邻域数字化营销——实现全渠道运营的闭环
零售专家研究发现，线下具有相同消费品味和兴趣的人们会产生显著的相互影响，而这些影响会驱使他们去到同一个商店或区域去购物，因而，商店布局在城市需要形成覆盖密度。这样的线下行为会反过来影响到线上，具有类似消费习惯，但是没有门店覆盖的区域的人们会在线上购买。实体门店布局的区域策略上，不仅根据传统的街区、商圈划分，而是类似消费行为的消费者所形成的影响区域，亦即邻域（Neighbors）。更多关于实体零售选址对电商影响的论述，推荐浙江人民出版社的《不可消失的门店》一书。
在店内，越来越多的消费者通过移动设备自行搜索网上商品有关信息。商店运营者希望通过各种线上、移动方式，进行精准的向线下引流。传统是近场引流方式，即越来越多的消费者通过地图APP、本地生活应用等，搜寻附近的商店或餐饮；另一方面，数字化广告中，移动设备已经成为主要媒体
数字化广告越来越多地地理位置相关，据分析，标定位置的移动广告每年增速超过20%，到2021年，45%的移动广告跟位置相关
如果将位置信息整合进全渠道的数字化营销以及全渠道销售场景中，我们可以设想一个更为完整的用移动互联网进行营销、推广，在线下门店体验，随后线上/线下成交的过程。
运用移动设备身份识别（Ad ID）和地理数据分析，识别特定对象的画像，进行精准营销，提升实体门店客流的方法，是最近一段时间数字化营销的热门话题。
形成跟特定区域相关的地理营销活动（Geo marketing campaign），需要选择三方面要素标靶：一是人群，二是区域，三是触发事件：
一、确定目标人群：
定位目标人群的基础是行动路线规律（Visitation pattern），一种方式是人员位置追踪：在特定时间内，出现在特定地点，并且/或者购买特定品牌或品类的人群；例如，可以选取过去2周内频繁出入于奔驰、宝马4S店的人群，对其推送奥迪的广告。IBM有个案例是帮助某建材DIY超市开展精准营销，通过地理大数据平台筛选频繁往来于新建小区和建材超市的人群，这群人很大可能性是装修工程队的工头，对他们推送出没频繁的新建小区旁的建材超市的优惠券，转化率极高。
另一种方式是行为模式追踪：通过分析人员行动路线，结合人员的人口统计学特性数据，可以形成特定人群的精准画像。例如下图所示，早上出现在公立学校，上午出现在健身房，午后出现在星巴克，下午出现在玩具店，傍晚出现在超市，在结合年龄、性别（女性，30来岁）等人口统计学特征，可以确定是家庭主妇人群。
二、区域定位：
具体的地点，例如购物中心、车站，及其周边，例如一公里半径范围内。
也可以以前述的行动路线特性或目标人群形成组合，划定一个区域，亦即前述的邻域，例如，高收入家庭主妇的购物区域。
来源：以上几张图片及内容摘引自GroundTruth网站
三、营销活动的事件驱动因素：
- 气象：气象会影响到消费者行为，跟地理位置相关的温度、风速、日照指数、降雨、污染指数以及极端天气警示灯。IBM收购的天气预报公司（TWC）就是以气象数据为基础，结合其地理定位平台，进行地理数字化广告；而新兴的地理数据营销公司GroundTruth（原xAD）也收购了一家天气预报软件公司。我的4月4日公众号文章《 案例 | 基于天气的数字化营销 》介绍了气象数据驱动营销事件的案例。
- 社会动态：城市某个地点的体育赛事、文艺表演、学校活动、交通事故、市政维修等等社会事件，都会对周边商业动态造成影响。例如，市政建设部门会提前发布道路维修的公告，道路维修期间，会影响临街商铺的生意，这些大数据整合到地理信息平台上，应该驱动相关商铺的促销活动。
- 社交媒体：对社交媒体侦听，可以发现某个区域内的营销热点，前段时间某地社交媒体上的“抢盐”风波，如果进行侦听并进行备货，是一个比较极端的例子。理论上说，甚至可以实现一对一的精准营销。需要提及的是，目前地理信息服务商（IBM一类的数字化媒体代理商，或者社交媒体、移动公司、地图应用、内嵌广告的APP等源数据提供商）为了用户隐私保护，只会提供一定用户数量之上的人群汇总数据（aggregated data），而不会提供具体的个人数据。
以下视频是IBM“城市脉动”的地理大数据平台介绍，也是基于位置的数字化营销的平台：
https://v.qq.com/txp/iframe/player.html?vid=p1340bg1lcv&width=500&height=375&auto=0
基于地理信息的“地理营销”，传统应用是门店选址、网点优化（经典应用案例是银行ATM的部署），对门店的商品组合优化、供应链决策、库存优化等运营决策也具有重要作用，今天它正跟移动广告融合。传统geomarketing的数字化转型，还属于比较新的应用领域，站在企业的视角，将Geo-Marketing和全渠道数字化整合，才能形成全渠道运营的闭环。
零售数字化转型规划，请咨询