【摘要】未来零售商如何通过大数据圈住消费者现在的零售商都知道大数据对于他们商业运作的意义，例如可以分析消费者的大数据为他们量身定制服务，满

未来零售商如何通过大数据圈住消费者

现在的零售商都知道大数据对于他们商业运作的意义，例如可以分析消费者的大数据为他们量身定制服务，满足他们个性化需求。想象一下，当一位顾客踏进百货店大门的一刻起，你就知道他/她的名字、身高、在店内及网上的支付记录，甚至是他对生活、宇宙及一切事物的看法等等都了如指掌，那对于他接下来会对门店内什么商品感兴趣，会心甘情愿的为什么而掏腰包还会感到茫然吗？

　　数据分析对于消费者而言可能是“侵犯隐私”，但从商家角度来看，每个消费者都会享受到“名人”般的个性化定制服务待遇。消费者对于数据隐私问题的看法会直接影响零售业的未来，因为科技发展太快，而实时的大数据驱动着整个购物方式、零售业未来发展方向的变革。

　　关联性促销

　　自隶属于Tesco的Dunnhumby于1994年起帮助该超市设立会员忠诚卡项目以来，美国的消费者已经对零售商收集他们的消费数据习以为常。

　　超市除了利用消费者行为产生的大数据之外，现在还在其数据库中加入了历史季节性销售额、气候等数据，为其要在门店准备多少的“烤肉”、“啤酒”、或者“雨伞”作为参考值。

　　除了来自于用户实际在门店中产生的交易数据之外，超市还捕捉来自于社交媒体上的有用信息，包括用户定位显示的所在位置、发布的内容等等。

　　而有能力实时分析这些数据给了零售商一个前所未有的发展机会，无论何时何地，线上线下都可以为他们的消费者度身定制服务。

　　数据的分析及掌控对于门店的销售有举足轻重的影响力，除了顾客消费实力之外，天气因素也不可小视，举个例子，郊游季的周末气象预测会下雨，零售商可以在店铺首要位置将啤酒和雨具临近摆放做关联性促销。

　　“假如你知道你的顾客想要购买什么，而你的门店仓库有什么相关的库存，这样就能专门为他们做最适合的推荐，当然这要求商家‘及时’”来自于SAP大数据分析的Klaus Boeckle说道，“目前已经这么做的公司包括百安居和亚马逊。”

　　更深入的为顾客定制

　　门店的店员可以在便携式设备上查询这样的消费者大数据，他们可以轻松的检索消费者个人档案，并从其最近的社交媒体信息中了解该顾客的近况，例如，他是准备好好过个假期还是为寻找一件适合她的晚礼服而烦恼着。

　　然后，店员就能相应的推荐该顾客购买他们需要的产品，因为作为零售商的我们已经了解了他的需求，以及他购买商品的记录。

　　苹果对应的iBeacon技术——店内蓝牙位置跟踪被设计成可以与智能手机互动的应用，当消费者踏入百货店的那一刻起，零售商和应用程序开发方就能立马确认其身份。 然后那些相关的特别推荐的产品将被推送到该顾客的智能手机里，至于推送哪些商品还取决于该顾客所处百货店内的具体楼层及位置。

　
　　基于实时销售情况，Lush店的店员可以随时改变其卖场的布局

　　作出以上各种“个性化”定制的前提，首先要征得消费者的许可，同意商家、应用开发者获取他们的隐私数据。其实商家也只想将这些数据转化为更好的服务。

　　化妆品零售商Lush拥有大数据分析设备，供店员在门店内及仓库里使用，这样他们就能实时掌控销售情况。

　　这种做法可以刺激门店员工在销售业绩层面的互相竞争，从而达到最佳的工作状态，还能为消费者带来不一样的购物体验。

　　比如，当店员发现门店内的沐浴球和另外一款洗发露被消费者联同购买的次数比较多时，他们就可以自主改变这两样产品的陈列位置，将其就近摆放。

　　数据越多越好，越细越好

　　这种根据数据向消费者有正对性的推荐产品方式在网络零售商那里应用的相当普遍，且发展势头还在不断增长。

　　亚马逊全球的用户已经达到约2.4忆，年收入近750亿美元，他们已经实现了跟踪捕捉用户的信息，根据不同的数据分析结果调整其服务。事实上早在2004年时期的亚马逊数据收集、分析能力就超过了当前大多数零售商了。

　　当前，多数网络零售商都可以根据用户的搜索、浏览记录推送相应的产品至其预留的email中。

　　亚马逊的首席技术官Werner Vogels,告诉BBC称：“数据永远不嫌多，而且越细越好，只有获得一定量的数据才能对分析结果进行细致的划分。”

　　随着云计算和实时数据处理的崛起，让零售商们能更精准的锁定目标顾客，给他们推荐更适合他们需求的商品。

　　亚马逊网站内的“推荐购买”就是根据顾客之前的购买行为、评级作为依据，因为机器运算，总不能做到完美，但其运算的结果随着技术的升级也不断革新。

　　例如，消费者可能想购买一个水壶，亚马逊会根据其之前在网站购买过的厨具信息，推荐其一款最符合其心意的水壶。

　　传统零售商的反击战

　　传统零售商们高举大数据“武器”准备对亚马逊开展猛烈的反击。

　　玛莎百货，Boots, John Lewis, Argos, Dixons 及 Ann Summers都是RichRelevance的客户，RichRelevance利用从零售商那里收集来的大量数据为实体零售店提供个性化购物体验。

　　当零售商知道自己的顾客更青睐哪些品牌时，他就会向自己的顾客推送不同的商品和促销内容。Apache Hadoop根据顾客以往和当前的购物习惯，运用125种不同的运算，预测顾客在什么时间会购买哪些产品，且运算的时间仅仅只需20毫秒。

　　通过帮助消费者找到与他们最相关的产品的方法，零售商的销售额平均提高3％—10％。

　　最终的结果是，不管消费者喜不喜欢，个性化零售已经成为不可阻挡的发展趋势了。