京公网安备 11010802034615号
经营许可证编号:京B2-20210330
万达广场如何用大数据帮商家玩O2O
万达广场的O2O玩法重在大会员大数据。庞大数据从何而来?不同品类有何独特打法?万达有自己的一套想法,并在逐步付诸实践,好不好使还不知道,但不妨碍我们借鉴其中的优与劣。万达这几年发展的速度非常快,到2013年年底已经开业的万达广场有85个,2014年将新开业24个,预计到2014年年底,开业的万达广场将达到109座,持有物业面积规模超过2203万平方米,将成为全球最大的不动产企业。2015年计划开业26个,2016年初步是31个项目,今年、明年、后年将会翻一番,超过160个购物中心。
购物中心经营需要怎样的大数据思维?
从市场调研到客户的满意度调研,运营管理者都要采用很多的分析方式,常用的分析方式就是抽样调查,但是这种传统的方法最大的弊端就是结论的不准确,不能精准地帮助管理者做出明确的未来决策。最后导致虽然经过了大量的调查分析,但实际上我们还依然要通过经验来做一些决策,这就让企业管理者担负了更大的风险。
无测量,无管理。大数据时代,商业管理变革的方向将从“经验值”转变为“数据化”。有两个方面可以利用到大数据,一方面是全数据,在购物中心的运营过程中打破通过抽样来对未来的经营趋势进行分析的传统模式,而要考虑消费者整体和消费过程中所有数据,来分析运营趋势;第二是要在所有的趋势中找到相关联因素,通过相关性来把握未来的趋势。
万达广场大数据的核心是什么?
万达广场大数据的目的是利用大数据进行趋势研究,从而帮助购物中心提升资产价值,减少错配。核心即不是随机样本,而是全体数据;不是独立个体,而是全面关联。在这样的思维模式下,就需要进行庞大的数据收集,我们通过线上线下做了七方面的数据收集。
1.对租赁的全过程进行数据化管理。商户从进场开始到退场,整个过程中所有团队的变化、进出货的变化还有其各个时间段、各个季节的销售情况,对租赁的全过程进行数据化管理。
2.对所有品牌建档管理。将品牌精确分类,根据顾客年龄层、消费额及客流曲线进行品牌定位,为未来大数据的分析提供依据和分类,将购物中心布局调整至最合理状态。
3.对城市的所有信息进行统计。城市的信息统计不能再来源于以往的实调抽样,而是要尽可能拿到比如说政府真正的统计数据、区域内的人口、区域内的GDP等等以及相关政策在这个区域内的动向。
4.POS交易记录。所有在万达广场经营的商户,都安装POS机,几乎所有商户在分时段、不同位置、不同业态的销售数据,最终可以合并到大数据的数据库里来进行处理。
5.客流监控采集。从三个层段分析顾客,建立广场策略。第一层段是统计进出广场客流量。第二个层段是分区域、分业态进行客流数据统计,万达做了人脸识别摄像头的统计,识别率非常高。第三个层段是在每一家经营的店铺做客流数据的统计。这样三个层段的数据和销售数据一起可以给大家提供很多经营方面的参考。
6.顾客WiFi跟踪。在整个广场搭建大WiFi和大会员的体系,通过WiFi体系可以捕捉在广场里面所有的智能手机用户,他的行迹路线、他所关注的商品和他的消费习惯,然后通过所有的会员体系就可以掌握所有会员的各类信息和其特有的相关产品喜好。
7.建立大会员体系。综合所有有效的数据合并到大数据的数据库里进行处理,这是万达建立大数据管理的基础,也是万达全数据模式的基础。
万达广场如何实施大数据策略?
85座已开业的万达广场分布在全国各地,万达利用大数据思维将中国按照行政划分分为了七个区(东北、华北、西北、华中、华东、华南和西南),同时,把购物中心中的业态分为四个大业态,服装、餐饮、精品和体验。通过大数据模式分析85座已开业的万达广场的经营情况,概括出不同区域市场、业态的最新变化。
1.服装零售
万达体系内经营的497个服装品牌,涵盖15个品类,店铺有3005个,总的经营面积是82万平方米,建立在这样一个数据的基础上分析结论如下:快时尚、淑女和户外休闲将成为未来一段时间增长的主力军;量贩休闲少女装和设计师品牌由于进入的门槛较低,出现了比较明显的下滑,但不代表这个业态是不可以选择的,当然在这个业态里的具体品牌要做慎重选择。
2.生活精品
生活精品共468个品牌,分为14个品类,店铺涵盖了1794个,总的经营面积26万平方米。分析结果如下:绝对坪效依然比较突出,但是个别品 类已经开始出现了负增长。在对各个区域的数据分析之后,发现生活化的东西越来越符合消费者的消费趋势和消费习惯;个人护理、创意礼品和时尚表开始出现了坪效和销售额的双增长;前几年进入购物中心的数码店和眼镜店反而出现了这两个方面的负增长。
3.餐饮
共1034个品牌,涵盖65个品类或者是菜系,共有2459个店铺,总共的经营面积92万平方米。数据平台上餐饮体现的结果是整体坪效较好,有 个别品牌会有极端的数据。针对增长突出的店铺按区域进行了分析,结果是西餐、茶餐、日式料理出现了正增长,这体现了现代消费者的消费趋势;而前几年在全国都非常火爆的韩式料理和越南菜出现了双向负增长。休闲餐饮日渐受到消费者青睐,具有鲜明民族特色的菜系生命周期偏短。
4.体验业态
共239个品牌,涵盖20个品类,经营面积为110万平米(包含院线、KTV、电玩)。数据分析的结果并不像前三类那样有很明显的趋势,结论如下:儿童相关业态均有比较好的表现,坪效和销售额两个方面都有比较好的增长,特别是儿童培训、儿童摄影、教育、游乐等门店,我们认为小手拉大手的经济依然有非常大的空间,也应该是购物中心下一步经营的趋势。
基于万达广场整体数据的分析,从餐饮、精品和服装这三大类分析可以看出,现在消费者的消费习惯或者是消费趋势正逐渐向生活化、时尚化和健康方向发展,体验业态的表现反映了家庭化、娱乐化等趋势。
万达要做的就是智慧广场
王健林说过:“购物中心不仅是有物理性的,还有智慧的虚拟性,万达要做的就是智慧广场,是做大数据,真正做到线上线下的结合”。
万达集团的大数据管理体系的搭建也在摸索和研究阶段,当所有的数据具备大数据分析条件的时候,当我们有足够的数据量的时候,如果再开始筹建一个新的广场,就可以直接从数据库信息中提取最有效的信息,对购物中心做出合理的规划和业态组成,同时可以对它后期所有的营运策略作出针对性的指导,对于推广方向也可以给出明确的意见。相信基于这些大数据,也可以同时对广场未来整体增长的情况做一个精准的预测。面对大数据时代的来临,希望我们从现在开始,改变我们所有的决策方式,我们会拿数据来说话,让趋势来决定我们的未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22