热门搜索词
全球零售业的大数据营销革命
大数据时代来临之际，各类网站纷纷以数据为武器，分析和识别顾客的购物喜好，为顾客提供个性化服务，由此收到了良好的效果。如今，传统零售商也不甘落后，开始利用手中的大数据武器进行反击，并由此拉开了一场线上线下的大数据营销之战。
雨果网在此介绍英国广播公司（BBC）发表的关于大数据在商务营销中的应用：
零售业正发生翻天覆地的变化
想象一下，当你走进一家百货商店时，你的所有情况都被商家如指掌地掌握了：你的名字、身材尺寸、在线或实体店的购物记录，甚至你的生活观、宇宙观等等。
如果这样的话，你是否觉得自己成为了名人？抑或一个正在被调查的嫌疑犯？你的回答将事关未来零售业的前景，因为在实时大数据分析的推动下，零售业正发生了翻天覆地变化。
早在1994年，英国零售巨头旗下的顾客研究数据库Dunnhumby就设立了顾客忠实卡系统“Clubcard”，专门用来收集顾客的信息资料。
如今，这些历史销售记录被大量的新数据补充和完善，这些新数据包括，社交媒体内容、天气状况——从天气状况可以获知应当采购多少烧烤材料、啤酒、雨伞等。
这些数据收集起来之后，被进一步实时分析，零售商及其员工就可以为顾客提供量身定做的服务，无论在线商店还是实体店，都可以这么干。SAP软件公司的高管Klaus Boeckle称，如果你知道顾客想买什么，以及你现在拥有库存的货物是什么，那么你就可以为这些顾客提供精准的服务，不过这些必须实时操作才行。SAP软件公司开发的数据分析平台Hana被ebay、B&Q等知名零售公司所采用。
苹果公司开发的iBeacon是一款蓝牙跟踪器，用于定位顾客智能手机的位置。当顾客走进商店时，这款设备将帮助商家或APP发布者识别和定位这些顾客，收集顾客资料。与智能手机对接的类似设备还将会被继续推出，用以收集顾客的资料。
化妆品零售公司Lush的商店和仓库员工手上都掌握了数据分析工具，因此他们可以轻而易举地获知实时销售数据。Lush公司高管称，员工掌握了数据分析工具之后，既可以鼓励他们的销售热情，也能使他们获知更多信息，并为顾客提供更好的服务。
比如，当销售员通过数据分析结果发现，某款沐浴液与某种洗发水搭配起来卖得很好。此时，销售人员可以重新布局店铺，将两类商品放在一起，这将提升销售额。
电子商务的个性化大数据营销
在的大数据更具有个性化，这一趋势非常明显。
亚马逊在全球范围内拥有2.4亿个顾客，年营收总额达750亿美元。即便面对着如此庞大的顾客群体，亚马逊也成功地进行了顾客数据的收集和分析，并据此提升了自己的服务质量。早在2004年，亚马逊的数据收集和分析能力已经超过了现在大部分的零售商。
亚马逊首席技术官Werner Vogels称，再多数据你也不嫌够，数据越大越好，因为你收集了越多数据，你的收获越多。
他补充道，云计算的出现和实时数据处理技术的诞生，使零售们更加精准地为顾客提供服务。比如，在一个极其寒冷的冬日，你所在城市的零售商会向你推荐此前光顾过的某品牌外套。如果你加入其它的数据资源，比如语音或视频，结果将变得非常有趣。
亚马逊开发了一款购物推荐搜索引擎，它可以根据你之前的采购行为和习惯，向你推荐你可能感兴趣的商品。如果你正在购买一个烧水壶，亚马逊将根据你之前的数据，向你推荐一个能与你厨房的其他器具相匹配的水壶。
不过，这一购物推荐搜索引擎并不太完美，幸好它具备 “机器学习”的功能，可以自动改进和修复其数据，因此它将变得越来越好。
实体零售商的大数据武器
面对着亚马逊势如破竹的进攻，传统零售商们也利用自己的大数据武器进行反击。
RichRelevance公司就是这样一位反击者。RichRelevance公司的零售顾客包括玛莎百货、Boots、John Lewis等，如今它也非常擅长利用这些零售商收集的数据资料，并为顾客提供个性化的购物服务。
RichRelevance公司利用其开源代码体系Apache Hadoop收集并分析数据，根据顾客之前和现在的购物习惯，实时地预测顾客在某一特定的时间最可能买什么东西。分析这些数据的时间只有20毫秒，公司老板Selinger称，帮顾客找到他们最想买的东西，可以将销售量提高到3%至10%。（编译：吴以辉）
百万优品，掀起旺季风暴，中国跨境电商行业最大的选品大会即将重磅开启！
扫描下方二维码，获取大咖PPT！（获取PPT：雨果网App-&圈子-&干货铺）
热门文章：
(C)2013 雨果网 闽ICP备号-1雅量门店宝：智慧门店大数据分析利器
在新零售的风口下，对于零售实体店而言，会是新的突破口。实体商业想要理由此次风口进行改革，则需要顺应“新”去做出调整改变。每一个销售机会，需要管理者主动去探索，但是在仅存有的成交数据和销售额进行分析是远远不能满足店铺需求的。当在店铺瓶颈的时候，需要从产生成交的来源引导者进行更深层次挖掘，消费群体的大数据收集和处理分析工作显得十分有必要。
实体店最缺乏数据
大数据时代，实体店同样认知到数据的重要性，但事实上很多企业对数据的认知只停留在表面上，并无法真正通过大数据来提升门店的盈利。很多时候，企业对于数据收集和管理分布过于零散，导致每个部门所收集到数据形成了独立的一部分，完全不能够发挥数据本身价值所在。
另外，在实体店以传统思维将数据的收集停留在单一层次。例如：pos数据、进销存、CRM、供应链等。传统的实体企业，只为了提升销售业绩不断的在pos数据上进行分析，但却忘了这一切的来源，主导者均属于消费者。雅量门店宝提出，“单纯的从商品的成交数据当中进行顾客源头分析，十分滞后。除此之外，面临未产生成交的顾客更是难以捉摸。”从互联网角度来说，没有产生成交的顾客不一定就是没有，或者可能就是潜在需求的客户，只是暂时没有能够满足顾客需求，刺激购买欲望。
因此，线下店铺希望能够通过大数据分析像电商店铺一样，获取多样化消费行为进行消费者画像、商品关注度、顾客消费偏好、购物行为路径等，透析店铺与顾客、商品之间的关联信息。通过对顾客以上一切行为分析，作为今后店铺运营预测销售的策略依据。
智慧门店顾客画像分析
在互联网上每一个店铺创业人、从业人开展工作的第一步就是进行数据收集、分析。相同意义下，在线下店铺当中，每一位店长应该学会如何去了解消费者和市场。顾客是谁？如何来到店里？什么时间会来？多久来一次？关注的都是什么产品？关注了多长时间？顾客的年龄、性别、消费行为等？这些都是线下店铺运营者值得去探查的问题。
通常，在进行促销活动宣传的同时，不少策划者盲目进行各种各样的广告投放、海报发放等等毫无针对性的举止，实质上这种行为是十分耗费资金成本和人工成本，最后所带来的利益十分薄弱，可谓是费力不讨好。
如果，我们能够精准的掌握了谁是我们的客户，在销售的层次上面，会显得轻而易举。精准化营销的本质，就是通过细化筛选，确定针对性客群，进行推广渠道选择。精准化营销能够降低店铺对营销所投入的，带来大量的顾客，产生最后成交，达到利用低成本带来高转化。由此看来，实体店在数据上面是特别有需求。
智慧门店解决方案应用
雅量智慧门店解决方案可以帮助品牌方洞察门店经营细节，了解消费偏好、精准营销，提高门店经营效益。也为消费者提供线上线下多渠道的购物方式如：分享晒单、移动支付、提高购物互动体验等等。将消费者从网站拉回实体店铺，让消费人群重新享受逛街的乐趣。
实体店如何采集数据
利用客流统计系统，实时从客流量增减趋势、销售成交率、平均人均消费和市场促销效应作用，以及平常日和假期客流量区分和天气对客流和销售的影响。让店铺管理者获取真实、可靠的客流数据。
利用热区统计系统，实现顾客访问路径和商品被关注度的统计，从顾客进店第一时间便始统计该顾客浏览路径，在不同产品陈列前滞留时长，洞察每个顾客对每一种的关注点，更加有利于导购人员的工作开展。
通过会员管理系统，将每一次到店顾客进行人脸识别，分析其年龄和性别，以及该会员到访次数和历史购物记录。店长利用人脸识别分析年龄和性别和会员到访频率、历史购物记录，能够清晰进行店铺整体顾客画像。
通过远程巡店系统，集团领导可以利用该巡店功能，将全国分布各地的店铺以网络形式还原现场。降低了总部巡店之时所需要耗费的时间成本和资金成本，在视频图像上，实时查看店铺经营状况，实时分配传达规划任务。并且，雅量门店宝实现多个店铺数据汇总分析，从顾客分布密度、顾客消费水平、顾客服务时间等多维度解析服务对象。
智慧门店大数据应用
收集由各种终端设备上传的数据，对其有效性审核和监控，及设备运行状态的监控。运用数据分析引擎，进行数据的融合分析和展现，再加上第三方数据如：POS、CRM、商圈城市指数等信息的接入和输出以及运用平台管理设置，进行短信、Email推送、用户权限管理等运营。让“智慧门店”给管理者提供更便捷灵活的运营模式，方便对商品的管理、对店铺运营效果的评估、合理准确的策划定位线下活动、及预测近期发展趋势，更好的达到和消费者互动的目的。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
客流统计针对商业进行店铺管理客流量使用，客流统计分析，客流计数器设备。
客流统计计数器设备通用于线下实体门店使用。
今日搜狐热点基于大数据的精准营销与应用场景
大数据营销时代来临
营销学领域过去半个多世纪的发展让我们见证了从“以产品为中心”到“以客户为中心”的转变。随着近年来互联网、移动互联网、新社交媒体的发展，信息过载，数据爆炸、消费者个性化需求的凸显，消费者成为商业行为的主宰者；另一方面，大数据分布式存储、大数据分析及挖掘技术的发展使得对海量数据中收集、分析、整合并进行分析成为可能。基于大数据精准营销这个过程对企业的营销战略提出了很大的机会和挑战。
基于数据的营销基本过程：
基于大数据的精准营销过程分为：采集和处理数据、建模分析数据、解读数据这么三个大层面。通过对客户特征、产品特征、消费行为特征数据的采集和处理，可以进行多维度的客户消费特征分析、产品策略分析和销售策略指导分析。通过准确把握客户需求、增加客户互动的方式推动营销策略的策划和执行。
1、数据层：采集和处理数据
大数据处理的数据类型包括：括图片、文本、网页、社交网络，还有传统的交易数据。不局限在传统采集数据的过程一般是有限的、有意识的、结构化的进行数据采集你能采集
2、业务层：建模分析数据
使用的数据分析模型，例如基本统计、机器学习、例如数据挖掘的分类、聚类、关联、预测等算法。
3、应用层：解读数据
数据指导营销最重要的是解读。传统一般是定义营销问题之后，采集对应的数据，然后根据确定的建模或分析框架，数据进行分析，验证假设，进行解读。解读的空间是有限的。而大数据提供了一种可能性，既可以根据营销问题，封闭性地去挖掘对应数据进行验证，也可以开放性地探索，得出一些可能与常识或经验判断完全相异的结论出来。可解读的点变得非常丰富。
大数据营销数据类型：
人口统计学数据：包括用户的年龄、性别、国籍、注册时提供的信息；
用户行为数据：访问、页面停留时长、触点等。
用户内容偏好数据：感兴趣的话题、评论内容、品牌偏好、位置偏好、时间偏好等。
交易数据：实际订单、客单件、订单转化率、促销响应率等。
大数据营销应用场景：
从企业营销应用层面上看，主要是围绕客户、产品、消费行为三大元素进行营销策略的制定和实施的。这三要素之间彼此独立又相互联系，每个独立要素都可制定营销策略，同时三要素之间的关联组合更是企业制定有效营销策略的关键。
数据来源：网舟科技
[责任编辑: