引言：如果从《纽约时报》2012年发表著名的专栏文章宣布“大数据时代”的来临开始算起，“大数据”作为科技进步和商业需求双重驱动下不断进化的成果，在全球范围内已经发展了八年。近年来数据思维与数据技术更是润物无声的加速渗透到了当下的各行各业中，正在不断改造、颠覆着传统的行业规则和盈利模式，难怪“第四次工业革命已经到来，而‘大数据’就是其核心之一”的观点已成为整个社会的共识。商业地产作为传统行业的巨擘，自然身处这场足以影响人类社会发展进程的变革之中，大数据业界也在不断摸索、尝试着数据的各种商业应用，以期能够真正将“大数据”请下概念与愿景的神坛，切实应用于指导商业地产领域决策、影响周边社会和人类生活。

01 大数据在宏观商圈洞察中的应用背景

传统的宏观商圈洞察大多依赖官方统计数据及抽样样本线下调研，一方面官方统计数据存在时间相对滞后、统计信息不全等问题，且几乎不涉及人群消费偏好类数据；另一方面抽样样本线下调研对人群的覆盖面有限，且数据结果的信效度难以保证。长期以来，对宏观商圈的洞察缺乏对主体构成——商圈人群的深入调研，对商圈人群的描述大多停留在相对主观的定性描述上，缺乏对商圈全量人群的定量数据分析，难以形成对不同人群的分类聚合，以至于对商业定位、业态规划及布局的指导意义极为有限。企业迫切需要寻求一种更有效、更直接、更全面的方式来认知商圈人群，从而为商业投资做更有力的决策支持。

TalkingData从数据收集到数据挖掘，从数学模型到深度学习，从分析工具到数据平台，在数据应用领域积累了丰富的经验及海量数据，逐步打造了以SmartDP平台为核心的数据生态体系。针对宏观商圈人群洞察，TalkingData借助地理围栏圈取商圈人群及竞品客群，同时整合来自于众多渠道的数据，与TalkingData所覆盖的智能终端设备的线上行为、线下轨迹数据进行匹配，全面利用数据挖掘分析技术，发挥数据价值、服务地产投策具体业务场景。

02 宏观商圈洞察中大数据工具的创新应用方式

借助大数据技术，宏观商圈洞察将破解传统调研方式的困局，全面展示商圈人群的属性特征、设备使用特征、线上应用偏好、线下行为轨迹，结合以上商圈内人群特征，同时对竞品到访客群进行相似维度的刻画，从商圈和竞品的两个层次来深度解析未来消费客群的整体特征及分类情况，从而指导前期商业定位、业态规划、品牌布局等等。面对纷繁芜杂的商圈人流，借助大数据工具可快速获取人群特征，且保持实时追踪及更新，并能通过不同城市、不同商圈的指标对比，发现最合理的商业布局模式。

2.1 商圈基本价值定位

项目所在商圈价值首先归因于区域宏观特征，如人口总量及增长趋势、人口密度、人群偏好、迁徙特征等等，同时结合城市规划的大方向趋势特征，在此基础上可实现对地块价值的基本判断。大数据有效弥补人群偏好特征及迁徙规律，为传统静态数据提供有效补充，从而为商圈基本价值定位提供了更高效、更便捷的实现方式。

商圈整体价值判断

2.2 结合已有会员人群及lookalike技术，实现潜客挖掘

例如，作为已拥有成熟产品线的商业地产领军企业，其项目虽然首次进入陌生商圈，但在其他城市或类似商圈早已进入成熟运营阶段，也积累了一定数量的忠实会员人群。从消费特征的角度来看，相似人群总会在相似的商圈内发生相似的消费行为，因而对已有会员人群的特征获取将成为潜客挖掘的重要前提。借助大数据lookalike技术，将通过对已有会员人群消费特征的模拟，快速定位陌生商圈内潜客人群的分布情况，从而指导商业定位快速落地。

大数据lookalike技术实现潜客挖掘

2.3 结合标签体系基础上的用户画像，准确把握商圈消费者特征

TalkingData基于移动大数据的大规模积累，建立起有关人群描摹的基础标签，包括人口属性、设备属性、游戏特征、线上应用偏好、线下行为轨迹、消费兴趣，同时也可以结合企业自身需求做定制化标签开发；以全样本数据为基础，人群标签体系为核心，将全面构建商圈内消费人群的360度画像，实现更全面、更精准、更高效的人群描摹。用户画像既包括整体商圈层次，也包括竞品层次，更好地辅助企业决策。

商圈人口属性特征

商圈人群线上应用特征

商圈人群线下行为轨迹

2.4 结合聚类分析，实现商圈人群分类管理

在对商圈人群完成360度用户画像后，可从不同维度实现对人群的分类管理。在已有的实践尝试中，年龄、婚姻状况、车辆保有情况、性别、设备品牌、应用偏好都可称为进一步交叉分析、聚类分析的基础维度。结合该商业地产企业的自身需求，TalkingData大数据技术团队以线上应用偏好作为最重要的聚类基础，将商圈内人群分为偏好差异明显的几种不同类型，从而便于把握不同类型客群的消费特征，为商业主力客群的选定准备了有力的数据支持。

客群聚类分析结果

2.5 结合商圈人群及竞品客群的对比分析，支撑项目客户定位

宏观商圈人群的调研有助于企业把握人群整体特征，同时商业竞争最大的压力在于竞品分析，因而同样通过圈定地理围栏的方式，可针对竞品客群做相似维度的全方位画像。通过商圈人群和竞品客群的对比分析，可清晰地发现竞品客群在哪些方面提升度较高，已实现对人群哪些商业需求的满足，同时又存在哪些显著机会。这些将成为商业项目前期定位的核心内容之一，同时辅以线下对商业租金的了解，将极大帮助企业完成商业机会的捕捉和投资回报的基本测算。

商圈人群及竞品客群设备属性对比

2.6 借鉴评估同类商圈发展历史

选取与目标商圈发展背景、商圈结构相似的商圈，分析同类商圈的发展历史及人员变迁。例如，在对北京天通苑和回龙观商圈的比较中，我们发现天通苑整体消费能力下降、社会中坚层26-35岁人群流出，而回龙观人群特征变化不大，家庭人群与35-46岁人群的高消费能力人群进一步增长，但回龙观内商业尚不发达，区域内人群会选择外部购物中心消费，而天通苑则得益于龙德广场的丰富业态，有效避免了消费外溢。

天通苑与回龙观同属于大型生活社区，同样面临距离北京核心城区远，地面交通、轨道交通拥堵等问题。回龙观地区得益于周边产业环境，商圈内消费力有保障，同时地区商业尚不发达，类似于天通苑2007年地铁5号线开通但商业尚未完善的阶段。在北京城市交通短期内难以得到根本性改善的前提下，回龙观很可能形成类似天通苑的封闭式区域商业体系，是商业地产郊区型购物中心投资的真正“价值洼地”。

03 大数据辅助商圈洞察的应用价值

就当前阶段来看，大数据仍然无法完全代替传统商业调研方式，但作为有力补充，二者结合既提高了商圈洞察的效率，又增加了商圈洞察的精准度，使大范围、大样本的商圈人群描摹得以有可能真正落地。对于商业产品线不够完善，商业投资经验不足的开发企业而言，大数据将极大程度降低决策成本，避免进入市场盲区；对于商业运营较为成熟的开发企业而言，大数据将极大提升决策效率，实现商业模式的更快复制。

• 快速提高调研效率：传统商圈调研需要大量人工线下工作，通常调研周期至少要一到两个星期才能完成，而依靠大数据技术的应用，可以实现地理围栏的快速圈定，人群批量数据结果的实时分析，在此基础上同步结合线下数据的补充，就可以满足快速完成商圈洞察以加速商业定位的业务需求。
• 提升样本覆盖范围：传统商圈调研基本以抽样样本为主，样本量受限且难以覆盖商圈整体范围，线下工作实现难度大。利用大数据商圈洞察应用，可从全量数据上整体描摹商圈特征，让企业决策不再一叶蔽目，从全局角度把握项目开发策略。
• 增加有效调研维度：传统商圈调研通常依靠宏观静态数据为主，辅以商圈内的商业发展水平来判断商圈整体特征，然而宏观静态数据存在较明显的滞后性，商圈内商业发展水平则大多以商业租金、坪效值来反应，缺乏对消费人群的直接描摹。虽然传统商圈调研问卷中会涉及到对消费者消费水平的考量，但从调研结果看，很难得到人群的真实反馈。结合大数据应用方式，商圈内人群的消费特征将通过设备属性、人口属性、线上应用偏好、线下消费轨迹等多个标签维度全方位展现，从而帮助企业做出更准确的定位判断。
• 整合企业累积数据：对企业而言，已有项目的运营操作经验可复制性高，但在前期定位阶段对不同商圈的认知往往无法复制。结合大数据工具和lookalike算法技术，企业已积累的消费客群将成为重要的种子数据，以此作为学习对象，将快速模拟出在不同商圈内的潜客分布情况。这有助于快速建立项目定位和目标客群间的映射关系，极大提升企业入驻陌生商圈的成功率。

04 展望未来

地产业作为传统行业巨头，有其自身的发展特征，目前商业地产在运营层面已较多涉及大数据技术，但在前期定位环节，大数据应用尚处于发展阶段。因而，在商圈洞察领域还存在较多可突破的空间，如结合更丰富的数据源，实现消费者、消费特征、消费数据之间全面打通；结合政府交通数据，实现对人群交通方式的准确把握等等，这些都有赖于业界的不断尝试与探索，促进数据技术的进一步完善以期更加贴合实践需求，同时也需要依靠政策的进一步开放和整体大数据行业发展环境的全面提升。

关于TalkingData：TalkingData 成立于2011年，是国内领先的数据服务提供商。TalkingData秉承“数据改变企业决策，数据改善人类生活”的愿景，围绕TalkingData SmartDP数据智能平台（TalkingData数据中台）构建“连接、安全、共享”的数据智能应用生态，致力于用数据+科技的能力为合作伙伴创造价值，帮助商业企业和现代社会实现以数据为驱动力的智能化转型。

点击“扩展链接”，了解商圈入驻秘诀！