前言

近几年来，“大数据”的概念因为云计算、虚拟现实及AI等技术的发展和应用被炒得火热。大数据的意义已经不局限于数据规模的定义，更代表着信息技术发展进入了新时代。

基于现有电子信息产业统计数据及行业抽样估计，2015年我国大数据产业业务收入2800亿元，据工信部预测，到2020年，大数据相关产品和服务业务收入将突破万亿元，年均复合增长率保持在30%。大数据已经成为新经济的增长引擎，但是大数据的应用还主要局限于线上大数据，线下大数据还未得到广泛采集和应用。随着新零售时代的到来，线下大数据的价值逐渐得到重视。

一、线下大数据发展现状

1.特点及发展历程

1.1大数据产业进入快速发展阶段

随着互联网、移动互联网、物联网的发展，数据体量呈现出爆发式增长，大数据也应运而生。大数据可以通过以下五个特征来定义：海量的数据规模、多样的数据类型、数据真实性高、快速的数据流转和动态数据体系、数据价值大。
u“大数据”一词的百度搜索指数在一定程度上可以体现其相关概念和产业的几个发展阶段：萌芽期、探索期和市场启动期，目前大数据产业已进入快速发展阶段，实现了市场接受度提高、应用深化和市场规模快速增长等目标。而“新零售”概念的提出为大数据培育了新的增长点。

国外大数据发展起步早，政策推动国内大数据产业后来居上。

2005年，Hadoop项目诞生。Hadoop是由多个软件组成的生态系统，共同实现功能全面和灵活的大数据分析。2006年，云计算概念被提出。2008年，“大数据”得到部分美国知名计算机科学研究人员的认可，业界组织计算社区联盟，发表白皮书《大数据计算：在商务、科学和社会领域创建革命性突破》。2010年，肯尼斯ž库克尔在《经济学人》上发表了长达14页的大数据专题报告《数据，无所不在的数据》。2011年，麦肯锡全球研究院发布了一份报告《大数据：创新、竞争和生产力的下一个新领域》，大数据开始备受关注，这也是专业机构第一次全方面的介绍和展望大数据，工信部把信息处理技术作为四项关键技术创新工程之一。2012年，瑞士达沃斯召开的世界经济论坛上，大数据是主题之一，会上发布的报告《大数据，大影响》宣称，数据已经成为一种新的经济资产类别。美国政府在白宫网站发布了《大数据研究和发展倡议》，这一倡议标志着大数据已经成为重要的时代特征。阿里巴巴集团推出大型的数据分享平台“聚石塔”，为电商及电商服务商等提供数据云服务。2014年，美国白宫发布了2014年全球“大数据”白皮书研究报告《大数据：抓住机遇、守护价值》。鼓励使用数据以推动社会进步2014年，“大数据”首次出现在中国当年的《政府工作报告》中。2015年，国务院正式印发《促进大数据发展行动纲要》,标志着大数据正式上升为国家战略。2016年，ComputingResearch发布“2015大数据市场评论”，表明去年没有将大数据和大数据分析集成到其运营过程的企业的比例从33%降到了16%。大数据开始作为企业决策的重要支撑，在商业市场上发挥巨大价值。2017年，国内政策的接连出台为推动大数据产业快速成长提供了良好的发展环境。

1.2线上流量红利消失，线下客户群体成为优质流量资源

线上流量红利消失：线上用户总规模趋于稳定，纯线上获客成本越来越高，边际收益递减。

线下流量愈发重要：消费者更加重视消费体验和品质，庞大的线下客户群体成为重要流量资源入口，如何发挥线下流量价值成为企业重要的战略关注点。

数据采集技术发展催生数字化变革：互联网实现了线上行为数字化，而iBeacon、各类数据采集传感器技术使得现实场景行为数字化成为可能。未来随着物联网的发展，线上大数据和线下大数据将实现高度融合。

二、定义解读及发展背景

1.线下大数据定义

线下大数据定义：虚拟世界的互联网行为以外，现实场景行为定义解读的数字化。

“大数据”在最初被提出的时候，并不存在线上线下这样的界定，它是伴随着社会信息化而诞生的一个概念；起初，大数据多指线上大数据是因为，以互联网为载体产生的数据，在当时更容易被采集和存储；随着智能终端、数据采集传感器等新技术的普及，线下实体经济和产业的数据化需求推动了线下大数据的快速发展；单从获取层面来说，线下大数据是虚拟世界的互联网行为以外，现实场景行为的数字化。

在移动互联网甚至物联网来袭的大背景下，线上线下的边界越来越模糊。金准人工智能专家认为，在未来线上大数据和线下大数据一定会实现高程度的融合。只有将线下数据和线上数据联系起来，才能更好的赋能产业。

政策、社会、资本、技术等因素推动线下大数据产业发展。

政策：多方面支持和引导大数据与实体经济相结合，加快大数发展背景据在经济活动中的发展应用

国家对大数据的重视程度不断提高，为大数据产业发展提供强有力的政策支持：关注大数据应用如何落地，推动大数据与实体经济结合，培育开展数据服务新业态，加快大数据在经济活动中的发展应用。

社会：线下消费市场空间大，新零售推动线下大数据快速发展

线下消费市场空间大：据商务部统计，2016年我国线下商品零售额24.5亿元，占总零售额的82.5%，线下消费仍然具有巨大能量和前景，线下流量成为新的关注点。
u新零售推动线下大数据快速发展：普华永道发布的《建设未来：零售商的十大投资领域》报告显示，39%的零售商认为“把客户数据转化为智能的、可操作见解的能力”是他们最大的挑战之一。新零售本质上是为了重构人货场，为了实现新零售中“人”的重要位置，关于用户线下数据的采集和基于个性化需求理解的经营是核心。

资本：线下大数据投资热度高涨，备受资本市场青睐

线下大数据备受资本市场青睐：社会关注点逐渐回归线下，使资本市场注意到了线下大数据的发展潜力。2017年多家企业获得融资，如众盟数据获得1.8亿元B+轮融资、汇纳科技在深圳交易所创业板挂牌等。在资本强力推动下，未来几年线下大数据将会迎来爆发式增长。

技术：iBeacon和各类数据采集传感器为线下大数据产业提供有效发展背景技术支持

目前，市场上广泛应用的线下采集产品主要有iBeacon和各类数据采集传感器（Wi-Fi探针和人脸识别摄像头等），其中Wi-Fi探针应用最为广泛。随着技术的不断更新迭代，各类采集技术将通过互补以实现更精准的数据采集。随着技术发展，未来数据采集方式更加多样。在即将到来的5G时代，国家积极推行的5G宏站+5G小站模式，将为线下数据采集提供新思路。

2.相关企业图谱及战略聚焦点

完整的线下大数据产业闭环服务涵盖数据采集、数据合成、数相关企业图谱据应用

线下大数据的处理流程包括数据采集（同时包含数据预处理和数据存储）、数据合成（数据清洗、标签添加、数据挖掘，数据运算和数据分析）和数据应用（精准获客、选址、运营管理、销售监测等）。线下大数据发展较晚，目前还没有形成清晰的产业链条，线下数据的供应端和服务端呈现了多种创新的发展趋势。

线下大数据服务商要通过积累数据采集量、建立标准化体系、深化落地应用和提高数据合成能力，构建健全商业生态。

三、线下大数据应用价值

线下大数据在未来几年会顺应市场需求保持高势头增长和发展，助力实体经济创新。

线下大数据虽然起步晚且面临诸多挑战，但在市场需求、技术进步和实体经济产业更新的推动下，行业从业者在不断探索中发现了许多机遇。不管是从线下经济大环境不断革新的角度，还是从线下大数据和线上大数据互利互补的趋势来看，线下大数据在未来几年会顺应市场需求保持现在的高势头继续增长和发展，助力实体经济创新。

中国商业的主导权在发生着重大变化，消费格局的核心慢慢向对消费者的经营和服务聚拢。线下大数据是利用数字化的手段凸显客户的中心位置。线下是消费产业发展的最初形态，线上线下的模式和销售逻辑并不相同，不同品类在不同渠道的发展趋势差异较大，线下数据为平衡渠道战略提供支持。线下行为以时间为维度，生活状态和生活轨迹更丰富和鲜活。相较线上趋于习惯性的行为，线下行为是对目前线上数据缺失的有力补充，提高了消费者行为的数字化率。消费升级带动商业升级，线下大数据是新零售加速布局的重要支撑。线下大数据的出现推动了商业要素的重构，加速了实体经济经营模式和商业模式的创新。

线下大数据从选址、SKU、营销、销售等方面服务实体经济实现整体运营数字化

线下大数据服务实体经济：实体经济正经历基于技术和数据的新一轮升级，在此趋势下，实体商业纷纷确认“数据驱动一切、以消费者个性化体验”为核心的经营法则。如何基于线下大数据提升用户体验、增强用户粘性、降本增效，成为商家需要着重思考的问题。
u目前，线下大数据已经应用于百货、共享经济、文娱、金融、旅游等多个行业，各个行业的服务链条存在差异，通用应用场景包括选址、SKU、营销、销售和运营，金准人工智能专家将分别描绘各个场景中，线下大数据如何服务实体经济数字化经营。

1. 选址：从“经验”到“数字化”，线下大数据选址是关键

选址作为线下实体店落地的第一环节，不仅是商家对于市场定位的选择，更是制定经营战略和目标的重要依据。

经验选址：过去实体经济拥有者对于选址大部分是基于企业经验，或者追随市场跟风选择地址开店。虽然可能根据不同影响因素，构建了不同的模型，但是由于消费者需求无法评估，非数字化的模型和无法量化的优劣势指标对比难以实现科学指导。

数字化选址：基于商家已有模型、行业和品类需求，依靠线下大数据采集，锁定目标客群集中区域，推荐多个细分商圈。通过匹配主要商业维度和用户标签，提供降本、高效、全面、风险可控的选址方案，确保经营中，门店拥有足够数量和优质的消费者。

案例分析-线下大数据助力无人零售选址

无人设备是技术发展衍生的新零售终端，主要切入场景是社区和写字楼办公室。中国有10w+的城市社区，怎么选择受众群广的社区进行设备投放，形成市场定位和区域规模布点优势，选址是亟待被解决的首要问题。

无人零售设备的方案提供商利用线下数据采集技术，分别对已有门店、目标地址和竞对点位进行数据采集。相比以往人工计数的方式来统计流量，线下大数据可以借助数据智能工具大幅度提高统计效率，多维度分析客流信息，通过数据对比辅助客户决策。

由于社区和写字楼工作日人流量非常大，导致很多无人零售设备的客流转化率处于一个较低的水平。目前利用线下大数据进行选址的应用还处于萌芽探索阶段，企业还没有结合线下大数据制定成熟的策略方案，但金准人工智能专家预测，通过用户画像选址并根据用户标签相应的调整进行选品，无人零售设备的客流转化率至少可以达到现在的两倍以上。企业通过SKU对商品的属性进行管理，SKU本质上就是对货品实现数字化管理。

2.SKU：线下线上结合最优化商品管理SKU
uSKU作为选址后的第二个场景，其效果直接影响门店的销售和运营。实体经济商品在线下场景的数字化可以提高企业战略和运营决策能力，线下大数据可以完成商品和客户之间强相关；在供应链层面，线下大数据的实时反馈可以在保证整体库存精简的同时实现管理最优化。

传统模式的企业供应链是链条式运作，而数字化带来的变革实现了商品供应链中各环节“并联”进行，同步操作，构建供应链生态的协同关系。例如供应链系统中的进销存管理，通过线下大数据可以实现对动销状况实时监测并做出营销策略调整。并且根据线下大数据构建商品价值模型，建立销售端的客户信息库，结合线上数据找到消费者需求最集中的产品，甚至预测消费者消费趋势。

案例分析-线下流量优化市场颗粒度，为共享经济匹配更精准的选品

随着共享经济概念的火爆，共享充电宝也应运出现在了大众视野。共享充电宝如今发展并不成熟，行业面临诸多痛点，例如布局少，归还不方便、用户认知率低和用户对于安全问题的担忧等。

来电科技作为最早入局共享充电宝的企业，其产品主要应用场景有：大型商场、交通枢纽、会议会展、餐饮企业、泛娱乐行业等，不同场景对应的共享充电形式也不同。为了能够实现有效扩张，充电宝如何实现最大利用率是选品放置时最关键的考量因素。

来电科技从布局共享充电宝以来，不仅利用线下大数据采集对自身九十多类应用场景模型进行了补充，将共享充电宝的选品与投放和线下数据采集充分结合。通过线下大数据采集，实现自有客流信息数据库的建立，通过客流的停留时间和用户画像等维度，建立模型，选择最优回报率的产品和数量；将潜在用户的细化描绘直观的体现在场景中，分析热力分布，优化充电宝选址，进行更精准的匹配。金准人工智能专家认为，市场分类的细度直接影响产品发展空间，通过用户标签的精细化选品会为共享经济带来更高效正面的市场反馈，共享经济也会成为线下流量的主要入口之一。

3.营销：基于线下大数据实现营销精准化，提高广告投放投资回报率

大数据对于门店经营的价值不再只是事后分析，而是预测和推荐。基于线上大数据的营销模式更多是依靠线上大数据的积累，而用户画像不仅包括线上大数据，线下场景的行为数字化更能体现用户的客观需求甚至潜在需求，因此线下大数据应用为实体店的营销提供了基于真实场景的数据支持。

门店在采集和分析用户画像时，可以通过用户标签来发布广告给所要触达的用户，根据消费行为推送商品信息，提高双方的匹配效率，实现营销更精准化。同时还可以通过搜索广告、展示社交广告、移动广告等多渠道的营销策略、营销分析以及后端CRM/供应链系统打通一站式营销优化，全面提升广告投放投资回报率（ROI）。

根据线下数据采集绘制用户轨迹，基于不同的营销场景、区域商圈实现定向广告投放，缩短营销刺激和实际转化之间的距离。通过打造线下数据库，采集用户喜好，了解用户需求，为客户提供数字化产品和服务，优化品牌与消费者之间的数字化体验。

案例分析-线下数据丰富用户信息，泛会员体系概念提出

百货行业是受电商崛起影响最大的行业，面对新消费时代，如何利用大数据驱动线下门店，商家也在积极探索新的创新模式。

百货商场自有数据主要包含两部分：会员数据和销售数据，将会员数据和销售数据连接，描绘出的用户画像维度单一，存在会员数据不完善、广告成本高但效益很低、无法锁定人群等困扰，数据价值难以发挥作用。某百货商场使用线下数据采集传感器对到店顾客进行线下采集，通过20天线下数据采集，实现了部分会员画像以及未记录消费者画像的补充。

通过数据多维分析了解到店顾客特征，为顾客匹配属性标签，对相似人群营销推广，客流转化率达到1.4%，高于行业千分之几的平均转化率。经过定向营销，看过广告到店人数占总到店人数比例6%左右，获客成本4.76元，实现营销效果可视化。就百货商场目前存在的问题，线下大数据给出了初步的解决方案，公司运营对线下大数据开始倾斜。但是目前线下大数据还处于一个积累体量的过程，随着体量增加，用户画像的描绘会更加客观和细致，百货商场会逐渐调整公司策略以更好地发挥线下大数据的价值。

案例分析-沉淀线下大数据支持音乐节精准营销

文娱产业是当下的一个热门话题，宏观经济下行带来的“口红效应“，使文娱产业呈现爆发式增长，随着人们对于精神需求的标准越来越高，文娱产业需要迎合消费者作出精准营销，才能更好地符合文娱产业的价值传递。

张北草原音乐节（以下简称音乐节）是目前中国户外音乐节露营和自驾聚集人数最多的音乐节。目前音乐节已拥有较高的品牌认知度，为了寻求新的价值空间，品牌升级、突破单场盈利瓶颈、实现音乐节产业链上的价值空间转移，成为目前面临的主要问题。音乐节受众客群比较固定，过去音乐节仅通过自身票务销售数据和移动信号检测两种方式收集数据。从票务数据来讲，线上和线下渠道区分仅能描述观众的数量级；而检测移动信号只能大致勾勒观众人群的来源地，对营销的指导意义不强。

2017年音乐节前期，根据音乐节自有数据资源沉淀，利用线下数据场景缩小范围，针对性投放广告，特别是张家口本市商圈的投放。结合音乐节多维度营销，最终实现了30万人次到场并突破亚洲纪录。通过对2017年音乐节期间线下采集的大数据细化观众粒度，根据用户搜索偏好明确招商拓展目标，并且根据用户画像进行精准投放实现人群二次召回和新客开发，为2018年音乐节做数据支持。

4.销售：线下大数据联合CRM系统实现门店智慧导购

u线下门店已有的CRM系统已经实现了线下部分数据的数字化，可以完成对客户、会员、采购、销售、库存和系统的数字化管理，如果说CRM系统还只局限于消费者购买行为的数字化，那么线下大数据不仅可以丰富购买行为维度，还可以实现消费者非购买行为的数字化。例如，通过数据采集传感器技术，当用户在线下门店一定范围内就可以探测到用户的手机，从而定位到用户，再结合用户历史购买数据和线上操作数据，经过计算输出智能推荐，有力的支持了门店智慧导购的实现。

由于实体店和电商的差异性，线下销售数据的反馈普遍具有延迟性，相较于电商，实体店的营销策略和运营策略落地时间较长。线下大数据除了助力CRM系统更好的管理实体店销售数据，还可以实时监测门店的经营数据，为企业快速做出运营决策提供可能。

案例分析-珠宝行业利用线下大数据为线上渠道引流

珠宝行业受电商冲击影响小，而且珠宝难以数字化，运输过程中存在风险，所以珠宝企业在数字化改革中进展缓慢。

通过过去的销售数据，老庙黄金发现以往的销售监测是以人工报表形式进行提交，效率低，成本高；而且用户的购买信息不完
整甚至存在不真实的情况，为公司客观评价店铺坪效、租金贡献等造成了阻碍。为了提升自身的信息化程度，老庙黄金采用了线下数据采集的方式评估商户交易数据和用户行为数据。

老庙黄金通过门店数据获取，可以实现门店客流收集、流水数据导入、经营转化率的实时反馈。现有上海门店均已实现线下数据采集，老庙黄金通过获取门店数据，反向指导企业制定运营策略，根据用户画像洞察用户潜在需求，完成为线上销售做引流，在2017年“双十一“线上促销活动中，ROI达到9%；同时，同步线上数据完善会员信息和线上购买数据，逐步建立自有客户数据资产。

5.整体运营

运营：线下大数据完善客户信息，针对营销漏斗实现精准定位，达到精细化运营

运营是对整个经营过程的计划、组织、实施和控制，利用数字化工具指导运营可以达到洞察消费者、研究媒体价值、分析市场竞争和品牌管理，通过线上和线下的资源打通，可以更全面的对客户信息进行管理。尤其针对营销漏斗中的四类客流人群，线下大数据可以对客群实现精准定位，以用户维度，设计和分解运营闭环，最后达到潜客筛选、潜客引流，为顾客提供差异化服务，并对门店整体运营情况综合评估，最后完成企业策略提升，达到精细化运营的效果。

案例分析-线下大数据指导智慧景区运营方案优化

旅游行业是我国国民经济重要产业，我国旅游增加值已占到GDP的4%以上。随着互联网+模式的应用，旅游行业已经发生了巨大的变化，但目前旅游业数字化程度较高的运营模式大多数集中在线上，线下运营的数字化速度较慢。

某智慧景区于2017年揭牌，根据原有数据和可查询公开数据制定运营决策。通过一年经营，公司发现景区的运营决策效果有很大提升的空间，因为运营涉及到了经营链条中很多场景，想要找到关键影响因素所在，涉及到巨大的工作量和经营数据的筛选。通过数字化技术分析用户线下数据，可以高效快速的洞察景区整体经营情况，及时找到运营痛点。

基于线下大数据对景区进行区域固定、形式固定的游客监测，沉淀线下游客数据，总结出一个趋势和两个问题：近50%的游客会选择旅行社跟团的方式乘坐旅行大巴出游；根据游客信息反馈原有数据和公开样本数据不够全面和客观，无法为运营决策提供依据；由于渠道限制，无法做到线上线下引流，因此营销手段并没有得到积极的反馈。根据线下数据得出的信息，公司检测并总结了过去运营策略失败的原因，并针对游客数据继续深度探究以优化运营方案。

四、线下大数据作用——以中商惠民为例

1.线下大数据助力作用—利用用户画像，满足个性化需求，提升用户体验

用户画像为基础：大数据助力线下门店，基础在于“用户画像”的勾画。基于线上大数据得到用户线上的行为偏好，合并海量的、多维度的线下大数据，生成完整的用户画像。从线上到线下，将两者充分融合利用。

1.利用线下大数据进行消费者分析--提升用户体验

对线下产生的有价值的数据进行收集、监测以及分析，结合线上数据，可以帮助线下门店更加精准地进行消费者分析。线下门店在了解消费者的基础上，以人为中心，提升用户体验。

以中商惠民为例：对比4家店顾客休闲小食偏好（由众盟数据掌柜平台提供），每家店顾客偏好有明显的不同，所以金准人工智能专家认为，便利店根据消费者多维度的偏好调整选品，实现“千店千面”，使消费者的偏好需求得到满足，从而提升用户体验。

2.线下大数据助力作用—通过泛会员管理，打通线上线下，增强用户粘性

基于线下大数据的泛会员管理旨在通过打通线上线下，增强用户粘性。泛会员化是指消费者只要在门店有了消费行为，即成为会员，无需额外注册。线下门店为每一位会员建立消费档案，分析其特征并进行数字化，从而延伸出更多的服务，增强用户粘性。金准人工智能专家认为，泛会员管理是一种线下导流线上、线上服务线下的模式。

模式具体为消费者门店消费成为相关APP会员，且将消费数据导入APP；另一方面，APP会员线上与线下的消费行为形成偏好特征数据，服务于门店。

金准人工智能专家对新零售行业的研究发现，未来可依据这一模式的发展典型案例是中商惠民旗下“爱鲜蜂”APP（用户线上购买商品，附近合作的便利店接单配送的一款APP）与其便利店结合。

线下大数据助力作用—利用线下大数据，调整品类结构，降低线下门店成本以线下零售终端、物流、供应链环节采集的大数据为基础，结合线上数据，实现数据化运营管理。