
大悦城:用大数据给消费者画像_数据分析师
商场就像有农场的牧羊人。他们目的是吸引更多的绵羊来农场,然后从绵羊身上剪下羊毛,获得收益。而他们吸引绵羊的方法就是使用草料,但各羊群口味不一,众口难调。
大悦城与其他牧羊人的区别在于——他有张标记着“各羊群出没地点”以及“各羊群喜好口味”的地图(大数据画像)。有了这地图,他就能更有针对性地进行精准吸引,用更少的精力,牵到更多的绵羊。
而大悦城这位牧羊人的下一发展阶段,就是养条牧羊犬和建羊圈。牧羊犬好比一整套监控管理系统,它能随时监控羊群数量变化,还会发出警报,让牧羊人及时采取应对措施。而建立羊圈,就是利用移动支付通道和会员绑定及积分方式等方式,将羊群圈在农场里,并在其中进行培养和壮大,为牧羊人带来更多的收益。这就是大悦城在大数据运用上的总体方向。
殷雄舟
(晓舟科技联合创始人)
在互联网改造一切实体经济的时代,大数据这个专用的IT名词越来越多被实体零售业者所提及。在移动互联日益发达的时代,“大数据”将成为连接生活和商业的神秘通道。
实体零售商如何拥抱大数据?笔者携手新一代客流分析设备“每人计”,联合研究了大数据时代的零售业抉择,发现多数实体零售企业停留在叶公好龙的层面,这是因为数据在传统零售企业决策中只占到很少一部分,大多数企业家决策依然凭借“拍脑袋”。
截至5月,上海大悦城官方微信号(服务号)上线约17个月。累计粉丝量超过23.8万人,粉丝活跃率超过20%。是上海领先的购物中心微信公众账号。这其实只是大悦城大数据运用中的一个渠道。在诸多实体零售企业中,大悦城算是一个“异类”,它真把大数据当做一件事儿来做,并且用大数据来指导经营活动。
——创新标签——
高科技设备商的试验田
为什么是大悦城?在笔者看来,大悦城的一些先天条件决定了它在大数据上有所作为:
大悦城成立于2007年,创办之初就以颠覆性的形象区别于传统购物中心,这使得它在经营思维上少了一些传统理念的干扰。
大悦城管理层普遍很年轻,有不少总经理甚至都是80后。管理队伍的年轻化使其不得不借助大数据来进行决策。换言之,没有大数据,就无法支撑商业综合体的运营。
大悦城属于中粮集团旗下产业,国企的雄厚财力使得它不为生存而过度分心,从而能够研究一些消费前沿的趋势。
大数据为大悦城打上了一个创新的标签。一些高科技设备商和服务商将大悦城作为“试验田”。从而使得其在大数据方面能接触到更前沿的玩法。
笔者独家专访了上海大悦城研策部总监魏璞,在他看来,大数据对实体店最大的贡献在于利用数据对消费者的性别、工作、收入乃至购物喜好贴上标签。换言之,就是用数据给消费者“画像”,以形成体验平台积累交互信息,这些信息被整理成顾客标签,再被应用进营销洞察的完整链条。
——采集信息——
让会员的画像更具体
如何用数据对大悦城的消费者进行“画像”?一个很重要的变量是大悦城重新定义了“会员”的概念。大悦城认为的“会员”不仅仅是在大悦城CRM系统注册,并进行消费的传统意义上的会员,而是将任何能够获取到其信息并能与大悦城产生关联的消费者视为会员。这种对会员的重新定义使得大悦城打开了大数据之门。它可以借助互联网渠道不断丰富和完善自己的会员数据库,对会员进行画像。
对会员有了一个重新的认识后,大悦城便利用各种方式完善自己的会员数据库。“对于每一位会员,我们首先会建立一个会员ID,这是他唯一的标识。此外,他的姓名、电话、邮箱、地址、收入等信息都会补充进来。这是一个无限延伸的表格,只要获取到会员的某一个‘标签’,我们都会添加进数据库,从而使得会员的‘画像’更加具体。”魏璞表示。
——商业分析——
为精准化营销做准备
对于大数据而言,获取有效数据是其至关重要的一步。实体店与互联网的区别在于,它无法像互联网那样通过导流的方式来获取海量数据。在魏璞看来,大悦城的大数据采集来源于下面几个维度:
首先是交易信息。商户跟大悦城之间的交易关系,使大悦城获得了整个交易数据。为了获得交易数据,大悦城建立了POS系统、会员积分系统等。借助这些数据,大悦城创造了以预测销售为核心的商业分析。通过这些交易数据可以分析出商户的销售状况。同时,还能够做到提前60天预测出商品销售将会达到什么水平,再根据预测结果指导最终运用什么运营方法来进行经营支持。
其次是顾客的空间活动信息。大悦城利用视频识别和WIFI热点捕捉技术,描绘出整个商场的消费者行走路径热点图,从而掌握用户行为和喜好,为多渠道精准化营销和推广做准备,这使得大悦城商业的转化率提高到了3%—4%。
然后是通过主题活动获取消费者信息。大悦城每年都会有很多主题活动,这些活动可在互联网进行订票。通过互联网订票的消费者便会留下自己的信息,这也将成为大悦城捕捉会员信息的一个来源。
最后是一些关联的第三方合作伙伴获取数据。比如,大悦城与银行卡联合开展促销活动,可以获取相关的会员信息。支付宝窗口和微信公众号也都是会员信息的重要来源。
——中枢神经——
一头连市场一头接技术
对于大部分零售商而言,大数据业务一般会归口到技术部门之下。企业CIO在满足公司业务的信息化支撑之外,顺便进行一些大数据的研究和尝试。但大悦城有所不同,它的大数据业务归属一个叫做研策部的部门,该部门在技术部门之上,向商业副总经理汇报。
大悦城的研策部主要由两部分团队构成,一个是技术部,另一个是由经济学、数学、统计学以及市场调研相关专业的人员沟通。除了大数据之外,研策部还要向决策者提当地市场的竞争情况和一些研究成果。
研策部如同大悦城的中枢神经,一方面连接市场部门,及时捕捉市场趋势和消费潮流;另一方面连接技术部门,利用大数据手段辅助经营。正是这样的经营架构,使得大悦城能在一个较高的层面应用大数据。
从经营效果来看,基于客流分析和消费趋势研究而展开的主动营销活动对大悦城业绩提升有巨大帮助。以北京朝阳大悦城为例,2013年销售额突破21亿元,同比增长50%,客流超2100万,同比增长45%。数据显示,2010年5月开业的朝阳大悦城2011年销售额突破10亿元,2012年近14亿元。
——转换模式——
数据化营销到数据化体验
就目前而言,大数据在实体零售企业中最能直接产生效益的应用便是在营销层面。给消费者的不同喜好和属性进行“画像”,利用大数据针对精准的客户群推送他们感兴趣的促销信息,一方面增加消费者的粘合度,另一方面减少了群发信息给会员带来的困扰。这是大数据在实体零售企业经营过程中最成熟的应用。
随着大悦城在会员数据的不断完善和会员系统与营销平台的对接,大悦城借助大数据让更多消费者参与到营销活动中来,增加消费者的互动和体验。换言之,就是由之前的精准化数据营销转为有更多互动功能的数据化体验。
这样做的好处是,一方面增加了会员的到店次数,进一步挖掘消费潜力;另一方面,提升了会员与大悦城之间的粘合度,将普通会员发展为忠诚顾客。在未来,这种利用大数据将营销活动与会员系统的密切整合将成为大悦城大数据挖掘的一大主要方向。
——挖掘数据——
打造智能化的购物体验
上海大悦城副总经理危建平表示,未来大悦城将借助大数据打造智能化的购物体验。它包含以下几个方面:首先,智能的数据系统——其中包括数据手机上传、POS销售数据抓取、客流系统以及人脸识别等技术,通过硬件或嵌入式软件的方式抓取并校验非大POS商铺的收银数据,为运营审核商铺销售提供依据,为购物中心在非大POS商铺进行营销提供硬件基础。
其次,通过调研,配合线上问卷、线下专访、沙龙、消费数据挖掘、社交数据挖掘、银联消费数据挖掘,识别消费者图谱。通过对消费者特征进行深层次的描写,保证对客群有充分的了解,在客群需求的基础上开展商业经营活动。
再次,消费者的智慧支付体验,提供更多的移动支付通道,绑定会员第三方支付账号。不仅如此,通过手机号、第三方移动终端均可进行无卡积分,为消费者提供更便捷的积分方式;也通过品牌信息展示、优惠信息推送,为购物中心引导顾客的消费轨迹。
“未来,从进入购物中心的停车场开始,一直到购物行为的完成,都将是充满智能和方便便捷的过程。上海大悦城二期将有2400个车位的超大型车库,通过车牌自动识别、车位准确引导、APP线上支付、ATM自助支付、反向寻车等手段,打造上海最具体验感的智能停车场。”危建平告诉笔者。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 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 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09