微瑞思创联合创始人兼CTO周像金：以商场为例，数据是如何落地的？ | 魔方大数据12
在《魔方大数据12：行业应用系列论坛之年度论坛：“Building”+大数据》活动上，微瑞思创联合创始人兼CTO周像金给大家分享了数据该如何落地，并分析了为什么开发商的面积在不断扩大，但还会不断出现关店的情况
12月1日，数据猿携手上海大数据联盟在上海举办了《魔方大数据12：行业应用系列论坛之年度论坛：“Building”+大数据》。
活动中，邀请了房地产+大数据相关产业内大咖领袖，共同探讨大数据时代下，房地产行业所面临的新挑战、新机遇、新趋势。
与会分享嘉宾：
ZMENG众盟商业运营VP——曾丽芳
房价网CEO——张效海
新城控股CEO——罗艳兵
上海链家研究院院长——陈泽帅
上海脉策数据COO——汤舸
个房CTO——叶文
微瑞思创联合创始人兼CTO——周像金
鲁班软件股份有限公司董事长——杨宝明
视频版
文字版
欲索取现场嘉宾分享的PPT，请在微信公众号后台回复关键词【周像金】下载
以下内容为“微瑞思创联合创始人兼CTO 周像金”分享，并由数据猿编辑整理发布：
分享长度为2000字，建议阅读4分钟
今天我就不讲什么技术了，因为大家听了太多关于大数据公司用了多少数据，做了什么智能挖掘的故事，我今天只想通过案例跟大家简单的分享一下，数据是究竟怎么落地的。
在讲大数据之前，先讲一点小数据
当前实体店在各地城市都在经历着关店潮，我们看到从一月份到八月份有一些商场动不动就关店，包括我们现在合作得比较好的日本华堂商场，在北京关的只剩下一家门店了。
为什么会出现这种现象呢？从一些别的数据上来看，其实这个影响也不是特别大，因为从2013年到2015年，排名前几位的商业开发商，他们的面积还是在扩大，只是速度有些放缓，但是整体面积在不断地放大。
为什么还会出现关店潮呢？仔细看刚才的片子，会发现这些关掉的店有一定的特征，大多是偏百货类的。这类门店受到的电商冲击是最大的，因为没有太大的差异化体验的东西。反而现在万达、银泰、华润，他们都不再强调自己的货品有多全，而是说自己的体验有多好。前几天跟大悦城做交流的时候，他们已经不再讲要怎么做更多的业态，怎么分配得更好了，而是强调怎么给顾客提供更好的服务，怎么更好地对消费者进行洞察。
关于消费者洞察，我们在做商场运营时候，越来越关注怎么服务好到场的客户，并且会重点了解两方面信息：一是消费者。所有到场的消费者，他的特征、轨迹、喜好我们都会关注；二是同行者。了解同行者怎样经营、同行者消费者的客群、同行者交叉消费的情况。
案例分析
我们之前在北京、上海做过相关的案例，以目标商场为圆心，划出差不多三百米半径的圆，想要的数据是三到五月份这三个月的，我们帮他采集日客流量，并对客流的属性、性别、年龄段，进场消费等进行分析，了解每个区域内商场之间的竞品，以及我们自己的客户在竞品中买了什么东西，这些都是客户提出的实际需求。
我们还帮他做了很多数据的整理和分析，周六的时候，出现的人次大概有一万多人，关于如何获取这个数据，感兴趣的同事可以找我线下交流。在分析的过程中我们得到了什么启示呢？
首先，出现的人中整体处于25岁-34岁的年龄段，偏青年化，男女性别的比例偏差不会特别大。这时候我们再看，所有在周末出现过的人，他们出现在什么地方，最明显的特征是什么，所有的购物中心最明显的特征我们叫做地缘特征，吸引的都是离他们最近的人群。当然，在东直门这边可能会出现一些小的意外点。
那么，工作日的时候又有什么特征呢？每个商场工作日和周末完全不一样。周末的时候商场基本上会爆满，到工作日的时候人相对的就会少一点，但少的人数并不太多，只少了五千人左右，同时也可以反映出，工作日的商场也是以年轻人为主。但是通过客群分布却发现其中存在非常大的变化，我们沿着轨道沿线做了一个横向的延伸和纵向的延伸。所以，轨道交通的便利性对商业的发展起到至关重要的作用。
当我们知道了客群有多少，又知道他们大概住在什么地方后，我们还能拿到哪些更有深度的数据呢？选择一个具体的点，把客群的详细信息拉出来，比如基础信息，是否有房、有车，我们在做用户画像的时候可以很快地把它拉出来。
此外，所有的商场比较关注工作日消费和夜间消费，北京五环里面的商场到周末没有不饱满的，但很多商场到工作日的时候很冷清，夜晚没多少人。后来他们发现夜间消费和工作日消费的能力有一点差别，工作日没有特别多的消费力在，尽管有一些人在，但他们并没有消费太多的东西。同时，我们还可以通过系统了解到所有到过这个商场消费的人群是否还去过别的商场，以及他们的兴趣爱好等等，这些数据都可以拿到。
刚才讲到两个方面，一个是人群的总数，还有就是他们的分配，人群的特征。第三个是很现实的，大家都很关注自己的营收是多少。我们自己的目标商场是很小规模的商场，但是在这个区域内，所有商场加起来，可能会形成垄断性的效应，会对其他商场的客流进行稀释。
我们在对消费能力进行划分的时候，是否可以通过看银行卡的等级，以及自己目标商场的所有的竞品商场里面每个人持卡的比例的方式来作出进一步的判断，持卡等级越高，说明消费力越强，我们的目标商场里的高等级人群相对来说还是比较少的，但好处是人群比较平均。
还有一个很有意思的事情，大家都希望知道所有进了自己商场的消费者，还会去别的商场买什么东西，这样我们就能了解到自己的商场在哪一方面还有所欠缺。我们为各个商场做了交叉的分析，之后发现我们的目标商场在服装类的业态是缺失的，但线下也有服装类的业态，只是跟客群匹配不是特别好，高端客群的业态布得并不多，大多都是一些相对低端的品牌，导致大家购买力没有那么强，后来他们针对这一块也做了相应的调整。
我们针对他们做了一个六个月的跟踪，看最终能达成什么效果。因为这个效果并不能完全靠数据，还是要靠他们自己运营配合，当然他们也配合我们做了一些调整。我们差不多是在三四月份的时候帮他们做的分析，五、六月份提交成果，到了七月份，他们开始进行一些优化。可以看出，从六月份到七月份开始，他们的客流有了慢慢的增长趋势，但这部分增长主要来自哪里呢？主要是针对夜场的活动做了调整，现在商场夜场的时间会变得更长，消费者也都提高了驻留的时间，自然而然在夜场的消费额度也会有比较大的增长。
谢谢大家！
没看过瘾？点击观看《魔方大数据12：行业应用系列论坛之年度论坛：“Building”+大数据》完整版视频
本文由jean整理，微信：15737954328
来源：数据猿
点击关键词查看相关历史文章
-专访·深度-
-报告·前沿-
-更多关键词-