如果做一個2017年年度風口評選，新零售一定能在榜單上獲得一席之地。電商、微商、無人售貨機，都想借助新零售的概念為自己鍍一層金。
可實際上，真正能夠利用新零售風口迎來大發展的還是占據了超過八成市場份額的實體零售，這也是阿里新零售、京東無界零售等概念被提出的原因。
新零售的概念理解起來不難，以線上為出發點的話，行動起來也不難：開線下體驗店、收購實體商業股份、鋪設無人零售硬件……可對于傳統的線下商家而言，雖然能理解新零售的重要性，可要說轉型新零售，往往又有一種無處下手感覺。
今天我們探討的問題就是，線下商業體究竟要怎樣才能獲得那張新零售的入場券。
線下商業需要被改變?線下商業體一直在努力改變
在很多人心目中，線下商業體似乎就是“冥頑不化”的代言人。可說實在的，線下商業體作為最古老的商業模式的繼承人，在變革上可比大多數線上商業體努力多了。
在電商還處在萌芽階段時，實體商業就已經在利用SEM、SEO宣傳自己。到了今天，在數次轉型風潮中，線下商業體們不知道養活了多少網站開發、App開發、微信開發和新媒體運營。最后人們發現，每次都是線上商業體倒逼線下商業體轉型，可線下商業體費了半天力氣卻只是把錢放到了其他線上商業體的口袋里。
而如果新零售就意味著為店鋪里的每件產品貼上電商sku二維碼，或是在店鋪里放一面有著AR特效和彈幕功能的大屏，那這一切和過去的互聯網+相比又有什么區別?
不管是過去的互聯網+還是如今的新零售，把那些成就了互聯網企業的工具和方法論直接安插到線下來從來都不是最有效的路徑。至于所謂的線上和線下融合，疏通庫存和供應鏈等等，雖然降低庫存成本很重要，但新零售能做到的明顯比這些更多。
生來不同，新舊零售模式的基因究竟差在哪?
如果把阿里、京東等看做新零售，把以往的商超看做“舊零售”，他們兩者之間最大的區別究竟在哪?
相信絕不僅僅是京東和阿里有App、有物流和消費金融服務，這些區別幾乎是毫無門檻的，用錢就可以填平。我們最常說的是“XX公司有互聯網基因”，新零售和舊零售同樣也存在著基因上的區別。
由線上蔓延到線下的新零售，無時無刻不強調數據的重要性，是因為數據曾經是他們唯一的資源。線上商業體沒法對店鋪進行選址，但卻可以清楚的看到自己的每一位用戶從哪里來，了解到他們的性別、地域、喜好等等。掌握了用戶，就掌握了商業的無盡可能。對于“人”的充分了解，幾乎撐起了互聯網商業模式的半邊天。而對于線下商業體而言，數據更多代表著流水、庫存量、利潤等財會方面的數字。
這就是為什么，互聯網企業可以靠著用戶量拿下上億的融資，線下企業去銀行借貸時卻要抵押房產證。新零售與舊零售基因中的最大區別，就在于對“人”的考量上。在舊零售中，人只代表著客單價和客流量，可在新零售中，“人”代表著用戶，代表著巨大的想象空間。
很多人把新零售解讀為對“人、貨、場”的重構，如果“貨”和“場”意味著更精準的選品選址、更合理的庫存設置，那這一切很顯然是基于對“人”的充分了解之上的。通過來自人的數據去校驗貨的數據和場的數據，本質上新零售的“人貨場”是一種數據之間的互相印證。
如果說用戶調研是種玄學，那線下大數據就是科學
其實不管新與舊，每個商業體都知道了解用戶的重要性，但對于線下商業體來說，了解用戶實在不是一件容易事。
在過去，有錢的企業找家咨詢公司天天做調研和焦點小組，沒錢的企業在客戶的消費間隙小心翼翼地問一句“您還滿意嗎?”。誰也說不清得來的結果到底有沒有價值，到最后甚至成為了一種玄學。
新零售一來，似乎解決了這一問題。在某貓、某狗、某獅上統統開設旗艦店，微信微博頭條等新媒體賬號開個遍，綜合以上所有平臺的用戶行為，似乎就能非常系統地去了解自己的用戶了。
但通過線上途徑去了解用戶，只能解決一半的問題。用戶在線上的行為幾乎毫無成本，搜索、瀏覽和點擊或許只是消磨時間的方式，我們可能會在電商平臺上美滋滋的看一天名車名表，到了線下卻不曾踏入過4S店一步。更別提泛濫的流量劫持和水軍了。
相比線上數據的真實程度和噪聲比例，線下數據往往要更真實和更有價值。兩者結合起來，才能從真正意義上幫每一個商業體完成“人貨場”的數據運轉。
線下數據資產化：在貨架和賬本之外尋找新機會
如何去了解和利用線下數據，成了獲得新零售入場券的關鍵。而幫助企業獲得入場券，也成了很多企業共同的目標。
幫助企業裝置紅外感應器、在商場中鋪設免費WiFi、在各個商鋪里搭建會員消費體系……想要在線下獲取用戶數據，并沒有想象中那樣困難。
但在最近完成了3億元B輪系列融資的眾盟數據看來，在收銀機和店鋪門口搭設傳感器僅僅是利用線下數據的第一步。
眾盟數據提出了“線下數據資產化”——有效獲取數據資源、全面盤活數據資產、持續積累數據資本。
對于企業而言，重要的是如何利用數據資源。免費WiFi中可以得知用戶停留時間、紅外感應可以得到用戶數量，甚至在攝像頭監控錄像中都能看到每個用戶在店內的行走路線。現實卻是，大量用戶數據停留在數據庫中得不到妥善利用，甚至在空間不足時還要被定時刪除。
在我們看來，通過深度學習可以預知未來一段時間的來客數量，從而讓商家提前進行人員儲備;通過協同過濾算法可以得知用戶們在自己貨架之外的購物喜好，輔助選品。只是這些都在線下商業體的能力之外，光是把視頻、表格這些非結構化數據清晰標注好就是一項很困難的工作，更別提未來還要面對人臉識別、眼動追蹤等更新的技術。
獲取線下數據的途徑只會越來越多，所累積到的數據量也會呈爆炸式增長。可對于成天和貨架與現鈔打交道的線下商業體來說，花幾十上百萬年薪去雇傭數據挖掘專家和機器學習工程師來處理這些數據顯然是一種低效的做法。
在這其中，就給了眾盟數據機會。
重構線下商業體價值，新零售=新公平
在眾盟數據創始人&CEO廣宇昊看來，對于線下數據的利用不僅僅是幫助商業體更好的從“場”中了解“人”，以便更好地賣“貨”，而在于對整個線下商業體價值的重構。
線下商業體想要轉型新零售，第一步就是要改變觀念，認同“人”的價值，愿意從線下用戶數據中拓展更多的可能性。當這種觀念逐漸普及，線下商業體的價值也會發生改變。
就像以往我們評價一家連鎖超市的價值時，會注重他們有多少家分店、占地面積達到多少平米、貨款周期有多長。可事實證明，藏在地下室的小店也能賣昂貴的懷石料理，小型便利店成功的秘訣在于任何時段都能有產品吸引客流。
以前我們雖然意識到線下商業體中可能存在非常規的商業價值，但很少能為這些價值設立一個標準。而線下數據資產化的最大作用，就是把這些非常規的商業價值量化。
如果我們可以清晰的看到一家小店鋪中有著超高的翻臺率，并且用戶的商業屬性高、黏性強，我們自然不再會以鍋碗瓢盆來評估這家店鋪的商業價值。或許把這些數據寫到BP里，還能讓這家店鋪拿到一筆不小的融資。線下數據一旦被量化就擁有了金融屬性，而擁有金融屬性就意味著數據成為了資產。和線上商業體一樣，數據可以成為未來發展可能性的背書。
新零售的一個重要意義就在于此。幫助那些大體量的線下商業體壓縮供應鏈成本和獲得更多精準流量固然重要，但更有價值的是商業世界的公平性，讓所有不同形態的商業體擁有同樣的機會，可以去用數據證明自己。只有線上與線下、大集團與小店鋪都站上同一條跑道，新零售才能照亮商業世界的每一個死角。
