京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,传统行业的拓荒者之路_数据分析师考试
谈到大数据,在这个领域比较擅长,并且为我们所熟知的,他们大多是一些互联网公司,基于大量线上用户交互作为数据支撑,从而实现精准营销、提升效率和收益的目的。然而有关线下的数据收集,却一直是行业的痛点难点所在。
逐鹿网此次对智慧空间CTO庞涛进行了专访,以期希望能够通过他们的产品「流量小盒」来帮助大家了解一下关于线下大数据如何被有效收集利用,以及传统行业在拥抱互联网时应该如何去面对?
午后的一个下午,我在新中关的星巴克见到了庞涛,他显得形色匆忙,刚刚去微软谈了有关产品推广的合作,就风尘仆仆的接受了我的采访。
接地气的硬件,智慧空间的客流小盒
庞涛所在的公司叫做智慧空间,在他看来天下熙熙这么多人流,作为一家专注线下大数据收集的企业应该理所应当的区覆盖所有的地面空间,「我有一种责任帮助所有的地面空间,实现利用大数据来管理客流的一种能力。」
「智慧空间」这家公司在业内并没有什么知名度,他们的产品「客流小盒」也因为是2B端的产品,所以并不被用户所熟知,但这并不妨碍他们在线下大数据方面的成功。
传统的市场研究是找一个市场调查公司,做一些调查问卷,做一个通过统计学的原理来推断市场客户。而客流小盒则是帮助商家收集到足够多的客流数据,为监测商家的客流量提供解决方案,帮助零售企业更好的实现市场研究。通过一个设备和数据的留存,可以识别出一个精准的用户。
例如识别出一个客户后,能识别出一个客户从9点来到10点走,每5秒刷新一次之后就能识别出这个时间段内客户一直在留存。如果能在半年内监测到这个客户平均每个月到店4次,那店家就可以知道这个客户的价值。客流小盒的覆盖的半径大约为30米,能把手机设备的型号识别的特别精准。而其可以利用无线网络监测的道理其实很简单。
移动互联网时代到来,每个人都会有手机,这些手机都会发射无线电波。而如果一台设备能够听到这个无线电波,同时又能识别这个无线电波,那么就能够通过记录手机的个数,来比较准确的推出客流的个数。我们知道在无线电波传输的过程中,一定是带有硬件的特征码,而且这个特征码是固定不变的,通过监控这个可以锁定一个消费者在各个店铺的消费情况。
客流小盒具体来说是怎样的一个产品?用通俗的话来说,这是一个监控到店客流的硬件产品,但这或许是我所见到过的最接地气的硬件了。在前端,客流小盒主要利用经济成熟的无线wifi技术,识别客户手机等无线设备,进而可以准确方便地统计客流量、驻留时间、进店率、回头率等等有价值的数据。在后端,则通过系统后台提供专业易懂的客流相关数据报表,帮助客户实现线下精准数据与CRM的完美结合,最终达到精准营销。
现在客流小盒大概已经和五百多家实体店进行了合作,今年的目标是推广到大概上万家,推广主要走2B的渠道,目前它们也已经获得了天使轮融资。
艰难的前行者,线下数据的拓荒之路
在庞涛看来,互联网巨头没办法从根本上解决线下店铺获取用户的需求。举例来说,对一个具体的线下饭店,一天饭店里来多少人吃饭,谁来你这吃饭,这些人都是什么样的人,实际上对于一个实体店铺,他基本上没有什么手段,而所谓巨头其实也没办法解决这种困境。
当然,不少线下店铺会有一些很笨的手段,但这些手段往往都存在诸多弊端。
首先,存在大量数据缺失,监测无法达到有效的精准度。像Zara的所有门店都放了三路摄像头,这个用来数到店人数。还有711便利店比较聪明,弄了一个只要计数器,只要你一开门,计数器就会自动加1,开一下就加1。其实商家并不是不想监控这些数,而是监控这些数的手段不够多。像711这个,一下来了一堆20个人开了一下门,大家一块监控,就没办法精确监控了。摄像头也有同样的问题,会出现一个人出现在两个摄像头里,被重复计数两次的现象出现。而图像识别的精准度又不是很高,这就导致你无法具体计算到底来了多少人。
其次,即使监测到了具体人数,也无法清楚客流动向。店铺进来了多少人,这只是线下大数据的第一步,对商家来说他们更在意的是消费者最关注的是什么?他们去了店铺里的哪些地方,在什么地方停留时间最长等等,这些数据对线下店铺来说可以帮助他们迅速的调整商品策略。这种在线上很常见的监测流量的热力图,在线下却没有一个解决办法。
最后,到店人数最终的转化率。这个相信会是所有商家最关心的数据,到店的消费者当中到底哪些去了试衣间试衣服?现在的监控都是通过销售后的数据,店铺卖了几单,这个客单价是多少?但事实上,一个品牌做了很多市场推广,这个到店其实是有成本的。哪怕是自然流量,那也是支付了高额的成本才能获得这个好的地段,所以才有了这个流量。商家当然希望能找到一种方法让用户获取成本变得更低。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13