位置智能市场的求生之路_【3sNews】

位置智能市场，如何同质化中求生存？...

泰伯网

有看点的空间地理信息资讯都在这，你还在等什么？

位置智能市场，如何同质化中求生存？

基于室内定位技术、Wi-Fi探针数据以及运营商数据等综合数据源，做地产选址、商铺管理等商业决策，是目前空间数据分析的重要商业模式之一。此前我们采访过的许多企业，都处于这一产业的上下游链条当中，光普数据也是其中之一。

在TalkingData的数据大会上，光普数据作为合作伙伴之一出现在展区，如同许多行业内的数据分析企业，他们的主要业务也是基于运营商数据、带有位置信息的数据以及其他属性数据，建立一些商业分析模型，为企业的决策服务。在这个市场中，有几个问题应该是所有人感兴趣的，第一，如何最大化非结构化数据的价值，第二，如何建立数据分析与具体商业业务之间的有效联系，第三，如何在同质化市场中寻找商机。我们和光普数据联合创始人之一张力立聊了聊这些问题。

研究项目催生成果商业化，他们将目光锁定场景化数据分析

光普数据的团队可以说拥有一定的学术背景，在一个与南京大学城建规划相关的合作研究项目中，他们的核心团队开始了最早的数据分析业务探索。当时，他们与学院专家共同完成系列课题，即关于消费者个体在时间、空间维度上的出行行为分析，这样的的成果可以被应用于城市规划的相关决策制订。2015年起，团队开始考虑将这一研发成果转化成产品，并于2016年正式成立公司。

在方向选择上，光普如同多数创业公司一样经过了慎重考虑。创始人徐晓冬，出身于商业地产咨询领域，也做过南京大学商学院的客座教授，一手将光普数据最初的团队从科研项目中独立出来。出于这样的背景，团队最初将数据服务产品的主要领域定位在商业地产上。

对于自身在整个数据服务生态链中位置的思考，光普团队认为，上游看，产生数据源的硬件设备飞速迭代并存在较大竞争，下游看，由于选择了较为垂直的领域，应更重视场景化的产品包装，基于这两点，他们决定将更大的精力放在中游的数据挖掘和数据分析应用方案包装上，形成自上而下的闭环和行业价值驱动能力。

在业务选择层面，光普数据团队最终将服务场景和研发方向锁定在几方面。一是城市商圈的管理和监控，一是城市空间内的零售选址以及最早产品化的购物中心客群洞察及运营决策支撑。

数据分析的价值最大化，在于更好契合用户需求

也许正是出于咨询行业背景，光普数据的团队更加重视数据分析价值的落实。张力立介绍，商业咨询是个有一定量级的业务，可能至少关联一场百万元以上投入的营销行为，甚至提出对一个企业组织、机构以及软硬件配置的改造。区别于面向完整解决方案的传统咨询业务，基于数据产品的服务需要贴近客户更为具体和碎片化的业务需求，追求结论的可操作性和支撑体系的客观严谨，而这全都指向一个更轻量级的产品。

这便是光普团队最初摸索的产品逻辑，在张力立看来，传统大数据分析落地面临的很大一个问题，便是数据分析和行业应用对接十分艰难，“现在业内最普遍的说法是用户画像，但当客户看到这个画像时，他可能会说，‘恩，分析得很精确，内容很丰富，但这跟我的业务有什么关系？’”在实际业务中，这个问题常令人无法回答。

所以在数据分析和用户需求间，需要一道桥梁，而光普数据的桥梁，便是将分析对象的业务与大数据分析算法关联起来的数据分析模型。“数据记录了消费者的出行轨迹，我们提取这些轨迹的特性，测量它们的变化，因为这些变化可以反映出消费者访问的店铺状况发生了变化，而店铺状况才是我们的客户所关心的，他们不关心消费者数据本身的分析过程。”张力立说，“就好像雷达，人们研究雷达波的特性，测量雷达波的变化，而他们关心的是被雷达波扫描到的目标而不是雷达波。很多人认为这是一小步，但我觉得这是决定产品成败的关键”。

光普数据对商场旅客滞留时间的分析模型

那么，这样的思路如何具体到案例实施中？张力立聊了曾经接触的购物中心客流分析案例，在这个案例中，购物中心需要对图书馆铺面价值进行评估。

图书馆占地面积大、人多，但根据传统经营指标测量的如坪效、提袋率和营业额却并不出彩，这使得这家图书馆在购物中心的商铺价值评估中得分很低，成为管理决策中首先被替换的目标。但通过基于室内定位的客流数据、路径数据的分析，得出的结论却刚好相反。

虽然在图书馆中产生的营业额不高，但其吸引的大量客流成为向周边商铺分发顾客的主力来源，这个概念在购物中心管理中又被称为“主力店”。图书馆可以成为主力店，这个观点也能够被经验丰富的商管人员或者咨询服务人员提出来，而通过基于位置智能的大数据分析，它被更为直观和明确地证实了，所以，落实到对购物中心的管理决策参考时，这家店恰恰成为他们应该保留的了。

不同来源、不同定位精度下的数据分析和应用

除了已经掌握的结构化数据，如与电信运营商的基站定位数据，以及甲方提供的Wi-Fi定位数据等，光普数据还试图将更多属性的非结构化数据内容加入到分析模型中，以寻求应用场景上的更多尝试。这，也成为我们在TalkingData上与之相识的原因。

光普数据参展TalkingData现场，右一为创始人徐晓冬

“TalkingData更像是一个数据采集者，它的特点是在数据层面做得非常大，当它向某一个垂直行业纵深的时候，目前而言，其战略就是选择在这个行业里面有能力向前端、应用解决方案发展的公司进行合作，其优势是数据量和丰富的线上数据种类，而我们的优势是利用数据最终做到客户满意的程度。”

据张力立介绍，目前他们与TalkingData的合作主要在项目层面，TalkingData将向其提供数据支持，反之，光普数据在商业智能这个垂直领域实践出的解决方案，将成为TalkingData垂直行业案例包装的一部分。这种模式，是TalkingData塑造空间大数据庞大生态所做出的布局。

在今年9月召开的TalkingData智能数据峰会上，我们曾对此进行过报道。当时TalkingData首席战略官William Plumer在大会演讲中曾表示，要基于全球顶尖技术打造一个大数据平台，并公布了部分海外合作伙伴，如基于机器学习对驾驶数据进行行为分析的Sentience，做精确地理围栏服务的PathSense，以及商业智能工具Treasure Data等，领域囊括人工智能、商业智能，以及空间大数据分析。

回归到光普数据团队，他们希望借助与TalkingData的合作，获得更丰富的线上数据，如年龄特征、性别特征、消费倾向等，以此寻求产品应用层面上的更多尝试。记者对线上、线下数据的具体整合方式非常好奇，对此，张力立解释说，识别每一个独立个体ID的唯一识别码，是他们整合线上线下数据的线索，现阶段这个识别码可以是手机的mac值。对于线下用户来说，这个mac值可能是由Wi-Fi探针捕捉到的，对于线上用户来说，这个mac值可能来源于手机APP的获取，线上线下的mac值匹配将帮他们找到更丰富的用户分类。

但是把线上和线下的数据标签打通只是第一步，真正的挑战是如何让这些数据在实现客户需求的过程中配合发挥作用，否则数据整合、内容增加就没有意义，“分别把番茄和蛋炒熟放在一起是做不出番茄炒蛋的”。此外数据的匹配率也是一个问题。因为APP仅在被打开时才可以采集数据，所以其获取的数据往往不是连续的，但线下Wi-Fi探针捕捉的却是连续样本，将这些复杂的数据重新结构化，是一个不小的挑战。

其实，这种差异化的处理不止体现在线上和线下数据源，还体现在不同精度的位置数据上。张力立介绍了两种位置精度下的数据分析方案，即精确定位方案和非精确定位方案。所谓精确定位方案，是指基于精确到个体在场所内轨迹的位置数据进行的分析决策，而非精确定位方案，仅仅基于某个个体是否进入一个场景、何时进入一个场景等宏观数据进行分析。

相对而言，非精确定位方案更像精确定位方案的一种过渡做法，能够在获取一定分析结果的前提下降低对数据采集的要求，换取数据的可靠性。而非精确定位方案的另一好处就是，采集范围更广、数据更为可靠的的运营商基站数据成为了可以实施的数据资源。具体实施上，非精确定位方案主要是通过对一段连续时间内的数据进行分析，通过对期间个体访问的频次和间隔等数据的处理，挖掘购物中心对用户群的黏性和用户群活跃度等。

同质化位置智能市场，如何差异化竞争？

每一个火爆的行业背后，都会引发人们对同质化问题应对的思考，位置智能市场不能例外。

首先，位置智能市场热度之高毋庸置疑，尤其随室内定位技术的完善，位置智能的价值正向越发丰富的场景纵深。此前我们曾采访和关注非常多的室内定位产业链上下游企业，主要的业务方向涉及2B和2C两个层面，即涵盖2B的基于位置数据的商业分析和决策，和2C的室内导航和线下营销等应用。

在这样的市场环境下，企业要么通过垄断性的市场占有率做先期布局，要么把握更独立的技术来拓展有竞争力的应用场景，但更多的，是以同质化较明显的技术和手段，试图抢占更多的市场份额。如何在同质化的市场中谋求竞争力？张力立也表达了自己的一些看法。

“首先当然是寻找核心技术在市场上的发力点，位置智能是一个新兴产业，率先兴起的是数据采集和数据整合的企业，而在更贴近客户的数据分析应用端，我们对自己的技术能力是有信心的，问题是我们如何切中客户的痛点，把技术优势转化成为市场先发优势。此外是合作，我们是技术型的团队，那就努力在自己的领域做到最专，然后把这种能力展示出来，吸引垂直生态链上的合作对象和资源，比如和TalkingData的合作。现在就谈主导生态链太不现实，但我们的目标可以是驱动价值实现。”

目前，这还是一个只有10余人的小团队，据透露，他们已经拿到了一笔数额还算可观的天使轮融资。这个思路能否带领他们在激烈竞争的位置智能市场中站稳脚跟？时间自然可以证明。