[[106706]]

線下企業只要能夠利用好一些線下數據， 如門禁數據， 視頻監控數據， POS數據等， 一樣也可以通過數據分析來提高運營效率或者減少運營成本。

我們在《七問大數據：企業真的準備好了》一文中提到：“

其實， 中小企業也應該認真考慮他們的大數據戰略了。 如果他們有網站， 他們也能夠產生大量的數據。 即使沒有網站， 其實，每天攝像頭里產生的數據，如果能利用好， 也有足夠的分析價值。”

傳統企業能否像電子商務網站一樣對實體店面的“訪客”進行數據采集和分析?答案是肯定的，而且這方面的技術已經趨于成熟。

一提到大數據和數據分析， 人們首先想到的是Google， Facebook,等互聯網公司， 或者是亞馬遜， 淘寶等電子商務公司。的確， 相對傳統的線下企業， 互聯網企業和電子商務企業， 在數據的采集， 業務流程的自動化方面， 確實更容易實現數據分析。 不過， 隨著更多的傳統零售企業越來越開始注重網絡。這些零售企業也開始更加重視多渠道的銷售策略。 目前來看， 在多渠道的零售企業中， 線上部分的增長率都要高過線下部分。 而往往線上部分的數據分析所帶來的效益， 也促使零售企業在線下業務也開始更加重視數據分析的作用，并促成了對傳統線下數據的嶄新應用。

線上電子商務企業的數據來源很豐富， 他們可以衡量用戶的一切行為，包括用戶數量， 獨立訪問用戶， 用戶回頭率， 點擊率， 轉化率、客單價等等。 甚至不同產品在網頁不同位置的點擊率和轉化率等等。 而傳統零售業則不同了， 它們的主要數據來源就是POS機的數據。 主要是各類交易數據。 包括購買品種， 購買數量等等。 而對于用戶行為來說，線下零售企業掌握的數據相比線上電子商務網站少得可憐，原因是線下的用戶行為都是“模擬”的，無法量化分析。

不過， 如今， 隨著一些新技術的采用， 線下零售企業也可以獲得比過去豐富的多的用戶行為數據。比如， ShopperTrak公司， 就幫助它的零售企業客戶進行用戶進入店鋪路徑的監測。 根據公司CEO Jan Davis介紹， 這項技術已經非常成熟了：

有很多零售商通過購買訪客流量監控的設備和服務， 已經能把用戶轉化率從低于10% 提高到50%以上。 如果結合POS數據，有的零售點甚至能夠做到接近100%的用戶轉化率。

而且， 通過對“高峰時段“的分析， 很多零售店可以安排分配店內員工工作時間，或者在不同店面之間進行員工調配。

例如， 有一家店鋪， 共有四個門。 原來， 店長認為客戶從每個門進出是隨機的，平均的。 而通過加裝了用戶監測系統， 他們發現， 用戶從某兩個門進的比較多， 而從另外兩個門出去的比較多。 因此， 他們根據用戶進店的流量重新調整了貨品擺放，并且把那兩個用戶出去比較多的門前增加了結帳出口。

不僅如此， 這個店鋪的客戶監測統計還幫助店長確定了“強力時段“，即客戶進店到轉化為購買用戶的轉化率***的時段。 店里根據這些， 安排更多的店員， 在“強力時段”前把貨架的貨盡量擺好， 并盡可能幫助客戶從貨架拿貨。 通過這些措施， 使得這個店的用戶轉化率和單店銷售都比以前大大提高了。

其實， 對于數據分析來說， 并不一定非要互聯網企業才可以做。類似這樣的線下企業， 只要能夠利用好一些線下的數據， 如門禁數據， 視頻監控數據， POS數據等。 一樣也可以通過數據分析來提高運營效率或者減少運營成本，數據分析其實是無處不在的。