其他
某火锅品牌生意火爆提出低价续租，商场应如何应对？｜iziRetail快报
本文信息源自Talking Data《在数据应用领域的创新与思考》
听朋友讲了这样一个案例：一个商场以低租金引进了知名火锅品牌店，火锅店生意非常火爆，租约到期时提出低租金续租。商场左右为难，既不想放弃火锅店带来的大量人流，也希望能获得更好的租金收益。
其实，令商场纠结的主要原因是，他们不确定来吃火锅的这些人流真的让商场其他租户共享到了吗？还只是看起来热闹而已？
后来，商场找到一家大数据公司，请他们监测去火锅店的人流与商场其他租户间人流的重合度。通过对人流的监测，最终发现，来吃火锅的人基本都是吃了就走，为其他店铺引流、带客效应极低。
同时，发现了百货、快时尚、国际时尚品牌对其它品牌客流的带动力表现更为突出；餐饮、超市类业态对其他品牌的带动力则不明显。
品牌到访聚类分析
各品牌对其他品牌的客流带动力
商业竞争激烈，消费者越来越理性。零售商业人基本都有了一个共识：要“深耕细作”，服务好“目标客群”。在找准、深挖目标客群的过程中，大数据可以助商场一臂之力。
和电商相比，很多实体商业还无法全面的了解到自己的消费者。如果把这种运营之道按深浅划为三道门，那么，很多商场还停留在第一重门。
购物中心通过运营监测，掌握交易数据
大部分购物中心都有自己的运营监测系统，基于客流和销售数据形成日、周、月报，为运营提供建议。客流和销售数据也可以通过交叉分析，获取提袋率、人流客单等消费转化的指标。
用大数据了解顾客在商场的一举一动
传统的会员系统可以获取客户基本信息，具有初级的粘性绑定功能。通过会员的消费积分、兑换行为可以描摹顾客的消费偏好、消费能力、停车行为。
运用大数据之后，顾客的信息会更加全面。比如，探针数据，通过客群的到访时间、到访频次、在商场内逛的习惯等，可以补充会员顾客消费决策的整个过程数据。
有了这些数据，商场可以把会员再做细分：工作日来的是谁，他们更喜欢消费哪些业态、品牌。会在哪些楼层、店铺，或者商场活动区域停留。喜欢周末来的是谁，他们的出行特征，流连的区域店铺又是哪些…….
消费者线下到访行为聚类
有了这些追踪消费者场内足迹的探针数据，商场还可以发现品牌与品牌之间的关联性，分析出哪些品牌之间是唇齿相依，互相促进的。比如下图所示：
走出商场，全面了解顾客
在前面说的第二重门里，我们能了解到的还是局限于商场范围内发生的事情。商场没办法知道，某个热爱美食、经常光顾商场食肆的顾客，其实在线上是个游戏大玩家。也不会知道一个沉睡已久的会员是一个活跃的二次元新新人类。
大数据可以通过他们的线上偏好，白天/夜间定位等等，来判断他们的性别、年龄、家庭状况、居住地、工作地，以及他们的爱好和线上消费力及消费偏好。
商场了解了自身客群的全面信息、喜好，在推广、营销、结合IP做活动的时候都可以更加精准。
特别是对于成长期的商场来说，完整的客户画像意味着更多发现潜在顾客的机会。按照购物中心的目标客群自定义特征或者高价值客群特征就可以从中锁定商场的潜在顾客。
所以，商场如果掌握了这三重门，那么可以清楚的知道顾客的喜好，推送适合的营销信息，举办符合顾客精神需求的IP活动。监测每一次商场活动、品牌调整是不是有效的促进了商场人流及销售。
以下是Talking Data所作的关于北京和上海部分商场的客流分析，现将图表分享给大家：
对比北京和上海的市级、区域级商场客流量，可以看出：在北京市级商业人流并不一定比区域级高，更取决于其所处位置等因素。而在上海，有明显的市级和区域级商业的差别。（当然，Talking Data的研究对象较少，可能存在偏差）▼
北京
上海
从重复购物这个维度来看，北京区域级商场的顾客二次到访率高于市级商业，区域商业的客户粘性更高。而上海的情况则正好相反，市级商业更具粘性▼
从商场辐射范围维度来看，发现北京和上海相比，北京商场对近距离客群吸引力更强，而上海对远距离客群吸引力更强▼
从结伴出行的维度来看，北京商场男性客群比例略高于上海，可见相比而言，北京男性更喜欢陪女朋友或老婆购物▼
以上图表均来自 Talking Data
长按二维码关注我们 : )
▼
欢迎扫描二维码添加iziRetail为微信好友
与我们进行更多互动
▼