解读商业地产人本数据三重门大数据助力实现商业地产运营闭环

2016-11-30 10:49:00

线下实体商业受电商冲击已是老生常谈的问题，忍痛用低租金的餐饮和休闲娱乐业态挤压高租金的零售业态比例似乎成了线下商业的生存法则。然而，步步退守并非大数据时代的生存逻辑，转变线下商业的运营思路才是制胜关键。

大数据时代的生存逻辑：

回归商业本质，构建人本数据三重门

在 TalkingData 看来，商业的本质在于人，电商的优势在于它创造了全方位了解消费者的条件，这使得线上零售商深谙客户运营之道。如果说客户的交易是了解消费者的最里面的那一重门，那么客户在线上挑选产品时留下的轨迹就是第二重门，在这一重门里，客户的消费决策过程尽收眼底;线上多业态的联合形成了客户与线上交互的第三重门，多领域内的客户偏好纷纷呈现，当这几重门发生交互的时候，消费者的全息影像就形成了。每当你打开线上采购的页面时，推荐产品已经自动选出你的心头好，选择不再是一件费时费力的事儿;当然，买了高压锅、钢珠、钟表和火药的嫌疑人也自然逃不过大数据的法眼。

线下商业其实遵循相似的逻辑。除了部分生活必需品外，消费者更多的消费行为是在恰当的场景下发生的，谁能跟消费者的生活建立起更紧密的联系，谁就能挖掘更多的场景。本文将试图引领商业地产人穿越线下商业人本数据的三重门，构建全息数据运营解决方案。

第一重门：

交易门，实现购物中心运营指标的监测和预警

这一重门的信息数据主要来源于客流监控系统和商户经营系统。从市场现状看，大部分购物中心已形成自己的交易门数据，只是基于不同的系统投资级别、购物中心谈判力以及对数据的分析处理能力，可实现的运营数据精度和分析深度存在差异：基于客流和销售数据指标形成日报、周报、月报，为运营提供建议，这是最基本的运营分析维度;客流和销售数据也可实现初级的交互，获取提袋率、人流客单等衡量消费转化的指标。这些指标和报表为运营人员进行品牌调整、商场设施优化配置等动作提供了重要的参考依据;当然指标也会提示运营人员当前是否出现了运营问题。但bug也随之而来：

1、孤立地去看每家店铺的运营数据是否有失大局?黑松露固然昂贵，但离不开与它共生的松木;撤掉一家低销售额的店铺可能会流失掉为另一家贡献高销售额的客户。

2、交易门展现了客流和销售变化的趋势，却未能提供洞察现象的工具，盲目地增加推广促销投入不一定能改善客流和销售下滑的趋势。当鱼塘出现减产，只有通过监测水质和鱼，才能洞察原因，改善其生态并最终增产。

带着悬而未决的问题，我们来到第二重门。

第二重门：

交互门，实现客群细分和商业生态的建立

在这一重门里，基于消费者的多维度人本数据价值将更多的呈现出来。尽管目前来看，多数的购物中心仍深陷于第一重门的业务端数据中，但其实建立人本数据的意识很早就出现了，那就是会员系统。只不过旧时的会员系统仅仅具备了获取客户基本信息和初级的黏性绑定功能，大数据时代使得基于人的信息更全面，多元数据的打通和分析也使得建立购物中心与会员之间的多维度纽带成为可能。

通过会员的消费积分和兑换行为可以描摹他的消费偏好、消费能力、停车行为，探针数据更是通过客群的到访时间、到访频次、在商场内的游逛习惯补充了会员消费决策的整个过程数据。当这一数据通过分类或聚类方式以群体数据呈现时，购物中心就可以高效实现客户细分，了解到哪些客群是工作日来的，哪些客群是频繁来的，哪些客群是偏好家庭消费的，进行逆向思维就可以锁定影响运营问题的关键客群。

客户关系管理系统里的RFM模型在这时可以得到更好的应用，因为到访维度要比消费维度更能体现会员的黏性特征。用R(最近一次到访间隔)、F(到访频次)的变化，可以推测客户消费的异动状况，根据客户流失的可能性，列出关键客户，再从M(消费金额)的角度来分析，就可以把重点放在贡献度高且流失机会也高的客户上，作为重点推广对象，以最有效的方式挽回更多的商机。

从客群的数据出发也可以建立品牌之间的关联性，洞悉哪些品牌是唇齿相依的，哪些品牌为商场带来了正的外部性，这些关联信息会在品牌自身运营数据的基础上增加品牌价值评判标准的维度，从而有助于购物中心从单一的商铺运营数据中跳脱出来，进而基于整个商业生态圈的格局进行品牌业态的调整。

与前两重门的数据不同，第三重门的数据场景发生了变化。前两重门的数据可以理解为都是在购物中心场景里发生的，而为了建立与客群在多个场景下的联系，购物中心还需要看看门外发生了什么。

第三重门：

公共市场门，实现客群和竞争市场的全面认知

在第二重门里，限于商场所展现的内容维度，你可能永远不会知道你商场里的那个饕鬄达人在线上还有一个游戏大玩家的身份，你也不会知道那个沉睡已久的会员是一个活跃的二次元新新人类;而第三重门里，购物中心可以丰富客群在自己购物中心场景之外的行为画像，消费者的职住娱等线下行为场景以及多个标签维度的线上行为场景均可以通过TalkingData的平台呈现，运营人员将有更大的机会唤醒购物中心的沉睡客群，或者增强与现有客群的黏性。

举个例子，在竞争激烈的商业市场环境下，你的终端客群消费的目的已并非果腹那么单一，他还需要更多的满足感，所以当你的零售跟符合消费者价值需求的ip一起打造的时候，购买就成为一种追星行为，而零售店铺与消费者的关系也就从“推”变成了“吸”，第三重门的数据正是为做什么样的ip提供了明确的思路。

对于那些在养商期的新开业购物中心来说，完整的客户画像则意味着更大的发现潜客的机会。按照购物中心的目标客群自定义特征或者高价值客群特征就可以在城市中锁定你的潜客，在大数据时代，酒香真的可以不用怕巷子深。

在第三重门，运营人员还可以从客群数据入手洞悉购物中心所处的竞争环境。通过TalkingData的线下地理围栏数据，你可以知道跟你争夺客群的竞争对手是谁，通过TalkingData提供的外部数据源，你也可以洞察你跟竞品争夺的客群是谁，如果你把洞察的范围扩大，那么你将知道在这个商圈里你有没有跟竞品错位竞争的机会。