提到新零售，你的第一印象是什么？

早上买早点，煎饼果子可以手机支付了；

中午吃饭，外卖来得越来越快了；

加班的晚上，发现去年刚装的无人货架，今年因为销售量太低而拆掉了；

回家的路上，一窝蜂建起的无人便利店落满灰了；

躺沙发上刷刷手机，猜你喜欢，似乎已经比伴侣更合心意了；

不知什么时候开始，亲人租赁也成为一种产品了；

人造节日越来越多了，双11也开始走向线下了...

那么眼前的“新零售”能带来什么样的企业价值？

1、效率的提升

提到新零售对效率的提升，也许你的第一个反应是“无人”。无人技术的发展是人工智能的一大步，但为了无人而无人，和把顾客在线上线下间无意义驱赶的O2O一样，只是新零售的伪创新。新零售对效率的提升应该体现在企业的整个运行链路当中，通过业务标签化、流程自动化和分析模型化，减少跳入跳出时间和重复工作量，最终实现决策数字化。数据资产的建设、数字化平台的建设、数字化决策能力的建设，都是效率提升的基础。

我们在私有化DMP平台中进行数据资产积累，根据属性、行为、既有标签构建一、二、三方标签，并在基础标签之上，构建自定义标签、算法标签、聚合标签，实现业务标签化；之后将标签部署在平台上，并与营销投放平台全面打通，在一个生态中完成人群筛选调用、投放、数据回流、追踪的全链路，实现一站式营销流程自动化。在每次营销活动之后，根据回流数据分析结果、顾客价值及生命周期变化，判断人群标签有效性，固化成自定义标签，后续即可一键调用，避免重复工作量。标签式人群筛选及放大，颠覆了以往数据库捞人的模式，节约营运时间75%以上，提高企业敏捷应对能力。

在零售选址方面，企业可以通过实时客流热力，直观了解城市主商区、次级商区、辐射商区覆盖域；在客流热力基础上叠加自有门店、竞品门店、增益品牌信息，寻找空缺覆盖片区；结合对目标选址行政区、目标营业时段的选择，采用5C选址方法做多因素综合评分；在优选片区中选定精确店址并继续深化选址研究，科学的划定局部商圈，快速获得多址终选的决策依据。

值得强调的是，如今的数据分析对象早已不仅仅局限于数字，还包括图像、语音、文本、社交关系等。

2、收益的提升

分析对收益的提升往往建立在效率提升的基础之上，通过应用场景化实现，体现于会员结构优化、销售增长和成本下降。

某零售企业利用其会员线下POI数据、APP数据和WIFI数据，打造定制化标签，在未购买咖啡的会员当中筛选出潜在咖啡客进行分群、分时、分文案投放，总体响应率比盲投提高约120%。同时，通过分析识别长距离通勤人群等响应率为历史响应率3.5倍的超高质量咖啡潜客群，日后可以作为种子进一步通过在第三方人群池进行放大、LBS或微生态拉新，实现低成本咖啡新客规模化获取。响应率提升带来的销售增长和营销成本的节约可以反哺，为顾客带来更好的产品。

传播行为数据的可获取性，让零售企业可以通过最小可行化产品（MVP）测试，对权益、渠道、媒介、人群参数等进行效果回收迭代，减少时间及财务浪费。迭代不仅仅是为了找到对的方向，还包括找到该绕开的错误。

国内当前注册在案的网红120万个，去年下半年，企业就已经可以以小时为单位来数字化展现网红的效果；人工智能已经能够自动化生成千人千面的素材——人跟品牌之间的交互节奏极快，规模极大，成本极低，因此与其让运营方、设计师绞尽脑汁猜几百万用户怎么想，不如让几百万人来投票。新办法层出不穷，今天最有效的方式是“裂变红包”，明天可能就是“邀请得券”，所谓方法论不是一两个金点子，而是一套敏捷的发现、验证、推广新技巧的机制，在找准现金牛的同时，也做好弯道超车的准备。

在线下营销活动期间，某品牌业利用DID双重差分模型分析活动中的显著指标，设定核心KPI，为导购行为提供科学指导；利用随机森林聚类和分类模型判断影响人群是否购买及购买金额的因子变量，指导后续人群筛选。此举颠覆了以往对管理经验和传统认知的过度依赖，大幅提高决策客观性，缩短人群及店铺筛选时间，降低人员培训成本。

街都将如何实现企业价值？

“街都”作为浙江创旗信息科技有限公司自主研发的移动生活购物类平台，致力于打造中国第一家本地化的移动生活购物平台。重新塑造人，场，货。打破传统零售与电子商务模式，并致力于最好的用户体验，致力于最高效的物流体系，致力于以专业的知识打造最优秀的零售平台。

最后，“街都”将以企业价值为终极目标，以效率数字化为起点，提升横纵向生态聚合、业务经营能力、平台支撑能力与商业运营模式，以效益数字化为节点，全面提升数字化能力，稳固提高产出价值。