以前，商場坐落在市中心的繁華地段，就引進高檔輕奢品牌；在寫字樓林立的商務區，就定位快時尚；在高檔小區附近，就引入精品超市。放眼全國，商場定位嚴重雷同，品類品牌也千篇一律，對消費者的吸引力越來越小，不少商場有客流無消費，艱難度日。
傳統零售的疑問：好地段、好品牌，為什麼消費者不買單呢？
根源是“場”與“人”關係的逆轉。傳統商場側重對“場”的運營，選地段、拼裝修，尤其在招商層面有著豐富的經驗。而今天，消費者成為商業的核心，他們沉浸在各種商業業態中，有充足的選擇餘地，不再侷限地段位置的空間限制。毫不誇張的說，由於線下數據的缺失，傳統零售90%都沒有“人”的運營，在一片零售紅海中，找不準定位，看不清方向。
新零售首先要實現消費者全流程在線，包括外在行為的追蹤和內在心理的洞察。比如通過全域數據、算法、技術的疊加，【友盟+】的消費者群體畫像已經清晰到消費行為、上網偏好、地理畫像、行業畫像等上百個維度。
零售商場MALL們能夠基於對商圈人群的理解，一方面在“場”的層次中提升招商效率；另一方面構建對“人”的認知，完成商場精準定位，包括品類組合、品牌組合策略。這些對品牌商同樣適用。
一、商場層，由“人”定位“場”，提升效率
由商圈客流特徵，優化業態屬性
根據人群的屬性描繪業態輪廓。比如女性客群佔65%，年齡集中在25-29歲、30-34歲，公司職員佔60%以上；有車、已婚已育；我們可以粗略的定位“女性白領商場”；如果年齡集中在55-59、60歲以上，職業以自由職業者為主，有房，對摺扣敏感，購物頻繁等，以社區服務商場。這是最初級的描繪。
【友盟+】Oplus數據：年齡分佈、性別佔比、職業分佈、消費能力、客流曲線；
由品牌+品類偏好，細化品類組合
全域數據畫像為零售商提供了清晰的數據參考，能夠洞察到更細微的消費者需求。比如，群體中40%的消費者關注化妝品，且消費能力高，對某2-3個品牌的關注最高，偏愛面膜、口紅/唇膏、面部精華；再由人生階段已婚已育佔62%，且地理畫像顯示47%的人群聚集在周邊5公里範圍內，近期也關注母嬰、玩具類用品。零售商場就可以將“女性白領商場”再清晰到增加化妝品、母嬰類品類，由關注品牌再驗證消費能力，做放大引進相似品牌。同時可增加女性盥洗室、母嬰室的數量，在停車場增加關愛女性停車的指引員，增加品牌好感度。
【友盟+】Oplus數據：消費能力、人生階段、PC/APP上網偏好、品類/品牌偏好、地理畫像；
由熱力動線，優化品類區域位置
除了人群畫像，商場內的人流軌跡、動線分佈也有大作用。一是清晰獲得區域和品牌的受歡迎程度，複製經驗，比如貨品組合、櫥窗展示，也可在沿線建立更多的亮點區域；二是及時優化人流量小的區域，調控品類品牌、增加創意設計、設置休息區等，平衡場內熱度。比如，某運動服裝品牌，每月都有主打商品，如泳裝季、滑雪季、春遊季，可以將主題設計在人流動線密集的區域，並驗證對相應貨架的人流拉動作用。
【友盟+】Oplus數據：動線圖、熱力圖；
二、門店層，由“人”定位“貨”，提升銷售額
由人群特徵，分析潮流趨勢，精選SKU
對於單個品牌來說，能夠基於人群特徵分析，獲取產品設計的靈感。比如，某手錶專櫃每季度會有30+SKU新品，主推新品會基於設計師對潮流的預測，但是並不一定符合具體商圈的偏好。為了讓消費者“說出”喜好，專櫃將原有的智能電子購物屏，利用AR遊戲吸引消費者互動，再將人群數據與線上的消費者行為打通，獲得客流的人群特徵。
比如模玩動漫、度假旅行的受眾偏多，那麼就增加這些品類的SKU；如果美容護膚、流行配飾的佔主導，就增加女性時尚色彩的SKU。還可以通過銷售數據、互動數據再驗證和優化畫像模型。
【友盟+】Oplus數據：PC/APP上網偏好、品類/品牌偏好。
“傳統”線下商業存在一百多年，在供應鏈、選址、運營等方面都有珍貴的經驗。我們希望利用全域數據升級好的經驗，並形成大數據算法模型，幫助品牌實現與消費者的實時個性化互動，促進品牌的持續增長、增值、升級。
閱讀更多 友盟 的文章
