摘要：24小时的便利店，如何才能开在最需要的地方，让“便利”真正触手可及？本文将带领大家了解阿里云智能选址解决方案是如何通过大数据和智能算法赋能，让机器“选址专家”为Today便利店点亮温暖城市的梦想。
本场视频PPT下载请戳：https://yq.aliyun.com/webinar/play/454
演讲嘉宾简介：
柴楹，Today今天便利店大数据总监，多年互联网大数据经验，目前在便利店民族品牌领跑者Today负责数字化转型，探索并落地大数据赋能业务。
刘欣，阿里云零售事业部架构师，商超、便利店行业解决方案负责人，在阿里巴巴具有7年以上的大数据技术、架构经验，曾帮助大润发、联华等知名超市企业实现数字化转型。
以下内容根据演讲嘉宾视频分享以及PPT整理而成。
本次的分享主要分为两部分：
一、Today便利店简介：该部分由Today便利店大数据总监向大家简单介绍便利店选址变革的基本情况以及在利用阿里云大数据智能选址解决方案得到的效果、遇到的问题等。
二、阿里云智能选址解决方案： 该部分主要是由阿里云零售事业部架构师向大家阿里云智能选址解决方案。介绍分为三部分，第一部分是商业洞察，该部分主要介绍选址的价值；第二部分介绍选址方法论；第三部分是智能选址平台，该部分主要介绍产品功能、算法设计和核心优势。
一、Today便利店简介
Today便利店于2014年进入武汉，三年多的时间开了差不多三百家高质量的门店，目前全国门店数是四百家。2018年6月1日，Today便利店完成了B+轮融资，目前估值超过三十亿。消费者体验是Today自始至终的核心追求，作为便利店民族品牌的领跑者，Today也以先锋的姿态进行数字化转型，利用大数据选址、云零售平台打造智慧门店，给用户提供一种千店千面、千人千面的服务。
那么Today在过去是如何进行选址的呢？
2017年以前，其实整个便利店行业还是比较偏传统的，传统的店铺选址更多的是依靠人工去寻找店铺，通过码表到店铺旁边人工统计人流量、性别比例以及年龄层次。但是在统计时间段内的数据参考度是很低的，因为一周、一个月甚至一年中的某个季节的人流量数据特点是不一样的，短短的统计时间内得到的数据无法代表整体情况。目前Today和阿里合作使用大数据选址平台，可以很方便的得到店铺周边办公人口数量、活动人口数量、居住人口数量，给选址提供可多更可靠的数据参考。
Today在数字化转型过程中遇到了哪些挑战？
Today在该过程中遇到的最大的问题是怎么样去收集线下数据。在互联网时代，用户安装一个APP并使用，与用户使用、购买的相关数据可以很轻易的获取到，但是在线下就无法简单实现数据的获取。如何在线下知道顾客进店、浏览了什么商品、最终没有购买什么商品，像这样的数据如何采集是Today目前遇到的最大的难点。
阿里云只能选址解决方案在哪些方面帮助到Today？有什么效果？未来有什么期望？
Today目前和阿里合作的大数据平台，目前更多的是为Today提供数据来辅助其选址，为其提供店铺周边人口信息概况。Today后期希望该平台可以通过算法直接推荐店铺选址区块，告诉Today哪些区块是适合开便利店的，这样可以大大提升其开店的效率。之后可以在新城市扩张的时候，推荐第一批、第二批适合开的店铺地址，从而帮助Today掌握便利店扩张的节奏。
下图是Today和阿里云共同打造的的店铺智能选址平台，通过该平台，只需要在地图上画一个圈，就可以很清晰的知道所划区域的活动人口、办公人口和居住人口，并且通过热力图可以很直观的看到这些人口分布在哪些地方，同时还可以看到相应的属性和标签，如性别、年龄甚至是消费水平。
目前Today也在打造属于自己的零售云平台，期望用三年的时间让Today进化成为数据赋能的新零售科技公司。
二、阿里云智能选址解决方案
Today是阿里云智能选址解决方案的第一个客户，对于这样一家二十四小时的便利店来说，最重要的是在顾客真正需要的地方去开这样一家店。阿里云智能解决方案的目标是让每一盏灯都点亮温暖城市的梦想。接下来对阿里云发布的智能选址解决方案做详细的介绍，带大家了解Today是如何通过大数据与智能算法驱动门店的选址变革。
1. 选址价值
下图显示的是一个门店的整个生命周期，从开店选址、招商规划、商品采购、店铺运营直到营销触达，在整个生命周期中，大家可以看到，选址是开店运营的第一步，这一步的成功或失败对于整个门店会产生至关重要的影响。线上企业和线下企业最大的区别是，通常来讲，线下企业的流量以千计，而线上企业的流量则是数以亿计，因此线下企业的选址需要重视流量这个因素，自然的客流是决定门店业绩的关键。我们会说，开店是否成功，选址因素占到80%，这个数字可能会有些夸张，但是这也说明了选址对于门店的重要性，如果刚开始客流不多的话，那么后续的运营便没有太大的空间。
数据驱动零售将以消费者需求为导向，线上数据赋能线下，重新定义零售环节，实现渠道融合。
下面介绍一下数据驱动选址和传统的选址方式有什么区别。在过去，选址主要依赖人工采集数据，存在以下问题：
1) 依赖人工收集信息，数据滞后，无法准确判断客流信息;
2) 大量人工实地勘察，现场调研，耗时长；
3) 决策全凭经验，开店成功率难以保证，拓展新城市时无从下手
阿里云通过数据化选址的方式，实现数据驱动零售选址，支持决策，该方式具备以下几个特点：
1) 直接获取海量数据资源，利用 线上数据和线下位置的结合，数据实时，可以实现对客流的全面准确分析以及对便利店周边客群的洞察；
2) 远程调研，量化评估相关因素，如客流、商圈和人群画像，效率高；
3) 算法发现选址关键因素，沉淀选址模型，提升开店成功率
总之，通过数据支持选址，不管是从公平性还是效率上都有很大的优势。通过数据驱动零售，改变了传统的经商方式和效率，从行商到坐商，选址效果更加优化，选址更加可靠。
阿里云选址平台大致可以分为三个部分，即门店选址、经营分析和网络规划。目前智能选址平台的主打集中在门店选址，未来会陆续推出网络规划和经营分析的相关功能。门店选址主要是通过圈人找地的方式，发掘市场潜力区域；当然也可以选择一块地，然后在这块地里具体去定义一个商圈的时候去看它是否是适合开店的，这是选址的另外一种方式，在此不做介绍。
1) 门店选址
在圈人找地的过程中，企业一般会对目标顾客人群有自己的定位及需求，比如目标用户群体可能是年轻的白领或者是学生，通过目标人群定位和实际的业务特征需求去寻找目标顾客人群的分布区域，结合区域去选择适合的门店范围，然后再去看该范围周边是否存在竞争对手，以及周边的写字楼、地铁站或医院等协同的业态，这样可以帮助便利店提升自己的业绩。之前看过一组数据，东方明珠下面的一家便利店，它的日销售额达到了四万，这个数字是极其惊人的，因为大部分的便利店能做到一到两万已经是比较好的，一些不太好的便利店只能做到几千元左右，这其中选址是决定性的因素。
2) 经营分析
门店选址之后接下来是门店经营，阿里云智能选址平台可以动态分析店铺周边的人群特征，通过对周边消费者客群的洞察去选择合理的品类规划，铺货选品，线下引流，拉动门店有效人群流量。
3) 网络规划
对于便利店来讲，在一个区域中往往会有饱和度的分析，如何一个区域的客流和便利店的网络覆盖的密度不匹配的话，便利店的业绩很大程度上回收到影响，因此在做便利店的规划的时候，会根据周边的便利店覆盖的密度进行饱和度分析，网络规划指导便利店的科学合理覆盖。
2. 选址方法论
商圈分析法
在选址的时候有一个方法叫做商圈分析法，通过该方法分析商圈范围内的顾客情况、店铺情况以及可能影响店铺经营的其他因素，以得到正确的店铺地址。通过对店址的综合评价以及详细消费分析、竞争环境，可确定合理的目标市场。
我们将商圈分为三个等级，即核心商圈、次级商圈和边缘商圈，商圈是根据距离半径来进行划分的。在做商圈分析法的时候，主要会去考虑的一些因素包括人口规模、职业分布、教育水平、年龄分布以及人口流动情况和消费习惯等。为什么会考虑这些因素呢？通常来讲，在对一个便利店进行选址的时候，首先会定义便利店的顾客人群目标，比如便利店属于社区店还是写字楼商圈店，不同的店面对应的是不同的目标客户人群，不同的客群收入层级分布、年龄分布、人口流动情况都会直接影响便利店商品的规划。
选址模式
在选址过程中要关注一些价值因素， 阿里云智能选址平台在选址过程中需要根据这些价值因素通过算法模型进行选址，具体的过程是什么呢？
1) 首先通过分析历史上所开的门店的经营业绩、增长趋势及投入成本等综合性因素，识别出高业绩高价值的门店，对好的和不好的店铺分别去做总结；
2) 通过对店铺的总结，沉淀出哪些因素对于开店是有好处的，哪些因素会拖累一个店铺的运营，如人流、周边、客源、竞争程度等，对于开店有好处的因素即为价值因素；
3) 将价值因素形成一系列的选址条件，基于以上分析推导出一套算法模型，筛选出具备相近条件的地址,这样的话会大大提升店铺选址成功的概率；
4) 当通过大数据选址平台智能筛选出一个目标地点之后，通常还会去实地勘察和复核，比如查看门店周边是否有遮挡、门店方位和朝向等，这样可以更大程度上降低开店的风险。
3. 智能选址平台
平台概览
接下来对于阿里云智能选址平台做一个简要的介绍。该平台背后有阿里云大数据平台的支撑，同时在大数据平台之上有一套智能的选址算法支持，算法目前沉淀了一些专家模型，将专家经验转换为模型，降低开店人员的使用门槛。同时阿里云智能选址平台支持模拟开店，用户可以选择很多点位，选址平台会根据预估的客流量对点位进行评分，向用户展示点位的评分信息、预估的客流信息等，用户可以通过可视化的工具很好地完成开店的工作。
产品功能–客流洞察
接下来对产品的功能做详细介绍。下图展示的是客流洞察的功能，通常将客流分为三类：第一类是活动人口；第二类是居住人口；第三类是办公人口。之所以这样进行划分，是因为便利店开在不同的地方，面向的客群是不一样的，比如说开在写字楼的便利店，其目标人群可能是办公人口，而社区便利店关注的人群是居住人口。阿里云选址平台可以实时观测某个时间段内不同类别的客流信息；同时为了让大家直观的查看客流信息，平台通过客流热力地图对客流信息进行可视化展示，其中颜色深浅区分客流量大小，颜色越深代表这个地方客流越密集；另外，地图支持自由定位圈选，用于企业自定义半径范围内的商圈数据展示。
产品功能–人群洞察
上面介绍了客流洞察功能，所统计的客流中不一定全部符合店铺目标客户的要求，这个时候就需要用到人群洞察功能，对人群进行更加细致的分析。该功能主要包括人群标签和来源去向分析。
1) 人群标签。人群标签主要根据不同类型标签进行选择切换，相关的标签包括性别、年龄段、职业、消费等级、餐厅偏好等等。下图（左）展示的是人群的餐厅偏好，因为便利店目前除了提供便利的商品服务，餐食所占的比例也越来越高，通过分析周边客群的餐厅偏好可以知道目标客群平时喜欢什么样的餐饮品牌，比如正餐、轻餐，如果喜欢轻餐或者快餐的人群居多的话，那么便利店便可以起到一个很好的替代作用。因为目前便利店提供很多鲜食、盒饭、小吃等，这些对于喜欢轻、快餐的人群来讲更加受欢迎。
2) 来源去向分析。根据客群居住地、工作地和热门商圈进行统计，相关的标签包括校区住址、常去的商场以及常活跃的商圈。
产品功能–周边洞察
在店铺选址的时候，还会去考虑的一个很重要的因素是周边的一些配套设施， 如果周边有一些比较大型的医院或者体育场馆等设施，通常客流量会非常大。比如最近盒马在一个非常偏僻的地方开了一家店，之所以敢这么做是因为这家店选择开的地点是一个体育场馆，虽然平时的客流会比较少，但是一旦有一些体育比赛的时候，客流量会很大；同时选择开在偏远的地方，意味着店铺租金会很低。因此，在开店的时候，通常会取得客流、租金以及最后的收益之间的平衡。阿里云选址平台就是借助周边配套设施的协同效益，对目标选址进行全方位衡量与分析。衡量的周边信息包括交通、教育、医院、商业、娱乐场所、办公配套和社区等。另外，从下图中还可以看到，所展示的周边业态中还包括各种类型的超市，它们和便利店的性质是比较相近的，所售卖的商品的品类具有很强的替代性，而且售价一般会比便利店低，因此阿里云选址平台也会对这些竞争业态进行展示，帮助用户分析了解周边的竞争情况。
产品功能–同行洞察
阿里云选址平台还提供同行洞察的功能，帮助用户实时掌握竞争对手的情况，竞争格局一目了然。目前支持的同行细分行业包括一些主流的便利店、中餐厅、西餐厅、快餐厅、休闲娱乐场所以及咖啡厅等。这些业态如果竞争太激烈的话，便利店在这个区域一般很难生存下去。
产品功能–店铺管理
除此之外，阿里云选址平台还提供店铺管理的功能，方便用户对店铺进行有效的管理。
1) 用户可将以前开过的店上传到平台的“我的店铺”信息，这样可以在地图上直观地呈现选址信息、项目阶段、项目评级以及开业时间等信息。通过这种方式可以很清晰地看到门店在整个城市的布局，这样用户在选址的时候就可以有倾向性的选择一些空白的地域去增设店铺。
2) 另外，用户还可以上传战略项目、竞争对手等自定义信息类型，比如可以在地图上标注竞争对手的店，以及店周的分布和客流特点等，通过自定义类型维度进行管理和展现，帮助用户全盘掌握竞品信息。
选址算法– 专家模型
阿里云智能选址平台的实现有赖于基于专家的模型的选址算法。为了适配企业的灵活性，平台提供了一套评估模型，即将影响选址的因素基于专家经验沉淀为模型，通过对客流指数、周边因素等影响因素和得分规则设置，形成打分卡模型，并对每个选址进行开店指数预测。比如购物中心这个影响因素（下图）会去看周边不同距离里有多少个购物中心，特定距离范围内的购物中心数量会设定相应的权重，如0-1公里，有0-4个购物中心的话，权重是0.3，当然这个权重可以由开店人员自主设置。最后通过评分可以使得开店人员方便地观察到目标选址的好坏，从而降低其开店选址的工作量和开店决策的难度。
选址算法– 机器学习
阿里云智能选址平台用到的专家系统背后其实是一套机器学习的模型，该模型的技术架构如下图所示。模型的实现需要结合客户的历史经营数据（门店位置、所属城市分类、门店销售额），这些因素会提炼成为模型的特征并；模型特征越多意味着对门店观察的粒度越细，基于丰富的模型特征可以进行模型训练，生成选址预测模型，生成的选址模型可以按照选址预测请求（候选商场位置、所属城市分类）去做模型的预测，最后得到预测开店的指数和选址的多维分析。整个平台目前都是基于阿里云平台技术实现的，最下面是阿里云的大数据计算平台，继而是阿里云大数据开发平台（数据ETL），然后是阿里云机器学习平台用以特征工程、建模和部署等，最后通过阿里云ECS实现在线选址预测模型。当然不是强制要求必须要采用这套技术架构，只是对于一些没有开发能力的企业来讲，阿里云提供了一套SaaS化的服务。
选址算法– 算法应用
在对所有候选店铺进行开店指数预测之后，最后会给出相应的评分结果，并按照分值大小进行排序。通常来讲，在选择便利店地址的时候会锁定得分较高的店铺作为候选地址。
产品核心优势
阿里云智能选址平台具备以下三个核心优势：
1) 海量数据支持。智能选址需要线上数据和线下数据相结合，线上数据是有消费画像数据支撑，线下更多的是位置数据支撑，比如在什么位置停留或餐饮偏好，这些都是依赖LBS位置数据。阿里云智能选址平台在数据上有海量的支撑，目前覆盖了360多个城市，基本上覆盖了国内主流的一二线城市，也就是现在便利店开的比较多的城市。另外POI数据支撑高达7000万以上，怎么理解这个POI呢？比如地图上一个五边形不规则的形状，一个POI可以把这个不规则的形状完全定义出来，通过这种不规则形状的定义可以将商业业态分布很好地展现出来。除了城市覆盖和POI信息数据，还有25亿以上的IMEI/IDFA和34万以上的移动应用接入数据支撑。
2) 机器学习算法引擎。如果只有数据的话，开店人员使用该平台的门槛仍然非常高，有了阿里云机器学习的算法，借助阿里巴巴大数据能力沉淀历史开店经营经验和数据，构建专家模型，帮助用户预测店铺的好坏，这种方式极大地降低了开店人员使用平台的门槛。即便用户没有很专业的IT技能，但是依靠阿里云智能选址平台的智能算法来做预测和推荐，开店人员可以将自己的业务经验和平台相结合。当然，用户还可以发挥自己的主观能动性，比如运用评分卡的模型时，可以自定义打分项，这些打分项可以用来对店铺进行评测。因此无论是对于完全没有经验的开店人员，还是有一定经验的开店人员，都可以得心应手地使用阿里云智能选址平台来帮助其开店选址，
3) 行业化深度定制。不同的业态选址的逻辑有很大不同，比如对于大卖场来讲，选址更多的是关注周边1.5公里范围内居住人群的密度，而对于便利店来讲，可能更多的是关注周边办公人群、白领以及年轻的用户群体的分布，他们对于价格不是特别敏感。总体来讲，阿里云智能选址平台会与餐饮、便利店等行业的标杆企业深度合作，共同打磨，深入理解行业，在行业化方面通过行业竞争标签、选址算法进行深度定制，通过这种方式使之更好地服务于一个行业。
大数据核心优势
阿里云智能选址平台拥有全球日均千亿级次的LBS数据服务，通过LBS服务与定位、搜索、导航、路径规划等数据建立连接，并支持多源的数据接入，如移动应用、系统内嵌以及芯片集成。
大数据群体画像能力
阿里云智能选址平台提供大数据群体画像的能力，群体画像总共分为六个大类，即消费预测（如购房、购车、教育培训）、生活偏好（如出行方式、APP、餐饮类型）、商旅偏好（如目的地、出行时间、住宿类型）、基础属性（如性别、年龄、职业）、人地关系（如居住地、工作地、活跃商圈）以及消费偏好（如品牌、POI、高档消费）等。阿里云智能选址平台支持400个以上的基础标签以及500个以上的商业标签，同时针对不同的行业也有非常大的弹性，这些丰富的标签组合可以使得平台在做行业适配的时候更加游刃有余。
本文由云栖志愿小组李杉杉整理，编辑百见
