京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20