王玉珂:商业运营进入“场外时代”

4月23日 · 2018年
RET睿意德 · ·
本文转自微信公众号“RET睿意德”(ID:retweixin)

过往商业运营侧重商品的场内思维,无法感知消费者的全画像,互联网时代对场外消费轨迹的立体洞察,有助于建立运营流量新入口,形成消费者与商场的强关系。

几年前电商对实体商业冲击很大,承受着巨大成本压力的商业地产商们发现消费者移情别恋,大家的关注都在线上,线下消费怎么走?实际上,线下是真缺少人流吗?首都机场人流量在全球排名第二位,2016年旅客人次高达9,440万,是新加坡樟宜机场的近2倍,但它的坪效只有新加坡的1/3。同样,上海南京东路游客每年2.5亿人次,66%的是外地游客,然而其百货老店客户66%是本地客群。客群明显的错位,顾客真正喜好是什么,传统方法我们无法得知。对于一个新项目,大家惯例认为其周边5公里内都是目标客户。结果大学城附近一个原本将学生当作目标客户的项目,用大数据测试时,发现他们少有到场消费。

对于实体商业而言,其实并不是缺少消费者,而是我们根本不知道消费者需要什么,这种错位严重影响实体商业的效率。真正的消费者去哪里了,场外停留多久?他们在消费什么?之后他们又去了哪里消费?这些是传统场内思维无法回答的。而以移动互联为代表的大数据研究,将消费者的需求画像重绘到场内,给运营者有了全新角度去挖掘消费者的真实需求,重构商业内部业态组合。

场内运营思维亟待改变

伴随着消费升级以及线上消费等新模式的涌现,传统场内商业思维也受到了严峻挑战,主要表现在:

第一,消费者选择权。顾客都热衷天猫或京东线上购物,原因之一由于线上拥有几百万甚至上千万的SKU可供选择,而实体店场内却只有两三百个品牌,许多不是消费者喜欢的,顾客消费往往是被迫选择。

其次,数据孤岛。对于商业运营商而言,他们也做了不少数据统计,但统计的很多指标都是没有关联的,无法知道消费者的真实需求。

第三,运营数据的实效性。以往我们拿到的场内数据只是客户在场内留下的一个点的短时表现,而实际上消费行为是动态的,对于商业运营来说消费变化的趋势才能真正预判未来。

第四,品牌互动性。商场内的几百个品牌,相关系数越大,他们客户相互转化能力超强。然而如果仅凭经验判断这些品牌的互动性,没有十年以上的经验判断将非常难。

多年来商业运营侧重商品,无法感知消费者的全画像,在零售地产向消费地产新时代转变过程中,运营思维必须转变。新的时代我们谈商业叫消费地产,消费对于人而言绝非是单一的交易过程,而是多样性的,是一个体验的过程。

变化的消费者与运营思维

商业竞争方式的变化影响商业形态的变化,其运营思维也发生根本变化。商业地产从最初百货业态至今,运营思维经历了五个明显时代。1.0是百货时代,运营侧重在是商品的丰富性;进入2.0时代,专业店从百货脱离出来,包含超市、家电,运营以专业连锁为主导;3.0是购物中心时代,它强调多元化运营;进入4.0时代,商业运营则强调体验与主题性,如侨福芳心草地;现在商业运营进入5.0时代,数据流量成为运营的核心,人、货、物流都流动起来。由移动互联技术带来的数据流量思维,将推动商场运营进入场外时代,用户的场外消费痕迹是未来的研究重点。

在移动互联时代,我们更容易捕获消费者的行业痕迹,其消费特征从隐性向显性转换。消费行为发生了根本变化:

第一,千禧一代成消费主力,经济更加独立,消费更加感性,无论是80后、90后,甚至00后,他们的消费价值观已经变化了,原有形态面临淘汰;

第二,结果消费向过程消费转移,品质、服务要求越来越高,以功能为基础的消费模式走向尽头;

第三,个性化需求强,消费者更加在意自己的感受。在数据与智能时代的到来,个性化生产成为可能,满足消费者的个性需求具备了坚实基础;

第四,移动终端成为获取用户信息的主要来源,凭借移动端我们获取消费信息的时候变得更加容易,甚至能读懂消费者;

第五,消费者越来越喜欢社交与分享,以特色场景为基础的消费,将成为顾客传播的主场;

第六,消费者复合需求体验感更强,由于大城市病,他们消费的时间成本很高,不愿意在一个点只办一个事情,因此复合消费趋势越来越明显。

逆商时代,必须洞悉消费者场外需求,B2C必须向C2B转变,以消费者为中心的新场景正在到来。

场外消费要素,赋予商业更多可能性

顾客的消费决策,会受到相关信息渠道的影响,对于场外消费的核心要素应该关注:

第一,场外时间,除睡眠以外,顾客在商场占其日常生活时间的比重非常低。消费者在关注什么、消费什么,商场管理者必须要重视他们不在场的时间,帮助其形成不间断的联络沟通;

第二,场外商圈,传统运营思路认为我们跟商圈里边所有商户或者别的购物中心都是竞争关系,在新思维里,共生才是可持续的。既然都是面向消费者,能不能把场外最受欢迎的业态、最感兴趣的商户转变为合作关系,形成一个大的虚拟购物中心、大商圈的概念,建立为消费者服务的闭环;

第三,场外数据,消费者在场外花更多的时间,他们的消费习惯和消费行为轨迹形成我们研究的大数据,其数据的搜集、分析、运算、归纳、统计将使我们更好了解顾客的喜好,会越来越影响商场生意的繁荣与兴旺。

挖掘场外更多的数据,不断唤醒消费者的场外行为,能够更精准进行租户调换、业态比例控制以及促销安排,从而以提升商业运营价值。

场外运营思维,数据驱动实体效率提升

大数据应用对商业运营而言意味着效率提升,其场外运营的路径包含:

第一, 投资决策,商业项目投资最头疼是我们无法准确判断区域商业价值以及未来成长性,最主要原因是我们了解的信息太少导致决策困难。有了大数据,我们会对多维指标如人口密度、消费力、住宅分布、楼盘价格、产业办公、办公租金、轨交设施、公交站点进行数据叠加形成数据城市地图,从商业角度进行板块价值对比,从而帮助我们量化决策;

第二,竞品研究,了解对手才能做到差异经营,项目的消费者到竞品去了多少,他们在那里消费了什么;同样竞品的顾客跑到自己项目消费的人数以及内容,这些内容的了解帮助我们认知竞品的客群及辐射能力,实现差异化选择;

第三,产品测试,新开业项目或品牌进入一个新项目之前,我们无法获知品牌是否为消费者所接受,可以通过建立实体线上虚拟商场或快闪店,提前让顾客做消费测试,捕获未来消费趋势数据,帮助招商前了解品牌的接受度和受欢迎度。

通过场外数据,摒弃传统竞争思维,以商圈人流共享,实现互补与共通的关系。

数据流量的本质是为提升实体效率服务的,数据留存已成为商业运营的首要任务,除了消费者数据、成本数据和人流数据等经营数据外,要特别关注场外数据,包括商圈数据、竞争数据、消费行为数据、出行数据,并将这些数据叠加形成立体的人物画像,从而为量化决策提供坚实依据。实体商业运营进入5.0时代,数据流量管理已成为未来商业决胜关键,它从而不同方面帮助运营效率提升:

第一,精准项目定位。人群有不同特征,其不同特征的交叉产生新人物标签,其表现消费行为差异很大,大数据的应用使人物画像更加完整,从而为项目精准定位提供决策依据。

第二,提升产品及服务丰富性。商场由于面积原因,传统规划品牌数量有限。大数据标签细化以及消费者个性化需求明确,有助于减少无效需求。比如来福士的消费者喜欢娱乐、喜欢电影院,如果引入要3,000-5,000平米传统电影院,先大大影响其它品牌引入,而且坪效很低。根据消费数据研究,区域存在娱乐需要,如果增加此类业态,将改善商业提供的服务。通过大数据分析,确定真实需求量,项目影院仅规划了600平米,同时配置西餐与咖啡,形成跨界组合,成为项目业态亮点。这样不仅丰富业态,而且提升租金水平。

第三,挖掘客户的终身价值(CLV-Clients Life Value)。获客成本越来越高的情况下,如何提升顾客的转化率,是运营思考的重要问题。大数据懂得客户更多的需求,创造更多关联衍生服务,挖掘顾客潜力。奶粉与洗衣机是毫无相关的两个产品,大数据发现两种产品有一个联系,就是孩子妈妈都需要。即购买高端奶粉的用户、延伸至专洗婴儿衣服的洗衣机;同时Starbucks的烘焙店,引入从咖啡豆到成品咖啡的工艺生产线,使是顾客体验整体生产工厂,加大顾客滞留时间,从而激活咖啡豆、咖啡机、纪念品等关联产品的销售。

第四,建立社群关系巩固消费。基于大数据所做出社群细分实现价值观运营,有效建立顾客与商场的紧密粘度,建立强关系,实现深度服务。宜家提供场所不是贩卖家居产品,而是提供家居生活空间,将贩售的产品全部置于无边界的活动场景中,如独立卧室、起居生活、厨房布局等,这种以社区标签为特征方式,将极大触发与顾客的消费情绪,从而提升更多的运营效率。

第五,OMO(Online Merger Offlinex线上融合线下)延长顾客服务时间。无论线上还是线下,都无法完全满足消费者体验,两者的融合将成为未来主流。盒马鲜生通过APP提供传统商业营业时间以外的服务,提供 24小时服务,以在线方法与客户建立持续沟通,使服务范围更宽更快,其实体效率也得到提升,它的坪效几乎是传统超市的3倍以上。

第六,加速流量转化。无论是Amazon还是Alibaba,都加了对传统超市的投资力度,其核心是占住超市未来的实体的流量入口。消费需要刺激,而高频消费是最重要的刺激类消费,但其价值往往较低,为加入流量变现,在规划时要加入低频高利润产品与服务,实现效率增加。诚品书店不仅是图书贩售场,而且是提供生活美学的空间,除了图书以外,也规划水果、蔬菜的创新业态,通过这些高频的产品,不断置入利润更多的商品与服务,如饰品、餐饮、咖啡等。

场外运营思维的本质是通过数据流量,让商品与服务回归到人。融合场内、场外数据,聚焦消费者复合需求,衍生更多场内服务,共建商业的生态消费圈。

新时代需要不一样的新思维,商业运营进入5.0时代,数据流量成为各家商业运营的新武器。睿意德已与知名大数据公司如银联、移动以及阿里等一起做了大量基础研究,并在众多商业运营项目进行了多次实践,积累了相当多的数据分析研究经验。同时结合乐铺、小喇叭以及云猫等数据平台,以领先的数据决策方法驱动行业效率大幅提升。