
解析万达O2O:基于数据与积分的运作逻辑
分析万达O2O的架构不难发现,智慧广场只是基础设施,吸引和黏住用户则是决定平台良性运转的核心命题。
在过去的2年中,线下实体商尤其是百货商都在探讨一个进化方向,即泛渠道(muti-channel)与全渠道(omni-channel),很多人并不 明白两者的核心区别。琪哥的好友银泰网CEO林琛对此有过非常经典的论述:“泛渠道是渠道思维,即渠道并发分裂;全渠道是用户思维,用户统一,渠道交 叉。”
如何将“从用户思维出发”做到极致,将是决定线下零售商能否继续吸引年轻一代,尤其是90后消费者的重要命题,这就需要结合类似极客消费(科技感体验)、价值观认同、可参与感、游戏化等新消费诉求。也就是说,O2O是一个技术话题,但又不完全是技术话题。
从琪哥了解的情况看,万达是希望向用户提供一种全流程的O2O体验,以吸引和黏住用户。其运营逻辑偏重于大数据思维,模型大致为“海量人流——‘大会员+大数据’运营——精准的营销与服务运营——用户体验提升”。
这套模型的运转最需要解决两个事关线下生意好坏的难题,一是顾客在哪里?二是如何让顾客再来?
顾客在哪里?
线下实体商要知道“顾客在哪里”,就要满足消费者关于“你是否更懂我”的心理诉求。万达正尝试从两个关键的触发点——免费Wi-Fi与万汇APP,来收集和优化用户画像。
首先就是在广场布局免费Wi-Fi。从初期的试点情况看,该项改造大约能带来 10%的客流提升,会员数量与交易额也会随之增长。除了吸引客流、增加会员,免费Wi-Fi的另一个作用就是更精准的用户画像,万达整合了包括美国 Aruba networks 公司等数家顶尖供应商的技术能力,室内导航的精准度可以达到5米,能够有效记录用户的行为轨迹和在每家店铺的停留时间。同时,用户使用免费Wi-Fi时, 跳出的portal页面,也会有手机号登录、成为万达会员等提醒功能,以此实现身份数据的打通。通过不断的积累和优化,万达就可以逐步将对用户的偏好分析 做到较细的颗粒度。
另外一个触发点就是万达自推的万汇APP。它既是一张虚拟的万达会员卡 ,同时又是用户随身携带的卡包,集成了用户的消费记录、积分以及优惠券,这显然也是一个分析用户购买行为与品牌偏好的绝佳来源。此外,它还提供了找车位、室内导航等基础功能,背后同样可以比对用户的消费能力、品牌偏好等数据。
简单来说,未来的万达不仅可以知道每日的人流规模,更可以通过大数据的积累和分析,逐步为用户做画像,从而实现更懂用户、精准推送等构想。
让顾客再来
“让顾客再来”是解决“如何打动我”的难题。万达希望达到的效果是,为用户提供个性化以及场景化的精准营销,而非此前传统卖场惯用的推送方式,由此实现用户“召回”和复购率提升。
万达在郑州曾经做过一些新尝试,比如通过大数据的分析,他们发现有20~30%的用户都会去两家店,一是优衣库,一是必胜客。于是,万达就联合这两个商家 做起了联合促销。此外,万达也在尝试针对正在恋爱的年轻人,提供类似“逛街+吃饭+看电影”的长链条联合促销。类似的举动基本都是基于大数据分析,对用户 的生活方式、行为偏好等数据进行归纳梳理,并实现需求的精准满足。
同时,万达还在尝试一些场景化营销的方式。比如用户正在一楼逛街,恰好饭点,万达就结合他的餐厅偏好,为其推送一些特价菜或会员折扣;同时,万达还在考虑试验“闪购”模式,在某些场次即将开演、观众不满员的时刻,以特价票的方式来拉动电影票销售。
当然,在大数据的运营中有一个核心问题在于颗粒度有多细,过于粗犷的数据是无法有效指导经营行为的。不过,万达认为以地理位置为中心构建的平台,将比纯线上平台拥有一些大数据优势。比如,用户在一个卖场的消费选择基本在20个以内,需求相对精准,不断累积记录即可做出行为偏好的大致勾勒;另外,万达认为当你对某个用户的偏好拿捏不准的时候,最有效的方式是推送深度折扣,类似1~2折的低折扣对用户不是一种骚扰,而是价值信息的提供。
还有一个打动用户的运营难题在于,当用户不在店时,如何打动用户前来。除了基于大数据分析的精准促销消息,万达认为积分消费提醒会是一个高效的方式。
试水积分
这就不能不提到万达大会员系统中一个重要组成部分“通用积分”,通过将万达自有产业资源、入驻商家联合起来做一个异业联盟,用户每消费100元就有1个积分,1个积分等于1块钱,随着用户消费的累计,积分其实就是可以再次用于消费的现金,而且可以在万达全国的店内使用。
补充一点,目前万达自有产业中广场、百货、院线、大歌星等已经加入积分体系,未来还会将商业住宅、高档酒店,以及长白山等旅游城项目囊括进来,最终形成一个多业态运行的商业自循环体系。
在过去,万达并没有做全国统一的积分联盟,主要是时机不成熟,而O2O带来的商业地产数字化机遇,恰恰提供了一次大举试水的机会。为此,万达不仅要改造传 统的POS系统,还会在未来推出可以兼容所有主流支付方式的云POS系统,实现用户与商家在会员、积分、核销等方面的闭环打通。同时,万达还说服入驻商家 加入这一个利益共同体,包括Zara、星巴克、优衣库等国际品牌目前的态度较为积极,而另外一个利好在于,当绝大部分商家接受了积分体系,用户对通用积分 养成了使用习惯,也会“倒逼”商家逐步进入万达的积分联盟体系。
按照万达的思路,当用户有足够额度的积分放在万汇APP中时,万达可以在他较长时间没有到店消费时,推送积分提醒,以完成用户的引流。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16