本帖最后由 好听的话不该当真更不该记 于 2016-9-20 17:36 编辑
作者： 馒头。
大家有没有思考过这样一种场景：当你进店消费时，你的一系列行为伴随着多少数据转化？
交易相关数据？就这么多？
No No No，没那么简单。
场景
今天Mant.来到某某商圈，打算在一家人气爆火的烤肉餐厅用餐。接下来，从我排队、点单到最终买单将会生产出一坨坨的数据，而这些数据又将回流分析再作用于我的身上，即所谓的营销。
17:25 pm
餐厅人气爆火，又是晚餐时间，所以早就排起了长队。我来到排号机取了号票No.146。为了等待的时间不无聊，默默地掏出手机，玩起了手游“王者荣耀”，和微信兄弟们战斗。
17:47 pm
运气还不错，相比预期时间很快就排到了我。我拿着号票，来到了用餐位置处。
顺手拿起桌上的点单iPad，打开餐厅点菜应用扫描我号票上的二维码，然后输入用餐人数3人，开始点菜。
和朋友商量了一下，烤肉酱3份，五花牛肉3份，猪排3份，蔬菜拼盘1份，菌菇拼盘1份，又额外点了土豆、茄子和西红柿等若干，最后要了一扎玉米汁，共计465元。
17:55 pm
点击“下单”。
在等待上菜的时间，我又打开了支付宝口碑、大众和美团的app，搜一搜这家门店有哪些优惠。
发现，支付宝口碑主推折扣（8.8折，优惠金额上不封顶），大众主推闪惠（每满100-5元），美团主推团购（90抵100元代金券）。加之今天是周四口碑美食日，支付宝口碑还有买单即享立减10元活动，我毫不犹豫地决定买单时要用支付宝口碑。
18:04 pm
这家餐厅准备食材的速度还是可以的，全部菜品均已上齐，开吃。
18:58 pm
吃吃喝喝，结束晚餐准备买单。
使用支付宝付款，订单金额465元，折扣、立减以及通用红包（3元），最终实际付款397元。
问：在上述的过程中，我产生了多少数据？
首先，是交易相关的基础数据：
1）订单金额=465元
2）用户实付金额=397元
3）商家实收金额=400元
这些基础数据还可以继续回流分析。比如：
1）订单笔单价=订单总金额/交易笔数
2）实收笔单价=实收总金额/交易笔数
3）客单价=订单总金额/用餐人数
当然，也可以作交易趋势分析：时间（小时/日）- 交易金额/交易笔数/交易人数。
以上都可以从时间维度的划分上，可以提供日/周/月或指定时间段的相关交易数据。
其次，在我打开第三方app应用时，同时也会产生用户行为相关的数据：
1）Detail页的PV/UV
2）Detail页的停留时长
3）页面埋点相关数据
除此之外，饮食偏好相关数据也会产生，尤其当你作为商户的会员。商户可以根据你多次点单的数据来获取到你的prefer信息。基于此，商户可以利用这些prefer数据针对会员作菜品优惠（比如：蔬菜拼盘8折优惠）或菜品推荐（比如：你常吃的菜品，你可能感兴趣的菜品），甚至也可以作交叉推荐，比如向其他的消费者推荐夜间3人套餐（需要算法支持）。
最后，你的排队、用餐相关数据都可以利用起来做很多事情。比如，排队时长在样本量足够的情况下，按时段（午餐时段/晚餐时段等）计算出商户的平均排队时长数据，可以显示在打印的号票上作为参考信息。这样，消费者可以充分利用预估的排队时间来做其他有意思的事情，比如逛Mall，玩玩手游等等。
另外，如果用餐时长/排队时长（注：假设排队时长在特定时段下数值一定）的比值超过一定阈值时，会影响到这家餐厅的翻台率。那么商户利用其参考值作为杠杆，采取一定的手段来平衡用餐时长/排队时长，来保证翻台率处于正常的水平。
举个栗子：商户突然发现晚餐时段用餐时长/排队时长>>M参考值，商户可以采取手段来缩短用餐时长。比如，半小时内结束用餐买单额外享受立减10元的优惠。这样一来，用餐平均时长会有所降低，提高商户的翻台率，从而提高商家的交易流水。
虽然讲了这么多数据，但更重要的是如何利用和消费这些数据来作为商户侧的营销抓手？去更好的服务进店消费的顾客？甚至是解决行业的痛点问题？
可能，这才是我们真正需要深入思考的问题。
对此你有何见解？欢迎回帖和大家一起评论 --------------------------------------------------------------------------------------------------------------------------- 米多的使命：再小的品牌，都有自己的大数据引擎系统。帮助传统品牌企业实现物联网时代的“四个现代化”，即企业平台化、品牌人格化、产品个性化、员工创客化
| 
