2018年下半年开始，国内开始有一群互联网公司基于人脸识别的技术进一步延伸出了人形识别的技术，并迅速吸引了行业的眼光成为焦点和风口，本文讨论下人脸人形识别技术产生的大数据对于线下商业实体究竟有何意义，是否值得落地该项目。

线下的商业实体可以用人脸人形技术来干啥，可以解决目前什么痛点，确定结果导向后再结合现状就知道是否值得上马该项目。

第一个问题：人脸人形技术可以干啥？人脸技术即识别FaceID，无需赘述；人形技术即识别ReID，现在计算机视觉研究的最新方向，主要解决跨摄像头跨场景下行人的识别与检索。该技术可以作为人脸识别技术的重要补充，可以对无法获取清晰拍摄人脸的行人进行跨摄像头连续跟踪，增强数据的时空连续性等。跨镜追踪（REID）是一种利用人的整体特征如衣着，体型、姿态、配饰等来实现跨场景跨摄像头下行人的识别与检索的技术。方案优势：

1、利旧原有监控相机，减少施工成本；

2、运算资源需求少，减少硬件购买成本；

3、摄像机需求少，减少用户侵犯感；

除了方案提供方所讲的顾客分析和会员标签画像丰富层面上，其实对于商场来讲可以在以下几点深挖应用场景：1、找人，利用FaceID和ReID根据穿着的配色或者比较明显的外貌体征去找人。2、找车，从顾客停好车开始便采集数据，将顾客的FaceID、ReID和车牌串联起来实现免输入车牌的寻车。3、场内管理人员的反向定位，如安保和保洁的巡场工作是否到位等。

第二个问题：可以解决现有什么痛点？网络电商能够分析用户的一切行为，点击、操作、退出、浏览时间等一切尽在掌握。所以互联网电商能够颠覆传统零售，造就阿里巴巴等电商巨头。但是，相比网络电商的数据丰富，线下实体的用户数据还是碎片化孤岛模式。线下获取全维度的用户消费过程数据成本非常高昂，而ReID技术可以结合场内的安防监控摄像头，在最小成本投入的情况下最大程度地采集用户的逛店、拎袋、进店时长等数据。

过往的线下商场只能根据已经发生的购买行为、已经发生的积分兑礼等动作去做一些会员的结果性数据分析，将会员成交之前的过程数据同样纳入分析范围。某顾客在购买A品牌前还逛过哪些同档次同业态的品牌？几人同行的？同伴是男是女？花了多长时间在A品牌成交？成交后有没有再去同业态去对比？有了这些数据可以准确的挖出在某一业态逛过店却没有发生购买行为的客群，针对这部分客群去做一些有针对性的营销内容推送，可以想象对于成单是有着一定促进作用的。这种性质的推送过后，对于数据的追踪也可以达到整个营销生命周期。

通过对于顾客的逛店轨迹分析和动线分析，对于商场的品牌布局调整也有着积极的辅助作用，强关联店铺可以适当拉远距离，途中增加一般店铺的曝光率，弱关联店铺或者需要增加联动性的店铺可以拉近距离，增加相对弱势店铺的进店率。对于场内人群集中的区域做安全性管理也起到辅助作用。

与人脸人形解决方案捆绑在一起的，立志在商业领域有所突破的，背后都有一套会员数据中台系统做业务支撑，在这套系统中，结合会员的FaceID、ReID和会员本身所具备的手机号、OpenID、车牌、会员卡号等一系列身份标识串联起来，形成一个的OneID的大会员体系。小到每一个会员个体，都可以精准看到其消费信息、返利信息、逛店信息、停车信息等各个和商场发生联动方面的信息，从而真正实现人的数字化管理。会员中台中所包含的各类算法模型，诸如RFM模型、成长值模型等，经过计算后，可以将会员进行分门别类，给每一位会员打上尽可能多的画像标签，包括基本的属性标签、到场后的行为标签和今后可能的偏好标签，有了这些分类标签，结合恰当的营销策略，可以有效提高会员的复购率、连带率、保持率和活跃率。

线下商业实体玩的是什么，简单概括起来无外乎人-货-场，ReID技术可以将人这一环节最大程度的实现数字化。正是因为消费群体存在分化、消费需求存在细分，因此，差异化的目标顾客选择为商业综合体经营者提供了绝好的市场机会和成长空间，谁能经营好、捕捉好这中间的差异化，谁就能占得市场先机，差异化就是经营的方向，对顾客的分层，对于商场的准确定位、招商策略、会员策略及营销策略都具有现实的意义。对于购物中心而言，需建立 “数据为先，以人为本”的企业文化和业务流程，推动数据决策和数据经营，建立符合零售规律和本企业情况的数据分析模型，借助新兴的技术和数据中台对数据的处理能力，对数据进行研究和用数据决策、让数据赋能与经营管理是实现这种转变的必由之路。