物聯網時代 線下大資料的想象空間在哪裡？
來源 | 泰合資本
在近日的“泰合書院”內部分享會上，泰合資本董事梅林分享了她對線下大資料領域的分析和預測。
縱觀人類歷史，人類從農耕時代的土地驅動、手工業時代的勞動力驅動、蒸汽時代的機械驅動，逐漸到現在網際網路時代的資料驅動，可以預見，資料有可能作為基礎設施，成為未來的第五生產要素。 而在即將到來的物聯網時代，線下大資料有可能是最重要的命題之一：
關注線下大資料，因為使用者的兩大稀缺資源，時間和金錢依然集中線上下；
相比於線上大資料，線下大資料生產門檻更高，具有精準性和廣泛性的兩大特點；
資料服務主要有四種變現模式：資料交易、資料呈現、營銷服務、運營服務；
理想的線下大資料商業形態是，深度與使用者需求和應用場景相結合的營銷服務和運營服務；
線下大資料的未來趨勢是，通過資料聯盟和場景聯盟進行“融合”。
以下為部分分享內容，經36氪整理髮布：
為什麼我們關注線下場景的大資料？
從使用者角度出發，我們會發現使用者有兩大稀缺資源，時間和金錢。前者體現在每人每天都只有24小時，後者體現在每人每年的可支配收入是相對固定的。
線上網際網路的使用場景主要集中在電商、社交、內容等，根據QuestMobile2018年中國移動網際網路報告，平均使用者每天在線上時間投入大約為5小時。相比而言，除去睡眠時間，使用者投入線上下的時間仍是線上時間的兩倍。
雖然許多非餐飲的食品、菸酒以及日常家用品線上滲透率非常高，但人們還是會去線下消費，比如吃飯、買車、看病、教育等。2017年居民人均消費支出大約在18000元，線上消費佔比三分之一，線下消費投入仍是線上消費投入的兩倍。
毫無疑問，使用者的時間、金錢投入的大頭仍線上下。
回到產業端，資料服務是企業服務的一種，是賦能的邏輯，如果你做得很好的情況下我是沒有必要幫你做得更好的。我們發現，線上場景集中度比較高，已經形成巨頭吃肉，餘下喝湯的局面。但從線下的競爭觀察，其天然的LBS(Location Based Service)屬性決定了行業集中度低，業態分散，不僅面臨線上巨頭的競爭，還面臨與線下同地區業態的競爭。線下商業競爭激烈，於是為企業賦能的第三方資料服務有很大的空間。
如果比較線上的資料結構，我們會發現一個典型的TMT公司往往已經形成資料閉環。從流量開始，到打通的賬號體系，公司可以清楚地知道使用者是誰，使用者做了什麼，多少的使用者買了單。這些資料都可以被採集和記錄，公司可以通過資料分析，挖掘使用者價值，形成運營體系。比如，我們服務的神策資料，就是幫助企業把所有使用者在線上發生的行為全部採集下來。
反觀線下資料，線下很多業態是無法對其客流進行把握和分析的。一家傳統的百貨公司是不知道今天我來了多少人，他們的消費需求是什麼，更別提感知營銷活動、天氣等對客流的影響，基本處於躺著賺錢的粗放式經營狀態。
雖然部分線下大資料公司已經實現了通過wifi感測器、攝像頭和Beacon去捕捉和分析客流，但這仍處於最基本的流量環節。關於使用者的識別、以及使用者互動還是兩眼一抹黑。線下場景相對封閉，客流、識別、動線/互動、交易支付、使用者運營每個環節都需要單獨的供應商，需要從零部署，資料相互打通基本沒有。
線下競爭激烈，業態分散，我們認為這是第三方資料服務存在的空間，最終線下業態會逐步跟隨線上業態完成資料閉環。
資料交易不是線下資料變現的最優解，理想形態應與使用者需求和應用場景相結合
我們從資料價值和變現模式來看待線下大資料理想的商業模式可能是什麼樣的。
首先線下大資料的資料價值體現在 精準性和廣泛性 兩點：
精準性：相比於可複製的線上資料，線下資料通常代表著使用者的真實消費意願，人們每一次出現在餐廳、零售店、4S店都真實表現了他的時間花費，並且他可能是打車或坐地鐵特地跑去線下店的。
廣泛性：線下資料覆蓋了全量人群，網際網路覆蓋較少的銀髮人群以及小於10歲的小孩，他們的消費行為和意願是可以線上下被捕捉的。
基於這兩點，我們看好線下資料的資料價值。目前市面上資料服務主要有以下四種變現模式：資料交易、資料呈現、營銷服務、運營服務。
資料交易，它的變現形式比較簡單，即直接售賣採集到的資料來源，但是這種模式存在變現可持續性不足，以及規模天花板的問題。
資料呈現，它是將採集到的資料經過淺加工，變成一個商業化的產品賣給使用者。這種產品的輸出形態是，基於多方資料來源，進行資料探勘後形成的BI報表。比如，把硬體布在零售超市的資料公司，會呈現貨架上面的品類，然後告訴超市哪個SKU現在已經需要去補貨。它變現的方式比較直接，賣產品然後收年服務費。
資料呈現類產品變現的優勢在於，它能落地成一個相對標準化的產品。但是它的問題在於工具屬性比較重，因為它只做呈現，至於客戶怎麼去使用這個資料，怎麼去決定商業發展的問題，都無法涉足，所以客單價會相對受限。
上圖從左到右，是基於資料來源逐步做深的過程，再往後做深就是落實到營銷服務和運營服務裡。
營銷服務，簡單理解就是一種更加精準的線下廣告，它的輸出能力是基於線下采集的資料，加上資料分析能力和媒體曝光的能力，使其最終能在場景裡，比較精準地觸達目標人群，比如白領人群、家長人群等，可以對人群打各種各樣的標籤。它的收費模式類似傳統廣告，是按照曝光量去收的。這種模式，優勢在於營銷是剛需，每個企業都有營銷預算，挑戰在於如果沒有媒體資源，它的分潤比例就不會太高。
最後一個維度就是運營服務，即營銷拉新使用者後，還指導企業運營決策，比如如何運營這些使用者，應該在哪裡選址，如果是百貨購物中心的話，裡面應該引入什麼樣的品牌，淘汰什麼樣的品牌，品牌擺放的區位如何安排，這些問題其實都是運營服務的一部分。
這種模式這種現在有企業開始逐步做了，算是相對比較新的領域，比較典型的收費模式就是按照專案合同制的模式去收，優勢在於技術壁壘比較高，因為背後需要用到的工具很多，客單價也會比較高，挑戰就是在於模式的可複製性，包括產品化的程度還處於較為早期的階段。
資料交易本身不是最優質的商業形態，原因如下：
資料跟普通的商品不一樣，它是沒有使用非同步性的問題，一旦複製和規模化擴張之後資料的價值就會降低。
資料邊際成本幾乎為零。一旦佈下一個感測器，它就持續不斷地貢獻資料，額外地增加這個資料的獲取成本，基本上可以趨向為零。
如果資料來源不去與應用深度的結合，單純賣一個數據源，無法掌握資料的定價權的。
涉及資料交易比較容易遇到使用者隱私的問題。
所以，資料的規模和單位價格之間會相互的制約，這會是一個trade off，並且可能會帶來隱私風險。
理想的線下大資料商業形態應該是，深度與使用者需求和應用場景相結合的營銷服務和運營服務。
線下“頭條”以及資料驅動版“麥肯錫”？
從營銷和運營角度，線下大資料的想象空間在哪裡？我們將行業通過決策週期和消費頻次兩個維度去分類，有的行業需要營銷，有的需要運營。
決策週期長、消費頻次低的商品種類，類似於汽車、房產等，營銷需求強。因為其一，消費頻次很低，比如使用者購買新車後，需要等個五年十年才會買另一輛，這是一個天然的長週期生意，也就是說拉新是它主要收入的貢獻來源，之後才能從拉新的顧客身上賺取足夠的錢。所以，消費頻次越低，營銷需求越強。
其二，正因為購買決策流程極其複雜，營銷就有比較多的視窗機會。比如一種場景是，通過裝置探測到消費者去了4S店，大概率他就是需要買車的人，但是不可能他第一次去就當場買車。所以，在3-6個月左右的時間窗口裡，企業就可以推送廣告或者其他服務，這樣營銷效率是非常高的。
以線下大資料為核心的營銷業態可能是什麼樣的？如果看線上巨頭如百度和頭條，根據使用者行為資料做精準營銷，已經是非常成熟的模式，但線下營銷還停留在資源驅動為主，比如像分眾傳媒等這樣的公司，通過將螢幕鋪設在電梯、機場，佔據各個線下場景。
在我們看來，通過線下大資料幫助線下傳媒做精準資訊分發是有可能的。
舉一個典型場景的例子來講，這是幾位男性創業者跟我們講的一個笑話，他們在一個寫字樓裡面等電梯，結果就發現電梯那邊的廣告在展示一個衛生巾的廣告，他們就覺得很尷尬。
所以，其實他們想象的場景是什麼呢？未來這個螢幕上面可能是會有感測器的，基於這些資訊我就會知道，在我面前站著的這個人是一幫男性，而且是相對中青年的男性，在這種情況下面它有可能就不會去推這個廣告，它的廣告就可以做到分散化，做到一個顆粒度更細，基於誰來到了我這個螢幕旁邊去決定我到底要給你推送什麼樣的內容，而這件事情天然就是線上的資料驅動的業態，就是千人千面。
我們認為，未來有可能通過線下資料和場景資源結合的業態出現一家新型媒體集團。
決策週期短、消費頻次高的行業例如餐飲、零售、購物中心，這是所見即所得的服務，運營需求強。這些業態已經有相應的流量，但是我需要知道流量是誰，需要去更好的瞭解使用者從而指導運營，這個部分是運營導向的。
市面上已經有兩類諮詢在幫助企業做運營。一類如典型諮詢公司麥肯錫、貝恩等，他們在行業裡有豐富的經驗，瞭解行業的know how，可以幫助企業提供經驗驅動型的諮詢服務。另一類如於Nielson等資料驅動的企業服務公司，根據企業已有的交易資料、使用者資料去以及市場情況，提供資料監測管理服務。
但在此基礎上，我們認為未來可能存在將兩者結合，出現以資料為主要驅動力的諮詢業態。已經出現的玩家比如Aibee，它將各地的資料彙總到一起，通過AI各種工具，基於使用者需求提供整套解決方案。
資料採集分散限制了線下大資料行業的增速
雖然說線下大資料市場很大、價值和空間也很大，但它不像2C這個業態，一上線就能爆發式的增長，線下大資料增速緩慢的現狀，主要難點就在於分散：
一是場景分散，不同的場景是極度分散的。百貨中心是獨立業態、餐飲連鎖是獨立業態，兩者相互之間並不關聯。而一個使用者有可能到任何一個場景裡面去遊逛。所以如果不打通極度分散的場景，對使用者的認知一定程度上就會變得比較淺層和片面。
二是資料採集位置分散，剛才講到線下場景天然就是有物理區隔的，它分散在不同的省份、不同的城市、不同的位置裡。線下的資料採集都是需要一步一個腳印，一個一個客戶的去敲門，然後一個一個的去布到這個場景裡面。
三是資料採集形式分散，線下資料採集形式包括WiFi探針、攝像頭叢集、POS收銀系統等。不同的採集形式帶來的是不同的賬號體系，使用者ID Mapping尚未打通。
展望未來，線下資料服務商應多元融合，建立資料聯盟和場景聯盟，促進線下商業從LBS (Location Based Service，基於位置的服務) 轉向UBS (User Based Service，基於使用者的服務)，將使用者價值最大化。
上圖左邊的資料聯盟，為什麼我們需要它，是因為每一個企業本身所獲得的資料，只是廣泛資料中一個小的子集，最好的方式是通過多種形式，比如通過股權合作的形式去促成資料聯盟，大家資料互通，資源互補。而右邊的場景聯盟，是指如果有一些場景比如百貨購物中心，已經被其他市場玩家佔據，那麼企業可以選擇戰略性放棄而進入其他場景，但通過資本的合作，把場景聯盟也構建起來，讓場景相互之間也能夠串聯。
最終的形態就是通過資料互通、場景互聯，讓資料維度更加豐富，從而能更好地知道客戶是誰，帶來更大的資料價值。然後幫助企業更好地知道客戶需求，從而提供更好的服務。
如果上述事情能夠完成，客戶和這些資料服務商之間的關係就會更緊密，客戶就會把更多的場景給到你，有了更多的場景之後，服務商描述使用者的資料維度又會更加豐富，這樣一個滾雪球的無限迴圈就完成了，最終的結果就是使用者價值最大化。我們樂見其成的是，行業內會出現多元的資料服務商，在資料和場景維度能夠深度合作。
編輯 | 丹丹
優質專案“融資首發綠色通道”：創業者請加微信gkbx2296832155，務必註明專案名稱；或傳送BP至[email protected]。