传统零售企业如何受益于数据分析

线下企业只要能够利用好一些线下数据， 如门禁数据， 视频监控数据， POS数据等， 一样也可以通过数据分析来提高运营效率或者减少运营成本。
　　我们在《七问大数据：企业真的准备好了》一文中提到：“其实， 中小企业也应该认真考虑他们的大数据战略了。 如果他们有网站， 他们也能够产生大量的数据。 即使没有网站， 其实，每天摄像头里产生的数据，如果能利用好， 也有足够的分析价值。”
　　传统企业能否像电子商务网站一样对实体店面的“访客”进行数据采集和分析?答案是肯定的，而且这方面的技术已经趋于成熟。
　　一提到大数据和数据分析， 人们首先想到的是Google， Facebook,等互联网公司， 或者是亚马逊， 淘宝等电子商务公司。的确， 相对传统的线下企业， 互联网企业和电子商务企业， 在数据的采集， 业务流程的自动化方面， 确实更容易实现数据分析。 不过， 随着更多的传统零售企业越来越开始注重网络。这些零售企业也开始更加重视多渠道的销售策略。 目前来看， 在多渠道的零售企业中， 线上部分的增长率都要高过线下部分。 而往往线上部分的数据分析所带来的效益， 也促使零售企业在线下业务也开始更加重视数据分析的作用，并促成了对传统线下数据的崭新应用。
　　线上电子商务企业的数据来源很丰富， 他们可以衡量用户的一切行为，包括用户数量， 独立访问用户， 用户回头率， 点击率， 转化率、客单价等等。 甚至不同产品在网页不同位置的点击率和转化率等等。 而传统零售业则不同了， 它们的主要数据来源就是POS机的数据。 主要是各类交易数据。 包括购买品种， 购买数量等等。 而对于用户行为来说，线下零售企业掌握的数据相比线上电子商务网站少得可怜，原因是线下的用户行为都是“模拟”的，无法量化分析。
　　不过， 如今， 随着一些新技术的采用， 线下零售企业也可以获得比过去丰富的多的用户行为数据。比如， ShopperTrak公司， 就帮助它的零售企业客户进行用户进入店铺路径的监测。 根据公司CEO Jan Davis介绍， 这项技术已经非常成熟了：
　　有很多零售商通过购买访客流量监控的设备和服务， 已经能把用户转化率从低于10% 提高到50%以上。 如果结合POS数据，有的零售点甚至能够做到接近100%的用户转化率。
　　而且， 通过对“高峰时段“的分析， 很多零售店可以安排分配店内员工工作时间，或者在不同店面之间进行员工调配。
　　例如， 有一家店铺， 共有四个门。 原来， 店长认为客户从每个门进出是随机的，平均的。 而通过加装了用户监测系统， 他们发现， 用户从某两个门进的比较多， 而从另外两个门出去的比较多。 因此， 他们根据用户进店的流量重新调整了货品摆放，并且把那两个用户出去比较多的门前增加了结帐出口。
　　不仅如此， 这个店铺的客户监测统计还帮助店长确定了“强力时段“，即客户进店到转化为购买用户的转化率最高的时段。 店里根据这些， 安排更多的店员， 在“强力时段”前把货架的货尽量摆好， 并尽可能帮助客户从货架拿货。 通过这些措施， 使得这个店的用户转化率和单店销售都比以前大大提高了。
　　其实， 对于数据分析来说， 并不一定非要互联网企业才可以做。类似这样的线下企业， 只要能够利用好一些线下的数据， 如门禁数据， 视频监控数据， POS数据等。 一样也可以通过数据分析来提高运营效率或者减少运营成本，数据分析其实是无处不在的。