做商業地產策劃時間越長，越感覺自己在“忽悠”。
商業地產的策劃是事關數字和回報的學問。傳統的宏觀商圈洞察大多依賴官方統計數據及抽樣樣本線下調研，一方面官方統計數據存在時間相對滯后、統計信息不全等問題，且幾乎不涉及人群消費偏好類數據；另一方面抽樣樣本線下調研對人群的覆蓋面有限，且數據結果的信效度難以保證。
似乎，我們都習慣了用
邏輯上的正確來掩蓋數據上的不精確。
長期以來，對宏觀商圈的洞察更多聚焦于客觀指標數據，如人口數量、消費水平、商品住宅價格、商業租金水平等，缺乏對主體構成——商圈人群的深入調研，對商圈人群的描述大多停留在相對主觀的定性描述上，缺乏對商圈全量人群的定量數據分析，難以形成對不同人群的分類聚合，以至于對商業定位、業態規劃及布局的指導意義極為有限。
同質化競爭比比皆是，
因為我們的分析只停留在表面
對商業開發企業而言，進駐商圈的傳統指標體系主要包括衡量經濟水平的宏觀數據及地產投資相關數據等，對商圈人群的認知始終面臨缺乏獲取渠道、數據質量不高、數據內容不全等諸多難點；同時，對商圈內已有競品的認知也停留在可見的業態格局、品牌分布、租金水平等層面，至于競品客群的消費特征以及自身面向的目標客群與競品客群的差異均無從得知。因而，市場上現有商圈內同質化競爭比比皆是，客群分流嚴重，加上網購熱潮的沖擊，實體商業舉步維艱。
在傳統手段弊端愈加凸顯的新型消費時代，企業迫切需要尋求一種更有效、更直接、更全面的方式來認知商圈人群，從而為商業投資做更有力的決策支持。
對購物中心投資或運營決策而言，
洞悉商圈人群是一切決策的核心。
舉個最近接觸到的例子：
某商業地產領軍企業已建立自身在商業領域的優勢地位，以城市綜合體的產品形態成為行業標桿，同時涉及多個業務板塊，形成以商業為核心的上下游產業集群；企業開發的成熟產品線在一、二線城市覆蓋率高，全國布局正向二、三線城市傾斜，為此需要：
-
對進駐不同城市的商圈進行指標對比，全面洞察商圈人群，了解客戶群體的行為偏好、行動軌跡、媒體觸點等，為商業定位、業態規劃及品牌招商做決策支持，
-
未來還將通過監測場內到訪客群及競品客群，有效提升目標客群獲取率，持續優化商業運營坪效。
因此，充分了解、洞察商圈人群是此項目的重點需求。
大數據技術的引入：
商業客群定位的新式武器
進入移動互聯網時代以來，人們越來越多地依賴于移動設備獲取信息，同時通過移動設備這個載體，有關人群的各種各樣的信息也更多的以“數據”形態被記錄并存儲下來；人群大數據信息構成了宏觀商圈洞察中用戶畫像的核心數據來源。借助大數據工具，宏觀商圈的人群分析得以從模糊的定性描述變為定量的數據分析結果，真正從消費偏好出發構建商業定位的圖景。
從數據收集到數據挖掘，從數學模型到深度學習，從分析工具到數據平臺，在數據應用領域積累了豐富的經驗及海量數據，逐步打造了以SmartDP平臺為核心的數據生態體系。針對宏觀商圈人群洞察，華錦億爵借助地理圍欄圈取商圈人群及競品客群，同時整合來自于眾多渠道的數據，與數據中心超過40億智能終端設備的線上行為、線下軌跡數據進行匹配，全面利用數據挖掘分析技術，發揮數據價值、服務地產投策具體業務場景。
引入機器學習技術，采取Lookalike放大，尋找相似人群
基于企業成熟產品線的已有會員客群，用機器算法放大尋找相似人群，更快地了解陌生商圈內的潛在客群情況。
圈取地理圍欄移動設備集，描摹用戶畫像
圈取商圈及競品地理圍欄，獲取到的移動設備數據可實現與數據中心關聯匹配，通過用戶畫像描述其人口屬性特征、設備使用特征、線上應用偏好及線下行為軌跡，更準確地了解商圈人群及競品客群屬性。
基于移動互聯網大數據基礎的360度用戶畫像
借助聚類分析，實現商圈人群差異化分類
依據用戶畫像呈現出的人群線上應用偏好屬性，采用K-Means進行聚類分析，建立人群細分模型，定義商圈內不同人群，同時分析競品客群分類情況，確立自身的客群定位并指導與之匹配的業態布局、品牌招商策略等。
宏觀商圈洞察中大數據工具的
創新應用方式
借助大數據技術，宏觀商圈洞察將破解傳統調研方式的困局，全面展示商圈人群的屬性特征、設備使用特征、線上應用偏好、線下行為軌跡，結合以上商圈內人群特征，同時對競品到訪客群進行相似維度的刻畫，從商圈和競品的兩個層次來深度解析未來消費客群的整體特征及分類情況，從而指導前期商業定位、業態規劃、品牌布局等等。面對紛繁蕪雜的商圈人流，借助大數據工具可快速獲取人群特征，且保持實時追蹤及更新，并能通過不同城市、不同商圈的指標對比，發現最合理的商業布局模式。
華錦億爵依托自身獨特的移動端數據積累優勢，結合行業領先的大數據算法實踐，從人群基礎標簽到人群分類管理，真正實現對宏觀商圈人流的高精度洞察，從而輔助企業提升決策效率、增強決策信心。目前在商圈洞察中主要的大數據應用方式包括：結合土地價值分類完成商圈價值基本判定、結合已有會員人群及lookalike技術完成潛客人群挖掘、結合標簽體系完成用戶畫像、結合聚類分析完成人群分類、結合商圈及競品對比分析完成定位指導等，伴隨對其他行業數據源的全面整合，未來仍將在商圈洞察領域做出更多創新嘗試。
商圈基本價值定位
項目所在商圈價值首先歸因于區域宏觀特征，如人口總量及增長趨勢、人口密度、人群偏好、遷徙特征等等，同時結合城市規劃的大方向趨勢特征，在此基礎上可實現對地塊價值的基本判斷。大數據有效彌補人群偏好特征及遷徙規律，為傳統靜態數據提供有效補充，從而為商圈基本價值定位提供了更高效、更便捷的實現方式。
商圈整體價值判斷
結合已有會員人群及lookalike技術，實現潛客挖掘
例如作為已擁有成熟產品線的商業地產領軍企業，該項目雖然首次進入陌生商圈，但在其他城市或類似商圈早已進入成熟運營階段，也積累了一定數量的忠實會員人群。從消費特征的角度來看，相似人群總會在相似的商圈內發生相似的消費行為，因而對已有會員人群的特征獲取將成為潛客挖掘的重要前提。借助大數據lookalike技術，將通過對已有會員人群消費特征的模擬，快速定位陌生商圈內潛客人群的分布情況，從而指導商業定位快速落地。
大數據lookalike技術實現潛客挖掘
結合標簽體系基礎上的用戶畫像，準確把握商圈消費者特征
基于移動大數據的大規模積累，建立起有關人群描摹的六大類基礎標簽，包括人口屬性、設備屬性、游戲特征、線上應用偏好、線下行為軌跡、消費興趣，同時也可以結合企業自身需求做定制化標簽開發；以全樣本數據為基礎，人群標簽體系為核心，將全面構建商圈內消費人群的360度畫像，實現更全面、更精準、更高效的人群描摹。用戶畫像既包括整體商圈層次，也包括競品層次，更好地輔助企業決策。
商圈人口屬性特征
商圈人群移動設備屬性特征
商圈人群線上應用特征
商圈人群線下行為軌跡
結合聚類分析，實現商圈人群分類管理
在對商圈人群完成360度用戶畫像后，可從不同維度實現對人群的分類管理。在已有的實踐嘗試中，年齡、婚姻狀況、車輛保有情況、性別、設備品牌、應用偏好都可稱為進一步交叉分析、聚類分析的基礎維度。結合該商業地產企業的自身需求，華錦億爵大數據技術團隊以線上應用偏好作為最重要的聚類基礎，將商圈內人群分為偏好差異明顯的幾種不同類型，從而便于把握不同類型客群的消費特征，為商業主力客群的選定準備了有力的數據支持。
客群聚類分析結果
不同客群線上應用差異
不同類型客戶線下軌跡
結合商圈人群及競品客群的對比分析，支撐項目客戶定位
宏觀商圈人群的調研有助于企業整體把握人群整體特征，同時商業競爭最大的壓力在于競品分析，因而同樣通過圈定地理圍欄的方式，可針對競品客群做相似維度的全方位畫像。通過商圈人群和競品客群的對比分析，可清晰地發現競品客群在哪些方面提升度較高，已實現對人群哪些商業需求的滿足，同時又存在哪些顯著機會。這些將成為商業項目前期定位的核心內容之一，同時輔以線下對商業租金的了解，將極大幫助企業完成商業機會的捕捉和投資回報的基本測算。
商圈人群及競品客群設備屬性對比
商圈人群及競品客群應用偏好對比——提升度分析
借鑒評估同類商圈發展歷史
選取與目標商圈發展背景、商圈結構相似的商圈，分析同類商圈的發展歷史及人員變遷。例如，在對北京天通苑和回龍觀商圈的比較重，我們發現天通苑整體消費能力下降、社會中堅層26-35歲人群流出，而回龍觀人群特征變化不大，家庭人群與35-46歲人群的高消費能力人群進一步增長，但回龍觀內商業尚不發達，區域內人群會選擇外部購物中心消費，而天通苑則得益于龍德廣場的豐富業態，有效避免了消費外溢。
天通苑與回龍觀同屬于大型生活社區，同樣面臨距離北京核心城區遠，地面交通、軌道交通擁堵等問題?；佚堄^地區得益于周邊產業環境，商圈內消費力有保障，同時地區商業尚不發達，類似于天通苑2007年地鐵5號線開通但商業尚未完善的階段。在北京城市交通短期內難以得到根本性改善的前提下，回龍觀很可能形成類似天通苑的封閉式區域商業體系，是商業地產郊區型購物中心投資的真正“價值洼地”。
大數據輔助商圈洞察，
助力企業商業決策
當前階段，大數據仍然無法完全代替傳統商業調研方式，但作為有力補充，二者結合既提高了商圈洞察的效率，又增加了商圈洞察的精準度，使大范圍、大樣本的商圈人群描摹得以有可能真正落地。對于商業產品線不夠完善，商業投資經驗不足的開發企業而言，大數據將極大程度降低決策成本，避免進入市場盲區；對于商業運營較為成熟的開發企業而言，大數據將極大提升決策效率，實現商業模式的更快復制。相信隨著大數據技術日臻完善，數據來源日趨豐富，未來在商圈洞察層面的應用場景也將更為多元化。
快速提高調研效率
傳統商圈調研需要大量人工線下工作，通常調研周期至少要一到兩個星期才能完成，而依靠大數據技術的應用，可以實現地理圍欄的快速圈定，人群批量數據結果的實時分析，在此基礎上同步結合線下數據的補充，就可以滿足快速完成商圈洞察以加速商業定位的業務需求。
提升樣本覆蓋范圍
傳統商圈調研基本以抽樣樣本為主，樣本量受限且難以覆蓋商圈整體范圍，線下工作實現難度大。利用大數據商圈洞察應用，可從全量數據上整體描摹商圈特征，讓企業決策不再一葉蔽目，從全局角度把握項目開發策略。
增加有效調研維度
傳統商圈調研通常依靠宏觀靜態數據為主，輔以商圈內的商業發展水平來判斷商圈整體特征，然而宏觀靜態數據存在較明顯的滯后性，商圈內商業發展水平則大多以商業租金、坪效值來反應，缺乏對消費人群的直接描摹。雖然傳統商圈調研問卷中會涉及到對消費者消費水平的考量，但從調研結果看，很難得到人群的真實反饋。結合大數據應用方式，商圈內人群的消費特征將通過設備屬性、人口屬性、線上應用偏好、線下消費軌跡等多個標簽維度全方位展現，從而幫助企業做出更準確的定位判斷。
整合企業累積數據
對開發企業而言，已有項目的運營操作經驗可復制性高，但在前期定位階段對不同商圈的認知往往無法復制。結合大數據工具和lookalike算法技術，企業已積累的消費客群將成為重要的種子數據，以此作為學習對象，將快速模擬出在不同商圈內的潛客分布情況。這一重要突破將快速建立項目定位和目標客群間的映射關系，極大提升企業入駐陌生商圈的成功率。
展望未來
商業決策進入大數據競爭階段
地產作為傳統行業，具有其自身特殊的發展階段特征，目前商業地產在運營層面已較多涉及大數據技術，但在前期定位階段，大數據應用尚處于起步階段。因而，在商圈洞察領域還存在較多可突破的空間，如結合更豐富的數據源，實現消費者、消費特征、消費數據之間全面打通；結合政府交通數據，實現對人群交通方式的準確把握等等，這些都有賴于大數據技術的進一步完善，也需要依靠整體大數據行業發展環境的全面提升。
商圈客群更加清晰、商業定位更加精準
對于商業企業來說，大數據技術的引入最直接也最根本的目的是要了解真實的商圈消費人群，進而挖掘他們自己都尚未覺察到的需求，從商業運營角度彌補需求、提升定位精準度。大數據技術幫助企業獲得越來越精準的商圈內消費客群畫像，未來的商業定位將不再像現在這樣面臨大同小異的尷尬，而是真正做到應需而生，避免千鋪一面的盲目競爭，真正開發面向細分客群的商業類型，滿足不同的消費需求。
商業服務更加個性化、商圈發展更加有序
基于大數據工具在更多商業開發業務場景的創新探索，未來的商業定位階段即可實現對目標客群的高效捕捉，同時以客群呈現的特征作為營銷推送的重要參考，分類管理及經營不同類別客群，提升客戶粘性，并實現與競品客群的準確區分，在商圈內實現差異化競爭格局，真正推動商圈整體的有序良性發展。
- 上一篇： 2016年商業地產主流趨勢
- 下一篇： 地產商如何轉型參與特色小鎮15萬億建設商機