互联网时代 实体商业该如何应用大数据
实体商业在中国的发展是“0到1”的过程,即从匮乏到丰富, 全、大是其优势。但是,区别于海外商业地产的发展,国内实体商业在羽翼尚未丰满的过程中,就已直面互联网的挑战。在此背景下,实体商业的转型应关注三个关键词:
第一,迭代:“泛90后”成为消费人流主体之后,其消费理念的巨变对于商业的影响需要重点关注。
第二,去交易化:在“互联网+”时代,各类渠道都在争抢实体商业的客流,实体商业渠道的意义在减弱。
第三,强主题:主题要求的背后是人群对于实体商业情感以及价值观认同的需求。
2014年年底,全球移动通信系统协会提供的数据显示,世界上移动设备的数量首次超过人口总数。这是否意味着实体商业没有发展空间了?实际上,互联网技术改变了原有生态系统的进化周期,同时,也会推动传统行业进行变革,它们之间并非替代的关系。网店冲击实体商业,攻占了便利交易的渠道;移动终端的开发,降低了衣食住行的外向机会,但它们各有所长,互有补充。如何互补,就需要掌握两者的特性,做好大数据的应用。
对于商业地产的大数据应用,我们需要注意,大数据不等于有效数据。比如,大家都有类似的经验,即某一个文件自己确信存储过,但是需要的时候却无论如何也找不到。也就是说,目前各类PC端、移动端可带来海量数据,但是,数据众多且分散在各种载体、渠道中,分布稀疏分散,呈现海量的碎片化形态,没有按需收集,且也没有按照模型整理,并不是有效的数据。那么,如何得到有效的数据呢?
我们认为,中国的实体商业发展历史与国外是不同的,原有的发展多是“下游思维”,也就是无限向往地向海外学习经验。但是在当下,国内快速迭代的项目已经提供了丰富的比照和前沿的探索,让大家可以从“上游思维”切入。相比产品、技术等层面,从“人”的层面分析更有效,这就需要分析消费者属性、行为轨迹、特定人群分布、消费偏好以及发展趋势。
目前,研究产业互联网有两种思维模式,将互联网技术作为核心则为“互联网+”,而将产业作为价值核心延伸则是“N+互联网”。对于商业而言,实体商业拥抱互联网技术的核心优势是基于场所、产品、服务的运营管理。
无论实体商业还是虚拟商业,目标只有一个,就是争抢消费者的时间,为此需要做的事情均为提升平台效率。辨明线上线下的相似与不同,需要从互补、极尽各长的角度,提升导流、汇聚、交易、维护的价值,创造闭环方式进行运作,方能有效提升实体商业的平台效率及价值。
这就需要我们把数据变成“有效数据”,有目的性采集再去应用,而人在生活场景中产生的数据才是真实数据。大家可以想一下,在百度里输入任何一个词的时候,你的记录就会被留下,会被标签化,在当当买什么书都会有标签。交叉分析后再筛选推荐,所以你买过这本书后,他们还会推荐其他类似的书。
但是互联网数据解决不了“去标签”,这很关键。购物中心应该满足社交人群的商务社交,还是生活状态的亲子社交,需要考虑。但我们不用透过大数据,而是透过人口的采集,通过标准化工具就可以完成。比如,北京的华润五彩城,有18万平方米的体量,定位为情感商业。原因在何?因为北京北五环、中关村东面每天都有6万到7万的人流量,这些人不看重自己标签,他们更看重孩子的培养教育。
在这种情况下,大数据能帮我们做三到五公里的客观人流量,人流到访频次,行为轨迹的习惯,消费者在电商平台的购物偏好等。我们通过加标签和去标签的过程,用大数据让商业回归本质,让消费者为交易和服务付费。
强调一点,做实体商业不要总想着一步到位,很多购物中心一上来就是开发APP,却没有想到在没有会员量的时候,要花费多大的成本去吸引会员。其实现在不缺技术,但是实体商业自身没有意识到去积累会员资源,也没有把会员服务好。运营会员数据的能力是稀缺的。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 8-1 Pandas 数据重塑 - 数据变形 数据重塑(Reshaping) 数据重塑,顾名思义就是给数据做各种变 ...
2024-11-26统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22