如果将线下零售卖场看做一个电商网站，从免费WiFi、电子价签、商铺优化、导购Pad，到库存数据一体化、用户ID打通、CRM系统、微信营销等，其背后运作逻辑是相通的。一个具备O2O能力的卖场完全可以用B2C商城的思维来运营。

　　Y是琪哥结识已久的一位电商总监，别人都在热炒O2O的时候，他却在耐心琢磨一些背后的深层运作逻辑，并最终悟出了一个道理：如果将线下零售卖场看 做是一个电商网站，从免费WiFi、电子价签、商铺优化、导购Pad，到库存数据一体化、用户ID打通、CRM系统、微信营销等，其背后的运作逻辑其实是相通的。一个具备O2O能力的卖场完全可以用B2C商城的思维来运营。

　　琪哥起初并不认为这是个靠谱的思路。毕竟按照一般人的惯性认知，这是两种迥异的商业运作逻辑。Y说，O2O本质上是线下零售的数字化升级，将运营一个B2C网站所必须每天关注的运营指标，映射到线下零售运营，你就能得出如上结论。

　　举例来说，室内Wifi定位相关的用户数据分析和B2C运营思维有何关系?Y试着将一个电商人每天必须关注的关键数据指标做了拆解：

　　1、UV和流量来源分析。在线上运营中，UV主要用于分析有多少用户前来访问，浏览了多少页面，从而可以准确判断客流变化。通常情况下，质量稳 定的流量和转化率可以大致推算出销售情况。所以根据流量的变化及时预测网购销售额增幅，多数情况下靠谱。流量的异常波动，反映了企业营销行为可能存在的问题甚至是失误。相比之下，线下零售一直是一个黑匣子，多数情况下，只有在用户刷卡交钱的一刹那，才能够产生一个订单数据，它对客流的变化感知较为迟钝，无法做到实时反馈。

　　互联网的流量多而杂，特别是粗放地花钱买流量的时候，更是容易产生无效流量。通常B2C网站都会经历一段流量质量测试阶段，从而分析出哪些流量对自己是精准并且性价比合适的。

　　对互联网巨头BAT来讲，由于它们掌握了大量的流量数据，甚至可以精准的画出消费者个人的互联网图谱。当然所有一切的追踪都是依据存在你浏览器里的cookie。

　　而传统的商超由于辐射半径有限，可能会觉得UV和流量分析没那么重要，但O2O是虚实结合项目，将来O2O的流量一定也会趋向多而杂。同时，用户手机上的mac-id其实就是浏览器里的cookie，一旦跟其他大数据源合并分析，线下商家也将精确掌握消费者的行为图谱，无疑为精准营销和个性服务提供极大帮助。

　　换句话说，线下零售要参考B2C运营逻辑，就要部署室内Wi-Fi定位技术，分析和关注用户UV的实时变化，同时开展和其他数据源的合作，对流量来源和消费者特征进行抓取和分析，从而取得一个样本参数，以此实时监测线下店运营状况。

　　2、PV、跳出率和点击路径分析。PV是一个用户在网站的浏览深度，同时也跟网站自身信息结构设计紧密相关。用户在网站的PV数越大，通常说明 停留时间越长，网站对消费者的粘度越高。但同时我们也需要跟页面跳出率一起来分析，如果在某一个访问路径页面的分析上，跳出率过高，也说明用户无法在短时 间内找到自己需要的信息而逃离。

　　在线上运营中，页面热点能够反映出用户的注意力偏好，他的每个点击都能够被监测到，运营的关键是不断优化素材和展现方式，而点击路径分析则好比 是一个购物决策树，可以准确看到用户是在哪一个树杈节点产生跳离或购买行为。 整个网上购买过程，可以用一个购买漏斗在进行分析，从“首页→搜索和分类页面→商品详情页→购物车页面→结算页→最终订单提交页面”，每一个步骤页面上的停留时间和跳出率数据都需要仔细的分析。

　　对应到线下零售运营，主要是动线与布局的优化问题，但此前几乎都是依赖人工经验判断，极少有数据分析的支撑。目前的室内Wifi已经可以做到 3~5米的范围定位，可以相对精确的定义一个热点区域了。随着在商超里相关室内Wifi定位设备的合理部署，是可以实时获得类似于GA(Google analytics)的报表视图，可以科学的进行动线和布局优化处理。

　　3、转化率。转化率是衡量一个电商网站最终经营状况的重要指标，在没有大型促销或大规模流量导入的情况下，它是基本恒定的，波动很小。一旦转化 率突然发生了变化，一定是出了问题，所以电商人每天都在想办法提高转化率。实际的转化率受促销设计、商品排序、展示效果、购物路径优化等多因素综合影响。

　　以前零售的线下店是无法分析转化率的，只能从坪效等最终销售效益的维度进行事后分析，而最重要的以人为维度的指标被忽略了。所以可以将线下的每一个店铺看成是线上网站的一个子类目或专题页，以此对比访问量与购买量，就可以为店面设置一个类似转化率的业务预警指标。

　　4、新老用户分析和老用户复购率。新老用户的占比，反应了用户对网站品牌和运营商品的忠诚度问题。电商一般喜欢通过促销消息推送，以及礼品卡或 折扣券，来提升复购率，是线上与线下运营相通的地方。不过，电商的老用户运营更为精细，比如针对某一个群体或时间段，可以推出一些专题，来回馈老用户。

　　放到线下零售运营中，大部分的卖场还是用全场打折的方式，缺少针对性的销售专场设计。一般来说，线下卖场晚间的订单量会占到全天销售额的50%，尤其是临近打烊的时刻多是老用户在光顾，但零售商缺少必要的场景识别与专题设置来做应对，也就无法提升老用户的购物体验。

　　5、AB test与公平曝光率。所有的电商网站在上新品或新功能的时候，都会做AB测试。基本是通过分出出 5~10%的用户流量，50%给A页面，50%给B页 面，并通过用户行为数据和转化率数据的分析，以决定最终上线哪个页面。假设你突然发现淘宝首页改版了，而你的公司同事的淘宝首页没有变化，就是这个原因。

　　曝光测试主要是解决商品的列表逻辑与排序问题，特别是对于商品深度和宽度较大的平台商。大量的长尾产品由于无法获得足够的曝光而“彻底沉没”，往往只能取决于运营人员的“买手眼光”。在B2C网站上，通常会给所有新品一个公平的曝光量，通过曝光后的转化和销售数据决定商品的销售策略定位，比如爆款商品、主力销售商品、打折商品、长尾商品等。

　　放到线下商超运营，对应的是是商品陈列问题，特别是品牌的橱窗陈列。橱窗陈列可以类比电商网站的首页焦点图，最直接目的就是“吸引眼球”，它的成败好坏无疑非常重要。一般来说，品牌商更清楚该如何陈列，并有一套自己的方法，而零售渠道商基本很少参与其中，也就是无法做到实时调优。

　　现在，室内WIFI的定位技术可以直接解决特定区域的可测试性问题。用户ID(Mac id)，用户进入特定区域的时间，用户离开特定区域的时间，这三个数据的分析，可以精确的分析用户在测试区域的行为。

　　举个简单的例子，线上网站运营一般有焦点图的32次轮播，每个人的点击偏好是不同的，电商人可以据此提升有限位置的使用效率。以此映射到线下运营，是否可以根据用户的行为轨迹，对动线和布局做出动态调优?

　　6、对UV和流量来源、PV和点击路径、节点转化率和最终转化率、新老用户数据、促销运营政策和媒体投放数据等五个维度数据的叠加分析。对电商人来说，每天的军情分析就主要靠这五大维度的数据来做分析和推演，并立即调整第二天的策略和部署。这就是互联网实时更新，小步快跑的工具支撑。

　　这其实也为线下零售提供了一个思路，O2O作为一个电商工具，最重要的意义就是实时数据监测与业务指标预警，继而通过快速调优，实现坪效与周转率的提升。

　　我们可以做一个设想：在线下零售具备了线上B2C的思维与能力之后，总经理坐在办公室当中，就能够查看全国门店的实时转化率情况，一旦某一个店铺出现数据的不正常波动，他就可以马上告知该店的店长，分析问题是否出在了商品摆放问题上，或者可以马上搞一次促销专场等等。

　　说到这里，琪哥大致明白了Y的思维逻辑，但对于这套思路是否可行还是有所质疑。

　　于是，Y就给琪哥展示了几页PPT，他正在研究欧洲的一家叫做Walkbase公司，其定位是做“Google Analytics online”，主要是为线下零售商提供用户行为的实时分析平台方案，包括伦敦的宝马零售店、芬兰首都赫尔辛基的购物中心KAMMPPI等，均是它的客户。

　　从这两张图可以看出，walkbase通过基于室内WiFi的用户识别，可以分析用户的停留时间、运动轨迹等属性。而来自英国的一项调查数据显示，每增加1%的访客停留时间，就可以带来1.3%的销售增长。同时，约有80%的用户购物决定是发生在店内，这意味着零售商需要精准了解客户的行为和客 流的走向，以此实现最大化销售收益。