划发展。

首先我们要知道什么是新零售？对于不少人而言，新零售的概念特别的模糊化，抓不住重点，也不知道该如何进行。根据网上所言，新零售是企业依靠互联网，通过运用大数据、人工智能等先进技术手段，对商品的生产、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。

线上一般是指有自己独立的云平台，而线下是指有自己的实体门店店铺，新物流消灭库存，减少囤货量。

不过有学者也提出新零售就是“将零售数据化”。企业将零售数据化，深度挖掘分析用户真正想要的东西，从而满足各种不同层次用户的个性化需求。

那么数据何来？哪些数据才是商家想要的，客流量数据给商家带来了什么。客流量统计数据主要是通过在商业区域入口安装设备进行智能统计，实现统计客流数据的智慧化。统计的数据通过网络传输到服务器平台，生成各种数据报表，供商家分析做依据。

数据的管理是企业挖掘数据信息来支撑新型业务决策模式，而马云也曾表示数据是人类第一次自己创造了能源，而且数据越用越值钱。那么，应该如何做客流数据分析呢？举例来说，一家门店运营负责人关心的客流数据会包括：

1、每天客流量有多少？客流什么时候来？

通过客流统计分析，掌握店铺每天的客流量，客流量的高峰时段和低谷时段。第一，把握黄金转换时间结合促销活动提高店铺单价和成交率；第二，在人员管理层次上，可以有效进行排班管理，同时低谷期时、高峰期前可利用中间空档时间进行商品补充；第三，在客流量低谷时段，能够有效利用资源，最大化降低店铺的运营成本。

2、我的顾客都是谁？他们喜欢什么商品？

一家经营状况良好的门店，绝不仅是吸引新客流，还需要精确的用户画像，搞明白“我的顾客都是谁”，这样才能拉来源源不断的回头客。到店顾客的男女比例、年龄分布、购买力等对店铺的装修风格、商品选择、营销策略等方面产生重要影响。抓住一个顾客的购物喜好、购物习惯和购物频率，我们就可以及时提供个性化的服务；抓取一群人的购物喜好、购物习惯，在市场营销、广告宣传、促销活动上就能够做到有的放矢、四两拨千斤。

3、客流停留多长时间？停留在哪些区域？行动轨迹是什么样？

通过分析客流的热区分布图，门店可以获知顾客密集分布在哪些货架区域，在哪些货架区域停留的时间比较长。因此，只要结合销售数据、支付数据就可以深入分析不同的单品、品牌以及品类的畅销 / 滞销的原因，从而指导店铺的选品和陈列。此外，根据客流的热区分布图，门店可以清晰地看到顾客的主要行走路线，从而进行有序的动线规划以及人员配置，既有利于提升顾客的消费次数和消费额，又能节省人力成本。

4、营销活动的效果怎么样？

用户的消费需要有针对性的营销策略去引导和培育，利用客流统计分析来规划营销活动，会有四两拨千斤的作用。

首先，客流数据和热区分布图能够直观地展现活动区域的客流变化趋势；其次，对比分析活动前后的客流数据和销售数据可以计算活动带来的推动。举个例子，平时每天都是 300 的客流，40% 的购买转化率，客单价 30。某天搞了个活动，客流上升到 600，购买转化率上升到 50%，客单价 40，那么我们就可以反过来推算活动带来的提升。把客流分析的时间拉长来观察，我们还可以总结出哪类活动能提升客流，哪种活动能提高购买转化率，哪种活动能提高客单价。

通过分析客流数据的变化来制定适用于不同销售的精准营销方案，让顾客享受到更为人性化的增值服务；同时有效的分析各项管理策略对销量的影响，提升销量进而更好的消灭库存。对于数据获取和分析，不一定是非要互联网公司才能够拥有的，同样类型的线下零售实体店只要学会利用好身边的数据，如客流统计系统所做出数据的统计，又或者门禁，pos机，监控视频等一切都数据的根源。使用数据统计分析达到运营效率提升和成本减少，才算成功的运用了数据，其实数据一直就在身边。

编辑：Nistone乐石科技（新零售整体解决方案专业服务商）