當前線(xiàn)上大數據應用已趨于成熟，但線(xiàn)下大數據挖掘尚處于初級階段。未來(lái)，線(xiàn)下數據和場(chǎng)景資源的融合，將因新業(yè)態(tài)的出現產(chǎn)生新機會(huì )。

縱觀(guān)歷史，人類(lèi)從農耕時(shí)代的土地驅動(dòng)、手工業(yè)時(shí)代的勞動(dòng)力驅動(dòng)、蒸汽時(shí)代的機械驅動(dòng)，逐漸到現在互聯(lián)網(wǎng)時(shí)代的數據驅動(dòng)，可以預見(jiàn)，數據有可能作為基礎設施，成為未來(lái)的第5生產(chǎn)要素。

在即將到來(lái)的物聯(lián)網(wǎng)時(shí)代，線(xiàn)下大數據有可能是最重要的命題之一。

線(xiàn)下大數據空間巨大

為什么我們關(guān)注線(xiàn)下場(chǎng)景的大數據？

從用戶(hù)角度出發(fā)，我們會(huì )發(fā)現用戶(hù)的兩大稀缺資源—時(shí)間和金錢(qián)依然集中在線(xiàn)下。

線(xiàn)上互聯(lián)網(wǎng)的使用場(chǎng)景主要集中在電商、社交、內容等。根據QuestMobile《2018年中國移動(dòng)互聯(lián)網(wǎng)報告》，用戶(hù)平均每天在線(xiàn)上的時(shí)間投入為5小時(shí)。相比而言，除去睡眠時(shí)間，用戶(hù)投入在線(xiàn)下的時(shí)間仍是線(xiàn)上時(shí)間的2倍。

雖然許多非餐飲的食品、煙酒以及日常家用品的線(xiàn)上滲透率非常高，但很多場(chǎng)景下人們還是會(huì )去線(xiàn)下消費，比如吃飯、買(mǎi)車(chē)、看病、教育等。2017年居民人均消費支出為18 000元，線(xiàn)上消費占比1/3，線(xiàn)下消費投入仍是線(xiàn)上消費投入的2倍。

毫無(wú)疑問(wèn)，用戶(hù)時(shí)間、金錢(qián)投入的大部分仍在線(xiàn)下。

回到產(chǎn)業(yè)端，數據服務(wù)的邏輯是為企業(yè)賦能。目前，線(xiàn)上場(chǎng)景集中度比較高，已經(jīng)形成“巨頭吃肉，余下喝湯”的局面。而線(xiàn)下的競爭，其天然的LBS（Location Based Service）屬性決定了行業(yè)集中度低，業(yè)態(tài)分散。這里不僅面臨線(xiàn)上巨頭的競爭，還面臨與線(xiàn)下同地區業(yè)態(tài)的競爭。線(xiàn)下商業(yè)競爭激烈，于是為企業(yè)賦能的第三方數據服務(wù)有很大的空間。

對比線(xiàn)上的數據結構，我們會(huì )發(fā)現一個(gè)典型的TMT公司往往已經(jīng)形成數據閉環(huán)。從流量開(kāi)始，到打通的賬號體系，公司可以清楚地知道用戶(hù)是誰(shuí)、用戶(hù)做了什么、有多少的用戶(hù)埋單。這些數據都可以被采集和記錄，公司可以通過(guò)數據分析，挖掘用戶(hù)價(jià)值，形成運營(yíng)體系。

反觀(guān)線(xiàn)下數據，線(xiàn)下很多業(yè)態(tài)無(wú)法對其客流進(jìn)行把握和分析。比如，一家傳統的百貨公司不了解今天來(lái)了多少人，他們的消費需求是什么，更別提感知營(yíng)銷(xiāo)活動(dòng)、天氣等對客流的影響，他們多處于粗放式經(jīng)營(yíng)狀態(tài)。

雖然部分線(xiàn)下大數據公司已實(shí)現了通過(guò)Wi-Fi傳感器、攝像頭和Beacon去捕捉和分析客流，但這仍處于最基本的流量環(huán)節，對于用戶(hù)的識別、用戶(hù)交互還非常欠缺。線(xiàn)下場(chǎng)景相對封閉，客流、識別、動(dòng)線(xiàn)/交互、交易支付、用戶(hù)運營(yíng)等每個(gè)環(huán)節都需要單獨的供應商，所以需要從零部署，實(shí)現數據互通。

線(xiàn)下競爭激烈、業(yè)態(tài)分散，這是第三方數據服務(wù)存在的空間。最終，線(xiàn)下業(yè)態(tài)會(huì )逐步跟隨線(xiàn)上業(yè)態(tài)完成數據閉環(huán)。

相比于線(xiàn)上大數據，線(xiàn)下大數據生產(chǎn)門(mén)檻更高，具有精準性和廣泛性?xún)纱筇攸c(diǎn)。

一是精準性，相比于可復制的線(xiàn)上數據，線(xiàn)下數據通常代表著(zhù)用戶(hù)的真實(shí)消費意愿。人們每一次出現在餐廳、零售店、4S店都真實(shí)表現了他的時(shí)間花費，并且他可能是打車(chē)或坐地鐵特地跑去線(xiàn)下店的。

二是廣泛性，線(xiàn)下數據覆蓋了全量人群，互聯(lián)網(wǎng)覆蓋較少的銀發(fā)人群以及小于10歲的小孩，他們的消費行為和消費意愿可以在線(xiàn)下被捕捉到。

基于這2點(diǎn)，我們很看好線(xiàn)下數據的數據價(jià)值。

線(xiàn)下大數據如何變現

目前市面上的數據服務(wù)主要有以下4種變現模式：數據交易、數據呈現、營(yíng)銷(xiāo)服務(wù)、運營(yíng)服務(wù)。

數據交易的變現形式比較簡(jiǎn)單，即直接售賣(mài)采集到的數據源。但這種模式存在變現可持續性不足，以及規模天花板的問(wèn)題。

數據呈現是將采集到的數據經(jīng)過(guò)淺加工，變成一個(gè)商業(yè)化的產(chǎn)品賣(mài)給用戶(hù)。這種產(chǎn)品的輸出形態(tài)是，基于多方數據源進(jìn)行數據挖掘后形成的BI報表。比如，把硬件布在零售超市的數據公司，會(huì )呈現貨架上面的品類(lèi)，然后告訴超市哪個(gè)SKU現在需要補貨。它變現的方式比較直接，賣(mài)產(chǎn)品然后收取服務(wù)費。數據呈現類(lèi)產(chǎn)品變現的優(yōu)勢在于，它能落地成一個(gè)相對標準化的產(chǎn)品，但它的問(wèn)題在于工具屬性比較重。因為它只做呈現，至于客戶(hù)怎么去使用這個(gè)數據，怎么去決定商業(yè)發(fā)展的問(wèn)題，都無(wú)法涉足，所以客單價(jià)會(huì )相對受限。

營(yíng)銷(xiāo)服務(wù)，簡(jiǎn)單理解就是一種更加精準的線(xiàn)下廣告。它的輸出形態(tài)是基于線(xiàn)下采集的數據，加上數據分析能力和媒體曝光的能力，使其最終在場(chǎng)景里能比較精準地觸達目標人群，比如白領(lǐng)人群、家長(cháng)人群等，對該類(lèi)人群形成各種各樣的標簽。它的收費模式類(lèi)似傳統廣告，按照曝光量收取。這種模式，優(yōu)勢在于營(yíng)銷(xiāo)是剛需，每個(gè)企業(yè)都有營(yíng)銷(xiāo)預算；挑戰在于如果沒(méi)有媒體資源，它的分潤比例就不會(huì )太高。

最后一個(gè)維度就是運營(yíng)服務(wù)，即通過(guò)營(yíng)銷(xiāo)拉新用戶(hù)后，還指導企業(yè)運營(yíng)決策。比如，如何運營(yíng)這些用戶(hù)、應該在哪里選址、應該引入或淘汰什么樣的品牌、產(chǎn)品擺放的區位如何安排等。這種模式算是相對較新的領(lǐng)域，但已經(jīng)有企業(yè)開(kāi)始逐步在做，比較典型的收費模式就是按照項目合同制的方式去收。這種模式的優(yōu)勢在于技術(shù)壁壘比較高，因為背后需要用到的工具很多，客單價(jià)也會(huì )比較高；挑戰在于模式的可復制性，包括產(chǎn)品化的程度還處于較為早期的階段。

數據交易不是線(xiàn)下數據變現的最優(yōu)解。首先，數據跟普通的商品不一樣，它沒(méi)有使用異步性的問(wèn)題。一旦復制和規?；瘮U張之后，數據的價(jià)值就會(huì )降低。其次，數據邊際成本幾乎為零。一旦布下一個(gè)傳感器，它就持續不斷地貢獻數據，額外增加這個(gè)數據的獲取成本基本上可以趨近于零。同時(shí)，如果數據源不去與應用深度地結合，單純依靠賣(mài)數據源，無(wú)法掌握數據的定價(jià)權。最后，數據交易會(huì )遇到涉及用戶(hù)隱私的問(wèn)題。

所以，數據規模和單位價(jià)格之間會(huì )相互制約，并且可能會(huì )帶來(lái)隱私風(fēng)險。理想的線(xiàn)下大數據商業(yè)形態(tài)應該是，與用戶(hù)需求和應用場(chǎng)景深度結合的營(yíng)銷(xiāo)服務(wù)和運營(yíng)服務(wù)。

線(xiàn)下“頭條”與“麥肯錫”

從營(yíng)銷(xiāo)和運營(yíng)角度出發(fā)，線(xiàn)下大數據的想象空間在哪里？通過(guò)決策周期和消費頻次2個(gè)維度可以將行業(yè)進(jìn)行分類(lèi)，有的行業(yè)需要營(yíng)銷(xiāo)，有的需要運營(yíng)。

決策周期長(cháng)、消費頻次低的商品種類(lèi)，類(lèi)似于汽車(chē)、房產(chǎn)等，營(yíng)銷(xiāo)需求強。一個(gè)原因是，消費頻次低，用戶(hù)購買(mǎi)新車(chē)后，需要等5~10年才會(huì )考慮換新，這是天然的長(cháng)周期生意，拉新是貢獻其收入的主要來(lái)源。所以，消費頻次越低，營(yíng)銷(xiāo)需求越強。另一個(gè)原因是，購買(mǎi)決策流程極其復雜，營(yíng)銷(xiāo)就有比較多的窗口機會(huì )。一種場(chǎng)景是，通過(guò)設備探測到消費者去了4S店，大概率他就是需要買(mǎi)車(chē)的人，但不可能他第一次去就當場(chǎng)買(mǎi)車(chē)。所以，在3~6個(gè)月的時(shí)間窗口期，企業(yè)可以向其推送廣告或其他服務(wù)刺激消費，這時(shí)的營(yíng)銷(xiāo)效率非常高。

以線(xiàn)下大數據為核心的營(yíng)銷(xiāo)業(yè)態(tài)是什么樣的？線(xiàn)上巨頭如百度和頭條，根據用戶(hù)行為數據做精準營(yíng)銷(xiāo)，已經(jīng)是非常成熟的模式，但線(xiàn)下?tīng)I銷(xiāo)還停留在資源驅動(dòng)為主的階段，比如像分眾傳媒這類(lèi)公司，通過(guò)將屏幕鋪設在電梯、機場(chǎng)等占據各個(gè)線(xiàn)下場(chǎng)景。

由此看來(lái)，通過(guò)線(xiàn)下大數據幫助線(xiàn)下傳媒做精準信息分發(fā)是有可能的。

想象這樣一個(gè)場(chǎng)景：幾位男性在等電梯，而電梯旁的顯示屏展示的卻是衛生巾廣告，這樣的廣告顯然是低效的。所以，未來(lái)的變化可能會(huì )通過(guò)屏幕上面的傳感器，便知面前站著(zhù)的是一幫男性，而且是相對中青年的男性，這種情況下可能就不會(huì )去推這個(gè)廣告。這時(shí)廣告就可以做到分散化，做到顆粒度更細?；谄聊慌赃叺娜后w屬性而去決定要推送的內容，這就是線(xiàn)上數據驅動(dòng)的業(yè)態(tài)，即千人千面。

未來(lái)，有可能通過(guò)線(xiàn)下數據和場(chǎng)景資源結合的業(yè)態(tài)出現一家新型媒體集團。

決策周期短、消費頻次高的行業(yè)例如餐飲、零售、購物中心等，這是所見(jiàn)即所得的服務(wù)，運營(yíng)需求強。這些業(yè)態(tài)已經(jīng)有相應的流量，但我們需要知道流量是誰(shuí)，需要去更好地了解用戶(hù)從而指導運營(yíng)。

市面上有兩類(lèi)咨詢(xún)在幫助企業(yè)做運營(yíng)。一類(lèi)如典型咨詢(xún)公司麥肯錫、貝恩等，他們在行業(yè)里有豐富的經(jīng)驗，利用經(jīng)驗驅動(dòng)為企業(yè)提供咨詢(xún)服務(wù)。另一類(lèi)如Nielsen等數據驅動(dòng)的企業(yè)服務(wù)公司，根據企業(yè)已有的交易數據、用戶(hù)數據以及市場(chǎng)情況，提供數據監測管理服務(wù)。

在此基礎上，未來(lái)可能存在將兩者結合，出現以數據為主要驅動(dòng)力的咨詢(xún)業(yè)態(tài)。已經(jīng)出現的玩家如Aibee，它將各地的數據匯總到一起，通過(guò)AI及其他工具，基于用戶(hù)需求提供整套解決方案。

雖然線(xiàn)下大數據市場(chǎng)、價(jià)值以及空間很大，但不同于2C這個(gè)業(yè)態(tài)，一上線(xiàn)就能爆發(fā)式地增長(cháng)，線(xiàn)下大數據增速緩慢，主要難點(diǎn)就在于分散。

一是不同的場(chǎng)景極度分散。百貨中心是獨立業(yè)態(tài)、餐飲連鎖是獨立業(yè)態(tài)，兩者相互之間并無(wú)關(guān)聯(lián)，而一個(gè)用戶(hù)有可能到其中任何一個(gè)場(chǎng)景里去游逛。如果不打通極度分散的場(chǎng)景，對用戶(hù)的認知就會(huì )變得比較淺層和片面。

二是數據采集位置分散。線(xiàn)下場(chǎng)景有物理區隔，它分散在不同的省份、城市、位置，為線(xiàn)下的數據采集加大了難度。

三是數據采集形式分散。線(xiàn)下數據采集形式包括Wi-Fi探針、攝像頭集群、POS收銀系統等。不同的采集形式帶來(lái)的是不同的賬號體系，而用戶(hù)ID Mapping尚未打通。

未來(lái)，線(xiàn)下數據服務(wù)商應多元融合，建立數據聯(lián)盟和場(chǎng)景聯(lián)盟，通過(guò)數據互通、場(chǎng)景互聯(lián)，讓數據維度更加豐富，促進(jìn)線(xiàn)下商業(yè)從LBS（Location Based Service，基于位置的服務(wù)）轉向UBS（User Based Service，基于用戶(hù)的服務(wù)），從而將用戶(hù)價(jià)值最大化。

[編輯 周迎 E-mail:sjplzy@163.com]