close
在今天的第五屆中國全渠道零售峰會上，【友盟+】王晨星分享瞭最新的線下數據應用案例，希望幫助線下企業解鎖 新能源 ，用數據驅動新零售落地。
以下為觀點精選：
和線上相比，線下數據的開采和挖掘才剛剛起步，還存在不少的問題，最突出的兩個是：
l缺少管理。比如車企4S店的進店潛客、購車人群、雙11的廣告觸達人群、銷量及地域分佈等，而這些數據都沒有沉淀下來；
l數據打通難。單純的數據是孤立的，不同類型、渠道的數據融合，才能實時的產生價值，這也是大數據的核心能力。放到場景中，近期門店的銷量增長與線下的營銷活動有沒有打通，消費人群和被營銷活動觸達的人群是不是重合？
【友盟+】的最大優勢是全域數據以及線上線下數據采集管理和打通能力。更深入的，我們擁有這麼大體量的數據，本質上是對 人 的認知更透徹。我們擁有覆蓋全網用戶的標簽體系，能夠精準立體的刻畫消費者。這些標簽包括：
1.人口學屬性：性別，職業，年齡，婚房等；
2.媒體偏好：上網時段、用戶喜歡上的網站，用戶喜歡的app類型，用戶使用的手機型號；
3.地理位置屬性：商圈中的流量，到會場的人都來自於哪個省，哪個市等；
4.消費畫像：我們整合瞭電商的數據資源，提供瞭消費特征，還根據不同行業進行行業化的標簽。
本質上，我們希望將 人 在互聯網上的行為數據組合起來，將對於人的深入理解的能力賦能給線下。
下面重點分享我們最新的線下數據實踐，這些都是真真切切的給客戶帶註冊商標申請台中來瞭超出預期的驚喜和回報，希望對大傢有借鑒意義。
商業地產+商圈人群分析
客戶需求：新建地產，希望根據周邊人群特征，定位商場性質、招商類型、引流策略等。
解決方案：我們通過數據監測瞭一個月內3km 和 7km兩個范圍的數據信息，由三個維度構成：
1. 商圈的流量數據：整個商圈中的總人口情況，包括常駐人口、流動人口、分佈地圖等；
2. 商圈中人的特征數據：比如性別、年齡等常規人口學屬性，以及消費能力等與商業相關的屬性；
3. POI數據：比如3km監測樣本量：監測到設備總量41萬、小區數量316、寫字樓112、學校50個。
實際效果：客戶將線下采集的數據提供給咨詢公司進行二次加工，結合行業經驗，在商場定位、招商中更有針對性。
商超WiFi拉新
客戶需求：上海連鎖商超，核心訴求非常明確：拉新。
解決方案：我們通過線下數據采集，識別到店的消費者、商圈附近的人流。再與【友盟+】全域數據進行對比，識別和圈選出目標用戶。如果是目標用戶，我們再看是不是商超會員，如果不是會員，我們可以PUSH/廣告的方式實時的去觸達，達到拉新的效果。
數據效果：
1.每天為7傢門店觸達新客1.3萬；
2.日新增1300新會員，提升40%；
3.如果全年保持這樣的效率，傳統獲客形式VS數據獲客成本=1900萬VS150萬（預估），一年可以為客戶節省1750萬;
4.更深入的價值，客戶有瞭數據沉淀，加上我們通過線上的用戶行為對用戶需求的實時捕捉，這些數據就變成活的、流動台中註冊商標費用的。我們對於老客也有很多的辦法去提高復購率，喚醒僵屍會員。
北京現代悅動+上市推廣
客戶需求：客戶希望結合時下的新技術、新營銷方式，通過互動娛樂的方式，促進真實轉化，並沉淀目標用戶數據。
解決方案：客戶在南京有8傢4S店，我們利用線下數據+營銷數據+LBS數據，做互動性的場景營銷。當時在南京的熱門商圈投放iplus智能電子屏廣告，根據不同時段、天氣、環境、消費者的身份，展現不同廣告內容。並結合支付寶AR紅包，促進二次轉發和轉化。
更重要的是通過線下數據采集，沉淀瞭一批潛在消費者。緊接著我們進行瞭PUSH通道的二次觸發，廣告營銷效果也是超出預期，一般傳統的PUSH的點擊率在2~3%，這次我們達到瞭6.2%。
數據效果：
1.活動期間TA觸發展現12,025,730次，共計10,267人參與紅包互動，並形成熱點事件，轟動全城；
2.精準PUSH的點擊率從常規2~3%提升至6.2%；
3.我們推動客戶做這樣的測試，還有更深層的考慮：進入門店、參與營銷活動，這種對於品牌有強反饋的場景人群數據，與品牌的契合度是很高的；
4.我們將線下采集的人群，例如進入門店的、營銷活動沉淀的人群作為種子人群指導廣告投放。當他去淘寶購物、去今日頭條刷新聞、去支付寶的卡券系統，都可以看到我們推送的產品信息，這樣的投放策略效率要更高。
某時裝品牌，數據資產管理
客戶需求：客戶是國際快時尚品牌，在國內台中商標註冊查詢擁有幾千傢門店，擁有非常豐富的線上線下數據資源，但是每年還要耗費數億元為同一批消費者的觸達賣單。客戶核心訴求是管理數據資源。
解決方案：建立數據資產管理平臺，將有價值的數據沉淀和挖掘，實現用戶數據的可識別、可連接、可沉淀、可觸達。具體產品形態是：
1. 多數據源接入：支持線下門店數據、官網線上數據、廣告營銷數據及客戶自有歷史CRM數據接入。
2. 數據銀行（包含：客群管理、人群洞察、數據挖掘、個體查詢）：多數據源的融合，提供數據的存儲及數據的處理，以及人群的標簽化展示。其中的 個體查詢 功能，可以直觀的展示【友盟＋】數據對於客戶自有數據的豐富。
3. 數據的深入分析與洞察：融入數據業務場景的垂直應用。
4. 運營／營銷：數據可復用，數據平臺可以靈活對接運營平臺和營銷平臺，深入業務的鏈路中，實現業務數據化、數據業務化的能力。
以上是數據平臺的表現形式，底層是一個標準化、結構化的數據架構，這些可以應用到數據化平臺的建設上。
第一層：數據采集，包括瞭POS機、門店wifi、消費數據等；
第二層：數據融合，按照統一的規范去管理；
第三層：數據打通（數據處理），將用戶的不同行為，比如在A門店消費的行為，和在某次營銷活動中觸達的人群，識別成同一個人，立體的勾勒用戶畫像，這也是數據歸一的理念；
第四層：業務應用，數據整理好瞭，如何促進業務升級，比如營銷觸達、對某個商品的消費人群分析。
最後，我們一致是抱著開放的心態，願意將數據能力開放出來，這包括開放的API接口，並且我們有一套針對線下場景的標準數據產品U-Oplus，以上的案例也都是基於此產生的。我們希望讓客戶結合自己的業務場景，實現從業務數據化（IT）到數據業務化（DT）的升級，生產出獨一無二的大數據故事。
責編：申燕偉
(原標題：如何搶占“新零售”先機？這四個案例告訴你)
本文來源：漢網
責任編輯：王曉易_NE0011
文章標籤
全站熱搜
留言列表
