实体书店应如何利用数据做好选品和分析呢？在我看来，需要一个系统，一套能够“断物识人”的工具。从算法的角度来说，选品可以理解成“断物识人”：“断物”是指站在产品（书/非书品）的角度，了解产品的属性，游戏平台Steam和豆瓣网都用到该逻辑，即为用户推荐与他喜欢的东西相似的产品。因为在信息爆炸的时代，人们不愿意在不喜欢的事物和不感兴趣的领域上花费过多的精力与金钱。“识人”是指通过用户数据了解用户的个性需求。
断物：将用户标签化并推荐类似产品。以网易云音乐私人FM为例，如果我经常将民谣类歌曲标记“红心”，把摇滚歌曲删除，那么系统会认为我不喜欢摇滚，在下一次推荐的时候，就会过滤掉摇滚，尽可能在民谣标签下寻找我可能喜欢的音乐。当然这里说得过于简单，除了将标记和删除作为依据以外，在一首歌上停留的时间也会被系统当作用户喜好的参考因素。其中最重要的就是对音乐属性的解读，即“断物”，系统可以对流派、风格、音乐人、时间长度、乐器类型、国家、年代等元素进行提炼作标记形成标签，而标签是目前最常见的断物方法。
人们在豆瓣网的读书频道和电影频道都能看到这个方法，在豆瓣读书首页右上方就有标签的展示，在每一个具体的图书产品页面也会有。有了这些标签能做什么呢？答案是主题策展，图书的主题策展通常是从内容的角度出发，用文案串联起图书与图书的关联性。比如当春天即将来临，有人想策划一个主题引导人们关注土地、田园、农耕、自然，就可以在标签页面输入主题关键词，海量的信息就被过滤出来了。
目前，开卷和新华文轩都有自己的平台，遗憾的是无论是开卷的标准书目网还是新华文轩的出版物协同交易平台都不具备以上功能，两个平台仅仅是信息的罗列而已，信息的过滤方法还是出版社上传的图书分类，不具备从产品内容属性或从产品标签出发寻找相似产品的功能。在这种情况下，依靠影响力日渐式微的豆瓣读书，主题策展的信息获取会受到很大的限制，选品团队的信息获取效率也比较低下，要想做到定期、即时、优质地为读者呈现不同主题，给读者新的阅读体验，会变得很困难。
除了这种算法以外，断物的逻辑还包括基于用户的协同，即寻找到喜欢或买过这个产品的用户，把其喜欢或买过的其他产品推荐给用户。这一逻辑，更强调用户反馈得到的关联性，而非物品属性上的相似度，物品A和物品B可能在属性、内容方面，客观上没有相似度，但人为需求的结果导致物品产生了关联性，电商平台京东和当当通常喜欢用这种算法，在购买界面会出现“购买过此商品的用户还购买过”的提示。但我个人经验认为图书的主题选品、策展用第一种算法过滤与选择产品更合适。
识人：收集用户的人格数据，寻找不同人格与不同产品选择之间的关联性。用户数据是极其重要的，但目前在书店行业似乎没有引起足够的重视。据报道，在日本的茑屋书店，其母公司CCC（CultureConvenienceClub）早在2003年就推出T-CARD，除了在茑屋书店外，还能在便利店、加油站等各个领域使用，丰富且多样的用户消费数据成为巨大财富与武器，上钻下取挖掘数据，了解用户的身份、消费习惯、喜好、购买力，客观的、真实的数据为产品选择或者运营模式的调整等提供可靠有力的佐证。（下转第10版） （上接第9版）
国内现状是，以图书行业为例，很多连锁品牌线下的零售门店都有自己的会员卡体系，但同行会员卡体系的关注点还停留在过去的会员权益上，例如折扣或者积分兑换、会员优先的作家活动等，然而尴尬的事实是折扣力度往往比上（线上）不足比下（线下）有余，当然无法否认折扣对部分用户有一定的吸引。但就当下和未来而言，在这个会员体系中，多年会员数据的价值被有意无意地忽略了。有意的忽略源于观念上对消费数据的不重视，无意的忽略在于图书发行企业没有足够的资金去建立大数据挖掘的团队。前者常常是国企，后者常常是民营企业。对大数据的挖掘，是我对于未来实体书店的一种愿景，这种尴尬的局面在互联网公司入局后，实体书店会有所改变，毫无疑问，他们需要阅读、影视、音乐等文化消费的数据，更全方位对自己的用户进行建模与聚类。
那么就现状而言，民营书店可以尝试做一般的数据挖掘，从基础的用户信息——身份、性别、年龄、购买频次到门店客单价，甚至更细致的如不同分类客单价的收集。
实体书店如果有这样的系统工具，能辅助选品师更有效、更快速选出适合门店客群的产品组合。不过我期望实体书店真正做到“第三空间”。我认为在现在的空间、场域中，读者、作者、作品、空间主体之间，并没有达到一种理想的关系与状态，陌生化是一种普遍性的存在。
在“识人”的层面，完全可以收集用户的人格数据，寻找到不同人格与不同产品选择之间的关联性，我比较倾向于会员系统引入MBTI（国际最为流行的职业人格评估工具）人格分析，更科学地对用户聚类，近些年互联网开始出现基于这种理论的社交产品，在小的科技公司取得市场反响以后，网易公司也在2018年年底的云音乐报告中试水社交功能，虽然没有基于用户的MBTI人格数据，但是拥有海量的用户视听与喜好数据。虽然由于推广方式强硬，产品不够成熟等多方面原因被人抵制与诟病，但并不代表这条线不是未来的社交趋势。
实体书店应如何利用数据做好选品和分析呢？在我看来，需要一个系统，一套能够“断物识人”的工具。从算法的角度来说，选品可以理解成“断物识人”：“断物”是指站在产品（书/非书品）的角度，了解产品的属性，游戏平台Steam和豆瓣网都用到该逻辑，即为用户推荐与他喜欢的东西相似的产品。因为在信息爆炸的时代，人们不愿意在不喜欢的事物和不感兴趣的领域上花费过多的精力与金钱。“识人”是指通过用户数据了解用户的个性需求。
断物：将用户标签化并推荐类似产品。以网易云音乐私人FM为例，如果我经常将民谣类歌曲标记“红心”，把摇滚歌曲删除，那么系统会认为我不喜欢摇滚，在下一次推荐的时候，就会过滤掉摇滚，尽可能在民谣标签下寻找我可能喜欢的音乐。当然这里说得过于简单，除了将标记和删除作为依据以外，在一首歌上停留的时间也会被系统当作用户喜好的参考因素。其中最重要的就是对音乐属性的解读，即“断物”，系统可以对流派、风格、音乐人、时间长度、乐器类型、国家、年代等元素进行提炼作标记形成标签，而标签是目前最常见的断物方法。
人们在豆瓣网的读书频道和电影频道都能看到这个方法，在豆瓣读书首页右上方就有标签的展示，在每一个具体的图书产品页面也会有。有了这些标签能做什么呢？答案是主题策展，图书的主题策展通常是从内容的角度出发，用文案串联起图书与图书的关联性。比如当春天即将来临，有人想策划一个主题引导人们关注土地、田园、农耕、自然，就可以在标签页面输入主题关键词，海量的信息就被过滤出来了。
目前，开卷和新华文轩都有自己的平台，遗憾的是无论是开卷的标准书目网还是新华文轩的出版物协同交易平台都不具备以上功能，两个平台仅仅是信息的罗列而已，信息的过滤方法还是出版社上传的图书分类，不具备从产品内容属性或从产品标签出发寻找相似产品的功能。在这种情况下，依靠影响力日渐式微的豆瓣读书，主题策展的信息获取会受到很大的限制，选品团队的信息获取效率也比较低下，要想做到定期、即时、优质地为读者呈现不同主题，给读者新的阅读体验，会变得很困难。
除了这种算法以外，断物的逻辑还包括基于用户的协同，即寻找到喜欢或买过这个产品的用户，把其喜欢或买过的其他产品推荐给用户。这一逻辑，更强调用户反馈得到的关联性，而非物品属性上的相似度，物品A和物品B可能在属性、内容方面，客观上没有相似度，但人为需求的结果导致物品产生了关联性，电商平台京东和当当通常喜欢用这种算法，在购买界面会出现“购买过此商品的用户还购买过”的提示。但我个人经验认为图书的主题选品、策展用第一种算法过滤与选择产品更合适。
识人：收集用户的人格数据，寻找不同人格与不同产品选择之间的关联性。用户数据是极其重要的，但目前在书店行业似乎没有引起足够的重视。据报道，在日本的茑屋书店，其母公司CCC（CultureConvenienceClub）早在2003年就推出T-CARD，除了在茑屋书店外，还能在便利店、加油站等各个领域使用，丰富且多样的用户消费数据成为巨大财富与武器，上钻下取挖掘数据，了解用户的身份、消费习惯、喜好、购买力，客观的、真实的数据为产品选择或者运营模式的调整等提供可靠有力的佐证。（下转第10版） （上接第9版）
国内现状是，以图书行业为例，很多连锁品牌线下的零售门店都有自己的会员卡体系，但同行会员卡体系的关注点还停留在过去的会员权益上，例如折扣或者积分兑换、会员优先的作家活动等，然而尴尬的事实是折扣力度往往比上（线上）不足比下（线下）有余，当然无法否认折扣对部分用户有一定的吸引。但就当下和未来而言，在这个会员体系中，多年会员数据的价值被有意无意地忽略了。有意的忽略源于观念上对消费数据的不重视，无意的忽略在于图书发行企业没有足够的资金去建立大数据挖掘的团队。前者常常是国企，后者常常是民营企业。对大数据的挖掘，是我对于未来实体书店的一种愿景，这种尴尬的局面在互联网公司入局后，实体书店会有所改变，毫无疑问，他们需要阅读、影视、音乐等文化消费的数据，更全方位对自己的用户进行建模与聚类。
那么就现状而言，民营书店可以尝试做一般的数据挖掘，从基础的用户信息——身份、性别、年龄、购买频次到门店客单价，甚至更细致的如不同分类客单价的收集。
实体书店如果有这样的系统工具，能辅助选品师更有效、更快速选出适合门店客群的产品组合。不过我期望实体书店真正做到“第三空间”。我认为在现在的空间、场域中，读者、作者、作品、空间主体之间，并没有达到一种理想的关系与状态，陌生化是一种普遍性的存在。
在“识人”的层面，完全可以收集用户的人格数据，寻找到不同人格与不同产品选择之间的关联性，我比较倾向于会员系统引入MBTI（国际最为流行的职业人格评估工具）人格分析，更科学地对用户聚类，近些年互联网开始出现基于这种理论的社交产品，在小的科技公司取得市场反响以后，网易公司也在2018年年底的云音乐报告中试水社交功能，虽然没有基于用户的MBTI人格数据，但是拥有海量的用户视听与喜好数据。虽然由于推广方式强硬，产品不够成熟等多方面原因被人抵制与诟病，但并不代表这条线不是未来的社交趋势。
