眾所周知，線上商家可以通過淘寶平臺的大量前端“埋點(diǎn)”輕松獲取商品的加購率、收藏率、轉(zhuǎn)化率、成交額等大量基礎(chǔ)信息，甚至商家能夠在更精細(xì)的層面，獲取商品關(guān)鍵字變化或者上新/爆款帶來的流量變化數(shù)據(jù)，更甚者商家能夠獲取競品的流量結(jié)構(gòu)，從而不斷調(diào)整自己的商品結(jié)構(gòu)以及經(jīng)營策略。

那么如何讓實(shí)體商家擁有淘寶一樣的數(shù)據(jù)化運(yùn)營能力呢？下面，我們主要以大型綜合體為例，來看看為了實(shí)現(xiàn)我們偉大的使命——讓商業(yè)更智能，我們?nèi)绾螒?yīng)用視覺智能引擎以及數(shù)據(jù)決策引擎來打造商業(yè)“智能沙盤”系統(tǒng)，從而幫助線下的商家在“智能沙盤”上通過數(shù)據(jù)分析推演計(jì)算、運(yùn)籌帷幄、決勝千里之外。

1、數(shù)據(jù)怎么來

對于線上商家來說，他們的數(shù)據(jù)來源于電商平臺的大量前端“埋點(diǎn)”。而線下綜合體的數(shù)據(jù)應(yīng)該怎么來？我們通過自研的AIoT+云能力，打造AI+IoT+云環(huán)境，從而完成對綜合體的“人”與“場”的數(shù)據(jù)刻畫收集。通過前面的一些技術(shù)介紹(Face ID、Re-ID、識貨等)，我們擁有一個強(qiáng)大的視覺智能引擎，而該視覺引擎與云計(jì)算平臺結(jié)合情況下，構(gòu)建了一套AIoT+云的數(shù)據(jù)收集平臺。

對于數(shù)據(jù)的收集，通過IoT智能終端+AI算法，對人進(jìn)行畫像，對場進(jìn)行畫像。其中IoT智能終端包括奇點(diǎn)識客、奇點(diǎn)魔盒等。

通過我們的視覺智能引擎，可以圍繞人這一主體抽象出屬性畫像、行為畫像、關(guān)系網(wǎng)絡(luò)等。屬性畫像，包括基礎(chǔ)的性別、年齡、身高等，更復(fù)雜的屬性包括穿著、外貌、職業(yè)等，比如發(fā)型、臉型、唇彩、上衣風(fēng)格、下衣風(fēng)格、項(xiàng)鏈、挎包類型等。行為畫像包括進(jìn)場位置(停車場or大門)、場內(nèi)消費(fèi)、場內(nèi)喜好區(qū)域、場內(nèi)運(yùn)動軌跡、是否存在危險行為等。關(guān)系網(wǎng)絡(luò)則包括親密關(guān)系、親屬關(guān)系、同行關(guān)系等。

場的畫像，包括區(qū)域畫像和店鋪畫像。其中區(qū)域畫像，指的是對某個具體區(qū)域在時空多個維度上進(jìn)行區(qū)域熱力、區(qū)域人流、區(qū)域價值等多方面進(jìn)行分析。而店鋪畫像，通過結(jié)合人的畫像，從而對一個店鋪的熱度、店鋪消費(fèi)群體、進(jìn)店轉(zhuǎn)化率、店鋪復(fù)購率、店鋪行業(yè)屬性等多方面進(jìn)行描述。

2、數(shù)據(jù)怎么處理

在大量的IOT智能終端上，每天產(chǎn)生大量的視頻、圖像數(shù)據(jù)，那么面對如此海量的數(shù)據(jù)，我們的系統(tǒng)如何做到多算法級聯(lián)、及時響應(yīng)、快速處理、穩(wěn)定運(yùn)行呢？在此，我們提出了視頻結(jié)構(gòu)化技術(shù)，結(jié)構(gòu)化技術(shù)依托端上AI算法、智能設(shè)備、奇點(diǎn)云強(qiáng)大的云計(jì)算平臺，從而形成了我們AIoT+云的智能數(shù)據(jù)處理平臺。

這里我們先對結(jié)構(gòu)化技術(shù)做一個自我思考后的定義:

「視頻結(jié)構(gòu)化是基于視頻內(nèi)容(Content-based)做結(jié)構(gòu)化提取的技術(shù)，它對視頻內(nèi)容按照語義關(guān)系，采用空間量化、時間量化、目標(biāo)識別、目標(biāo)跟蹤、特征提取、圖像處理、編解碼等技術(shù)，產(chǎn)生低存儲、高價值、易分析、可理解的高維數(shù)據(jù)。

視頻的結(jié)構(gòu)化是基于視頻內(nèi)容的結(jié)構(gòu)化處理，所謂的視頻的內(nèi)容，就是對視頻中語義進(jìn)行理解，所謂的語義簡單來說就是視頻中有什么、視頻中發(fā)生著什么，而這些通過我們的AI算法能夠準(zhǔn)確地進(jìn)行描述。另外時間量化和空間量化能夠更加精確地描述在什么時間、什么地點(diǎn)，視頻中有什么、發(fā)生著什么。」

「存在一個攝像頭，通過我們系統(tǒng)自帶的空間標(biāo)定工具，完成攝像頭的成像與CAD圖的映射關(guān)系，即攝像頭中的每一個位置都能精確的投射到CAD圖上。該攝像頭覆蓋區(qū)域內(nèi)存在店鋪A、廣告位B，在某段時間內(nèi)有數(shù)十位顧客經(jīng)過該攝像頭。那么我們以個體為維度，通過Re-ID、Face ID、屬性、跟蹤等算法，我們可以產(chǎn)生以下較為簡單結(jié)構(gòu)化數(shù)據(jù):

以店鋪為維度，通過行人檢測、Re-ID識別去重、目標(biāo)跟蹤分析等技術(shù)，我們可以產(chǎn)生下面較為簡單的結(jié)構(gòu)化數(shù)據(jù)，而通過這些簡單數(shù)據(jù)我們可以快速算出該店的進(jìn)店轉(zhuǎn)化率、通過停留時間可以初步算出消費(fèi)轉(zhuǎn)化率、主要消費(fèi)群體等數(shù)據(jù)。

而以廣告位為維度，可以生成廣告位的轉(zhuǎn)化率、廣告吸引群體等數(shù)據(jù)。以攝像頭拍攝區(qū)域?yàn)榫S度，可以分析區(qū)域熱力、區(qū)域人流動向等基礎(chǔ)數(shù)據(jù)。」

從上面的例子我們可以看到，通過IoT智能終端+AI算法的粗加工(我們定義為一級結(jié)構(gòu)化)，我們初步從海量的視頻數(shù)據(jù)中提煉出了較為顆粒化的信息，從而大大的減小了存儲以及網(wǎng)絡(luò)帶寬傳輸。

對于一級結(jié)構(gòu)化，主要在端上進(jìn)行處理，我們要求盡可能多的保存視頻的內(nèi)容，同時要盡量少的占用存儲以及網(wǎng)絡(luò)帶寬。一級結(jié)構(gòu)化通過端上智能硬件完成多模型協(xié)作，快速完成對視頻內(nèi)容的粗加工，然后將一級結(jié)構(gòu)化數(shù)據(jù)上傳到云端，進(jìn)行精細(xì)的二次結(jié)構(gòu)化處理。

二級結(jié)構(gòu)化，依托強(qiáng)大的云計(jì)算能力，在云上完成更加精細(xì)化的數(shù)據(jù)處理、分析。而在二級結(jié)構(gòu)化系統(tǒng)中搭載著我們的智能決策引擎，通過對大數(shù)據(jù)的分析、挖掘以及行業(yè)先驗(yàn)知識沉淀，從而產(chǎn)出高價值、易分析、可理解的數(shù)字化信息。

整個數(shù)據(jù)處理平臺具有分級處理、多級聯(lián)動、動態(tài)節(jié)點(diǎn)分配、多節(jié)點(diǎn)負(fù)載均衡等特點(diǎn)，從而保證整個系統(tǒng)能夠穩(wěn)定、快速數(shù)據(jù)加工處理。

而數(shù)據(jù)收集系統(tǒng)的系統(tǒng)架構(gòu)，如下圖所示:

3、數(shù)據(jù)怎么應(yīng)用

如果說上面的鋪墊主要是介紹平臺的眼睛——視覺智能引擎，那么下面我們將通過一些實(shí)例來介紹平臺智慧的大腦——數(shù)據(jù)決策引擎在“眼睛看到的內(nèi)容”下如何讓商家進(jìn)行推演計(jì)算，從而讓商家能夠未卜先知、明察秋毫、統(tǒng)籌全局。

3.1 基礎(chǔ)報表

通過對顧客、商場、區(qū)域、時間段、商場店鋪等多個維度的分析，每天會產(chǎn)生上千維的數(shù)據(jù)報表，報表包括簡單的商場客流、店鋪客流、男女比例、熱門店鋪、區(qū)域熱度等等。通過這些數(shù)據(jù)報表，可以快速的看出商場的近期的運(yùn)營情況，以及關(guān)注熱點(diǎn)。

3.2 商場布局

在電商平臺上，店鋪需要爆款進(jìn)行引流，而在進(jìn)入店鋪后，通過推薦、組合售賣等策略引導(dǎo)客戶進(jìn)行深度逛店。在線下也是一樣的，我們希望顧客來商場不是買了個東西就走，而是能夠深度地進(jìn)行逛吃逛吃，畢竟讓流量流動起來才能產(chǎn)生其豐富的價值。

通過我們的“智能沙盤”系統(tǒng)，我們已經(jīng)獲取了數(shù)字化的店鋪數(shù)據(jù)，了解了每個店鋪的店外流量、進(jìn)店轉(zhuǎn)化率、消費(fèi)轉(zhuǎn)化率等基礎(chǔ)數(shù)據(jù)，通過這些數(shù)據(jù)我們可以了解哪些店鋪是商場的“引流店”，哪些是商場的“耗流店”。再通過我們對數(shù)據(jù)的更層次的挖掘分析，我們可以發(fā)現(xiàn)店鋪與店鋪之間有它的關(guān)聯(lián)性，比如60%的人去過A店，會去B店、C店。

那么我們對引流店，我們可以往商場稍微深一點(diǎn)地方放，這樣就會吸引更多客流往商場里面流動。同時具有強(qiáng)相關(guān)的店鋪，讓它們距離一定的距離，這樣從A店去往B店或者C店的路上，必將經(jīng)過其它店鋪，就能讓顧客更好的流動起來，從而產(chǎn)生其它的購物轉(zhuǎn)化率。

當(dāng)按照數(shù)據(jù)分析，對商場進(jìn)行布局后，我們的“沙盤”很快就能反饋其產(chǎn)生的正負(fù)作用，通過對數(shù)據(jù)的進(jìn)一步梳理分析，可以進(jìn)一步微調(diào)優(yōu)化整個商場結(jié)構(gòu)。

3.3 智能推薦

在線上我們經(jīng)常能夠因?yàn)椤扒�人千面”的推薦系統(tǒng)，從而收到緊貼我們需求的商品推薦。那么在實(shí)體商店中我們可以如何對玩轉(zhuǎn)智能推薦呢？

我們先講一個線下與線上結(jié)合的推薦方式，該前提是推薦對象為商場的注冊會員。通過上面我們舉個數(shù)據(jù)收集的例子，我們可以了解到通過AIoT智能終端我們可以獲取會員去了哪、是否產(chǎn)生購物、復(fù)購率等數(shù)據(jù)。那么假如我們發(fā)現(xiàn)會員甲經(jīng)常會在A店鋪產(chǎn)生消費(fèi)，那么在該店鋪有促銷或者活動的時候，我們可以通過短信或者線上App對該會員進(jìn)行相關(guān)商品推薦或者短信提醒。

另外一種為直接線下的推薦方式，該前提為商場存在多個電子廣告位。而當(dāng)有某位顧客在廣告位上停留的時候，我們可以根據(jù)其在商場中的用戶畫像，快速給她推薦對應(yīng)的商品，從而做到與線上的“千人千面”一樣的推薦效果。

3.4 廣告投放

對于商場里的商家，需要進(jìn)一步宣傳或者吸引顧客到店消費(fèi)，那么商家就會在商場的其它地方進(jìn)行廣告投放，從而來吸引客流。那么廣告投放在哪？廣告位又怎么收費(fèi)？

對于廣告的投放，可以多點(diǎn)投放，然后我們通過系統(tǒng)能夠快速分析出改點(diǎn)廣告位產(chǎn)生的轉(zhuǎn)化率。打個比方，顧客甲在廣告位A旁停留過，最后進(jìn)入投放該廣告的店鋪消費(fèi)，那么就產(chǎn)生了轉(zhuǎn)化。那么通過對一段時間的數(shù)據(jù)分析，我們就可以分析各個廣告投放點(diǎn)的轉(zhuǎn)化率，從而擇優(yōu)選擇轉(zhuǎn)化率高的廣告點(diǎn)位。

而對于商場來說，廣告位怎么收費(fèi)呢?商場可以根據(jù)廣告位的客流數(shù)量、區(qū)域熱度、區(qū)域價值以及該廣告位的歷史轉(zhuǎn)化率進(jìn)行廣告位定價收費(fèi)。

3.5 趨勢預(yù)測

通過AIoT+云的能力我們從時間、空間等多個維度上對數(shù)據(jù)進(jìn)行進(jìn)一步量化。那么通過歷史的數(shù)據(jù)分析，我們基本可以分析出下一個時間階段的流量變化、下個階段用戶消費(fèi)習(xí)慣，從而我們進(jìn)行優(yōu)化的調(diào)整我們的經(jīng)營策略，從而優(yōu)化顧客產(chǎn)生的價值。

上面通過一些簡單的實(shí)例對“智能沙盤”在于如何輔助商場進(jìn)行戰(zhàn)略布局、優(yōu)化經(jīng)營、預(yù)測未來等方面進(jìn)行分析，但是數(shù)據(jù)的價值遠(yuǎn)遠(yuǎn)不止這些。相信越來越多的精細(xì)化數(shù)據(jù)分析，會產(chǎn)生越來越多的數(shù)據(jù)價值，而線下的商家應(yīng)用這些數(shù)據(jù)也能像線上商家一樣靈活運(yùn)營自己的店鋪。