新零售持续火热，「店驰」靠大数据选址入场会是个好方向吗？

新零售持续火热，围绕线下业态的重新解构成为趋势。

其中，新、老零售都离不开的很重要一点，就是位置。作为实体零售竞争条件中入口级的核心要素，地址具有天然的空间壁垒，好位置能够为企业带来可观客流，大幅增高营业额，也是其一大竞争优势和无形资产。

选址是门学问，日本在这方面有着40多年的研究历史，而国内店的选址则还处于初期，比较粗犷，在接受36氪采访前，店驰创始人邱浩先抛出了这样一句话，在他看来，传统寻址流程存在信息不对称、效率低下等问题。

基于此，店驰希望利用大数据来给客户提供智能选址的解决方案。我们知道，诸如711等头部日资便利店都有其系统性的选址方案，那么店驰具体服务哪一类型的客户呢？

邱浩表示，事实上，国内有不少成体量的零售店，它们有这样几个特点有品牌、成规模但选址等发展体系上或缺乏经验积累、或相对传统，我们正是服务这样的客户，比如好邻居这样的规模化便利店、有社区生鲜超市、有酵素这样的烘焙品牌店以及百果园、果多美这样的水果连锁企业等。

在传统的拓店流程中，一线拓店人员就是全城扫街扫楼，看到感觉地址还行、人流量还不错，又处于空租、转租等状态的店铺等，就记录下来反馈到决策者处，这种筛选比较主观，而且效率不高，决策者对一线拓店人员的管理也相对不可控。

店驰的一大亮点在于将拓店流程做了类标准化的处理，对于一线拓店人员，不再是泛泛搜寻，而将之量化和任务化，通过对基盘做信息采集，变传统选址为主动挖店。

邱浩表示，这款拓店工具背后的逻辑不再是基于现有情况去发现可能的店铺，而是从企业本身出发，去规划适合该业态的地理商圈，再将城市进行网格划分、在每一个网格布点、再基于每一个布点基盘去搜集信息，哪些位置最适合开水果店？现在这些位置是否有适合的空间？哪些空间需要保持关注，一旦空出马上跟进？这些都是基于店铺发展适配位置，而不再是基于地理位置去将就店铺。

具体到产品来说，流程大致是先进行商圈规划、建立基盘库，然后内外部数据确定目标店铺，KUKA机器人示教器维修，然后基于基础信息进行店址初评，然后基于固定客源、客流统计进行日商预估和盈亏预测，最后产出一份评估报告，有效状态的店铺进入到最终阶段的考察和租赁签订。

一般来说，目前业内开店不成功率在20%到30%，也就是接近三分之一概率会使得投资回报周期、开业销售额等远低于目标，造成极大成本亏损。

邱浩认为，店驰的优势除了产品本身的逻辑设计外，对于云端任务的处理和发放以及智能选址报告评估上也有数据优势。据他介绍，工业机器人维修，目前其数据源除了几家第三方数据提供商外（提供周边房价、周边住户、周边同行客单价、周边用户画像等等），还有若干家独家数据合作伙伴。这种数据来源将会是其壁垒之一。

上述所说的是其拓店组件，主要服务客户选址这一环节，邱浩表示，未来其将推出选品、运营等其他产品，如果模式被验证，能够形成其零售生命周期内的闭环服务。

盈利模式上，每个产品类似于SaaS收费，机器人维修，单款产品客单价大概在每年6万元左右，从今年春节推出至今，目前拓店组件已有50多个客户。

团队方面，目前其已有20余人，产品和算法工程师居多。创始人邱浩此前在老牌erp公司海鼎任副总经理，有超过13年的零售管理工作经验。此前，店驰已获得千万元A轮融资，主要用于产品开发与布局、团队构建和市场拓展。