近日,在中国连锁经营协会主办的创业遇见移动营销论坛中,【友盟+】U-Oplus产品专家王晨星做了题为《全域数据赋能新营销》的演讲,深入分析了线下数据的采集处理及应用场景。

以下为精彩观点:

从线下市场看线下数据

数据显示,2016年上半年,全国网上零售额2.2万亿元,占全渠道的14.3%;线下零售总额13.4万亿元,占全渠道的85.7%。在实体店的关门潮中,线下依然是零售销售的主渠道。

但是,从数据维度看,线上的用户行为数据,已经成为互联网公司的血液,连接着各个组织。而线下数据非常薄弱,无论是采集、分析还是应用,都没有延伸到线下。

线下数据面临的两大难题

  • 数据源不规范且散落各处。

以车企4S店为例,每天会接待大量的访客,其中包括潜客、目标受众;来源包括车展人群、广告触达人群;涉及销量及地域分布;非常多、散的数据,很难管理。

  • 数据孤立。

数据采集后,如何融合分析?这部分需要技术体系和数据算法支撑,还要理解不同行业的业务场景,这也是大数据的核心能力,外部甚至有一些数据公司,将打通能力作为卖点。

线上线下联动成趋势

目前,很多前沿公司都在探索线上线下融合、数据融合的方式,比如阿里与百联集团达成战略合作、阿里私有化银泰、京东重仓永辉;包括一些新概念:新零售、全渠道、数据赋能、数字化门店等。总结看,很多的商业组织,都在关注线上线下消费的联动,都在这个方向上探索和积累。如前面介绍,线下销售额占全渠道的85.7%,但是数据缺失且薄弱;线上更灵活,快速增长。两者是相互补充,通过线上数据反哺线下,线下更落地,会成为线上快速扩张的基石。

如何获取、使用线下数据?

数据采集

U-Oplus基于Wi-Fi智能感知技术,提供实时精准的客流统计、动线轨迹、热力分析。关于线下数据采集,我们做过很多的尝试,如红外摄像头、iBeacon。但是有些采集的前置条件太多,有些很难与营销打通,最终发现商业Wi-Fi采集有非常大的优势。

得益于商业Wi-Fi的普及,使得线下数据从质、量两个层次上成为最好的选择。目前U-Oplus与国内主流的Wi-Fi厂商包括锐捷、H3C、华为、汉明等都达成了战略合作。线下门店只要已经部署了商业Wi-Fi设备,就可以与U-Oplus实现数据对接,使用U-Oplus线下分析平台,无需重复投入硬件设备,将成本降至最低。

数据管理

采集数据是第一步,不同来源、格式、用途的数据汇聚在一起,如何管理?

U-DIP【友盟+】数据智能平台,一个超级数据加工厂,能够将采集到的数据,进行处理/分析/挖掘,对用户信息进行精细识别,建立面向个体用户的肖像数据与业务模型,并应用到具体的业务场景中。简单说就是把人的行为标签化,通过数据整合、分析处理,用标签去描述一个人的方方面面。

数据打通

数据散落各处的深层次原因是,数据之间没有互通。

在真实世界,我们通过身份证识别一个人。在虚拟世界,我们也为每个人分配一个网络身份证,这样就很容易将“看搜狐新闻”、“淘宝购物”、“高德导航”、“线下门店”等来自不同场景的同一个用户行为串联起来,定位一个人。有了这个网络身份证,就可以做好数据的打通。

U-Oplus通过智能设备获取到线下数据,与【友盟+】已经拥有海量的线上数据,进行ID Mapping,解决线下数据:散、少、孤立的问题,并且通过线上丰富的人群数据来描述和理解线下到场的人群。

U-Oplus有丰富的标签能力,可以分为人口学属性:性别/年龄/职业/学历/星座/兴趣等;媒体偏好属性:上网时段/PC端上网偏好/App及移动端上网偏好/手机终端机型等等;用户来源属性:行政区域/商圈/常驻地等。

在此基础上,U-Oplus整合了阿里巴巴的数据资源,提供了消费行为的人群画像,同时根据行业特性提供符合行业属性的人群标签。当然这只是U-Oplus数据能力的冰山一角。

U-Oplus的基础应用

客流统计:U-Oplus基于客流数据的采集,建立起一套客流数据指标体系,全面衡量门店客流、入店顾客的趋势、到访行为特征;发现经营过程中的问题及机会,还可以看到周边-门店-入店-消费的层层转化。

客流人群管理:强调线上反哺线下,就是拿线上的数据来圈定线下人群,做人群画像。

商圈分析:一是商圈人群分析,二是门店选址,目前商业地产类项目对该服务的需求比较大。比如,中粮杭州的大悦城、远洋未来广场、北京祥云小镇我们都有接触。

室内定位:提供门店的人群热力分布图及人群的流向轨迹图。

新营销场景应用

线上线下打通

“全渠道”是2016年阿里的核心战略,讲到了人-货-场的三通。我认为“人”的全渠道尤其关键,传统企业的线上与线下,从公司组织架构上就是割裂的,更不用谈如何联动。U-Oplus尝试帮一些企业做“人”的全渠道分析,线下客流从门店周边到线上旗舰店的流转,以及线上访客从旗舰店到实体店的客流转化,这种联动在未来会从新鲜事物变成零售行业的运营常态。

潜客触达

数据采集-管理是一环;数据打通-分析是二环;分析出的结果要触达客户才有效果,那么营销就是三环,即将线下采集的人群作为种子去指导广告投放。

从应用场景讲,比如某饰品专卖店采集到100位进店未消费的顾客,经过人群标签分析,其中有40位与目标用户的画像相似:女性+20~25周岁+停留时间超过10分钟等,门店能够做出精准的营销策略,例如消息推送、弹窗广告、线上店铺入口。当这些用户打开淘宝、今日头条、支付宝等APP时,可以看到我们推送的广告信息,因为到店人群与品牌的契合度是极高的,所以这种投放的策略效率更高。

数据咨询服务

传统的咨询,几乎都是以抽样调研的方式去获取数据样本。在今天的零售峰会上,也会天然的存在零售企业、广告公司、解决方案公司。我们就畅想,假设【友盟+】做好上面提到的每一件事情:全量采样且被调研客户无感知,基于线上数据提供丰富的人群行为去理解被调研的群体,这是不是又在革传统咨询的命,更重要的,可以更好的帮助终端客户支撑决策。

全链路广告到店监测

第一个场景是传统的互联网广告的效果衡量。以往,我们衡量广告转化,几乎都是依靠展示和点击,电商还稍好些能够到成交,这中间的过程几乎是黑盒的。U-Oplus可以将衡量广告效果从简单的展示点击延伸到客户进店。

第二个场景是线下媒体广告监测。户外/地铁广告,基本上都没有好的效果衡量方式,大多时候被当作了品牌广告来处理。而在今天,【友盟+】在户外广告监测领域,也在做一些初步尝试。

广告投放的程序化交易

互联网的广告投放的程序化交易,从几年前的新鲜事物,变成行业的标配,每个广告主都知道基于人群的精准化投放,像DSP、SSP、RTB、DMP、PMP,都从概念变成现实。再看看线下的广告媒体,地铁/楼宇广告,还有类似贩卖机这种拥有屏幕的泛线下媒体,依然是传统的排期模式;同样得益于这几年各种智慧电视的普及,线下数字屏的广告媒体改革成为可能。

畅想下,当用户收藏了一个超出“钱包”范围的商品时,在回家的路上,突然发现地铁广告有一张支付宝-花呗12期的免息卡,扫码既得,服务客户的同时让用户圆梦。我想在不久的将来,就如同互联网广告的程序化一样,这一切都会照进现实。另外,互联网广告cookie mappincg(打通)超过3成就是神一样的存在。相比线上千几的点击率对上cookie mapping不超过三成,线下的精准会让大家惊喜。以上分享的,不管是线上线下打通,还是数据咨询、广告监测都是非常有前景的机会。

封闭与开放,安全与自由

第一个是封闭,我想讲的是数据安全,现在不管是个人还是企业,对于数据的安全意识的空前的高,【友盟+】有很丰富的数据安全经验,不管是产品技术还是商务经验。所以我们始终会确保企业的数据安全。

第二个是开放,不管从线下数据的采集-管理-应用,U-Oplus都积累了丰富的经验及技术储备,但是与客户接触中发现了一些问题:第一,U-Oplus并不是离客户最近的团队;第二,我们并非是那个能利用数据给客户出解法的团队;第三,由于线下各行业场景的复杂性,标准化产品很难面面俱到。所以U-Oplus采用Open API,将数据处理能力开放给第三方,这样能给终端客户提供更好的服务,我们也会更聚焦到数据本身。

很多人都在讲2016年是线下数据的元年,今年U-Oplus要做的是,真正将线下数据引入到业务中,将数据技术、数据能力应用到更广泛的场景中,让缺失的线下数据,成为驱动新营销的引擎。

点击“阅读原文”了解U-Oplus详情

(PS:女神节中奖的萌友们,快快私信小编姓名+手机号+地址。在公众号中,直接回复就可以。第一批礼品已经寄出啦)

用数据激活线下,更好玩的新营销来了相关推荐

  1. 跳过数据准备,下秒数据让飞书维格表数据应用更高效

    跳过数据准备,下秒数据让飞书&维格表数据应用更高效 随着业务场景的多元化发展,消费者需求的个性化,海量数据暴增.数字化时代,传统的生产工具已经无法跟上时代的步伐,传统办公软件也无法满足企业的多 ...

  2. TC Games电脑玩手游手机助手对比绝地求生:全军出击和绝地求生:刺激战场到底哪个更好玩

    两款吃鸡手游已经上线几天了,虽然同是腾讯的吃鸡手游,但是绝地求生:刺激战场来自光子工作室打造,绝地求生:全军出击则是由一手打造过王者荣耀的天美工作室生产.刺激战场和全军出击哪个更好玩?不同配置的手机适 ...

  3. 预、自训练之争:谷歌说预训练虽火,但在标注数据上自训练更有效

    公众号关注 "视学算法" 设为 "星标",重磅干货,第一时间送达! 来源 | 机器之心 预训练是当前计算机视觉领域的主要范式,但何恺明等人先前的研究发现,预训练 ...

  4. 清华大学王建民:在大数据的思维下,人人都是冰冷的数据包?

    文章来源:慕华学堂 王建民,清华大学软件学院院长.数据科学研究院副院长.研究领域包括大数据与知识工程.非结构化数据管理.业务过程与产品生命周期管理.数字版权与系统安全技术.数据库测试技术等. 在近日刚 ...

  5. 告别AI模型黑盒子:可解释性将是数据科学的下一个“超能力”

    过去几年来,人工智能研究人员在图像识别.自然语言理解和棋类等领域取得了重大突破.但由于缺乏对复杂机器学习模型的真正理解,导致模型在传播时出现了偏见,这种偏见在零售.面部识别和语言理解等领域的应用中出现 ...

  6. oracle中生成大批量数据的方法-下

    方法五:使用PLSQL的数据生成器 首先测试环境建立:dept表 CREATE TABLE dept(deptno NUMBER(6),dname VARCHAR2(20),loc VARCHAR2( ...

  7. 2018视频人物识别挑战赛冠军经验分享:在现有机器资源条件下更快速验证是关键...

    在2018年爱奇艺联合PRCV会议举办的第一届多模态视频人物识别挑战赛中,来自Infinivision的团队获得冠军.现在,该团队分享了他们在比赛中的经验心得,希望可以为对多模态领域研究感兴趣的朋友提 ...

  8. 数据中心怎么建更科学

    从发达国家经验看,数据中心建设与布局往往与当地优势产业和特色资源相结合.专家建议,一方面,政府要通过制度创新和规则完善,做好顶层设计:另一方面,要以市场需求为导向,催生更广泛的应用场景.此外,政府还应 ...

  9. 【技术综述】深度学习中的数据增强(下)

    文章首发于微信公众号<有三AI> [技术综述]深度学习中的数据增强(下) 今天带来深度学习中的数据增强方法的下篇.我们将从以下几个方向入手.1,介绍一下什么是无监督的数据增强方法.2,简单 ...

最新文章

  1. 我的电脑不联网,很安全,黑客:你还有风扇呢
  2. python函数定义中参数列表里的参数是_详解Python函数中参数带星号是什么意思
  3. Makefile选项 CFLAGS LDFLAGS
  4. 2020-07-16 CVPR2020 VL论文讨论(5) 笔记
  5. 这可能是最全面的 python 字符串拼接总结!多种方法选最优
  6. MicroProfile OpenAPI上的Swagger UI
  7. FreeRTOS任务延时函数
  8. Docker保存修改后的镜像
  9. Hangman Judge UVA - 489
  10. 如何在邮件中加入html代码,如何在电子邮件正文中嵌入HTML文件
  11. 2017.4.18-morning
  12. 物联网周刊(第 5 期):智能家居入口之争
  13. 详解 Java 内部类
  14. java求闰年_JAVA中怎么计算闰年
  15. 中职学校计算机教师 述职报告,中学教师个人述职报告4篇
  16. lte基站信号测试软件,LTE基站的RF一致性测试
  17. vue 使用箭头函数会报错
  18. 字段缩写ti表示什么_以下哪个字段缩写表示“摘要”?
  19. RealView编译器常用特有功能(转)
  20. html,css笔记

热门文章

  1. 惠普HP Deskjet D2660 打印机驱动
  2. 献给那些没有自信的人。
  3. 重庆大学计算机学院张敏,张敏(安徽大学生命科学学院院长)_百度百科
  4. 【R1CS to QAP】
  5. C2. Pokémon Army (hard version)(贪心分治)
  6. 电脑键盘部分按键失灵_电脑键盘失灵怎么办 三步教你解决问题【图文】
  7. 什么是增值税的进项税和销项税?
  8. 【音视频数据数据处理 7】【RGB/BMP篇】生成24色 RGB24图 和 BMP图
  9. 冲击图(alluvial diagram)及R实现
  10. c语言输出法雷序列,法雷(法里)序列 - osc_h0wb1wlt的个人空间 - OSCHINA - 中文开源技术交流社区...