购物中心的“大数据”经营.doc

购物中心的“大数据”经营

    客流是需要经营的
  对于急于想从“大数据”中掘金的实体零售商来说，真正的难度也许并非技术壁垒，而是清楚地认识到，为什么要收集、整合和分析这些数据。
  任何一位来到北京或上海购物中心的时尚男女都会发现，当你正在甜品店铺里大快朵颐时，手机上会忽然收到一条服装连锁品牌店的促销短信——这个“惊喜”绝非巧合，因为根据购物中心的跟踪分析，光临甜品店的会员中，有超过37%的人，也将进服装连锁品牌店购物。
  关联营销，只是购物中心精细化管理的冰山一角。在“E购物中心战略”驱动下，位于闸北苏河湾的某购物中心，正在构建21个层级的会员管理体系，北京的XD购物中心重点挖掘客流轨迹，尝试拓展O2O（线上线下）的服务。
  业内人士说得好：“如今要把握顾客的需求，不再是靠经验而是靠数据。内部创新只跟着感觉走的话，可能花了很多钱，却没有找到真正能够讨好消费者的方法。”
  而专业商业咨询机构提出的“大数据”理想应用场景应该是：利用顾客线上及线下购买行为的全部历史数据、会员卡及消费者人生阶段划分等方法，将零售从 “想出售商品给顾客”的模式转变为“提供顾客想买的商品”模式。
  且让我们近距离观察一下，此番购物中心的“大数据”改革蓝图，究竟有何玄妙之处。
  国内购物中心的“大数据”探索并不是一个新话题，会员年龄、性别、消费金额等数据收集只能算作基本功，更多的诸如人脸识别、水滴系统等新技术也逐渐成为标配。
  不过，“大数据”在实体零售业落地却不是一件易事，许多失败案例也证明，由互联网生态催发的“大数据”应用，并不能简单移植到实体领域，业内人士对此深有体会。他举例说，在垂直类网站普遍应用的“标签法”，就难以胜任实体零售客群的复杂性及品类的多样化，任何一个因素变化，都会导致数据处理的难度增大几倍。
  对于急于想从“大数据”中掘金的实体零售商来说，真正的难度也许并非技术壁垒，而是清楚地认识到，为什么要收集、整合和分析这些数据。
  “好多人观念中的‘大数据’，就是搜集海量的数据去对比，但对比得出的结果，对实际的商业策略调整，未必真正有益。”业内人士说。他觉得，“大数据”应用最大的困难在于，众多数据之中，应该向哪个方向寻求突破。换言之，尽管新的技术手段不可或缺，但“大数据”应用却不能脱离传统的商业逻辑，后者才能将无序而纷乱的数据，提炼锻造为商业情报和商业智慧。
  购物中心的商业策略立足于“经营客流”，单个消费者的单日消费轨迹追踪，利用价值并不高，而影响最大的是会员生命周期。通过对会员总体的生命周期管理，可以准确发现会员的维护节点期、平台期、高价值消费期和预计的流失期——只有把握其中规律，才真正有助于构建指导日常商业运营的会员管理体系。
  下一步，则是在相应节点进行技术分析，比如依据年龄、性别、RFM（最近一次消费、消费频率、消费金额）等指标，将顾客依据其自身属性匹配至相应的坐标系下：每个人都有7~8个或者更多的“标签”，有什么样的营销需求，就可以抽取相对应的“标签”组合。
  具体来说，就是对即将进入维护节点期和流失期的会员，进行最大力度的维护管理，促使其重新“归队”，对进入消费平台期的会员，进行更加精准的消费引导和激励，推进其进入高价值消费期。
    如何发现“女大叔”？ 
  未来购物中心之间的竞争，真正学不来的是数据的处理、分析和挖掘，是数据背后潜在商业价值的独到发现。
  2014年11月初的西方“万圣节”期间，上海某购物中心举办过一个主题为“鬼屋”的活动，其提取的“标签”有：一是女性，她们对购物更感兴趣且带来男性客户；二是近一个月没有来，但历史上有过购物记录，这是有效会员但非忠诚会员。该活动的会员拉动率超过12%。
  针对忠诚会员，上海某购物中心进行了积分换购的促销活动。通过客户偏好分析，他们把忠诚会员可能感兴趣的品牌作为积分兑换目标，并将活动信息发给12万会员中的1824人，最后实际产生兑换的人数为128人，参与率为7%——同行业同类促销活动的参与率仅为1%。
  通俗地说，这就是垂钓者“定向投饵”与“随机撒网”之间的区别。
  上海某购物中心副总经理总结说，这样的定向促销活动，首先是节约了营销成本，更重要的一点是，不至于为了几百个人的有效消费，而牺牲了十多万人的购物体验。
  “对于那些对此项活动完全不感兴趣的会员来说，收到促销短信，无疑是一种骚扰，我们要努力避免类似糟糕体验发生。”他说。
  这也是购物中心“大数据”应用的基本出发点：对手上多达85万的会员精耕细作。
  据称，W达集团也在公司内部研讨中提到，过分追求会员数，会误入歧途，要增加的是有质量的会员，活跃的会员，这样产生的“大数据”才有价值。
  在业内人士看来，未来购物中心之间的竞争，业态容易照搬，商家品牌可以分享，推广活动也没有什么特别的难度，真正学不来的是数据的处理、分析和挖掘，因为数据应用不仅仅是数字表面的简单关联，更重要的是数据背后潜在商业价值的独到发现。
  比如人脸识别系统，早已不是什么独门的技术秘籍，最直接的应用识别性别特征，但这显然远远不够。业内人士举例说，他们在一次活动中就有特别有趣的发现，由此还提出了 “女大叔”（即消费方式趋于中性的女顾客）这个独特的客群，并进行了相应的店铺调整和品牌重新定位。
    “大数据”拯救“二房东”
  “大数据”改革的成功，消除了逐渐陷入困境的传统购物中心“二房东”模式的弊端。后者对品牌和商铺缺乏控制，商品同质化严重，“千店一面”，且租金收入单一。
  经营客流的最终目的，是知道如何将这些客流引导到商家的店铺中去：可以针对性地进行活动推送，也可以实施LBS（定位服务）精准营销，平衡客流分布，还可以识别特定店铺的顾客“脸谱”，有助于后者更加精确的定位。
  不过，这种应用并非是单点操作，而是系统作业，步步为营，这样才能挖掘客流的最大价值。比如，某购物中心在发现销售额与车流的匹配度相关性之后，就开展了环环相扣的营销运作，相继推出“免费停车3小时”“不开车，购物中心补贴公共交通费”“发放小饰品优惠券返还车费”等系列活动。
  即便手握数据，也不一定能够实现上述效果，因为目前实体零售商对数据的应用还过于粗放，甚至无从下手。有效的做法是：将数据依据商业规律进行更加细致的解剖，直到量化为最清晰可见，也最容易捕捉的“数据原子”。
  以店铺销售额为例，最直接的影响因素是每天到店的客流情况、转化率及交易额。但业内人士认为，这还远远不够，比如客流会受商铺品牌、推广活动、竞争对手的影响等，依此类推，就形成一个个数据节点，正是企业进行数据采点的依据。
  “销售出现问题，就能够溯本逐源，看出真正的问题。” 业内人士说。
  类似的问题排查系统，在购物中心已初步发挥效用。在北京某购物中心，2014年1至8月份之间，共有85家店铺通过帮扶措施实现销售业绩明显增长，其中同比增长在30%以上的店铺达59家，一些店铺甚至成为全国销售冠军店铺——当然，这也相应带来了购物中心租金收入的大幅提升。
  业内人士认为，以上尝试，使购物中心盈利模式的转变成为可能，因为与传统的购物中心固定租金的模式不同，现在是“抽成租金”的概念，两者相较取其高。他举例说，如果固定租金设置为2万元，以20万元的销售额为基准，超额完成之后抽成租金10%，那么如果是25万元的营业额，那么购物中心就会收到2.5万元的租金。
  在一定程度上，“大数据”改革的成功，消除了逐渐陷入困境的传统购物中心“二房东”模式的弊端。后者对品牌和商铺缺乏控制，商品同质化严重，“千店一面”，且租金收入单一，不加租难以化解成本上涨，租金加码又会适得其反逼跑租户。
  “对消费者来说，购物中心要常见常新，就要不时‘换铺’，之前就是靠经验，现在是靠数据说话。” 业内人士说。