数据赋能商业运营之路

【摘要】商业大数据，它以人、货、场分析目标，从特征、偏好和行为三个维度进行系统分析，评价、预测商业规律的过程；大数据体系包括数据采集、数据结构化、数据挖掘、数据应用四个层次，其中数据的采集与挖掘是关键，数据结构化则是消费标签化的核心。

【关键词】数据赋能；信息技术；商业分析

谈到数据运营，读者的第一印象会想到BAT、滴滴这些市场的独角兽企业，的确，在数据运营方面的，互联网企业一直是走在前面的，这主要是基于在其数据收集方面天然具有优势，对于线上商业来说，他与消费者的联系，对货品的组织，都是通过数据来展示的，消费者进入网站后的每一步点击、每一次页面停留都完整的被记录，对货品分析的是点击率、转换率、成交率等指标，是一个比较典型的漏斗分析，而对人分析的多是基于购物篮、停留轨迹和生命周期的分析，以上再辅之注册时候的消费者提供的ID、性别等生理数据，线上商业理论上能够完整的描摹出每一个消费者的生理及消费偏好画像。但线上商业也有其必然的劣势，就是对人天然属性的把握，仅仅依靠线上，是不准的，什么是人的天然属性，简单的说，就是人是一种会说谎的动物，这就导致了在线上和线下可能会被判别为两个完全不同的个体，因此，我们看到，线上商业虽然已经积累了数十年的数据，仍然没有大规模去商用，甚至这两年线上企业大规模的在往线下渗透，大搞新零售，阿里收购银泰，京东收购永辉等等，一方面是扩大规模，维持市值的需要，更重要的，笔者认为是对数据完整性的渴求。

购物中心作为最典型的线下商业，物联网等信息技术的不断发展，使得原本消费者在购物中心内碎片化的数据能够相对完整的被捕捉和分析，一方面，使得消费者在购物中心的体验更加优化，表现在逛街的效率提高，与商家的互动更强，比如现在移动支付的发展、无卡化会员积分、自动识别停车、个性化的货品推荐等等，而另一方面，在这些场景化体验优化的背后，对于购物中心，最大的改变则是信息化补齐了对消费者信息收集的短板，解释一下：传统的商业逻辑是围绕货品展开的，分析的是销售额、租金、坪效等招标，而信息化使原有围绕商品的数据分析逻辑主向围绕人转变，分析的是人的偏好和行为路径，得意于此，人和货两条数据链条才形成闭环，而笔者所服务的项目大悦城，一直强调的经营客流、做客群价值研究，理论源头也是基于此，而这一过程具体是如何做到的？我们说信息化不是无源之水，要实现消费者体验和商家的目的之间，需要真正的物质支撑，主要有硬件和软件系统构成，我们用一张逻辑导图来做说明：

通过以上的信息化设备能够捕捉到消费者的生理特征、行为轨迹和消费记录等，从逻辑关系比较，线下线下在数据获取的维度上，已经等同了，而线下数据比较线上来说，其信度和效度要高的多，我们简单谈一下几类线下数据的应用：

1、评价类

在购物中信评价类一般分成四个大类，分别是运营类评价，招商成果类评价，推广活动类评价以及消费者评价。

运营类评价多涉及品牌、货品的分析，是线下商业最为重要的一部分， 一般分析的多为销售、客流、客单价、提袋率等指标，通过排序法、矩阵比较法、漏斗转化率等评价品牌货品的业绩情况。

招商类评价多涉及品牌、货品调整的效果，多通过销售同比法、品类类比法、价格带分析法、动线热力图等来评价招商调整的效果。

推广类多涉及活动效果类，以客流、客质类和会员相关指标为KPI，以投入产出模型和活动目标的偏差等评价推广效果。

消费者评价主要是涉及消费者购买力及标签分级，以RMF及会员生命周期等模型为主要评价手段。

2、预测类

预测类一般分成两类，分别为货品组织的预测以及消费者行为的预测。

货品组织多通过对时间序列的研究，研究货品在不同时段的规律性变化，进行提前对货品的增减和品类变化进行调整。

消費者行为预测则需要通过WIFI、蓝牙设备感知及人脸识别技术的应用，通过对其动线和消费数据的复合分析，将消费者进行标签化，通过同类或关联推荐，在时间序列和场景化上，完成消费者的消费预测。

通过以上的实例，可以看到，以经验为导向的传统商业分析，逐渐会向数据导向的商业决策支持转变，真正做到数据赋能商业，这样，线下、线上商业的融合才真正能做到，消费者的画像才能清晰，消费者的需求才能更好的被满足。

作者简介：

隋国栋，中粮置地杭州公司。