零售分析有个不太好说的秘密：多数「顾客行为」数据，其实是从远处观察到的「商品行为」。RFID 能把商品这一侧做得真正精确，而这种精确，比一段关于客流的模糊故事值钱得多。
单品级 RFID 观察的是衣服，不是人
动手之前先把「观察单位」说清楚。
- 标签标识的是一件衣服、它的尺码、颜色与位置。
- 标签不标识一个人、一个意图，也不标识一个家庭。
- 你关于人的一切推断，都是叠加在商品事件之上的模型。
- 价值在衣服的行程里：卖场、试衣间、收银台，或者回到库存。
- 任何关于「顾客旅程」的说法，都应当说明它由哪些商品事件支撑。
试衣间信号，以及它到底证明了什么
衣服进入试衣间，是门店里最强的非交易信号。
- 进入是真实事件：商品离开了卖场，进入了一个私密空间。
- 试了没买是一次具体、可行动的失败，而不是笼统的「流失销售」。
- 「试过并否决」与「根本没被注意到」之间的区别，才是重点。
- 尺码可得性解释了试衣间否决的很大一部分，而且它是可以修的。
- 试衣间堆出一堆没贴标签的退货，说明流程失败，不是顾客失败。
客流：数身体不等于识别身份
客流计数与商品追踪回答的是不同问题。
- 门计数给出分母；没有分母，转化率没有意义。
- 用蓝牙探测或摄像头轨迹做客流统计的系统，带有因国家而异的法律义务。
- 员工剔除很重要；把员工也算进去的门店，分母会虚高三成。
- 团体进店打破了「一人一访」的假设，应当被承认。
- 绝不要试图把某个具体的人匹配到某笔具体交易；那就是分析变成监控的地方。
关联键的问题
商品事件与销售事件记录在不同系统里，用的是不同的时钟。
- POS 知道篮子、时间戳与支付方式；RFID 系统知道那件衣服。
- 关联发生在收银台、靠 EPC 完成，而且前提是标签真的在收银台被读到。
- 没有读头的收银台会产生「有销售、无商品事件」，模型会悄悄把它丢掉。
- 时间窗关联是一种代理，代理就必须被标注为代理。
- 每天对账：卖出多少件、读到多少件、差额怎么解释。
Odoo 装得下什么，装不下什么
Odoo 擅长交易与库存，它不是行为数据平台。
- 销售订单、POS 订单、库存移动与产品变体是原生的、可靠的。
- 试衣间事件没有原生模型，需要一张结构清晰的专表。
- 客流计数属于独立的时间序列存储，不该塞进产品主数据。
- 把分析表挪出交易路径，重查询才不会拖慢收银。
- 结果以只读报表层暴露，按计划刷新。
归因窗口与转化的诚实
转化率是零售里被引用最多、定义最少的指标。
- 定义窗口：同一次到访、同一天，还是七天内，并且在所有地方都写明。
- 14:00 试、14:20 买，是干净的转化；下周才买，那只是猜测。
- 退货应当扣减转化，否则指标在奖励错误行为。
- 分母要剔除员工自购与已知的批发交易。
- 把定义贴在数字旁边，因为争论永远关于定义。
售罄率、停留时间与尺码曲线
运营价值落在选品与补货决策上。
- 按变体的售罄率告诉你，哪个尺码与颜色的组合真的在动。
- 卖场停留时间把「没被看见」和「看见了但否决」分开。
- 按尺码统计的试衣间否决率，是补货缺口最清晰的信号。
- 用数据去修尺码曲线，而不是去责怪门店团队。
- 一周是噪声；改变一次采买之前，至少要四周数据。
隐私：不能越过的边界
法律红线比营销野心近得多。
- 绝不要在分析层把标签关联到支付卡、会员账户或手机标识。
- 试衣间数据应当聚合，最好不在单个商品层面保留超过一个季。
- 员工必须能用一句话说清楚：采集什么、为什么。
- 标示与告知义务因司法辖区而异；按你所处最严的那一套来假设。
- 试点前做隐私影响评估，比事后收到删除令便宜。
数据质量：那些从未发生的读取
缺失的读取不会自我宣告，却会让每一个结论都偏。
- 没有读头的试衣间什么也记不到，看起来就像「今天没人试衣」。
- 金属陈列件、镜子与拥挤的挂杆会拉低读取率，而且随时段变化。
- 重复读取会虚增停留时间；按标签、按分钟去重。
- 未在收银台被读到就离店的商品，会表现为永久库存，扭曲可得性。
- 每个仪表盘旁边都要挂一个数据质量分，因为信任本身就是产品。
从仪表盘到决策
没人据此行动的报表是成本，不是洞察。
- 每个指标都应有明确的责任人，以及它所改变的那个决策。
- 尺码级补货是最可靠的第一个用例。
- 试衣间否决复盘应放进每周商品会，而不是月度汇报。
- 两个季度没人用过的指标，砍掉。
- 衡量的是决策有没有变，而不是仪表盘有没有被打开。
在一家门店做试点，并且别骗自己
试点是一次实验，实验需要对照组。
- 选一家人员稳定、尺码曲线有代表性的门店。
- 在开启任何功能前，先跑至少四周基线。
- 与对照门店比较，否则季节会把功劳领走。
- 先上试衣间，因为那里的信号最密。
- 事先定好「什么结果会让你停」，并且说到做到。
