客流分析江湖争端再起，新旧势力谁更胜一筹？

拳怕少壮，棍怕老郎。这是一场力量与经验的双重较量。

江湖中从来不乏新老之争，但很少以一方压倒性的胜利收尾，而是在竞争中达到平衡，进而生生不息。

客流分析的江湖已经沉寂了许久，几路豪强各据一方，彼此相安无事。但新零售的风潮让这片江湖又起了波澜。

随着新零售时代的到来，高质量的客流数据成了零售行业的基础设施。传统客流分析技术精度不够的短板愈发凸显，年轻AI公司们携先进的计算机视觉技术大举杀入，意图分一杯羹，甚至取而代之。

隔空喊话

两军对垒，隔空喊话。

老牌客流分析企业认为，客户识别技术门槛不高，真正复杂的是行业应用落地。

“客户谁都可以识别，但识别出来后该怎么用，怎么运营会员资产，怎么做营销，怎么做转化，怎么契合客户行业的管理思路，怎么与他们现有的业务系统对接，让员工有动力去使用，这些才是客流分析的核心。”一位老牌客流分析企业的高层对雷锋网说道。

对于这种说法，AI厂商们嗤之以鼻。

零售行业需要高质量的数据支撑商业决策，这意味着客流识别系统必须具备极高的精度。线下零售场景人流量巨大，而且环境极为复杂，可能存在逆光、遮挡等现象，要做到极高的准确度是非常困难的，对摄像头的光学处理能力、安装点位和算法模型都提出了很高的要求。

“绝大多数说识别不难的厂商，在准确度上都经不起考验。如果将机器统计的结果和人工统计的结果对比，市面上95%的厂商产品都是不可用的。”某AI公司的客流分析产品负责人毫不客气地反驳道。

他介绍，客流分析分两个环节——客户识别和客户价值分析，两者都有很高的技术难度。单纯的客流数据价值比较单薄，需要经过一系列分析和处理，比如分析不同时间段的客流分布情况和变化趋势。客流数据也包含很多个维度，比如性别、年龄、生理特征、颜值、穿着打扮等；这些特征结合客户的业务数据，套用到行业数学模型里，才能产生较高的业务价值。

传统企业在行业中浸泡时间更长，对场景和客户痛点的理解更加深刻，这是它们的优势所在。但不少AI企业认为，这种优势尚不足以形成竞争门槛。

零售业的客户运营可以分为两个层级：第一层级是门店端提效；包括单店绩效评估和多店间的绩效对比；第二层级是中高层决策，需要结合人、货、场等多方面数据，用复杂的数学模型进行综合分析，指导企业的管理和营销。

AI公司认为，第一层级的运营不具备任何壁垒性。随着自己服务的客户增加，在和客户交流的过程中，就能迅速将这块短板补齐。至于第二个层级的运营，既不是AI公司也不是传统客流分析厂商的优势所在。

“头部零售商和大型数据咨询类公司——比如尼尔森，对数据营销有很深的洞察，它们才是这个领域的专家。我们要做的是开放数据，基于平台能力和接入能力，和这些企业深度合作，让我们的数据作为他们分析模型的一部分，从而协助零售商做好客户运营。”

错位竞争

新老玩家隔空喊话，说到底是在拿自己的优势和对方的短板错位比较。虽然彼此不服，但可以肯定，无论传统企业还是AI公司都不会轻易涉足对方的领地。

对于主攻行业落地的传统客流分析企业来说，自研AI算法并不现实；因为投入太大，能带来多大的市场转化也难以预估，“有这个资源还不如拿来做行业研究”。

不可否认，新零售浪潮给了客流分析市场很大的推力，但总体而言，这个市场规模还不算大，头部玩家一年的盈利也才几千万上下。这样的体量尚不足以支撑他们花大力气进行前沿技术探索。

当然，海康、大华这种拥有其他主营业务，且具有很大规模行业应用的企业除外。“对它们来说，养个研究院往前走是值得的，转化出来的市场规模也比较大。”

对传统厂商来说，更明智的选择是跟主流AI公司合作，引进最先进的技术。

而对AI公司来说，随机mac地址问世后，基于视觉的客流分析被公认为最佳解决方案，它们的技术优势得以确立。但由于企业基因问题，渠道和工程落地并不是AI公司所擅长的。

零售是一个极度分散的场景——门店分散、行业分散、地域分散。要服务好这些客户，必须建立一支覆盖全国各地的线下实施部署团队，这对AI公司来说并非易事。另外，从传统厂商手里抢客户注定也是一场“杀敌一千自损八百”的零和游戏。

从这个角度来说，通过合作实现优势互补，共同把蛋糕做大，对双方都是利大于弊的。

当然，不排除野心勃勃的传统厂商会自研算法，或AI公司会选择自己做行业落地。但只要还有一家公司愿意对外开放合作，另一方就不至于无米下锅。倒是一意孤行者需要担心如何用双拳敌过四手。

融而不合

纵观客流分析行业的发展历程，不同派别势力融而不合的情况始终存在。比如，过去客流分析行业分为购物中心和连锁门店两个阵营，前者的代表企业有汇纳科技、文安智能等；后者的代表企业则有天威、万店掌、云盯、悠络客、每人店等，双方长期共存，泾渭分明。

从技术路线来看，双方其实大同小异。相同点在于，无论购物中心和连锁门店都十分注重客户的身份和属性识别。不同点在于，他们业态上的差异决定了彼此重点关注的指标稍有不同。

购物中心运营的是“场”，它更像一个流量分发中心，通过一系列策略将客流精准分发给入驻的不同商家，因此它除了要了解客户的身份和用户画像，还需要知道客户的移动轨迹，分析客户是否有按照自己的设计，被引导至高价值客户的门店中。

连锁门店运营的是“货”，考察指标是转化和留存，因此它更关心客户在店内的行为，比如在某个货架前停留的时长，拿起又放下了哪件商品。通过对这些维度的数据进行综合分析，指导门店调整陈列和导购策略等。

技术相近的前提下，两大阵营始终相互隔离，根本原因还在于资源圈的限制。比如做连锁门店客流分析的企业，原本可能是为门店提供硬件设施的企业，逐渐才延伸发育出客流统计等一系列针对门店的软硬件管理系统；而服务购物中心的客流分析企业最早是为咨询公司和商业地产服务的。

对于今天的AI企业和传统客流分析厂商也是如此，不同的企业基因决定了双方资源圈的差异。二者会有互补和融合，但更多的是“融而不合”，在自身优势的基础上进行延伸，开放合作又自成一格。比如，AI公司除了客流统计还可以延伸到所有与门店相关的视觉解决方案。

江湖中从来不乏新老之争，但竞争的目的从来不是一方压倒一方，而是在碰撞中传承和进步。雷锋网雷锋网