美国运通广告中常见的格言“不要随便带回家”，目的是让消费者记住自己的信用卡。当在线购买时，这是一个特别有用的提醒。随着无现金零售(某些专家声称是无现金零售)的出现，消费者现在可以通过智能手机便捷地购物，这使得网站在电子商务策略中的重要性降低。这种转变也改变了分析策略。

智能手机是无现金运动的中心。消费者对电话的依赖程度已经超出了电话通话的范围–新型林肯飞行员可以通过智能手机解锁和锁定。消费者对移动设备的采用以及诸如自助服务亭之类的其他自助服务选项，将店内零售体验与在线便利结合在一起。

因此，营销人员必须考虑可将各种设备的零售行为结合在一起并确定零售活动可持续性的预测模型。正如我在Amazon Go上的文章中提到的那样，数字分析是计划预测分析堆栈的基础。这些解决方案已开始提供更好的归因功能，例如Google Analytics(分析)中最近引入的Web + App功能。但总体而言，大多数企业(更不用说零售商)的分析策略都集中在媒体上，即网页上的活动，以及近年来在应用程序上的活动。

在无现金零售的情况下，营销人员必须结合围绕客户使用的媒体的更多环境。这意味着将更多统计应用引入度量。例如，转换活动的频率可以用作预测分析机器学习模型的初始数据。可以将数据导出为R或Python之类的数据语言以开发高级模型。这项工作还可以利用最新的机器学习框架，例如TensorFlow。

从这种趋势可以得出一些有用的模型，例如：

基于来自特定客户群的分析转化数据的销售预测。最终结果是更好的库存维护或对销售活动持续时间的指导。

应用市场篮子分析，这是一种统计技术，用于确定经常一起购买哪种产品和服务的组合。好处是能够销售正确的产品或提供可以在客户群中进行个性化使用的正确产品组合。

零售商可以基于来自分析的购买数据来建立质量推荐引擎，以提出首选选择并帮助优化销售。