新零售時代，怎樣的購物中心能滿足你？

01-29

文/數據俠李靜雅

新零售時代，電商搶盡了實體零售的風頭。面對衝擊，實體購物中心該如何突圍、留住顧客？答案也許是數據。11月16日的數據俠線上實驗室活動中，中商數據副總裁李靜雅用具體的案例，為我們解讀了引入數據分析系統可能給購物中心帶來的變化。

新零售時代，購物中心的管理亟待升級

我今天要分享的話題是新零售時代的購物中心數據洞察。

馬雲提出「新零售」概念，使得很多線上巨頭紛紛搶奪線下入口。但在此期間，像購物中心這樣的線下實體商業也並未停止前進的腳步，試圖打通線上線下渠道，整合全景化的需求洞察，從而真正回歸到商業的本質，實現消費升級。在這樣的背景下，中商數據做的事情是通過線上線下數據的打通，來助力購物中心提升運營效率。

首先，購物中心的管理是個很大的體系，其中涵蓋了租戶管理、會員管理、市場營銷管理、物業管理等內容，各個板塊相對獨立，數據相互並不打通。在這種情況下，收集和分析數據都是相對片段性的，所以每個系統內部支持決策的數據支持也會過於獨立。

其次，購物中心除了系統較大且獨立外，場景也是複合化的，B2B2C，在滿足消費者的消費需求基礎上，還需要實現商戶的經營目標（也就是盈利）。

所以，滿足消費者的需求，才能實現整個商場經營良性循環的基礎。怎麼樣才能更好地認識它的消費者呢？

過往，購物中心通常通過問卷、座談會、CRM（客戶關係管理）系統等形式了解客群訴求，而現在，管理上最基礎、最為核心的都是圍繞數據來展開的。

現在很多購物中心都已經變成了更為智能化的購物中心。比如智能停車、手機排隊叫號、會員登錄APP、線上線下推送、線上的銀行卡支付等，這些觸點行為的數據反饋回來後，我們再通過後台的數據分析，可以將場內場外的數據打通，真正全景化了解我們的客群。購物中心的管理就實現了升級，而且還是閉環式的更為智能的分析。

數據系統打通後，有助於全面認識顧客

有些人認為大數據的概念很宏觀，更適合去剖析一個城市或者更宏觀範圍的人群研究。但是我認為在實際的應用當中，大數據之「大」其實是有一定的相對性的。就如同喬布斯患癌症後，對自己的DNA的排序進行深入的研究，而這種方式也被稱之為大數據在醫療行業的應用。

因此，大數據不是單純規模上的「大」，而是相對性的「全」。所以在項目研究客群的鎖定上，我們是通過大數據的方式，相對全景的線上線下、場內場外的洞察客群。我們可以對客群的生活景象、消費景象有更為連貫性的了解。

傳統線下商業的百貨形式，以集中方式收銀，對於顧客購買了什麼、有怎樣的購物特徵、購物頻次和金額等都會有全面了解，因此，對於人與貨的關係了解較深。

但如今，購物中心盛行，很多品牌都是相對獨立的「店中店」形式，結算也是在店內進行，所以顧客實際購買的細節，購物中心管理方並不了解，只能在會員累計積分的點獲取數據。很多購物中心開始對非會員數據的缺失產生擔憂。

上面這張圖展示的是對客群來源的觀察。以前，我們對於客群的了解可能只是有一個簡單的規模統計，對於顧客從哪裡來只是有一個相對模糊的概念。

但是我們通過大數據的追蹤，可以看到顧客們在哪裡辦公、住在哪裡等，還能看出購物中心核心輻射的三公里範圍內哪些是它輻射的核心區域，哪一部分是相對缺失的。

而3-10公里這個大的範圍內，哪一部分優勢佔比較高、哪些客群是沒有被輻射到。

對於購物中心來說，知道這些情況是非常重要的。因為它後期的很多宣傳活動、線下或戶外推廣活動等，其實都需要決策的支持。

上面這張圖表也是我們在實際操作中得到的數據結果。我們通過WiFi收集到的手機MAC地址進行計算後，可以追蹤到顧客的來訪頻次。可以看到訪問頻次不同的人群的佔比，到訪的特徵等。右邊的圖表展示的是高低頻顧客分別在線上的活動情況。我們發現，高頻次的到訪客群，他們的一個習慣就是喜歡團購，而從這一點也可以看出，團購確實為此項目持續帶動了客流，發揮了很大的作用。通過這些系統性分析，我們可以對於不同類型的客群有著更為直觀而深度的認識，未來在針對不同人群採取的策略就會更有針對性。

購物中心裡，不同品牌存在某種微妙的「關聯性」

上面提到了不同客群到訪購物中心的頻次不同，下一步該如何讓高頻顧客繼續保持高頻來訪，又如何讓低頻顧客提高頻次呢？

通過細分和交叉對比，我們找到了一個角度：可以對顧客在購物中心場內的軌跡進行觀察。

例如，我們可以很深入地了解到分時段、分品牌的顧客到訪情況。不同品牌顧客的逗留時間，在購物中心內，不同的業態、不同的品牌，顧客的實際逗留時間怎樣？

結合我們獲得的顧客到訪情況，我們可以看出來哪些品牌比較有號召力。哪些店只是顧客連帶光顧，而又有哪些店是真的領顧客支付大量時間進行消費等。

通過分析，我們可以看到不同品牌之間的這種很微妙的關係。

上圖的右邊圖表是我們對品牌之間的相關性進行的分析，可以看出不同品牌之間互動性的強弱。（DT君註：比如，以餐飲為例，星巴克和賽百味的關聯度為21%，意味著有21%的人吃完漢堡，很可能又到星巴克來了一杯咖啡。）

將這些關聯性和各品牌的經營情況做對比後，我們可以發現，整個購物中心裡會出現大概四類品牌：有客流又有業績的；客流不是很高，業績很好的；有客流沒業績的；沒客流又沒業績的。

有客流沒業績，那證明其貨品或者店鋪定級有問題，或者說貨品選擇方面出了問題，店家可能需要重新配貨。而既沒客流也沒有業績的，有的是因為位置不好，有的是因為其本身定位跟整場定位出現了問題，跟其他品牌互動性不是很好，也就是說其目標客群跟整場到訪實際的一個主力客群是不匹配的。

通過不同的交叉對比之後，我們能真正找到店家經營不好的真正原因，而不單從業績一個維度，簡單下結論。

顧客畫像：用更細化的標籤打破過去的簡單標籤

除了顧客的到訪特徵，我們還可以對客群的需求和客群標籤做深入挖掘。

現在對人群做標籤，很難像上一個時代一樣，簡單將人群分為大眾工薪階層、富裕階層等。現在對於80後尤其是90後，我們除了會考慮到他們的社會屬性、職業、年齡、家庭等，還會加入一些他們所屬的社群標籤，比如「二次元」、「文藝」、「小清新」等等。

我們除了研究個體特徵之外，還會以他所處的「族群」進行價值觀、精神訴求、消費邏輯進行更深入的研究。

接下來我要說一下我們發現的一個很有特點的人群，他們的很多消費行為看起來是分散的，比如我們拿「極致品質」這個群體來做分析：

這個群體其實代表人物是位大眾點評鑽石級會員，對於美食，願意支付更遠的交通距離和更多時間去探索，並且每次都會認真進行點評。因為他們要去找最新鮮或者說具有特點的餐廳，此外他們還喜歡出境游，必做的動作就是購買限量款或者影視劇中最新出現的款式等。

這個群體對很多事情都追求極致，展現自己對於主流消費的前鋒引領感，以此找到存在感和滿足感。

而另有更具特點屬性的客群，有著現在常說的亞文化特點，比如標籤為「淑女風」的女生，對漢服極度痴迷，所以專程去學習刺繡，為的就是能親手製作漢服的配飾，並且定期照古裝攝影，而在餐飲上，則是喜歡茶道，休閑消費上，會DIY各種文藝的古典配飾，雖然看起來她有很多不同消費的業態，但是他們所有的消費都指向「古風」特性，以此為核心延展。

所以這就是很多營銷活動、主題街區需要走個性化路線的根源之一，需求不再是實體關於「物」本身的滿足，而是帶有價值觀符號和個性追求的身心體驗。

城市商業地圖：從宏觀維度分析商圈「腹地」

除了顧客畫像，我們通過數據還可以進行更宏觀的城市維度的分析。比如：城市商業地圖。

通過城市商業地圖，我們可以洞察整個城市商業環境的變化，這其中，我們可以看到現在的存量商業有哪些，人口的密度有沒有發生變化、軌道交通開通的影響、區域消費能力的變化、周圍租金的變化等等。

下面這張圖是我們整體系統中的一個截圖，我們可以選擇在工作日晚間的時候看上海不同地區的人流密度情況、Top10商圈的人流密度等：

而下面這張圖，我們還可以看到不同購物中心的「腹地」情況：

我們通常說3公里是常規定義的這種商圈，但我們用交通這種類型來定義商圈。比如，這張圖反映的是駕車15分鐘可以輻射的地區，這個輻射區的人口多少、物業怎樣、樓盤價格、寫字樓的租金和空間分布等，都可以看到。通過這樣的城市商業地圖，我們可以對購物中心周圍的客群有更全面、系統的認識。

上面分享的這些案例，都是基於我們的實操，而我們的業務也在不斷的開展之中。我們希望能夠通過數據，真正助推這個行業的進步。

註：以上內容根據李靜雅在數據俠線上實驗室的演講實錄整理，文字有刪節，點擊「閱讀原文」，獲取嘉賓直播鏈接。圖片來自其現場PPT，已經本人審閱。本文僅為作者觀點，不代表DT財經立場。

編輯 | 胡世龍：hushilong@dtcj.com

題圖 | 視覺中國

期待更多數據俠乾貨分享、話題討論、福利發放？在公眾號DT數據俠（ID：DTdatahero）後台回復「數據社群」，可申請加入DT數據社群。

數據俠門派

本文數據俠李靜雅，中商數據副總裁。有超過10年地產從業經驗。曾任職DTZ戴德梁行、RET睿意德，在商業綜合體、文旅地產項目開發定位領域有豐富諮詢經驗。她率先將大數據應用於購物中心運營診斷，參與創辦中商數據，主導了萬科、華潤、富華、華遠、金隅、城投、城建地產旗下多個項目的策略定位及數據研究。

加入數據俠

「數據俠計劃」是由第一財經旗下DT財經發起的數據社群，包含數據俠專欄、數據俠實驗室系列活動和數據俠聯盟，旨在聚集大數據領域精英，共同挖掘數據價值。了解數據俠計劃詳情請關注DT數據俠回復「數據俠計劃」，投稿、合作請聯繫datahero@dtcj.com。