商业地理大数据实战和价值提炼以及如何避坑！导读：近期我们发布了两篇使用商业地理大数据的分析案例，其中涉及到分小时客流量对比、消费者来源、去重客流量等实战应用。 ...

导读：

近期我们发布了两篇使用商业地理大数据的分析案例，其中涉及到分小时客流量对比、消费者来源、去重客流量等实战应用。

不同项目分天客流量对比：

大数据是获取商场客流量最有效方式之一，但需要剔除写字楼、居住等“非商业”的客流。

西安荟聚4月17日和18日分小时客流量与对比：

将每日客流量拆分到小时，可以更深入了解项目的属性甚至能够监测活动效果(详见本文数据质量部分)。

不同项目消费者来源对比：

相比客流，消费者来源可以更精准评估项目的能级以及挖掘市场潜力机会。

商业地理大数据是一种高业务价值数据，包括可以几乎不受限制的获得任意商场的客流量、还能回溯到几个月甚至一年之前做对比观察，比使用各种设备获得相关数据更简易、及时、全面！还可以从这些数据中提炼出非常有意义的“经验参考值”！

然而要让此类数据真正发挥业务价值，有诸多细节问题值得关注：例如客流数据的精度、网格数据的颗粒度，甚至有时还要辨别“真伪”。

我们对大数据进行了多角度的探索并以业务为导向提炼出一些“经验值”以及关于如何更好辨别数据质量的思考。本篇就来分享这些小知识！希望能帮助商业从业者更好使用商业地理大数据。

如果您的时间较为充裕建议在正式开始之前快速浏览两篇使用大数据的文章：

1 分小时客流消费者来源：西安荟聚开业“浅度”复盘

2 不同项目客流和来源对比：高能级商圈竞合案例：华润和K11将会“入侵”还是“引领”？

覆盖范围与项目能级

覆盖范围是一个商业项目的消费者来源所勾勒的区域，这也是国外同行较早开始使用并经常使用的一种方法(CAS或TAS)，无论是大型商业综合体还是小型商店或餐厅，均可用来做新项目前期评估分析以及后期运营优化。

国外商业同行的使用案例：

相比客流量，覆盖范围可以更准确帮助判断项目真正定位和影响力。之前只能借助类似上图的交通方式来推算；或采用较为原始的抽样问卷，并以画块或者邮政区域编码等粗颗粒度方式实现，现在借助大数据技术可以呈现全面、连续、细颗粒度的多维信息。

实战案例

城市级、区域级、片区级、特色商业的覆盖范围是多大？

城市级项目：以西安荟聚为例

西安荟聚4月20日(开业首个周六)消费者来源分布：

说明：1 以上是到访的消费者来源地分布，聚合到100*100米网格，柱子越高代表来自此网格的消费者越多。2 数据来自某商业地理大数据厂商，图片带有BIG DATA标识的均来自相同的出处。

消费者来源分布以热力图展示并叠加驾车20分钟到达圈：

解读：从相对强度角度观察，消费者集中在20分钟驾车范围内说明是一个区域级项目，但从绝对数量来判断其覆盖范围到达城市主城区，因此是一个城市级项目。

区域级片区级特色项目：以广州万博长隆商圈四个项目为例

(数字1)是四海城、(数字2)是时代芳华里。

消费者来源分布以热力图展示并叠加交通可达圈：

区域级项目天河城覆盖20分钟驾车范围，片区级项目番禺万达覆盖10分钟驾车范围。

特色商业餐饮为主要内容的商场核心客群在20分钟步行范围内。

以上数据选自2024年3月23日，可能有朋友会问：消费者来源分布是否会随着不同时间发生明显的变化呢？

覆盖范围是否稳定？

不同项目不同天的消费者来源分布：

数据显示项目的覆盖整体是稳定的，但有的也受特殊因素影响，例如时代芳华里周边办公客群较多因此黄金周期间受到一定程度影响客源数量减少。

数据提炼的经验参考值：城市级商业体通常覆盖超过驾车20分钟的范围(不包括一线城市)，区域级在驾车20分钟内(包括一线城市)，片区级在10分钟内(包括一线城市)，餐饮为主要内容的商业覆盖范围基本在步行20分钟内(不包括三线以下城市)。具体边界会受到山川河流、公路桥梁、竞争等因素的影响。

延伸和扩展

很多商业朋友难以获取驾车/步行的精准范围，可以使用商业体商户数量以及业态构成来做辅助：

番禺天河城和番禺万达商户对比：

超过40%占比的品质零售通常是区域级以上项目，大部分餐饮为主的项目以服务片区或周边为主。因此数据是商业艺术的一种表达形式，相互之间的关联也能带来重要的参考价值。

覆盖范围对已营业项目更有价值：例如可以结合周边社区计算出哪些渗透率较高？哪些还有提升的空间？

客流来源各个小区渗透：

分流与截流

新开项目会分走营业项目的生意，但分流比例大概是多少？

广州番禺万达广场和番禺天河城位置关系：

四个项目的客流数据对比：

说明：对广州万博长隆商圈熟悉的朋友，时代芳华里和四海城的数据做背景参考，否则可忽略。

据公开消息，2014年开业的番禺万达成熟期日均客流约3万，2021年其对面的番禺天河城开业，全新的体验和直通地铁交通带来的便捷既对万达造成了显著分流也吸引了更广泛的客群！

数据提炼的经验参考值：根据更多的项目数据，分流40%已是非常高的比例，业态相似且紧邻的项目通常分流比例在20%到30%之间。

相比分流，截流更抽象同时难以量化：一个项目开在另外一个项目客源到来的路线上，就会对其产生截流。

如果没有时代芳华里(数字2)，那么其周边的消费者可能会到四海城(数字1)消费，因此时代芳华里对四海城产生了截流，反之亦然。下图即是两个项目各自的核心范围以及争夺区域的示例：

小结：截流基于动线来判断，通常需要对现场交通情况有非常准确的了解，有时截流也是相互的，对比分流更加复杂。

商业是科学更是艺术，经验和直觉在决策过程中始终是重要甚至关键的，数据是艺术的理性表现形式，结合数据不仅可以提高决策的精度更可以提供多方面的细节参考，因此数据质量至关重要！

如何辨别数据质量

从业务实战角度，数据可以分为两种：一种是可复核的数据，例如某个范围有多少家星巴克，这种数据通常被认为谁都能做“很简单”从而“不值钱”并极易被挑出错误；另外一种是难以复核的：例如客流量、画像或者某个品牌全国门店数量，此类数据通常成本较高，但由于难以复核因此可以较低的成本“仿制”并卖出“高价”。

Rubish in rubish out，仿制的数据不仅没有价值甚至还可能对业务带来负面的影响，该如何鉴定此类数据的质量呢？给出下面两点建议：

与事实/事件相符

4月18日和4月20日荟聚分小时客流量

以上分小时客流量有两层信息：第一是开业当日(18号)上午客流量较大，第二是周六客流过载触发限流保护(如未触发，20日的客流高峰是19时左右)。这都与实际发生的情况吻合。

时代芳华里和四海城客流量对比：

两个项目客流量基本处在相同的水平，但为何四海城在平安夜的客流一反常态超过芳华里？背后的原因是这场活动：

这同样与实际发生的情况吻合。

相互印证

对于那些难以找到事实依据的数据，相互印证则是一个有效的方法：

四个项目消费者来源分布：

数据显示番禺天河城消费者来源分布最广泛，那么没有特殊因素影响，其客流强度也应该是最大的，客流数据能否印证呢？

四个项目不同时间客流强度对比：

以上来看两者是相互印证的。

以上均来自我们的实践总结，相信不同的场景和数据也可以提炼出其他价值信息，有关更多数据方面的问题欢迎联系我们共同探讨。

· END ·

友情提示：如果您对我们的原创分析感兴趣并收到新文章提醒，请按照如下设置：

1 进入优点公众号并点击右上角人头 2 点击选择右上角(...),在页面下方弹出一个消息框 3 点击“设置” 看到消息免打扰并关闭。

咨询请添加客服(备注公司+真实姓名)