线下大数据对于物联网的意义是什么

为什么我们关注线下场景的大数据？

从用户角度出发，我们会发现用户有两大稀缺资源，时间和金钱。前者体现在每人每天都只有24小时，后者体现在每人每年的可支配收入是相对固定的。

线上互联网的使用场景主要集中在电商、社交、内容等，根据QuestMobile2018年中国移动互联网报告，平均用户每天在线上时间投入大约为5小时。相比而言，除去睡眠时间，用户投入在线下的时间仍是线上时间的两倍。

虽然许多非餐饮的食品、烟酒以及日常家用品线上渗透率非常高，但人们还是会去线下消费，比如吃饭、买车、看病、教育等。2017年居民人均消费支出大约在18000元，线上消费占比三分之一，线下消费投入仍是线上消费投入的两倍。

毫无疑问，用户的时间、金钱投入的大头仍在线下。

回到产业端，数据服务是企业服务的一种，是赋能的逻辑，如果你做得很好的情况下我是没有必要帮你做得更好的。我们发现，线上场景集中度比较高，已经形成巨头吃肉，余下喝汤的局面。但从线下的竞争观察，其天然的LBS（Location Based Service）属性决定了行业集中度低，业态分散，不仅面临线上巨头的竞争，还面临与线下同地区业态的竞争。线下商业竞争激烈，于是为企业赋能的第三方数据服务有很大的空间。

如果比较线上的数据结构，我们会发现一个典型的TMT公司往往已经形成数据闭环。从流量开始，到打通的账号体系，公司可以清楚地知道用户是谁，用户做了什么，多少的用户买了单。这些数据都可以被采集和记录，公司可以通过数据分析，挖掘用户价值，形成运营体系。

反观线下数据，线下很多业态是无法对其客流进行把握和分析的。一家传统的百货公司是不知道今天我来了多少人，他们的消费需求是什么，更别提感知营销活动、天气等对客流的影响，基本处于躺着赚钱的粗放式经营状态。

虽然部分线下大数据公司已经实现了通过wifi传感器、摄像头和Beacon去捕捉和分析客流，但这仍处于最基本的流量环节。关于用户的识别、以及用户交互还是两眼一抹黑。线下场景相对封闭，客流、识别、动线/交互、交易支付、用户运营每个环节都需要单独的供应商，需要从零部署，数据相互打通基本没有。

线下竞争激烈，业态分散，我们认为这是第三方数据服务存在的空间，最终线下业态会逐步跟随线上业态完成数据闭环。

数据交易不是线下数据变现的最优解，理想形态应与用户需求和应用场景相结合。我们从数据价值和变现模式来看待线下大数据理想的商业模式可能是什么样的。

首先线下大数据的数据价值体现在精准性和广泛性两点：

精准性

相比于可复制的线上数据，线下数据通常代表着用户的真实消费意愿，人们每一次出现在餐厅、零售店、4S店都真实表现了他的时间花费，并且他可能是打车或坐地铁特地跑去线下店的。

广泛性

线下数据覆盖了全量人群，互联网覆盖较少的银发人群以及小于10岁的小孩，他们的消费行为和意愿是可以在线下被捕捉的。

基于这两点，我们看好线下数据的数据价值。目前市面上数据服务主要有以下四种变现模式：数据交易、数据呈现、营销服务、运营服务。

以线下大数据为核心的营销业态

如果看线上巨头如百度和头条，根据用户行为数据做精准营销，已经是非常成熟的模式，但线下营销还停留在资源驱动为主，比如像分众传媒等这样的公司，通过将屏幕铺设在电梯、机场，占据各个线下场景。

在我们看来，通过线下大数据帮助线下传媒做精准信息分发是有可能的。

举一个典型场景的例子来讲，这是几位男性创业者跟我们讲的一个笑话，他们在一个写字楼里面等电梯，结果就发现电梯那边的广告在展示一个卫生巾的广告，他们就觉得很尴尬。

所以，其实他们想象的场景是什么呢？未来这个屏幕上面可能是会有传感器的，基于这些信息我就会知道，在我面前站着的这个人是一帮男性，而且是相对中青年的男性，在这种情况下面它有可能就不会去推这个广告，它的广告就可以做到分散化，做到一个颗粒度更细，基于谁来到了我这个屏幕旁边去决定我到底要给你推送什么样的内容，而这件事情天然就是线上的数据驱动的业态，就是千人千面。

我们认为，未来有可能通过线下数据和场景资源结合的业态出现一家新型媒体集团。

决策周期短、消费频次高的行业例如餐饮、零售、购物中心，这是所见即所得的服务，运营需求强。这些业态已经有相应的流量，但是我需要知道流量是谁，需要去更好的了解用户从而指导运营，这个部分是运营导向的。

展望未来，线下数据服务商应多元融合，建立数据联盟和场景联盟，促进线下商业从LBS （LocaTIon Based Service，基于位置的服务） 转向UBS （User Based Service，基于用户的服务），将用户价值最大化。

最终的形态就是通过数据互通、场景互联，让数据维度更加丰富，从而能更好地知道客户是谁，带来更大的数据价值。然后帮助企业更好地知道客户需求，从而提供更好的服务。

来源：菲利科物联网