新零售的另一种解题思路：重新认识数据行为(3)

　　如何激发消费

　　说了这么多，到底如何把数据行为应用放到新零售里呢？

　　综上所述，数据行为可以更好地理解个体与群体在时间轴上的精准动向和动机。这就让很多基于移动互联网的简单商业激发有可能变得更加复杂。

　　通过对线上数据行为的广泛测写，结合现实世界数据收集端口提供帮助。人工智能至少可以为线下消费场景搭建以下几种能力：

　　一、解决地理空间中的推荐问题：我们都感受过所谓的智能推荐，基本都是根据你的浏览记录进行购买推荐。这种推荐本身非常不智能，而且往往进行线下推荐时就会失效。因为系统只能知道你的定位，却无法预计你的目标，也无从知道你的运动轨迹。更多时候还是需要用户自己去寻找消费。而结合运行轨迹、消费轨迹等数据行为，或许可以准确的在地理空间中实现线下消费推荐：不走冤枉路，不浪费时间，就近找到你的消费可能。

　　二、解决实时需求：数据行为检测的一个特征，就是其具有非常强的实时处理能力。很多消费契机都是实时出现的，可能用户自身都没有察觉到。但数据系统却可以感知到。比如数据证明你该渴了，又能从以往消费数据中判断你的口味，然后实时对接饮品店的消费可能。这就集成了很多消费机会。

　　三、提供线下的智能服务：新零售里一直有个预期，就是你到了店里，发现店里正好都是你需要买的东西，不用自己找。这种听起来像读心术的消费场景，也可能通过对你生活中方方面面数据行为的测算得到结果。人进行线下消费的频率其实是非常稳定的。利用迁移学习和过往数据来生成一个人的购物预期模型，并非不能做到。

　　四、根据群体行为调整供需策略：就像上文说的，群体行为往往决定了很多服务与消费的市场，群体行为的往复变化也决定了很多依托人群的消费场景兴衰。测算人群，实时调整供需和营销，可以为人群场景的线下消费企业提供极大的效率改善。

　　相比我们经常看到的图表和结论，大数据这东西其实能体现更多东西。我们每天都暴露在数据收集器之下，也成为数据的使用者和消费者。相比无尽的增大数据量，把现有数据立体化、行为化其实就能探究人类社会的无数秘密。

　　数据会继续带来更多改变，同时也引发着更多恐惧：在人工智能才有能力理解的海量数据面前，人类究竟还有什么秘密与隐私可言？

　　（作者 脑极体）