把苹果店的智能系统普及到中小商户,这个细分市场有多大机会?

摘要: 一满乐想做的事是从前端跟有搜集数据能力的B端合作,像钱方这样的第三方收银工具就是其合作伙伴,要建立更多的模型,需要更多的数据来训练系统,而后方是一满乐的核心竞争力,即是根据搜集来的数据自动化地输出数据解读报告,便于商家的下一步的营销决策提供依据。

(本文来自钛媒体特色栏目创业者说,最有钛度的创业者故事)

2015年中国SaaS应用涌现,大量第三方数据平台服务商涌入以餐饮、美业、休闲娱乐为主的服务业,用第三方支付、电子会员卡、点餐、排队、团购、CRM等各种切入点成为商户吸引顾客的流量入口。

“但是,这些SaaS服务都没有让大多数商户受益,究其原因是应用不够智能化,在数据采集完成后,需要进行数据处理,然后根据数据处理输出结果和方案。”一满乐的创始人、CEO Jason这样说。

这家从美国来到中国的创业公司,正把项目聚焦在“基于顾客消费行为的自动营销引擎”(进入我造社区主页,查看一满乐的更多详情)。

这个项目的灵感来自于Jason在美国苹果店工作的经历:苹果零售体系在放弃了SAP提供的复杂而又昂贵的门店管理系统之后,独自开发了一套更贴近零售场景的智能化管理系统,让门店里的每个角落都有智慧设备可以捕捉和了解顾客消费行为,每个销售员都可以利用手持设备记录顾客的消费数据和其他需求。

为什么这么智能化的系统不能用到中小商家去呢?

一满乐在某第三方收银工具上提供的服务,叫做“数据魔方”

一满乐在某第三方收银工具上提供的服务

Jason本人的专业是经济学的计量统计,在他眼里,市面上针对小店铺的大数据统计不是太难,为一些“基础的分析,懂excle都可以”,比如说进来多少人买了多少东西、有多少人是会员多少人不是会员、性别比例等,用excel作为工具就可以做出来。

而一满乐想做的事是从前端跟有搜集数据能力的B端合作,像钱方这样的第三方收银工具就是其合作伙伴,要建立更多的模型,需要更多的数据来训练系统,而后方是一满乐的核心竞争力,即是根据搜集来的数据自动化地输出数据解读报告,便于商家的下一步的营销决策提供依据。

Jason说,“现在市场上大部分的SaaS应用在后期做数据报告时依赖于人工,而他在美国观察到的现象是,这个领域由于商铺多,人工介入到数据报告的形成会加大难度以及可能会产生很多错误。”

在这个领域,美国市场上已经有相应的公司在做智能化的输出数据报告的工作,而中国市场才开始起步,这才是他们回国来创业的原因。

以下是钛媒体记者和Jason的对话:

钛媒体:不太清楚您这个公司在美国创业,然后转到中国来,从商业策略上来讲,是不是战线拉得太长了?

一满乐Jason:是这样的:首先我们在美国没有业务,想到这个项目时,我们的模式跟比尔不太一样,数据分析分三步走,第一步是搜集数据,第二步是分析处理,第三部是根据结果去执行,当时我们也想做搜集数据这块的业务,涉及到地推、还要考虑到覆盖商家的数量,在美国,搜集数据这块很难。一是人力成本高,二是商家数量密集,三是美国有一家这个领域相对成熟的企业,他们覆盖面广,而且是免费服务,我们作为一个创业企业,需要有资本的支撑才能站得住脚。我们几个创始人合计了一下, 觉得现在国内在这方面才起步,回来机会更大。

钛媒体:可是国内的中小店家的IT化水平都不高,我们的业务又是针对中小商家,为什么?

一满乐Jason:其实IT的基础没有是没有关系的,我们原来做的前端产品就是针对门店没有IT化才做这么一个东西,因为我们是放一个平板给他,他只要有一个wifi,所以,我们整个平板就作为他的所谓IT化的一部分,当时是这样考量的。

钛媒体:国外的会员系统比较完善,国内却没有这样的习惯,也就是以往的门店数字化做不起来,其实有部分原因是消费的随意化。

一满乐Jason:这个的确是,我们回来后也想用用户的电话号码作为虚拟会员卡,比如去咖啡馆消费,买完十杯送一杯,来引导他们出示会员卡,也遇到一些瓶颈,所以我们也提出转型。

钛媒体:究竟是怎么样的瓶颈,能具体说一下吗?

一满乐Jason:中国的中小商家被很多O2O应用宠坏了,说白一点,一个小商家不只一个我们这样设备,而是一排排,我们开始觉得很尴尬。一满乐放到商家的平板其实也只是为了搜集数据,后期做数据分析。

我们做出了转变,将方向定位于两个方向:一是跟比较大一点的门店、IT化已经足够,他们做完收集数据后,把数据给我们,让我们来做处理分析,因为他们分析数据的能力和后期输出营销方案的能力;另一个方向是我们与商家的服务商合作,服务商已经掌握数据,他们把数据给我们,我们输出数据服务,这个就变成了商家服务上对商家的增值服务,他们可把增值服务卖给商家,我们两家分成。

钛媒体:也就是说您提供的数据分析是核心业务,但是现在市面的大数据分析公司很多,咱们怎么去做呢?

一满乐Jason:有两块吧,第一核心技术是算法,原来传统的做法是,一个聪明的人理解同样的维度效果跟一个没那么聪明的人理解的维度是不一样。

同样的道理,我们用计算机去处理这个事,我认为计算机是可以对于纯数据的处理上来说是绝对可以超越人脑的,这是我们的结论,因为这些东西是全部都是以数学为基础去做的,计算机本来在这个方面就应该是比人脑要强的,所以我们只要写好一个足够好的算法,这个算法是可以媲美每一个很聪明的人的效果,我们刚才说了,其实效果好与不好,是跟能力直接挂钩的,我们尽可能的,把这个计算机变的最聪明,他出来的效果就会最好,这是一个方面。

而且计算机的成长并不是由代码来决定的,而是由数据的不断刺激,然后处理结果,反馈,再处理结果反馈,他的算法模型会不断的在自我改变,不断的在优化他自己的运算方式,从而不断的去追求一个最好的结果,所以我们自己的壁垒是慢慢建筑起来的。(本文首发钛媒体,记者/郭娟)

本文系钛媒体原创,转载请注明出处、作者和本文链接
分享到:

第一时间获取TMT行业新鲜资讯和深度商业分析,请在微信公众账号中搜索「钛媒体」或者「taimeiti」,或用手机扫描左方二维码,即可获得钛媒体每日精华内容推送和最优搜索体验,并参与编辑活动。

郭娟
郭娟

资深媒体人,专注于电商、传统企业的互联网+、互联网金融,以及各种创新商业模式已多年,欢迎沟通,邮件:hemu2008@163.com。

评论(2

  • 天远 天远 2016-06-10 09:12 via android

    且行且珍惜,慢慢看吧

    0
    0
    回复
  • andrewch andrewch 2016-06-07 09:26 via android

    开始走企业应用了。

    0
    0
    回复

Oh! no

您是否确认要删除该条评论吗?

分享到微信朋友圈