
大数据营销走入实体店:跟踪手机获取顾客信息
美国一些实体店现在开始通过视频、智能手机的WiFi信号跟踪顾客,获取用户性别、店内各区域花费的时间、购买之前看过的商品等信息。
为了更好地了解顾客的喜好,亚马逊等在线零售商使用网站cookie跟踪用户。以往,传统零售商依靠视频系统(区分年龄和性别)以及无线电技术监控顾客。如今,为了对抗在线零售商,美国一些实体店想出了一些新的方法,这一切都要归功于智能手机。Nordstrom、Family Dollar、Cabela’s、Mothercare、Benetton、Warby Parker等各种各样的连锁零售商都在测试这些技术,据此决定更换商场布置、提供定制优惠券等。
然而,用户似乎可以接受cookie、个人资料以及帮助电子商务网站收集个人信息的其他在线工具,但却对实体店的这种跟踪颇有微词。获悉Nordstrom在一些店内测试WiFi跟踪系统后,一名消费者在Facebook上表示:“太过分了”。一些消费者想知道这些信息的用途。然而,这些实体店称,它们的做法和在线零售商没有差别。
RetailNext以前使用录像研究顾客的逛店方式。例如,男人在外套区只逛一分钟,这可帮助商店简化外套区的布置。它还可以区分不同性别和年龄的顾客。现在,该公司增加了用WiFi定位顾客的技术。RetailNext首席营销官蒂姆?卡兰(Tim Callan)称,如果顾客的手机设置为搜寻WiFi,即使不连上网络,商店也可将顾客定位在10英尺(3米)半径的范围内。
RetailNext还可识别回头客,因为移动设备搜索网络时会发送唯一的标识码。这意味着商店可以了解回头客的行为以及他们光顾的平均次数。另外,该公司还可以利用数据分析用户下一步的去向。卡兰说,顾客有70%的可能立即离开,有14%的可能在一块显示屏前逗留。
Brickstream则使用视频信息观察顾客。该公司出售的立体摄像头价值1500美元,可以分辨成人和儿童,计算店内不同区域的人数,确定哪块区域比较受欢迎以及应开多少台收银机。
摄像头已经变得无比精密,凭借更清晰的镜头加上数据处理技术,商店可以分析顾客查看的商品乃至他们的情绪。例如,伦敦的Realeyes公司可以监测顾客在店内的开心程度以及他们在收银台的反应。俄罗斯初创企业Synqera销售的收银机软件可根据顾客性别、年龄和面部识别测出的情绪定制营销信息。该公司营销总监叶卡捷琳娜?萨维琴科(Ekaterina Savchenko)表示:“如果你是名怒气冲冲的30岁男子,又恰逢周五晚上,它会为你推荐一瓶威士忌。”
Nomi不仅使用WiFi跟踪顾客在店内的行为,还进一步将手机与用户个人联系起来。如果用户下载零售商的应用或提供电子邮件地址使用店内WiFi,便会主动提供一些个人信息。Nomi提取顾客的个人资料,包括最近来店次数、昨晚在网上看过什么产品、购买历史等,然后商店就能获得该资料。
接下来,Nomi使用WiFi信号全称跟踪顾客并将信息加入数据库。Nomi总裁科里?卡帕索(Corey Capasso)说:“如果我在鞋区呆了20分钟,这说明我很想买双鞋。”于是商店便可发送一些运动鞋的优惠券。
这些方法看似侵犯隐私,但至少有些人乐意以隐私换取优惠。Placed应用让用户报告自己在店内的位置,换取现金和亚马逊、Google Play等商店的礼品卡。该公司发言人萨拉?拉德瓦尼克(Sarah Radwanick)称,去年八月份以来,超过50万人下载了该应用,提供了性别、年龄、收入等信息并同意接受GPS、WiFi和移动网络跟踪。Placed将这些信息卖给商店、在线零售商和应用开发者
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10