用户实时状态，指的是用户在当前零售场景下的各种身体、行为、需求等动态变化的特征和数据。
新零售是线上与线下全渠道融合的零售新模式。按购物渠道的不同，可将用户实时状态分为线上实时状态和线下实时状态。
用户的线上实时状态，既包括用户在网络中留下的历史行为痕迹，即用户曾经使用网络做过哪些事情；又包括用户在网络中的实时行为状态，即用户此时此刻正在使用网络干什么。通过分析历史行为痕迹，可以挖掘用户的兴趣偏好。通过对用户线上实时行为状态的实时分析，可以从用户此时此刻正在关注的事物上挖掘用户潜在的购物需求，从而诱导用户进行“场景触发式购物”。
场景触发式购物是一种由场景实时生发出的购物欲望和继而马上实施的购物行为，一大关键特征是顾客能即时买到心仪的商品，具有“冲动性”、“随时随地随性购物”、“乘兴之所至”的特点。比如，当看到网络偶像剧中明星穿的时装、使用的美容产品，瞬间就会被点燃购物欲望，而这正是商家可诱导用户快速进行冲动性消费的契机。购物的冲动来去如风，零售商必须在消费者改变主意前快速打动他们，才能增加销量。足够快的速度可以实现这个目的。一方面，在用户还未脱离当前场景、犹沉浸在这种购物欲的时候，快速及时进行线上的实时推荐，诱导用户快速下单购买；另一方面，高效即时送达货品（如1小时内），在用户可能产生后悔情绪之前将商品马上送至眼前，如此还可大幅提高客户满意度。这种“即时达”是可以实现的，因为O2O送餐平均用时不到30分钟，其他商品当然也可借此即时送达。新零售商需要打破传统电商“次日达已经足够快”的理念，可借鉴甚至利用 O2O 送餐平台的半小时内高效送货服务，通过加快商品物流配送，从而提升冲动性消费的转化率。
用户的线下实时状态，指的是用户在零售店内的行动路径、行为动作、眼球等动态特征数据，包括路线移动、视线移动、身体和视线在特定品类或商品前的停留时长、身体动作等。通过分析这些数据，一方面可以获知特定顾客查看了哪些商品，身体和目光在哪些地方停留过和停留过多久，把哪些商品放进了购物车以及所花的时间等，以及顾客在零售店活动的一般规律；另一方面可以分析出哪些商品受到过顾客的关注，特定品牌受到关注的程度等。通过这些分析而得的信息，第一，可以继续分析出用户的商品偏好，从而进行实时精准的商品推荐。第二，可以分析出用户的购物行为特点，从而针对性采取个性化措施诱导和促进用户的消费，比如当用户的视线在一件昂贵的裙子上停留许久但迟迟没有购买，那么她可能是因裙子的价格过于昂贵而心生纠结，此时可通过推送打折信息、优惠券的方式诱导用户下决心购买这条裙子，还可以将同款式但价格相对低一些的裙子推荐给该用户，同样可促进用户的消费行为。第三，购物篮分析，可以根据用户已经放入购物车的商品，分析用户的个人特征，将可能会愿意购买的相关联商品推荐给用户，比如数据挖掘界的经典案例“啤酒与尿布”，即在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻父亲前去超市购买尿布，父亲在购买尿布的同时往往会顺便为自己购买啤酒，所以“啤酒”与“尿布”这两件看上去毫无关系的商品会经常出现在同一个购物篮中。