商品价格的微小变化会给公司收益带来巨大影响，在海量数据中挖掘出有用数据来辅助定价，一直都是令企业高管头疼的问题。但随着客户数据的高度细化以及位置相关性逐渐加强，管理者没有理由不把定价策略重新重视起来。
近日，Esri的布莱恩·克罗斯(Brian Cross)与商业实务主管约翰·莱纳汉(John Lenahan)，一起讨论了当今个性化定价的新动向。他们谈到精准定价对于企业利润的影响;并用实例说明目前在保险和零售两大领域，位置数据是如何对商品个性化定价起作用的;此外，特定时间、特定地点的精确客流量也有助于商品区别定价，最后指出位置数据辅助个性化定价所需的技术及未来展望。
布莱恩：此前，我曾与多位思想领袖讨论位置智能如何冲击商业领域，我们谈到了大数据、物联网中的位置信息对于当今商业环境的影响，还谈到了越来越多的企业更加重视位置数据的应用，他们都在以超本地化的方式解读消费者。您曾在多个行业工作过，所以您认为客户数据的下一个前沿领域将会是什么?
约翰：我看到的一个重大转变就是：客户数据在大量增长，企业对客户的理解也在逐渐加深。在数字世界中，企业与客户之间的连接提供了大量的数据，包括销售数据、会员卡信息和实体店收集的数据。对于企业来说，这些数据的应用领域有很多，比如个性化定价，尤其是在使用在线工具和购物网站的时候。这其中我看到一个比较有趣问题：如何实现让顾客在商店或在线购物时，根据其所处位置的不同，而看到同一商品的不同价格?
我们看到企业正在使用各种方式对位置数据进行分析，以更好地理解客户行为，制定更好的定价策略。对于某些领域来说，根据位置数据定价是一个全新的概念，但在保险业和零售业，这一概念正在迅速发展。
布莱恩：首先我想问一下，企业管理者为什么认为定价如此重要?
约翰：我认为大多数高管都非常明白定价的重要性，但他们可能还没有意识到定价的重要性究竟有多大。世界顶级会计师事务所普华永道发现，商品价格每上涨1%，通常会对公司的利润产生11%的影响。所以公司收集的每一条客户数据，在公司精确定价、甚至是特定客户区别定价方面，都会对盈利产生重大影响。
保险业中的位置智能，为风险定价
布莱恩：您刚刚提到消费者的位置可以改变商品和服务的价格，这在保险行业是如何进行的?
约翰：保险公司相对比较擅长为风险定价，但他们却并不总能确切地知道哪里存在风险。而如今，许多保险公司都在通过远程信息处理或移动APP，与客户建立数字链接，并获得更准确的客户数据。这些数据流为保险公司提供了一种新型的、包含位置信息的风险情报。我们合作的保险公司正在使用这些数据。
首先是针对固定地点的风险预估，包括更准确地追踪飓风、估算洪泛平原范围等，这将帮助保险公司更好地为住房保险额度定价，因为他们已经获得了有关这些风险的详细位置数据。
另一种情况则是移动地点的风险评估。比如汽车保险公司使用远程信息技术，采集司机在驾驶过程中的各类行为，并加以分析，根据分析结果来调整司机的投保价格或折扣，这就是著名的UBI车险(驾驶人行为保险)，在该模式下，客户同意由保险公司跟踪和分析其驾驶行为。
本文作者注：在UBI保险模式下，保险公司除了采集司机的基本信息、驾驶时间、里程外，还采集司机的驾驶行为，包括司机是否经常突然加速减速、是否经常猛踩刹车、是否长按喇叭、是否违反交通规则等。
布莱恩：大多数人想到UBI，我相信他们想到的都是跟踪超速驾驶、分心驾驶行为，而你却看到了其中有关位置的应用。
约翰：是的。一个人的风险状况和保费不仅取决于他们的驾驶方式，而且还取决于他们驾驶的地点和路线。某人在投保UBI车险时，可能会告诉保险公司，“我90%的行程都是用来通勤，即往返于家和单位之间，而另外10%是在周末带着孩子一起去踢足球或者去外面吃饭。“
但是，经过六个月的数据收集后，保险公司可能会发现，这个人实际上只有50%的行程是通勤，有25%的行程是绕道去洗衣店或杂货铺。保险公司可以将这些信息与交通事故数据、高风险道路数据、以及事故高发区数据叠加，甚至细微到分析司机的左转频率。这些位置相关的信息，将帮助保险公司更准确地确定风险，最终影响司机的保额。
零售业中的个性化定价
布莱恩：在零售领域，地理信息是如何改变商品定价的?
约翰：零售业在全国或某个特定市场中的传统定价方式，是根据每个市场的人口统计数据和生活成本调整价格，而如今的在线旅游、购物网站等，已经向零售商提出了更多细化的挑战。例如，这些网站非常善于引导个人完成购买，他们分析购物者的浏览历史，如顾客浏览某产品已经五次，并将其放入购物车，但最终离开，网站根据这些数据向该顾客提供定制优惠，以促使其购买商品。
在现实世界中，这些技术全部失效。那么在现实世界中，我们用于个性化定价的技术是什么呢?那就是将移动APP和室内定位技术结合。
布莱恩：这让我想到制图行业的一个趋势，即制图业的重心正在向室内地图转移。那么，零售商在是室内地图方面都做了哪些尝试?
约翰：我们已经和几家零售商进行了沟通，他们正在分析顾客在店内的移动模式，最后根据客户的忠诚度、购物历史以及他们在商店中的位置，实时调整购物体验和价格。
在现实生活中，一个拥有某超市app的购物者， 在工作日晚上购物的时候，可能还会选择这家超市。而当他在超市中靠近特定通道时，系统会识别出他刚刚路过他常买的牛奶货架，而这时系统会自动向他提供优惠券，以刺激其购买。
此外，商家也绘制了顾客在商店中徘徊的热点地图，并利用该信息在商店的不同位置提供不同的价格。
人类天气如何影响定价
本文作者注：“人类天气”指的是有关人类活动的实时或近实时的大数据流，其中主要指的是位置数据，这个概念是一种类比，将人类活动预测比作天气预报。想要了解如何根据位置数据预测人类活动，请参阅《人类位置数据也可以像天气预报一样预测吗?》。
布莱恩：多数商店在长期经营过程中，已经比较了解宏观顾客流量对商品种类和价格的影响，比如某个商店位于市郊通往山区的路上，那么它可能会存放柴火，并适当提高啤酒的价格。但如今随着数据更加细化，零售商的决策会有什么哪些趋势?对定价将会产生哪些影响?
约翰：的确，多年来流量模式一直在指导着商店定价，但现在，我们看到大量移动数据正在收集，尤其是在城市核心区，所以，零售商可以获得一个特定区域准确的人流量数据、以及商店潜在客户的种类，这些位置相关数据将会帮助商店分析商品的种类和价格。
布莱恩：所以纽约市一条繁忙步行街上的一个小商店，可能会与数据分析公司或媒体公司合作，发现其目标客户群，进而调整特定商品的价格。
约翰：此外，我们关心的不仅仅是人们在哪里，也关心他们何时在那里。商店会经历每天的早高峰、午餐密集人群和周末路过的人群，不同情形下的目标客户会发生剧烈变化。因此，管理者需要综合考虑流量模式的空间和时间因素，即客户所处的位置和时间点，在其接受某产品的价格上扮演什么角色，进而实时做出决策。
根据位置定价所需的技术
布莱恩：在位置定价方面，我们需要用到哪些技术?
约翰：首先是数据采集技术，即从手机、汽车、传感器和其他物联网硬件中获取数据。其次是计算能力，零售、保险等行能够处理和使用这些海量的客户位置数据。第三是易用的工具，例如GIS技术正变得更加易用，在与非专业人员合作的时候变得更加容易。
个性化定价未来怎样进一步发展
布莱恩：个性化定价的未来发展路线如何?
约翰：在保险方面，我认为UBI模式和远程信息处理只是一个开始。未来，当共享汽车和自动驾驶汽车广泛应用时，那时的司机将不再是一个人、或者根本没有司机，到那时保险公司必须更具创造性，根据不同的驾驶模式和交通模式，更好地了解他们应该提供什么样的产品。
无论是哪个行业，我们都要遵循一个底线，即那些希望使用这些信息来更有效地定价的公司，必须以为客户提供价值为根本。只有当客户从这种合作方式中看到价值，才会愿意共享自己的数据，而最终个性化定价才会真正起作用。客户希望感受到的是一种联系，而不希望这是一种侵犯，这就是公司在获得越来越多的客户数据时，不得不罢手的平衡点。
但正如我之前所说，我们现在面临的挑战和机遇，依旧是能够使用位置数据辅助定价，位置可以为定价策略提供重要输入，帮助公司与客户互动，推动利润增长。
{{item.content}}