1976年美国学者提出零售业生命周期理论，他们认为，人均GDP增长会影响零售业态演变。人均GDP在1千美元至3千美元，现代百货业高速发展；3千美元以上，大型综合超市兴起；6千美元以上，便利店业态流行；1万美元及1.2万美元以上，仓储式商店和大型购物中心业态繁荣。
国内人均GDP统计显示，2017年京津沪地区已达1.5万至2万美元，与爱沙尼亚、斯洛伐克等欧洲发达国家持平，沿海地区达1万至1.5万美元。
另一方面，京东在年报中披露，2016年底其获客成本为119元，同比提升近50%。
在国内人均GDP大幅增长且电商获客成本持续走高的双重影响下，“新零售”浪潮掀起。2017年7月，马云通过内部邮件宣布成立“五新”执行委员会。
同月，刘强东在《财经》杂志发表署名文章，提出“无界零售”概念。12月，腾讯入股永辉超市旗下“超级物种”，并与1个月后再度加码。
浩浩汤汤的“新零售”之战，在新的一年究竟会驶向何方？
新零售是在城市中产阶层崛起、传统零售业态增长乏力的背景下，将现有技术与传统零售业态相结合，催生出的新型零售业态。
新零售的“新”指的是经营业态创新，数据是其核心生产资料，用于指导业态创新，目标是提高效率，增加盈利空间。
相比于传统零售，新零售更偏向以用户消费为导向，带动零售产品变革。以盒马鲜生和永辉“超级物种”为例，两者皆以“生鲜”为切入点，围绕“超市零售、生鲜加工、门店配送”，进行新零售业态的打造。
生鲜属于高频、刚需、高复购品类，市场规模过万亿，线上渗透率不足10%，所以早在2015年曾出现过“百鲜大战”的局面，但因资金、供应链管理以及单纯O2O模式不足以维持用户黏性等问题，故而在这一领域并出现“现象级”企业。
2016年7月，盒马鲜生首家体验店在上海金桥开业，2017年1月，永辉首家“超级物种”体验店，在福建落地。两者皆从“吃”的需求切入，在生鲜零售的基础上，提供餐饮加工服务。根据36kr披露的SKU信息来看，盒马鲜生和“超级物种”生鲜与食品SKU占比都超过80%。
此外，前置仓模式对零售业态改造起到重要作用。前置仓指的是离用户最近的仓储点，点位通常选在城市内部。
新零售门店通过前置仓模式，提供3-5公里配送服务，在保证配送产品新鲜度的同时，提高用户黏性及复购。
根据易观智库数据，自2016年12月起，盒马鲜生App月活用户始终保持在23万以上，从2017年2月起，月活用户环比增长始终保持增长。分析认为，“网红”效应，让大量用户去盒马鲜生线下店进行*次购买尝试，而配送业务为其带来了用户黏性及复购。
生鲜是新零售的起点，而不是终点。
2017年，阿里先后投资苏宁、银泰、高新零售（旗下拥有欧尚、大润发）、百联、联华超市、三江购物、新华都、居然之家，腾讯则投资了京东、沃尔玛、永辉、武商联和万达商业。新零售的战火正在向整个零售行业蔓延。
在被阿里入股之后，高新零售、三江购物等上市公司股价均出现不同程度增长，但随后又跌落回去。因为阿里新零售带来的收入预期，短时间内并不能兑现。这也反应出，“生鲜”是新零售教育市场，培养用户习惯的手段。
而从传统超市零售毛利组成来看，通常“生鲜三品”（蔬果、肉类、水产）毛利在3%至10%左右（永辉可达15%以上）、食品在10%至20%左右、洗护用品在10至22%左右、针纺可达26%左右。且数据显示，目前的社会零售总额大概有30万亿GMV，其中线上所占比例不到15%。2017年，阿里的GMV为3.77万亿。也就是说，生鲜仅仅是新零售的*步。
如何用生鲜吸引来的流量提高其他产品的购买转化，是目前新零售需要面对的问题。
联合利华北亚区个人护理品类市场总监赵文峰曾说过，过去传统市场调研方法只能局部验证，抽样中会存在假设逻辑冲突；其次慢工细磨，一个新品开发周期24个月算快了，但放在今天的时代，上市时已意味着过时。再者，传统市场调研成本越来越高，灵活度太低。
而与传统商超和便利店不同是，前置仓模式对新零售的效率提出了更高的要求。一方面，前置仓场地和人员成本高昂，另一方面前置仓面积有限，SKU较少。所以，前置仓模式需要更精准的销售，以做到更快的流转，才能盈利。
而解决问题的关键在于数据。
“有了数据，才能实现对消费者的可识别、可洞察与可服务，才可以重构零售活动中关键要素——人、货、场，进而才能生长出与以往不同的零售新生态。”口碑知乎官方账号在回答新零售相关问题时，如是说道。
从实际情况看，新零售本身掌握支付和产品销售情况数据，而这些是用户购买行为所产生的“结果”数据。对于用户购买前和购买时行为数据的收集，则是新零售相对薄弱的环节。
对此，共享单车和图像识别或许可以为新零售提供重要的数据支持。
研究表明，亚洲零售消费类型主要为“步行消费型”，而地广人稀的欧美地区则以“驾车消费型”为主。共享单车的出现，使得用户消费半径扩大，可选择的消费场所更多。
举例来说，过去，用户步行消费时，只会去往距离较近的A处消费。而当共享单车出现后，用户则可以在A、B、C、D四家商店间任意选择。而当用户舍弃距离较近的A商店，骑车去往距离较远的商店时，其背后的原因蕴含着市场增长的空间。
用户去距离较远的商店消费，是因为当前商店无法满足需求。是当前商店的品类不足，还是因为产品新鲜度不够，亦或是购物体验不好？如果用户在当前商店完成全部消费，需要补充哪些产品品类？这对于商店品类补充，提高商品流转有一定意义。
另一方面，用户去距离较远商店消费的行为，是否具有周期性？如果有，是否是某一类特定的用户群体具有此周期性？若增加配送服务，能否提高用户购买频次及黏性？
事实上，去往距离较远商店的周期性消费行为，可能与“周末囤积型”消费有关。这对于商超、便利店等不同零售类型的组合，及前置仓点位选择提供依据。而对于这些行为的分析，都建立在共享单车出行数据基础之上。
图像识别技术则可以更直观的识别用户性别、年龄等特征，对用户购买时做出的行为进行判断。一个有趣的现象是，盒马鲜生创始人侯毅表示，其主要用户群体为年龄在25-35岁之间的白领女性，而易观智库数据显示，盒马鲜生付费用户多为男性。造成这一差异的原因或许是，通常买单的多为男性。但事实上，原因是否真的如此，却值得探究。
此外，图像识别技术可对用户行为进行建模分析。联合利华北亚区个人护理品类市场总监赵文峰曾表示，过去传统市场调研方法只能局部验证，抽样中会存在假设逻辑冲突，影响准确性。一个新品开发周期24个月算快了，但放在今天的时代，上市时已意味着过时。
而利用图像识别技术，我们可以判断用户对该商品的尝试意愿如何。用户在试吃之后的表情，用户在试吃之后是否有查看价签的行为，用户在查看价签之后的表情和反应如何，都将有助于判断用户对新品的兴趣。
当用户性别、年龄等特征，与用户购物选择，支付行为等数据结合起来时，完整的用户画像会帮助新零售进行精准预测。当用户在商店A某货架前驻足，扫视每一件商品，却没购买。之后，该用户在商店B相同品类货架购买了商品，可以很直观的判断用户真正需求的产品是什么。届时，产品与用户直接或许将建立一一对应的关系。
当产品与用户的关系建立之后，供应链效率将得到极大的改进。放置流通性更高的快消品、生鲜食品的前置仓，与放置长尾货品的城市中心仓，会有更加良性的组合，在有限的空间内，实现更高坪效。（本文首发钛媒体）
