分析一家传统行业如何用O2O来拥抱大数据

简介:

当前,传统产业纷纷跨界互联网,尤其是零售百货业更积极地向O2O转型,利用大数据来提升产业效率,其转型背后原因,一来从供给端看,传统产业生产效率低,加之日益高起的房租、人力成本以及电商冲击,急需互联网信息技术升级来提升效率;二来从需求端看,懒人经济下的消费需求升级,消费者对于服务体验的要求越发苛刻,这也反过来倒逼零售业的服务升级,从需求端进一步刺激供给端的加速转型。也许这也是商业地产plus互联网+,打造智慧商场的初心。

来过上海的朋友一定都知道坐落于市中心最黄金地段的购物中心——来福士广场,但或许你不知道这家Mall背后的操盘手是谁?今日不妨一起来看看它背后的凯德集团,这家在华坐拥64个购物中心,几十家服务公寓,多套住宅房产,年服务6亿人次消费者的商业地产领军者如何用大数据思维来打造O2O产品。

智慧商场:互联网+商业地产

所谓智慧商场是凯德新上线的凯德购物星2.0 beta版,可通过微信及手机站登陆,即可快速注册成为会员,轻松实现网上浏览商户信息,快速获取商场服务资讯,随时随地查看商场活动。凯德购物星2.0 beta版与百度、美味不用等互联网知名企业或垂直电商领军企业合作,融合了数字时代消费者互动、即时、快捷的一站式体验,能够搜索商场美食即可网上排队领号,预先搜索商场停车信息,领取各类优惠卡券进行电子化消费,同时积分兑换范围十分广泛。随着平台开发与合作的不断推进,还将会有团购、秒杀、领取红包等更多丰富功能体验陆续推出。背后折射出凯德的三大经营理念改变:

一、用户体验为先

1、意识与角色的转变

以前商业地产的服务对象是零售、餐饮等品牌方,而较少直接面向消费者提供服务,除了周年庆、年度大促等Mall级别的活动外,日常更多的是品牌方承担面向消费者服务的重任。这也意味着由2B转向2C的服务意识与角色转变是其最大的挑战。难点在于:1.目标对象的需求发生变化,以往只需要招商引资,做的是品牌规划与组合,现在更需要理解关心消费者的需求;2.以往是单纯靠线下的提供活动及基于地理位置来引流,现在需要线上线下结合,内部基于大数据做营销,外部与流量方合作。在互联网思维的浪潮下,我们很欣喜地看到了诸如凯德、万达等商业地产巨头转型的勇气与决心。

2、面向消费者的全套服务体系

站在用户逛百货的体验前、中、后三个阶段,提供不同的贴心一站式服务,比如:1)体验前的搜索商场地图导航与停车信息,提前查阅各大品牌的促销与热销产品资讯;2)体验中的商场内导航,一边逛街的同时一边提前搜索商场美食并可网上排队预约,提高效率免去不必要的排队时间;3)体验后,领取消费优惠券,累计积分参与兑换等。更棒的体验在于,收藏下线下体验后的消费者喜欢的产品,要是现场犹豫回家心动了,还能线上订购直送到家,真正的实现线上线下的联动。

体系转变的本质差异,是由原先卖方思维转变为现在的买方思维,即以前我有什么我就提供什么,现在是消费者想要什么我就给什么,并且尽可能地在消费者购物体验的每一个使用场景与环节上细心设计。例如,有时在购物逛Mall的过程中当你选择了A商品,大数据会推荐购买这个商品的用户还购买了B商品,如果你愿意购买B商品可以有什么优惠,既为消费者提高购买决策的效率,降低成本,又为商户增加组合营销的机会,提高坪效。

二、合纵连横,借力打力

借力微信、大众点评、百度直达号等亿级平台企业建立流量入口,并在垂直类目与餐饮排队等位(美味不用等)等垂直领域的佼佼者合作,提供完整的闭环服务体验。在底层架构上,商业地产运营方将铺设商用WiFi、商场导航、完善会员积分兑换体系等基础设施,便于以开放的心态搭建生态,并且在这个生态下明确自身定位,哪些是核心环节,哪些自身有优势的,哪些找外部合作方提供,术业有专攻,整合每个领域的专家,实现共享共赢。

其实业内既有大悦城、宝龙这样以自建为主的重模式商业地产O2O,也有凯德、银泰这样借力电商打造O2O平台的轻运营模式,还有万达这样既大规模投入自建又拉互联网BAT入伙合作偷师的全方位布局模式。而凯德选择的“轻模式”易于发挥各方所长,便于迅速复制,值得借鉴。

三、大数据资产

在商业地产领域,消费者逛商场的行动路径与消费行为大数据至关重要。从消费端看,有助于优化用户画像,从而在个性化推荐、组合销售、老客户唤醒等环节上提升用户体验,增强粘性与客单价;从商场运营端看,知道门店的客流量与消费情况,能有利于商场的店铺位置规划。比如:门店缺客流、动线上也没有人,说明整体的规划布局需要改进。如果门店有客流但没有用户进店消费,要仔细思考门店的品牌与定位等问题,从而提升坪效。所以大数据资产的巨大商业价值是凯德坚定转型O2O的关键驱动力。

大数据的核心价值在于商业智能,大到商场的品牌定位、招商规划、品牌组合、市场营销;小至用户的购买过程中的个性化推荐,互联网上积累的浏览记录、电商网站购买记录、加上线下吃喝玩乐的记录,可以完整地丰富消费者画像,帮助其更精准营销,也为品牌商提供销量预测进行库存规划,提高其供应链的生产效率。这也是为什么阿里巴巴花重金战略投资银泰百货,弥补线上消费数据之外的其他线下消费行为数据的价值。


未来展望

商业地产转型O2O迫在眉睫,能否转型成功取决于三点要素:1)迅速低成本地将线下巨大的存量用户转移到平台上,并保持较高的日活跃量;2)基于用户消费大数据线上线下整合营销的能力,并基于此辅助品牌进行商业智能决策;3)团队迅速学习适应互联网产品运营思维的能力。目前诸如凯德等领军的商业地产商已在互联网的产品运营思维上具有前瞻性,之后发展如何,需看基于以上三点成功要素的执行力,尤其是补强互联网思维的生力军,让我们拭目以待。


本文作者:佚名

来源:51CTO

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
3天前
|
SQL 分布式计算 数据可视化
Tableau与大数据:可视化工具在大数据分析中的应用
【4月更文挑战第8天】Tableau是一款领先的数据可视化工具,擅长于大数据分析,提供广泛的数据连接器,支持多源整合。它与Hadoop、Spark等深度集成,实现高效大数据处理。Tableau的拖拽式界面和交互式分析功能使得非技术人员也能轻松探索数据。在实战中,Tableau用于业务监控、数据storytelling和自助式分析,推动数据民主化,提升决策效率。未来,Tableau将持续创新,扩展生态系统,并保障数据安全与合规性,助力企业最大化数据价值。
41 0
|
3天前
|
数据可视化 大数据 Python
python大数据分析处理
python大数据分析处理
13 0
|
3天前
|
机器学习/深度学习 人工智能 大数据
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
|
3天前
|
存储 机器学习/深度学习 数据采集
大数据处理与分析实战:技术深度剖析与案例分享
【5月更文挑战第2天】本文探讨了大数据处理与分析的关键环节,包括数据采集、预处理、存储、分析和可视化,并介绍了Hadoop、Spark和机器学习等核心技术。通过电商推荐系统和智慧城市交通管理的实战案例,展示了大数据在提高用户体验和解决实际问题上的效能。随着技术进步,大数据处理与分析将在更多领域发挥作用,推动社会进步。
|
3天前
|
存储 运维 监控
|
3天前
|
存储 数据可视化 大数据
大数据分析与处理:探索数据的深层价值
大数据分析与处理:探索数据的深层价值
41 2
|
3天前
|
存储 分布式计算 大数据
使用 Java 进行大数据处理和分析
【4月更文挑战第19天】本文探讨了Java在大数据处理中的关键作用,涉及Hadoop框架、HDFS数据存储、MapReduce编程模型及Spark等数据分析工具。还包括数据预处理、可视化、性能优化、安全与隐私保护以及完整处理流程。Java在金融、医疗、电商等领域有广泛应用,为大数据洞察和决策提供支持,但同时也需要开发者具备深厚的技术背景和实践经验。
|
3天前
|
缓存 大数据 Python
python利用代理IP分析大数据
python利用代理IP分析大数据
|
3天前
|
人工智能 分布式计算 安全
Azure Databricks实战:在云上轻松进行大数据分析与AI开发
【4月更文挑战第9天】探索Microsoft Azure的Databricks服务,体验其在大数据分析和AI开发中的高效性能。此平台简化流程,提升效率,适用场景包括数据湖分析、实时流处理和AI开发。核心优势在于一体化平台设计、云原生的弹性伸缩和企业级安全保障。Databricks提升研发效能,无缝集成Azure生态,且持续创新,是应对大数据挑战和加速AI创新的理想工具。
40 1
|
3天前
|
数据采集 数据可视化 算法
Python在大数据分析中的力量:Pandas、NumPy与SciPy
【4月更文挑战第8天】Pandas、NumPy和SciPy是Python数据分析的核心,构成其在大数据领域的重要地位。Pandas提供高效的数据操作,包括DataFrame和Series结构,以及数据清洗和预处理工具。NumPy专注于数组计算,提供高性能的ndarray和数学函数。SciPy则包含专业算法,适用于科学与工程计算。这三者协同工作,覆盖数据分析的全过程,形成强大的Python生态系统。随着社区的不断创新和新库的涌现,如Dask和CuDF,Python在大数据分析领域的潜力将持续增长。
52 0

热门文章

最新文章