本文是由朝阳大悦城负责大数据业务创新的孙总，分享的朝阳大悦城在大数据实战过程中的经验体会。

朝阳大悦城孙芸芸：各位同仁大家下午好，我是朝阳大悦城负责大数据业务创新的孙芸芸，非常高兴跟大家分享朝阳大悦城在大数据实战过程中的经验体会。

先说说朝阳大悦城在做大数据的时候一些理念，朝阳大悦城是一个购物中心，前两年的时候，商户是我们的经营对象，我们对自己当时的定位就是业主，我们的租户就是商户、那些品牌。随着这两年互联网起来之后，大家没有冲着品牌去购物中心，客户变成了商场整个核心的资产。

我们做客户关注两个点，一个是客户价值，流量；另外一个是份额。首先带动线上客流，然后带动线下客流。

把份额做大，需要考虑几点，一个就是消费者来到这里跟我们的关系怎么样，是不是很紧密，是不是了解消费者潜在需求，是不是把朝阳大悦城几十万客群进行细分创造出更多的场景让他来购物，要做到这两点，不得不把大数据引进来。

数据我们一直在做，分三个阶段：

第一个阶段是经营分析，这是从商场一开始在做的，这个时候经营分析关键有两个点，第一个是识别要素；第二个是评价要素，我们关注的点是量做的怎么样，增速怎么样。

什么时候进入到第二个阶段的客群分析？这个项目的增长碰到瓶颈期，回到初心去看我们吸引到的客群是什么样的客群，通过进一步了解他们改善我们的产品，进行某个品牌的调整，都是根据你对客群的认识才做的决定。

第三个阶段就是大数据，大数据主要做两件事情，一个是数据整合，数据整合看起来跟分析没有什么关系。

但是我们注意到近两年新的技术兴起带来很多新的数据，购物中心不仅有消费者的数据，多了很多非结构化的东西，刚才都提到WIFI，现在我们发现WIFI帮助我们识别更多的客户，了解客户的线下行为，这都是非常有意义的。

寻车也是很有意义的数据，这部分客群怎么想办法带到大数据范围中来，实际上这都是在做数据整合这件事情。整合之后最终落地到全渠道经营，我们怎么把这些数据用起来，让客户数据成为宝贵的资产。

大部分MALL的数据分析仍处于初级阶段。从经营分析到客群分析，每一个阶段他的能力是递进的，不是说把前一个阶段抛弃，我们的数据越来越多，原来的方法依然好用，只是需要更多的模型才能用起来这些数据。

真正难的是在第三个阶段——系统。

我们在说一些案例的时候，都是我们自己的数据分析人员自己做的，很多时候我们当然希望最好能有第三方公司帮我们把这些数据真正用起来，从系统上把分析能力自动化，这是现在整个行业的数据分析的短板，也是目前的难度所在，这也意味着大数据发展有很多的空间。

四朝阳大悦城的大数据体系

这里列了一下朝阳大悦城大数据体系的规划，最底层就是数据采集层，把所有现在拿到的数据采集到里面去，第二层是加工层，中间做了一些夹心，它是最重要最核心的东西，这两个体系是分析模型和标签体系。

有了底层的加工和核心的数据库，最终落地的是第三层数据应用层，有两个系统，一个是分析展示系统；第二个怎么把数据落到营销，怎么做我们的个性化营销系统。现在大数据发展一个难点就是系统，如果说有一个供应商把这些事情做到位的话是非常好的。

大数据思维

我们怎么把大数据拢起来？

首先我们拿到大数据，基本上分析目标有五个：人、店、场、圈、网。在以前的时候，重点在中间三个部分，现在起重要作用的，大数据的核心就是人，关于人把他分成三个维度：他的特征，他的交易、他的行为。

说到大数据的思维，我们不得不提到互联网思维，我们知道大数据是靠互联网存在的，在我认为互联网思维、电商的思维是我们把消费者看成单个人，我们对单个人做一些了解。

我们购物中心在对单个客户做个性化是非常困难，资源是有限的。

有了大数据之后，我们多了很多分析维度，以前关于客户，我们了解他的属性，是男是女，花钱买什么东西，有了大数据之后我们多了几个分析维度，首先就是访问转化情况，还有场景与轨迹、行为特征和细分类型，最后发现他的潜在需求。

大数据方法

在介绍大数据体系的时候，有提到中间会有一个标签体系，为什么说标签体系很重要呢？

目前朝阳大悦城做的时候主要是两块体系，一个是消费者的标签体系，我们希望能够把这些客户的个人属性、他的偏好、他的消费能力都能够做成可以把他量化或者形容词化的标签。

但如果只是单个的数字，很难做到快速的营销，我们只有把一个人变成可以用形容词形容的时候，这样在做营销的时候就更加便利，这有点像从IT角度把大数据的营销更加简便化。

做大数据其实是能力的提升，我们把分析重点从商户向客户转型，把数据采集从原来结构化的数据，到把非结构化的数据接纳起来。

下面，跟大家分享朝阳大悦城做大数据挖掘的案例。

目前关于客群有五个维度，每个数据产生的过程：

第一个是客户的基本属性；

第二个是客户的交易明晰；

第三部分是客户的线下行为，随着场内的WIFI系统布局收集到的数据；

第四部分是客户的线上行为；

第五部分是外部补充数据。

我们的数据一直以来是小数据，如何发挥数据价值就要进行交换，怎么样把外部的数据纳入到整体数据中，这些才能够成为真正的大数据。

1、客户从哪里来

围绕刚才说的流量、份额去看，第一个，大数据可以告诉我们你的客户从哪儿来。

我们场内的WIFI收到了百万级的WAP地址，我们抽取20万客户，进行合作之后，把20万客户家的地址拿到商圈去看，可以帮你清晰地认识你的客户在哪里。

我们发现朝阳大悦城目前是区域影响力比较广的购物中心。大数据没有太复杂的数据处理，只要把数据做的足够正确，最后的呈现跟结论得出都是非常简单的过程。

2、客户是谁

第二个，可以告诉你客户是谁？

年龄不是特别难获取的数据，比较难的怎么把生命周期做进去，这些都可以通过消费偏好得出来，去汇生命周期的曲线图。

3、客户的转化——新老结构、会员生命周期

下面是关于客户的转化，主要介绍的是客户的新老结构，在一个阶段里面有多少客户是新的，这个占比直接反映了整个项目对于吸纳新客户的能力是怎么样，我们从两个方面去做。

一个是WIFI，它可以告诉你这个礼拜有多少客户之前没有来过的。我们的WIFI系统没有上太久，这个数积累起来还没有太多的说服力，这个是积累的过程。

除了把客户分成新客户、老客户，我们把整个项目的客户看作一个人，一个人生老病死的过程，这个人在项目里面也会生老病死，我们定义四种类型的客户，一个是新增的，第二个是活跃的，第三个是沉默的，第四个就是睡眠的会员。

这是我们通过大数据基本上在每个月把四种客户的数量统计出来，做一个时间序列的观察，你会发现，新会员相当稳定了。

大家要重点关注的就是活跃会员，活跃会员是不是稳定持续的增长，沉默会员有没有大规模增加，如果沉默会员大规模增加这是很危险的信号。我们现在可以做的事情就是转化，沉默向活跃的转化量是什么样的。

下面这个模型我们在做任何布局分析的时候不可或缺的，我们在描述任何一个价值，不管是商户还是人的时候，它可以足够描述商业的价值。

光算出每个人的价值的意义不是很大，我们进行了加工，我们会引入一些传统的RFM的算法，我们分成五类，不去分类的时候，不知道会员的水平和质量相差这么大，这是一年的销售额，会发现在这一年当中，中高价值会员是中流砥柱，在45%。

前两部分客群，无论是消费金额都远远高于后面三个客群，必须真正的把它用数字表现出来，才会知道客人参差不齐，相差非常悬殊。

光用RFM模型进行会员分类不是很满足，我们引入了更多的因素，进一步综合考虑客户的基本属性、消费价值、消费倾向以及生命周期等维度，使用K-Means聚类算法，我们发现了五类比较典型的客群体：

第一个群体就是中产家庭妈妈，她的活跃度不是最高的，但是她的价值是最高的；

第二群体时尚达人次之；

价值比较低的，每个商场里都有这三种，青年吃货、零售型的过客、餐饮型过客，他们在商场中贡献是比较低的。

除关于WIFI，通过WIFI客流我们分析到什么东西，目前店面做的不是特别好，我们重新布WIFI，让精度更明确。

除了跟人相关之外，还有一个比较重要的特点，我们哪些品牌互相更加紧密，比如说哪些品牌关联在一起概率最高，用这个也可以把同类型的品牌怎么演化到一起。

大数据要落到应用上，除了你的经营，还有一块做营销，营销有很多的渠道，一个天然比较好的实现大数据的渠道就是O2O，就是线上级。

可以说大数据跟O2O是没法分开的，而且是互相辅助。因为有大数据，我们做营销的时候，我可以做实时，我对客户的了解更明确，我也会有更多的条件。

大数据因为有了全渠道之后会获得更多的内容，会得到更多的资源，会得到更多的数据，这两者是没有办法分开的。

我们朝阳大悦城做大数据营销的时候，除了在线上做之外，我们做了几次发短信，我们在发短信的时候，每个人收到的品牌都是不一样的，这样做的差异还是很明显的，销售差级在百万级。

总结

目前对于大数据来说，它的关键不是把数据怎么样做大，最关键怎么把数据粘合到一起解决数据孤岛的问题。

第二点，大数据的核心必须是数据，关键点是怎么把数据加工成情报，数据挖掘能力是大数据的核心竞争力。

最后，大数据并不神秘，而且我们会发现它会在运营当中发挥越来越重要的作用。

来自：《信息与电脑》