新零售时代,怎样的购物中心能满足你?

新零售时代,怎样的购物中心能满足你?
2017年11月23日 15:26 DT财经

文/数据侠 李静雅

新零售时代,电商抢尽了实体零售的风头。面对冲击,实体购物中心该如何突围、留住顾客?答案也许是数据。11月16日的数据侠线上实验室活动中,中商数据副总裁李静雅用具体的案例,为我们解读了引入数据分析系统可能给购物中心带来的变化。

新零售时代,购物中心的管理亟待升级

我今天要分享的话题是新零售时代的购物中心数据洞察。

马云提出“新零售”概念,使得很多线上巨头纷纷抢夺线下入口。但在此期间,像购物中心这样的线下实体商业也并未停止前进的脚步,试图打通线上线下渠道,整合全景化的需求洞察,从而真正回归到商业的本质,实现消费升级。在这样的背景下,中商数据做的事情是通过线上线下数据的打通,来助力购物中心提升运营效率。

首先,购物中心的管理是个很大的体系,其中涵盖了租户管理、会员管理、市场营销管理、物业管理等内容,各个板块相对独立,数据相互并不打通。在这种情况下,收集和分析数据都是相对片段性的,所以每个系统内部支持决策的数据支持也会过于独立。

其次,购物中心除了系统较大且独立外,场景也是复合化的,B2B2C,在满足消费者的消费需求基础上,还需要实现商户的经营目标(也就是盈利)。

所以,满足消费者的需求,才能实现整个商场经营良性循环的基础。怎么样才能更好地认识它的消费者呢?

过往,购物中心通常通过问卷、座谈会、CRM(客户关系管理)系统等形式了解客群诉求,而现在,管理上最基础、最为核心的都是围绕数据来展开的。

现在很多购物中心都已经变成了更为智能化的购物中心。比如智能停车、手机排队叫号、会员登录APP、线上线下推送、线上的银行卡支付等,这些触点行为的数据反馈回来后,我们再通过后台的数据分析,可以将场内场外的数据打通,真正全景化了解我们的客群。购物中心的管理就实现了升级,而且还是闭环式的更为智能的分析。

数据系统打通后,有助于全面认识顾客

有些人认为大数据的概念很宏观,更适合去剖析一个城市或者更宏观范围的人群研究。但是我认为在实际的应用当中,大数据之“大”其实是有一定的相对性的。就如同乔布斯患癌症后,对自己的DNA的排序进行深入的研究,而这种方式也被称之为大数据在医疗行业的应用。

因此,大数据不是单纯规模上的“大”,而是相对性的“全”。所以在项目研究客群的锁定上,我们是通过大数据的方式,相对全景的线上线下、场内场外的洞察客群。我们可以对客群的生活景象、消费景象有更为连贯性的了解。

传统线下商业的百货形式,以集中方式收银,对于顾客购买了什么、有怎样的购物特征、购物频次和金额等都会有全面了解,因此,对于人与货的关系了解较深。

但如今,购物中心盛行,很多品牌都是相对独立的“店中店”形式,结算也是在店内进行,所以顾客实际购买的细节,购物中心管理方并不了解,只能在会员累计积分的点获取数据。很多购物中心开始对非会员数据的缺失产生担忧。

上面这张图展示的是对客群来源的观察。以前,我们对于客群的了解可能只是有一个简单的规模统计,对于顾客从哪里来只是有一个相对模糊的概念。

但是我们通过大数据的追踪,可以看到顾客们在哪里办公、住在哪里等,还能看出购物中心核心辐射的三公里范围内哪些是它辐射的核心区域,哪一部分是相对缺失的。

而3-10公里这个大的范围内,哪一部分优势占比较高、哪些客群是没有被辐射到。

对于购物中心来说,知道这些情况是非常重要的。因为它后期的很多宣传活动、线下或户外推广活动等,其实都需要决策的支持。

上面这张图表也是我们在实际操作中得到的数据结果。我们通过WiFi收集到的手机MAC地址进行计算后,可以追踪到顾客的来访频次。可以看到访问频次不同的人群的占比,到访的特征等。右边的图表展示的是高低频顾客分别在线上的活动情况。我们发现,高频次的到访客群,他们的一个习惯就是喜欢团购,而从这一点也可以看出,团购确实为此项目持续带动了客流,发挥了很大的作用。通过这些系统性分析,我们可以对于不同类型的客群有着更为直观而深度的认识,未来在针对不同人群采取的策略就会更有针对性。

购物中心里,不同品牌存在某种微妙的“关联性”

上面提到了不同客群到访购物中心的频次不同,下一步该如何让高频顾客继续保持高频来访,又如何让低频顾客提高频次呢?

通过细分和交叉对比,我们找到了一个角度:可以对顾客在购物中心场内的轨迹进行观察。

例如,我们可以很深入地了解到分时段、分品牌的顾客到访情况。不同品牌顾客的逗留时间,在购物中心内,不同的业态、不同的品牌,顾客的实际逗留时间怎样?

结合我们获得的顾客到访情况,我们可以看出来哪些品牌比较有号召力。哪些店只是顾客连带光顾,而又有哪些店是真的领顾客支付大量时间进行消费等。

通过分析,我们可以看到不同品牌之间的这种很微妙的关系。

上图的右边图表是我们对品牌之间的相关性进行的分析,可以看出不同品牌之间互动性的强弱。(DT君注:比如,以餐饮为例,星巴克和赛百味的关联度为21%,意味着有21%的人吃完汉堡,很可能又到星巴克来了一杯咖啡。)

将这些关联性和各品牌的经营情况做对比后,我们可以发现,整个购物中心里会出现大概四类品牌:有客流又有业绩的;客流不是很高,业绩很好的;有客流没业绩的;没客流又没业绩的。

有客流没业绩,那证明其货品或者店铺定级有问题,或者说货品选择方面出了问题,店家可能需要重新配货。而既没客流也没有业绩的,有的是因为位置不好,有的是因为其本身定位跟整场定位出现了问题,跟其他品牌互动性不是很好,也就是说其目标客群跟整场到访实际的一个主力客群是不匹配的。

通过不同的交叉对比之后,我们能真正找到店家经营不好的真正原因,而不单从业绩一个维度,简单下结论。

顾客画像:用更细化的标签打破过去的简单标签

除了顾客的到访特征,我们还可以对客群的需求和客群标签做深入挖掘。

现在对人群做标签,很难像上一个时代一样,简单将人群分为大众工薪阶层、富裕阶层等。现在对于80后尤其是90后,我们除了会考虑到他们的社会属性、职业、年龄、家庭等,还会加入一些他们所属的社群标签,比如“二次元”、“文艺”、“小清新”等等。

我们除了研究个体特征之外,还会以他所处的“族群”进行价值观、精神诉求、消费逻辑进行更深入的研究。

接下来我要说一下我们发现的一个很有特点的人群,他们的很多消费行为看起来是分散的,比如我们拿“极致品质”这个群体来做分析:

这个群体其实代表人物是位大众点评钻石级会员,对于美食,愿意支付更远的交通距离和更多时间去探索,并且每次都会认真进行点评。因为他们要去找最新鲜或者说具有特点的餐厅,此外他们还喜欢出境游,必做的动作就是购买限量款或者影视剧中最新出现的款式等。

这个群体对很多事情都追求极致,展现自己对于主流消费的前锋引领感,以此找到存在感和满足感。

而另有更具特点属性的客群,有着现在常说的亚文化特点,比如标签为“淑女风”的女生,对汉服极度痴迷,所以专程去学习刺绣,为的就是能亲手制作汉服的配饰,并且定期照古装摄影,而在餐饮上,则是喜欢茶道,休闲消费上,会DIY各种文艺的古典配饰,虽然看起来她有很多不同消费的业态,但是他们所有的消费都指向“古风”特性,以此为核心延展。

所以这就是很多营销活动、主题街区需要走个性化路线的根源之一,需求不再是实体关于“物”本身的满足,而是带有价值观符号和个性追求的身心体验。

城市商业地图:从宏观维度分析商圈“腹地”

除了顾客画像,我们通过数据还可以进行更宏观的城市维度的分析。比如:城市商业地图。

通过城市商业地图,我们可以洞察整个城市商业环境的变化,这其中,我们可以看到现在的存量商业有哪些,人口的密度有没有发生变化、轨道交通开通的影响、区域消费能力的变化、周围租金的变化等等。

下面这张图是我们整体系统中的一个截图,我们可以选择在工作日晚间的时候看上海不同地区的人流密度情况、Top10商圈的人流密度等:

 而下面这张图,我们还可以看到不同购物中心的“腹地”情况:

我们通常说3公里是常规定义的这种商圈,但我们用交通这种类型来定义商圈。比如,这张图反映的是驾车15分钟可以辐射的地区,这个辐射区的人口多少、物业怎样、楼盘价格、写字楼的租金和空间分布等,都可以看到。通过这样的城市商业地图,我们可以对购物中心周围的客群有更全面、系统的认识。

上面分享的这些案例,都是基于我们的实操,而我们的业务也在不断的开展之中。我们希望能够通过数据,真正助推这个行业的进步。

 注:以上内容根据李静雅在数据侠线上实验室的演讲实录整理,文字有删节,点击“阅读原文”,获取嘉宾直播链接。图片来自其现场PPT,已经本人审阅。本文仅为作者观点,不代表DT财经立场。

编辑 | 胡世龙:hushilong@dtcj.com

题图 | 视觉中国

财经自媒体联盟更多自媒体作者

新浪首页 语音播报 相关新闻 返回顶部