
購物中心開展O2O 和數(shù)據(jù)分析應用存在的問題
線上線下企業(yè)都在嘗試O2O,大小企業(yè)都在尋找符合自身定位的O2O……誠然,O2O是個大話題。接地氣地講,零售業(yè)O2O的現(xiàn)狀是怎樣的呢,其中購物中心業(yè)態(tài)的O2O具有什么特點以及需要解決的問題呢?
近日凱德商用業(yè)務流程與資訊科技部經(jīng)理張維舉等嘉賓通過俱樂部在線就上述問題進行了探討。
如何看零售O2O現(xiàn)狀
O2O的現(xiàn)狀,目前大家都是摸著石頭過河,不管是線上大鱷BAT,還是線下大鱷如萬達等,或是各個創(chuàng)業(yè)公司。大家都認為O2O是方向和趨勢,或多或少都在參與,但是目前沒有成熟可復制的模式。畢竟線下比較重,傳統(tǒng)的固有的東西比較復雜,要統(tǒng)一起來,標準化起來,需要一個過程。
購物中心O2O的幾大環(huán)節(jié)
1、入口
購物中心的O2O可能是零售各業(yè)態(tài)中最復雜的,對流量、入口、大會員、大數(shù)據(jù)、會員標簽、會員積分體系、支付和獎勵等環(huán)節(jié),都需要通盤考慮。流量和入口,現(xiàn)在普遍做的都是WiFi入口,從線上導流,騰百萬、阿里系都在做。
2、會員
入口的下一個環(huán)節(jié)就是會員。不論騰百萬是否靠譜,不得不承認,百度和騰訊的大數(shù)據(jù)能力及儲備、會員體系的完善,是國內(nèi)數(shù)一數(shù)二的。騰訊近期剛榮獲品牌排行榜第一名,超越了中國移動,這就是對其會員體系的一種認可。可通過積分獎勵、WiFi無限、停車免費等手段促進。
3、大數(shù)據(jù)的采集
會員的下一個環(huán)節(jié),就是大數(shù)據(jù)的采集,這個是重點,也是難點,更是痛點!沒有數(shù)據(jù)的采集和儲備,就談不上會員的經(jīng)營,談不上購物中心的O2O。由于購物中心的模式區(qū)別于百貨,各個商家的經(jīng)營都是相對獨立的,想要切入進去,會有一定的障礙。
?。?)銷售數(shù)據(jù)的采集
數(shù)據(jù)采集最重要的是客流數(shù)據(jù)和銷售數(shù)據(jù),客流數(shù)據(jù)還好辦,銷售數(shù)據(jù)的采集涉及到支付環(huán)節(jié),支付環(huán)節(jié)對于有集中收銀的購物中心好辦,改造POS即可,但是,對于自主收銀的模式,是個難點。
目前,國內(nèi)百貨企業(yè)主要采用集中收銀模式,國美、蘇寧也是集中收銀。但在一線城市,集中收銀的很少,幾乎沒有。在二線,尤其是三、四線,集中收銀的還是比較多的。趨勢是,走向集中收銀化。
那么,銷售數(shù)據(jù)的缺失如何彌補呢?
難點就在于此。因為租戶不愿意讓你動它的POS,尤其是強勢品牌,或者是總部對各連鎖分店的把控流程做得非常標準的情況下。這個難點,不是技術問題,而是商務問題。技術上都好辦,改造租戶POS是一種最簡單的方式。
其他方式:1、自建POS。比如萬達的做法是外掛一個萬達POS,即自己研發(fā)一個POS,擺在租戶的收款臺邊上,作為數(shù)據(jù)采集用。2、掃描小票,OCR識別。 3、通過引入微信和支付寶的線下支付,來從中獲取銷售數(shù)據(jù)。
有了上述技術手段的支持,銷售數(shù)據(jù)的采集是否就可以解決呢?個人認為,雖然不能像線上那樣保證完整性,但是各種手段的綜合應用,數(shù)據(jù)的采集會好很多。
凱德MALL的實踐體會是,集中收銀占比較大的商場,數(shù)據(jù)的完整性更好一些,自主收銀為主的商場,如果商場控制力比較大,數(shù)據(jù)完整性也很不錯。
?。?)客流數(shù)據(jù)的采集
客流數(shù)據(jù)采集主要依靠WiFi,WiFi的功能一般包括以下幾方面:第一,服務?;镜纳暇W(wǎng)服務。別人有,你也得有。雖然上網(wǎng)不能直接帶來收益。第二,客流采集。包括客流數(shù)量,駐留時間,返店頻次,軌跡,新老顧客的判別等等。第三,WiFi的Portal的是一個很好的接觸點。
邁外迪在WiFi入口方面做的應該是比較好的,所以被小米、騰訊注資,也是對其一種認可。
除了WiFi,攝像頭識別應該是最普遍使用的技術手段,但攝像頭的識別率其實不高,受環(huán)境的影響很大,比如光線、地面有無水漬、灰塵、客流的速度等等,而且攝像頭無法跟蹤軌跡,無法計算返店率,無法具體到人。
跟線上相比,雖然WiFi采集還存在很大的差距,但是比以前好很多,所以還是數(shù)字信號來得直接,只要算法科學。
縱向相比,以前的數(shù)據(jù),大部分來自于市調(diào),樣本的誤差很大?,F(xiàn)在大家對于數(shù)據(jù)的重視前所未有,這都是在向好的方向發(fā)展。不像以前,銷售數(shù)據(jù)的最細粒度是某品牌一天銷售的總額,一般不會細到每個時間點,更無法拿到各個消費者的消費數(shù)據(jù),商場和消費者其實是隔離的,沒有溝通管道,也沒有數(shù)據(jù)的貢獻。
4、大數(shù)據(jù)的應用
數(shù)據(jù)采集的下一步,就是數(shù)據(jù)的應用。說的具體點,就是給會員打標簽,說的形象點就是給會員畫像。比如通過消費偏好、消費頻次、返店頻次等等,判斷TA是時尚達人,還是美食達人,等等。通過畫像,來做會員的經(jīng)營。各種精準營銷是從這個節(jié)點開始發(fā)起的。這樣,可以做捆綁銷售,比如你19點來吃飯,那我可能會讓你消費一定積分,以某個低價來看20點30分的電影,如果那時候電影沒有滿座的話。
凱德商用一次提取的基本數(shù)據(jù)量很龐大,很多都是冗余數(shù)據(jù),需要剔除,比如,一個人在中庭座位上坐了一小時,每5秒采集一次的話,這個數(shù)據(jù)有700多次的冗余。二次提取的數(shù)據(jù)包括客流數(shù)量、駐留時間、返店頻次、軌跡、新老顧客的判別等等。這些都在可操作的層面,達成了數(shù)據(jù)分析的成果。
數(shù)據(jù)的積累不是一蹴而就的,需要一個過程,高層的耐心是關鍵。所以,Mall的O2O也應該必然是一個一把手工程。投入很大,短期內(nèi)不見效。比如萬達要短期內(nèi)見效果,不只是綁定BAT那么簡單。
5、線上引流
線上引流方面, BAT的手段都差不多。阿里有各種接觸點,如淘寶、天貓、淘點點、高德地圖、UC等等。阿里本身積累了龐大的消費數(shù)據(jù),對于商圈內(nèi)的用戶了解可能比商場自己了解的更深入。阿里曾經(jīng)把天貓和淘寶的送單數(shù)據(jù),疊加在高德地圖上,按照客單價等指標,分析區(qū)域熱點,這是一種嘗試。
結(jié) 語
總的來說,BAT在比特世界是霸主,在原子世界各個商場才是地頭蛇,需要合作。比特世界引領的互聯(lián)網(wǎng)思維,是以標準化來重新格式化傳統(tǒng)領域,但是涉及到原子世界的復雜性的時候,比特霸主可能就沒那么左右逢源了。線上有第一第二,沒第三第四,但線下沒聽說哪家地產(chǎn)哪家商家一統(tǒng)江湖的。線下和線上的區(qū)別很多,但是最重要的應該是線下有Location這個維度。大家都看到其中的機會,都在嘗試,摸著石頭過河。
同時,原子世界的鴻溝遠比比特世界大的多,要指望O2O一統(tǒng)江湖,短期內(nèi)徹底完全改造線下,不太現(xiàn)實。但是好處的確很明顯。可以從幾個垂直的行業(yè)入手,比如做的最好的應該是電影和打車,業(yè)務簡單,流程標準化,切入方便,雕爺也在做美甲,不過這個可能不好辦。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11