
购物中心遭遇大数据难题:“掌控数据”是关键
2015年O2O的繁荣在加码,飞凡、喵街、百度MALL、加上不计其数的社区产品纷纷登场。在过去的两年里,线下商业几乎在以慌不择路的状态四面出击,可得到了什么?
商场经营者开始念叨WIFI定位、线上支付、iBeacon、粉丝、朋友圈营销、大数据……开始祈求顾客在自己的商场里低头望手机,拎着零星的数据臆想顾客脸谱,逢人必称大数据。
实质上,冲击购物中心的不是互联网,而是购物中心自己。现在的技术不能淘汰购物中心,却能为购物中心所用。
O2O平台不是救命稻草
假设一家购物中心日均客流8万,接着自建O2O平台,按照O2O的首要理念:引流,平台的第一个效果应该是加强购物中心的客流,但很快会发现这是有瓶颈的目标,客流增长20%就已到客观极限。
有人会说,客流达到10万后平台价值已经实现,但价值在哪儿?
这种程度的增长完全可通过传统手段实现——“哆啦a梦展”就能做得很好。
那么,也许O2O业务有什么收益?
切换到互联网的思维方式,10万客流不是有效参数,假设产品非常吸引用户,让顾客逛着商场都时不时要拿出来扫一扫。拿下接近100万PV,对于一个购物中心的APP来说,成绩就很不错了。
然而,一个O2O平台需要的底线是2000万PV和200万有效用户,需要这么多流量去产生收入。100万PV离有效流量还有9成以上差距。对单个购物中心来说,使出“吃奶力”也只能产生对互联网世界来说几乎可以忽略不计的流量效益,在拥有100座购物中心的情况下或许还有一搏,但绝大部分购物中心只会得到一个结果:一座线上死城。
购物中心自建O2O可在技术和硬件上做到O2O需要的一切,但没法像传统电商那样从无限的网络世界获取流量。自建平台在流量上难以达到专业外部平台的效果。
“掌控数据”是关键
但是,说不要自建O2O,却不是说不要大力发展互联网。
外行把智能化、O2O、互联网混为一谈,实际上,O2O只是互联网的一个环节而已,开放O2O不是全面出让互联网主权。
购物中心自己若什么都不做,就盲目向互联网企业开放,那就可能沦为仓库和配送站,这也是为什么许多人对开放心存顾虑,倾向于建设封闭性的平台。
但是,互联网是一个全面趋势。进入购物中心的每个顾客早已融入互联网,依托网络的产品和技术,已像空气一样渗透到各个角落,数据正由这些空气带走、扩散,你要如何阻止空气?
购物中心的课题是:等着被攻陷,还是主动出击?
我们认为要主动,第一件事,就是为迎接互联网的战略定下基调:目标是什么。
粉丝数?摇一摇创意?WIFI和iBeacon点位数?公众号热度?这是企划目标还是购物中心的目标?与资产价值如何关联?
实际上,购物中心做互联网的目标直白:1.降低成本,2.强化服务,3.增加收益。
也就是说,购物中心启动互联网后,得比原来更省钱、做更多服务、创更多收入。这也是每个传统经营者能有共鸣的目标,其他目的也就相对次要。
要做到这些,我们的策略是:武装数据,强势多元化。
所谓武装数据,就是打造购物中心的技术自主权。互联网的技术路径非常繁复,但一切都会归结为对数据的掌控力。
以封闭对抗开放是难以成功的,那么更好的选择就是:学会在开放的世界里掌控数据,集各方之力、把握主动权。
要掌控数据,第一步就是确保拿到足够完整的数据并管理好它们。收银数据只获得7成、WIFI不与消费行为挂钩、定位不精准、停车没有关联姓名……这些都还不够。每一个有效数据的来源,都需要近乎苛刻的技术要求,而且这些技术还在不停地变化和更替。
购物中心将数据毫无保留地开放,未来说不定就沦为电商价格战的奴隶,有可能是比不开放更糟糕的选择。建立数据中心这件事,恰恰是不建议与O2O运营商合作,购物中心必须自力更生。有主动权才能讨论成本。
智能化方案成“三把烧”?
一个商场800万至1000万的投入相较开发成本只是个零头。对待成本起码要考虑两个出发点:对投入控制,用技术革新。
智能设备的种类很多,每个种类又有不同的解决方案。有许多方案是具备了“烧钱、烧人、烧维护”(三把烧)的特征。
此外,智能化服务也存在很多问题。服务目标的难度比采集数据、建设智能体系还要大得多。开发一个APP,列上功能,扫二维码,摇一摇,然后说,客户可得到便利和优惠,这就是提升。有这么多人在谈“服务”,却没有几个人把自己作为消费者放进角色去扮演。
消费者不会在购物中心里拿着手机看地图,也懒得去辨认柜台上铺天盖地的二维码,不喜欢为了一点让利点击很久。摇一摇真的很烦,而且APP千篇一律,没什么功能,它们很少能留在顾客手机上超过一周。
技术和数据结合,最大的机会是购物中心终于有可能通过“用户刻画”去理解哪些人才是购物中心的有效顾客,在尽可能多的方面为他们提供新型服务,他们出现在哪里,服务就追加到哪里,无卡停车不够,消费自动抵费才赞,推送优惠不够,贴心过滤才赞。少让消费者麻烦一点,让他们把目光从手机上挪开,关注购物中心,关注体验,这才是服务的目的。
至于开放和多元化的最大好处是什么?当然是新的收益空间。积分、金融、到处引流,这些虽然是互联网平台的机会,但购物中心作为地主,有权分享所有合作者的收益——前提是有好的数据基础。O2O平台可以从购物中心的合作中获得流量追加,购物中心可以从众多合作者中获得叠加的分润。
O2O不是互联网战略的全部,互联网是购物中心的方式变革,O2O更像是购物中心的新型租户——不需要铺位的主力店。
购物中心投入互联网,既要做好脱胎换骨、革命一番的准备,更要懂得为自己的根本利益而战。要革新管理理念和机制,重视数据掌控和运用,高效应用技术手段,勇敢开放,主动强势地开展多元化合作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14