如何做品牌线下数据

⑴ 新零售怎么打通线上线下数据

第一，是实现线上线下消费的无缝对接：
也就是线上购物，然后线下到门店自提，或者在家附近的门店送货上门，这样是不是很方便?而不是电商专属商品，这样物品质量有保障，而且物流费也省去了，商家库存管理也会非常出色。
第二，是解决配送和假货问题：
选择信誉度高性价比好质量优的供货商供货，统一进行配送，跟门口店面进行合作。
一方面可以做B2B统一配送业务进行赚钱，一方面通过广泛布局，掌握全国零售商品的物流大数据。
新零售体系下，精选后的产品，直达小区的产品，在配送时更加快速，比如通过淘宝外卖弄，通过饿了么或者蜂鸟配送到你家。可以预见，新零售+B2B配送成功布局之后，这俩问题将得大幅改善。小猪外送系统顺风配送模式，助力打通最后一公里。
第三，是增加大量的消费场景体验：
在门店中，大量采用传感器和物联网，并在将来利用AI技术，做到自动结账，客户追踪、优化库存、内容推送等，将大大提升消费者的消费体验和店面的盈利能力。

⑵ 企业的大数据营销方案该怎么去做

企业要做大数据营销就需要通过大数据平台，将企业各个部门之间的数据打通，串联并相互融合，从而指导企业制定科学的营销方案。
首先把各个部门的数据汇总到一起，通过对这些数据分析，掌握用户的精准信息，建立用户画像，定义用户属性。同时企业要知道自己产品的定位是什么，产品卖点是什么等，对不同的对象采取不同的营销策略，直击痛点，实现转化。
然后搜集客户的个性化信息和需求，推送购买建议和相关促销信息，到提供跨渠道的客户购买体验，以及激发相关的品牌联系。利用小蜜蜂大数据平台进行数据挖掘和分析，发现客户思维模式和消费行为模式，指导产品的研发与新技术方向。
最后进行全渠道营销：整合并分析用户在终端的行为数据，帮助企业打通外部广告营销、自有终端平台、会员营销、商品分析等多种营销渠道。其具体具体流程可归纳如下：
1.数据采集
数据采集其中分为线下与线上。线下是在指在门店或某个商圈内放置一个数据采集装置，采集周围用户的手机资源。线上是指利用LBS技术对指定区域、地点来精选数据采集调取。
2.数据清洗
原始数据采集上来时往往都是不规则、非结构化的数据，而且数据大量存在重复、缺失、错误等问题。所以需要进行数据清洗，也就是数据画像分析，并将清洗的结果传输到分析及运用系统中以供使用。 
原始数据中可能携带一些用户隐私相关的数据，在数据清洗时，需要通过标签化、分类化等等方式对这些数据进行处理。
对于非结构化的数据我们也需要采用数据建模及数据治理等方法将数据转化为结构化数据，这样才能加快统计分析的速度。
3.数据运用
前面二个运用只是基础的环节，最重要的是如何利用数据来达到营销效果。
数据可视化是数据分析及运用环节十分重要的展示窗口，通过这个窗口可以让更多的、各级工种得到数据传递的规律和价值，并使数据在工作决策中起到十分重要的作用。
除了数据可视化还是用户画像分析也是重要的营销手段，通过线下数据和线上数据分析，进行精准客户一系列分析会更加了解客户他们的喜好、浏览习惯、是否拥有消费能力等等，根据这些还可以制定出符合精准客户痛点的营销方案，力求营销最大化。

⑶ 如今传统企业如何做数字化转型

数字化转型，是建立在数字化转换、数字化升级基础上，进一步触及公司核心业务，以新建一种商业模式为目标的高层次转型，简单来说，是用数字来驱动整个世界的变革。企业数字化转型的本质是通过数字技术在竞争中获取优势。

企业做到一定程度，多多少少都会遇到一个瓶颈期，尤其是在现在这个信息爆炸、市场风向瞬息万变的时代，一不小心就会陷入迷茫：接下来我该怎么做？似乎老办法行不通了？别人都在做什么？如何降本增效？要如何拓客？如何用现有的资源让企业更上一层楼？营销活动要怎么才能获取更多的人脉和商机？有新的营销模式吗？

如今，数据成了新的能源，不是企业没有数据，而是很多企业不知道怎么采集数据，治理数据，或者更深入地说，从数据中发现问题和机会。数字化转型是一个发现问题、量化问题、解决问题的过程，总结一下，有四场必打的战役：品牌营销、产品创新、渠道经营和用户运营。

品牌营销：

品牌是一套对公司产品和服务所引发的预期和联想，它不仅代表了一个公司的产品，也是代表了一个公司的形象和特质。就像提到“足力健”就会想到老人鞋、价格亲民、穿着舒适；提到“旺旺”就会想到过年大礼包、走亲戚这样，成功的品牌营销，是即使客户没有购买过这个品牌的商品，也会在脑海中形成一个联想。

虽然品牌是一种主观感受，但依然有量化它的手段。

（数据来源：数说雷达）

以兰蔻来举例，在数说雷达系统中查询兰蔻的口碑，会得到一个词云：

图片来源：数说睿见全国城市选址指标

用户运营：

前述几场大战可以帮助企业培养和筛选出意向客户，用户运营则帮助在私域池中促成交易。很多大牌美妆都在做的社群经营就是私域，先用活动或者首次销售把用户引流到社群中，做好品牌的宣传、下期活动的营销，这种“耳濡目染”自然会让用户对品牌的印象加深，再用打折促销的方式促成二次购买，逐渐汇聚成一批忠实的品牌社群客户。

遵循用户拉新——激活——留存——转化——传播——到店的路径，企业仍然需要数据采集工具提供多点打通、融合、管理功能。节省人力，把人力和数据用在刀刃上，这也是数字化转型的意义。

其实不论是什么转型，归根结底都是为了企业更好的发展。数字化转型的开始或许很难，但从长远的眼光看，这一步值得迈出。

⑷ 广告企业如何做到线上线下数据的贯通

高稳定性
广告效果最大化的秘诀就在线下大数据
线下场景人群一旦构建便可形成固定化人群数据包，可持续循环进行广告影响。 简单来说，它实现了第一个“反复”——今天你投放广告的人还是明天你投放广告的人。

固定线下人群包导入媒体后台后，就可锁定该人群，让你的每一次广告无论是哪一天、哪一个时刻投放，都能曝光在同一批人眼前，实现同一个广告对同一个人的反复影响。而线上数据就做不到，线上流量变换迅速，假设今天基于兴趣标签圈定10万人群，但次日再次通过该标签圈定的10万人已不再是昨天的10万人了。“昨天”的人都无法找到，何来“反复影响”一说，都只是接收了一次广告曝光而已。

线下数据可以独立于媒体，不依附于某个单一媒体，可以通过数个新媒体同时投放营销。通俗地说，它实现了第二个“反复”——今天这个app看到的广告，明天在另一个APP还会看到。

线下人群包脱离APP而存在，作为高度独立的个体可导入任一主流APP媒体后台（例如今日头条、抖音、微信朋友圈等），完成不同APP之间的数据互通，在进行针对该人群的广告精准投放时，实现多渠道全媒体营销，让你在用手机使用不同APP时都能看到同一个广告的身影，再一次完成“反复影响”。同样，这一点线上数据还是做不到。由于APP之间的竞争关系，线上数据无法共享使用，造成互相之间的数据壁垒，最终你在A媒体上投放广告的人和B媒体上投放广告的人根本不是同一批人，又从何谈“反复影响”一词。
新媒体广告投放，都有一个核心目标——让消费者记住你的品牌或产品。只有长时间反复影响，经过一段时间的积累和印象形成，才能看见效果，没有“反复”的策略是成不了记忆的，自然，广告也是没有效果的。

⑸ 数字化门店如何打造

什么是数字门店？顾名思义，数字门店就是将数字工具作为重要的经营手段，进行门店的管理与维护，它是现代科技与实体门店相结合的产物，通过线上智慧经营小程序与线下门店的融合运营，为商家解决客流、营销、管理成本等问题。

商家如果想要升级成数字门店，需要借助相应的数字门店工具，如网付智慧数字经营，它能帮助商家构建起从线下到线上的全链条管理系统，打造自己的会员数据库，搭建品牌流量池，在进行数字门店升级的同时，完成企业的数字化转型。

⑹ 线下如何做到精准,数据从哪里来是人工统计还是智能

目前钛动科技做的投放是以线上为主，后续线下投放也会陆续做起来。线下的数据最终也是需要回到系统，所以钛动科技也会用钛动科技的系统和技术包括商业智能BI，去支撑投放的精准度，力求做商业赋能的BI企业，用商业智能去赋能一切广告交易。

⑺ TOP100summit分享实录｜服务快消品牌的数字营销解决方案

本文内容节选自由msup主办的第七届TOP100summit，个推大数据产品咨询总监沈都分享的《服务快消品牌的数字营销解决方案》实录。

分享者沈都具备丰富的互联网研发和营销策划经验，善于通过数据分析发现企业服务环节中的更多营销价值点，曾负责长城 汽车 、高露洁、欧莱雅等多个项目的数字营销工作，在数据，分析挖掘和应用上有丰富的实战经验。

编者按： 2018年11月30日-12月3日，第七届全球软件案例研究峰会在北京国家会议中心盛大开幕，现场解读2018年“壹佰案例榜单”。本文为个推大数据产品咨询总监沈都老师分享的《服务快消品牌的数字营销解决方案》案例实录。

众所周知， 广告分为两大分支，即效果广告和品牌广告。效果广告在移动端领域非常普遍 ，例如，你看到一条消息刺激你去安装下载一个APP，或是留下信息注册，这就是效果类广告。

品牌广告 是指大家在传统媒体上看到各种各样的广告信息，不管是请人代言还是户外海报这都属于品牌广告。与效果广告最大的不同是，它并不是追求在一次广告投放中产生立竿见影的效果， 而是在一个长期与消费者沟通过程中，让品牌形象深入心里。 品牌广告中根据品类不同，还可以分成更细致的观点，例如， 耐用品、奢侈品、快消品 。

耐用品 ，一般品牌商常用的方式是宣传它的功能性、可靠性、耐用性。 奢侈品 则完全不同，奢侈品有自己的一种品牌理念、质感，这体现了奢侈品消费者的身份特征。 快消品 是覆盖更大的品类，消费者对于快消品的理念也会随着各种各样的因素而变化。

快消品市场竞争激烈，消费者见异思迁

对于快消品来说，它受影响的因素非常多，我们先从品牌因素来讲：

品牌本身是一个消费和决策的因素，比如，耐克、宝马这种品牌因素非常深入人心。但是快消品的活动非常多，我们常说：“广告打得再有情怀还不如双11半价。”这是 活动因素 。另外就是 环境因素 ，现在一些快消品在电视剧/综艺上做赞助，有些人会冲动购买，这时，它的目的就已经达到了。最后是 购买心理 ，比如咖啡，你看到身边人在喝，你作为消费者也会想要尝试一下。

快消品的消费者特点：

1、购买习惯因人而异。

2、消费者购买快消品是相对感性的产品。现在一些网红、博主带货，如果你对他有好感，很容易会被其影响。

3、快消品价值不高，所以，导致消费者的忠诚度并不高。

品牌营销面临的问题

快消品的这些影响因素会影响品牌在很长时间内的表现，所以，我们该如何帮助品牌者更好的了解消费者？这个才是品牌主关心的事情。要做品牌广告，就一定要走心，让品牌形象深入人心。因此，想要了解消费者，传统的方式是 问卷或者访谈 ，挑出一小部分用户代表整个群体，通过他们的沟通交流挖掘出内心动机。但是，这相对有三个弊端。

第一个，调研成本相对比较高 。有效问卷需要很大的量，可能需要几千份甚至上万份问卷，这时问卷筛选率非常高，一个产品就要做一轮调查，时间线会非常长。

第二个， 我们现在做一些访谈的时候，需要从消费者口中获得一些声称的消息，但其实这些消息 并非他们的真实想法。

第三个， 我们在选一些媒体去做触达时，因为前期是抽样调研，所以，在投放的时候，量本的用户不能覆盖整个群体的特征。

面对这些弊端，我们能否用一些数字化的方式去解决呢？

虽然，大数据强调的是 全量， 但广告一定是品牌和效果分开的，传统广告是通过一轮一轮的品牌印象，在一些关键时点做大型促销，在数字化领域，我们同样要遵循这样的规则，而并非在有了一些数据化的工具之后，把品牌广告做成效果广告，这是很多品牌主在一开始接触时产生的误区。

上图是我们经常跟品牌主做的营销节奏。对于一个品牌来说，营销时点是分开的，在平日的一些时间段，它要做的是找到相应人群做一些相应内容的传递，以此达到品牌印象的建立。在一个大促的时间点做临门一脚的事，关系就像蓄水池，平时品牌印象就是蓄水池，而大促相当于一个开关。

我们如何帮助品牌广告主做数据化的营销工作？

每一个人都是数字时代的网民，不管我们去消费、 娱乐 、通行、订单等所有行为都要通过手机。平均每个人手机上主动下载安装的APP有33个。所以，有了这样一个移动端的基础后，我们才可以说 打造以人为单位的移动营销工具。

上图可以这样理解，通过大数据可以解读消费者在移动端的行为偏好，由此便充分了解消费者，最终通过“人”推导营销策略。

这个时代不缺数据。 一个品牌在各个领域都有它的数据，比如，电商平台中会有大量CRM的信息、订单信息、消费者信息、消费者购买时间、购买金额等数据。另外，线上各媒体投放的时候，也会留下大量消费者数据，比如，哪些消费者在什么地方看过广告，有没有点击，以及对某些广告的敏感度等。但这里有个很大的问题， 在不同的场景里，数据的沉淀方式是不同的， 因此数据无法被打通。

那么，我们如何知道消费者既购物又去了线下门店，并且还看到了广告呢？

现在，BAT有非常强大的账号体系，所有的APP、网站都用微信/淘宝账号登录，我就可以知道同一个人分别在哪些地方出现。而我们的方式是 ID打通， 我们把这些数据做匹配，打通以设备为单位/近似于以人为单位的ID，标上我们自己的标签体系。

数据的匹配打通，其实是一个相对底层的工作，这个工作广告主看不到。既然我们是为广告主提供洞察研究的产品，那我们更多是要做可视化方面的内容，让洞察结果变得更加显而易见。

上图是某一款产品在旗舰店销售的状况，大家可以看到，57%的订单都是在“6.18”期间完成的，这是一个非常典型的大众快消品的消费方式。它的所有消费不是均匀分布，而是在某一个爆点突然完成，这个爆点落在“618”、“双11”期间。所以导致基本上一年购物两次，两次解决一年的销量。

大家会有个刻板印象，我的产品到底吸引什么样的消费者？是那些对价格异常敏感的人吗？如果你是以这个切入为主的思维，那么这是对后续用户研究的一个误区。我们再进一步来看， 用统计学聚类的算法 ，提取大促期间消费的人群的特征，大家可以看到，通过这种标签去聚类之后，有5个特征显着的人群。

第二种是品质生活追求者。 这群人年龄相对较大，他们会有休闲放松的活动，并且会去一些护理的场所。

第三种是精明购物者。 我们现在所说的消费升级，大家都想用更优质的产品，但却不想花费太多的钱。这个群体会变得越来越普遍。

第四种是宅男宅女。 这群人大部分都是单身、二次元，但是比较容易满足。

第五种是学生党。 学生群体相对来说比较清闲，他们经常有一些丰富的社交行为，不管是线下大学之间的相互串门还是线上各种社交行为，我们称这是荷尔蒙爆棚的地方。针对这群人，我们要传达一种青春活力的品牌理念。

在品牌广告领域可以分为两大类， 第一大类，相对窄众的消费品 ，在国内市场，有很小一部分群体贡献很大的销量，一般以高端商品为主。做这种品牌营销，是没有必要做大面积/大媒体的推广，因为大部分人即使看到了广告也不会购买。所以，我们要 找到高能度、高净值的人群做推广，并且保持长期有效的影响。第二大类，大众消费品， 也就是我们今天探讨的快消品，这类产品其实任何人都能买得起，但是为什么要选择你家的产品呢？因此， 我们要针对不同的群体，灌输不同的品牌理念， 让消费者认为你的产品是符合当下需求的。

开发可视化用户分析界面

用户除了在线上表现的有特征之外，很多时候是在线下。比如，我们去机场时，因为机场相对高净值且人群聚集，所以我们会经常会看见一些比较高端的广告。但是，城市人群复杂，我们无法找到相对应的消费者做用户研究分析，所以，在这个条件下，我们又做出一款做 线下人群分析的工具， 下面我们来看两个案例。

案例一：

上图叫做 红蓝海 。两年前，个推给国内某款知名共享单车做线下位置分析，当时有一个很大的挑战，即单车距离的远近决定用户是否骑行。我们将可能使用单车的人群挑出来，再做一个大盘，然后统计有多少比例的人安装了该品牌的共享单车APP，最后我们把它画成图，中间设置了一个 阈值 ，数值超过就会变为红色。 红色即表示，在这个区域内竞争非常激烈；而蓝色表示，这个区域的投放车辆浓度较低，但这个区域的潜在用户分布很多 ，所以，该品牌应该在此区域增加投车数量。

案例二：

上面这四个小图，是我们做给微软Surface的。左边第一张图是在北京地区做了一个样本分析。第二张图，将相对高消费的人群挑出来即可看到，高消费人群主要分布在北京的西北角和东边，也就是中关村和国贸一带。第三张图，是Surface北京典型用户的分布，这里包括了学生和IT互联网产业的从业者。第四张图，是苹果的分布。第三张图和第四张图有很大的差别，Surface和Mac不是直接的对包，所以，做一些活动和宣传的时候，我们更倾向于Surface人群，因为Surface更多的被IT互联网从业者使用。

如上图所示，从上到下每一条线代表一台手机随着时间充电的状况，最右边的时间是从晚到早。每一条垂直的线都由千万条线相组成。红色表示手机正在耗电，正常使用耗电叫Active，绿色表示充电，蓝色表示电量相对平衡，已经达到或接近了100%。我们可以看到，红色和绿色或绿色和蓝色交界处画一条线。上图在个推内部叫做睡眠图，它代表不同的人群睡眠状况是不同的。

从传统投放到精细化投放

传统的触达方式，是以媒体和内容为向导。但这种方式有3个弊端：价格贵、曝光率低、竞争激烈。

触达“TA”而不是媒体—贯穿全天的数字生活

现在，程序化中的主流方式是 DSP ，它是一个平台，负责对接各种各样的媒体。当一个用户打开某个APP的一瞬间，如果是开屏广告，几毫秒便会将请求显示到设备ID，随后发送到我们的系统，系统会判断设备ID是否适合投放。如果适合，系统回答yes并发送给用户，如果不适合，系统回答no并被另外广告填充。

这种方式是以 第三方 数据服务角色介入广告曝光流程。对于品牌主来说，数据不会全部上传到媒体，因为我们给客户建立 私有云 ，数据储存在客户私有云，用的时候才会查询，被查询时才会上传，这对用户数据也是一种保护。

自助式媒体表现分析

投放后做 媒体分析 非常重要，因为在一次投后过程中的媒体表现、媒体相关流量/质量涉及到品牌的展示效果。

我们来看一个例子，在一次投放当中，我们挑了一群人，一半男性一半女性。投放之后，我们发现点击人群中有60%是男性，那能否得出结论说男性更愿意点击？不能，这里忽略了一个因素， 曝光人群 。

上图是我们给品牌广告主做的一套系统，前面所说的内容都是基于这套系统所做的案例。从最基础的数据仓库来看，我们不仅对接了品牌主自己的数据，还对接了品牌主合作方的数据，大部分的数据串联起来存在数据仓库中，用我们的方式打上标签，在这基础之上，还要做分析和洞察。

最直接的方式是做媒体投放对接，像阿里和腾讯，他们都有直接API接口，我们的人群可以直接传到广点通，和内部对接后再投放。

媒体监测和反欺诈，这是数据的循环。这对于品牌主来说不单单是搭了一个壳，品牌主的使用次数不断流转，流转越多，数据就越丰富。

案例启示

•数据是品牌主最重要的资产之一。 现在越来越多的品牌主在往数据化的方向前行。国内外的快消品牌，他们对于数据的概念愈加清晰。

•工具只是辅助，营销追求本质。 营销方法永远不会过时。数据、工具让营销环节更有效率，能覆盖传统方式的盲点，这是数据工具带给营销的意义。

•数据类产品要结合实际业务开发，不能闭门造车。 在面对不同客户时，要结合实际情况，开发不同的工具。

⑻ 传统企业如何做数字化转型

数字化是未来的趋势，对于传统企业更是急需转型升级。数字化主要通过顾客画像、门店经营、线上转化、营销渠道等多维度数据，帮助品牌或商家实现线上下结合，同时辅助管理者做决策。把传统的线下经营方式搬到线上去做，实现线上下相结合，打造自己的私域流量，可以整合客户数据，可以针对消费者进行二次营销，进行有效的引流获客。同时，可以降低门店的经营成本，节省人力。仔进一步的，通过线下智能设备支持，在线上完成大量数据分类、整理、留存以及分析的工作，更好地为门店提供运营思路。具体的方式有：
客流分析：通过对门店客流检测，包含但不限于：过店、到店、逛店、成交等数据，分析门店客流特征。帮助品牌运营者动态调整门店经营策略，提升门店客流转化和商品成交率。
巡检督导：构建“规范化、数字化”品牌门店管理系统。帮助品牌管理者及时、高效了解门店日常运营情况。
数据洞察：综合分析品牌线上+线下经营数据，全方位分析品牌顾客画像、门店经营、线上转化、营销渠道等多维度数据，让经营中者从全局视角了解品牌经营现状，制定更合理、有效的品牌发展策略。

⑼ 企业如何数据化运营到运营数据

你的吃穿住行，都会产生数据。

企业内部的每一步动作，都会存在数据。有些数据随着时间流逝，淹没在烦躁的社会中去了，有些数据，被我们耸耸肩，甩掉在脑后。然而，从来就没有人意识到，这些被我们忽略的，都是财富，而且是需要长期积累的财富。

选择好的数据指标

      

好的数据指标通常有两个基本特征，一是数据指标与目标的相关程度，用来衡量目标的期望值；二是数据指标的准确性与稳定性，以长期稳定的准确的反应目标结果。

除此之外，好的数据指标还应该包括以下特征。首先是易获取，易理解。其次是适应性强，适合不同的运营活动，适合横向与纵向的对比，且与业务的相关性比较密切。除此之外，指标的可持续性也非常重要，而且持续性表现在，口径的统一以及长期可用上。虽然说不同的阶段所关注的指标不一样，但这些指标都要满足上述特点。

数据运营指标体系的搭建套路

业界搭建数据指标体系的套路通常包括两种，一种是以精益数据分析为代表的第一指标法，通过寻找关键指标，然后利用杜邦分析法通过拆解第一关键指标的方式，围绕第一关键指标搭建运营数据指标体系；另一种是根据业务衍变过程（逻辑）构成的海盗数据指标框架：AARRR，与AARRR相近的还有类似于PRAPA,AMAT等数据指标框架。

上述两种套路，最终都殊路同归，最终指向业务核心诉求：收益。而最终将收益拆分，对不同影响因素冠以不同的套路的过程，就是数据指标体系搭建的过程。以B2C电商为例，将目标收益拆分为由客流量、转化率、客单价、购买频率和毛利润率以及成本等指标，随后又将这些核心指标根据影响因素拆分为比如SEM、EDM等单位影响模块，最终由核心指标和影响模块指标构成了完整的数据运营体系。

立体化的数据指标体系

      

核心指标，影响因素和发展阶段将数据指标变的立体化。由核心指标与影响模块构成的数据模块，伴随着业务发展阶段的变化而变化，最终形成立体化的数据指标体系。

      

数据指标体系的立体化可以从四维空间的角度去理解，首先的立体化是核心数据指标以及对应因素影响因素所构成的二维数据指标系，随着业务的发展以及人员分工的细分，并在此基础上引入了岗位层级关注度，至此二维数据指标系由二维转变为三维，最终形成一个一个的数据指标模块。其次，随着时间的推移的，业务发展阶段不同关注的核心指标不同，最终形成数据指标模块的动态衍变，最终将数据指标模块衍变为立体化的数据指标体系。