演讲嘉宾:何宇兵
GeoHey的技术总监
写在前面
最近几年,新零售行业在国内越来越火爆。新零售,即企业以互联网为依托,通过运用大数据、人工智能等先进技术手段,对商品的生产、流通与销售过程进行升级改造,进而重塑业态结构与生态圈,并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。
那么如何通过地理大数据为新零售提供决策。请听GeoHey(极海)的技术总监何宇兵,分享了大数据是如何支持金拱门选店的,内容对于规划专业的设施布局也是非常有借鉴意义的,值得一看。
视频时间较长,请在有WIFI的情况下观看:
下面跟大家分享的是在零售行业的一些实践。最近两年新零售的概念非常火,新零售其实也带来了一些商业的新的商业的模式。
现在很多的电商巨头都在纷纷的转战线下,去布很多的线下的实体的零售店,比如说像河马先生,网易严选,京东便利店等。 包括传统的实体的零售企业,其实它也在探索一些新的线下的门店的业态,比如说永辉、麦当劳,其实他们是一样的想法,他们还是很看重线下的渠道,认为线下的门店还是一个非常好的入口。所以2017年麦当劳在被中信收购之后就发布了一个2022年的远景的计划,计划到2022年将门店数从2017年的2500家增加到4500家,也就是说在五年之内要新开2000家的门店。
大家觉得2000家门店是一个什么样的概念?我们来看一看:这是麦当劳在中国过去整个差不多30年的门店发展的历程。在1990年麦当劳的第一家门店在深圳开业,到2017年总共是开了2500家。如果到2022年他们如果能完成这个远景计划开到4500家的话,再来看一看这是一个什么样的概念。就是在过去的27年,麦当劳总共只开了2500家店,一年一百家店不到的样子,92家。如果未来五年开2000家店,就相当于是把过去27年开的店在这五年之内要完成。即一年要开400家店。
400家店,对整个麦当劳的开发部门是一个非常严峻的挑战。但是可能大家还没有完全感受到这个压力到底有多大。在这个行业里面其实有一个潜规则,即如果要开一家店的话,他要推荐十个候选的点。那如果一年要开400家店,他一年就要推荐4000个候选的点。如果他有20个专职的开发人员的话,一个人一年就要推荐200个点,一年差不多有200个工作日的,基本上一天就是有一个点的这样一个压力。这个事情如果用传统的方式是基本上不可能完成的,我们有什么办法去帮他实现这样的这个目标?
去年年终的时候,我们也开始跟麦当劳合作,在一年的合作的过程当中,总结了一个针对零售行业选址的一个解决方案即基于智能地图的选址。希望通过这个解决方案去帮助麦当劳和与麦当劳类似的有快速扩张目标的企业去完成他们的目标。
这个方案我我总结下来就是三步的一个策略:第一步数据整合,第二步建立一个完整的系统流程,第三步在这些系统流程的基础上去,借助大数据,借助人工智能等技术去做智慧的决策,帮助他们去快速复制成功的经验。
数据整合
01
数据其实是整个解决方案的一个核心,它为后面的系统的建立以及智能化决策模型的构建,提供了一个非常好的基础。选址,归根结底来说,它其实是对数据的一个综合的分析。在传统的选址方式里面,花了很多很多的时间在数据的收集上。今天前面的介绍大家都看到了,其实积累、整理、分析了大量的数据,这些数据其实是可以直接帮助到零售企业的。
1.数据的分类:
1)人口的数据: 人口经济的数据。因为你要去开店,其实最关注的就是物业,门店周边的商圈里面的人的消费能力,他的性别结构,及其消费水平。
2)区域环境: 区域环境其实说的是门店所在的商圈的活力,可以通过商圈里面的购物餐饮休闲的POA的量来表示商圈的活力程度。
3)竞争: 竞争是一个挺有意思的事情。一方面它其实能够帮你带来更多的客户来到这个区域消费,另外一方面其实竞争的存在可能也会分走你的市场。但是就总体来讲,我们要去综合的分析,即你的定位跟你竞争对手的定位的差别,它不一定是一个负向的关系。
4)交通: 就是说商圈里面有没有相应的便捷的交通设施,能够把人流带到商业的周边。
2.数据整合的方式
有了数据之后,还要有一个非常好的数据整合的方式。收集的所有的数据,来源不一样,它的统计的力度也是不一样的。那如何把多元的数据、力度不一的数据统计到一个统一的单元里面,去帮助后面建立标准化的系统流程以及分析模型的构建?自然街区是一个经过实践已经证明了是非常好的一个基础的统计单元。
建立完整的系统流程
02
总的来说整个选址流程可以分成两个大的部分:一个是从宏观的角度,宏观的角度其实是是去看这个规划,帮助开发人员去判断进入城市的策略,就比如说哪些城市是优先考虑进入的。。一个是从微观的角度,微观的角度是对网点做评估。
宏观上,进入到这个城市之后,判断这个城市里面还有哪些空白区是可以进入的,结合已经有的门店竞争对手、门店分布的位置,以及通过前面数据整合出来的,得到的就是基于自然街区的整个市场的潜力的分布。宏观的是帮助我们去判断进入的区域在哪里。
微观上就是有了这个点之后,如何去判断这个点适不适合去开店呢?这个时候就去看这个点的周边商圈里面,客户的数据,人的数据,竞争的数据,交通的数据,通过这些数据的分析,最终给一个直接的决策。
比如这个网点的评分是多少,如果这个网点的评分是一百分,它的营业额预估下来可以做到多少,是否能达到开店的系数。还可以通过各个统计维度的数据来判断网点到底好不好。
借助大数据,人工智能等做决策
03
有了一个完善的数据、一个完善的系统,可以结合用户内部的销售数据去分析,商圈里面统计的这些指标之间的关系,找出商圈的一些重要的特征。在复制的时候,就可以在整个城市甚至是全国去找与这个商圈类似的商圈在哪里。
比如说麦当劳接下来它的重点可能是开社区型的门店,那想知道比如说在北京、上海社区类型的比较好的,还没有门店覆盖的商圈都分布在哪里,希望把这些商圈都能够直接推荐给开发人员,这些开发人员就不用考虑候选点的问题,他们要考虑的是推荐了候选点排序之后,优先考虑去哪些点,然后对这些候选的点做接下来的分析和判断。
总结一下,智能地图的解决方案,到底是一个什么样的方案?以地图作为一个载体,把数据整合到基础的统计单元上,然后去建立一个完善的选址的系统的流程,其中融合了机器的方式去学习门店成功的指标。 有了这些之后,就能够把整个城市里面潜在的区域直接推荐给开发人员,这就是智能地图的一个选址的解决方案。
其实不是只想在选址上去帮助零售企业,因为随着对整个行业的深入了解,我们也希望在很多的其他方面去帮到零售企业。例如在今年年终的时候与IBM达成了一个合作。IBM在美国有个产品,它整合人的数据,气象事件的数据,在整个平台里面它是一个基于云的应用。它帮助企业去干什么?它帮助企业能够把握整个城市的发展的方向,能够把它整合的数据转换为一个可洞察的可操作的,能够帮助企业发现新的销售机会。
但是有两个大的问题
1.国内没有现成的完善的数据。
2.它的云服务没有办法进入到中国来。
而我们极海刚好有几个大的优势,一个是我们已经有完善的地理数据,另一个是有自己的原平台。我们在很多行业都有创新的案例的落地,刚好这几个优势和他们面临的问题找到了一个契合点,所以我们去帮助他们那些理念,能够在中国的零售行业落地下来。
所以我们跟他们一起去做了一件事情,就是做一个针对零售门店的智能化运营管理的一个平台,这个平台就是基于智能地图的解决方案,通过大数据分析、人工智能的技术,针对门店的选址、客户的维护、产品的管理去做更深入的技术上的升级和改造。其实期望做到的是帮零售企业,在新零售的这个时代不会再输在起跑线上。
我的分享到这里,谢谢大家。
PS. 分享了极海WGDC 2018年的视频,顺便也透漏一个内部消息,据说他们的用户大会快召开了,有兴趣的小伙伴可以关注一下下面的海报。
视频由网友提供,感谢WGDC2017供如此好的机会,让我们在此能够聆听到各位专家的真知灼见。视频版权归原著者,D · U · A · Tlive只负责搬运优质的内容。
D · U · A · T live 寻求有志于分享高质量视频、志同道合的小伙伴,如有兴趣请后台留言:分享+微信号。我们相信劳动创造价值,小伙伴的任何劳动都会有相应的回报。
最后,您的关注和置顶是我们分享的动力,欢迎置顶我们的微信公众号。
关注我们,获得更多优质讲座视频
设计|规划|建筑|交通