大数据时代，新零售不能忘了“小数据”

大数据能做很多事，小数据可以补足其中的细节，塑造独一无二的数据体系，促进新零售增长。

十一年前，在维克托·迈尔- 舍恩伯格及肯尼斯·库克耶编写的《大数据时代》一书首次正式提出“大数据”概念，意指不用随机分析法（抽样调查），而采用所有数据进行分析处理，这也开启了大数据的飞速发展十年。

十一年后，在跟一位商业综合体从业的合作伙伴在畅聊时，他提到一个很有意思的词叫“小数据”，并且对“小数据”表达出的渴望远超大数据。

大数据是什么我就不再赘述了，可是什么叫“小数据”呢？

“小数据”是什么？

也许不同的机构和媒体对于小数据的定义不同，在此处，我们沟通定义的小数据指的是跟具体某一可识别、可触达和可标记的消费者有关的数据集。它不是大量数据积累的抽象概念，不是一个模糊的趋势和范围；而是切切实实的电子用户，或者说是一个个有电子ID留存在商业系统中的人相关的数据。

为什么说大数据时代，对线下商业体而言小数据更加值得关注？

我们做了一些探讨。

十一年间，大数据被所有的互联网公司和媒体挂在嘴边，吹捧不已。

确实，我们也看到、真切地感受到了大数据为我们生活带来的巨大改变，提升了社会生产效率，优化了资源配置，让共享经济、AI智能物联网触手可及。

而且，我们也可以看到大数据给线下商业（具体指新零售品牌店/购物中心等线下商业体）带来的价值是什么。大数据技术的发展让之前很多传统商业想象不到的场景都成为了现实，让传统线下商业看到了梦幻般美好的未来，比如：

• 大数据平台可以告诉商业体当前5km商圈或者全城、甚至全省范围内消费者潜在客群有多少人、分别集中聚集在哪些区域，并生成具体的分布热力图（基于此，品牌或者商业体就可以优化新店区位选址逻辑，选择核心消费客群更集中的位置开店）。
• 大数据平台可以分析曾经来过某一商场的所有消费者群体特征，男性多还是女性多，青年和中年人数占比是怎么样的，亲子类家庭和独居人群分别有什么样的消费倾向（商场就可以根据到场消费客群特征调整自己的线下店铺的业态分布，比如增加美妆还是增加亲子类品牌招商）。
• 大数据平台还可以分析出十一国庆期间到过某一商圈范围内的20万人都是来自于哪些城市，周边城市客源占比有多高，哪个周边城市是主要客源地（定向精准进行媒体合作或者广告投放，提升营销效率）。
• 大数据平台还可以将城市切分成边长为几十米到几公里不等的方形地理网格，计算分析在一年内到某一商场产生过消费的客户都来自哪些地理网格，在客户聚集较为密集的网格里，主要是哪些小区（就可以针对该小区的广告牌进行针对性定向的广告投放）。

大数据的应用场景之丰富还远不止于此，可谓价值巨大。

那么，“小数据”又有什么价值呢？如何能跟大数据相提并论呢？

其实，我们从几个角度来看就会稍微更加明白一些，比如：

• 大数据资产属于大数据平台公司，不属于线下商业体所有，商业体也不可随时个性化分析使用；
• 大数据平台目前在国内属于寡头垄断地位，数据开放的同时也是对立隔绝的（比如阿里大数据和腾讯大数据），数据的完整性和丰富性有待观察、验证；
• 大数据更多是告知商业体一种趋势和大的范围、特征，而非具体提供给商业体一个可触达的人群，所以只能辅助阶段性大的方向性商业决策，而无法助力日常具体运营工作；
• 大数据产品使用费用非常高昂，动辄每年百万级的使用费用；
• 大数据产品所分析得出的潜客分布、消费特征分析、客户画像等结论，可能一年之内都不会有太大变化，相对稳定，无需时时查看。

“小数据”的价值是什么？

我们前面说到，“小数据”我们这里指的是具体某一可识别、可触达和可标记的消费者有关的数据集。

也就是说，消费者是跟商业体的自建或者saas化的数据中心/会员中心产生了联系。线下商业体可在自己的信息系统中可查看、识别、归集、分析所有电子形态的顾客信息、消费倾向、RFM消费特征，然后可以根据运营计划，选择适合的时间、适合的触达渠道、适合的促销内容进行消费者触达，从而产生实质的消费转化。然后，沉淀数据价值到数据中心，然后再集成、归集、分析，支持下一轮的营销活动。

注意几个细节：

• 在“小数据”的逻辑体系内，所有数据资产都是属于商业体的，不属于其他平台，是线下商业体自行不断累积沉淀的；
• 小数据的客户是一个个有手机号、微信和支付宝ID、有头像/昵称/性别等信息的具象化的人，不是一个大的特征，也不是一个泛的趋势；
• 小数据客户都是可以被商业体随时随地通过多种渠道和平台可触达的，商业体的多种类型的信息是可以推送到一个个具体的人的，可以确切的拉动具体的消费订单，促进会员活跃度提升；
• 小数据运维所需要消耗的成本是很小的，每年费用可能只是大数据费用的十分之一/二十分之一，并且商业体线下聚合流量的天然优势让自己不缺少用户流入；
• 小数据维度下，通过多个方式转化来的消费订单是可标记、可追踪到具体的人，据此可以细致分析活动的效果和优化方向，总之就是使运营活动过程和结果都可衡量，大数据貌似做不到这一点。

“大数据+小数据”才能真正实现新零售/线下商业智慧经营的突破

大数据是有不可忽视的优越之处，这里没有忽视或者故意贬低的意思。

可是，对于线下商业体的经营而言，大数据存在很多问题和局限性，无法真正很好的为不同规模、不同业态的线下商业体带来具体的运营结果提升。

比如，你就算知道了某一商圈内客群特征和用户消费习惯，那又怎么样呢？你会发现你周边1km直径范围内的其他商业体跟你是一样的，你知道趋势和客群特征，他们也一样知道；你关注的消费动向，他们也关注，你倾向的也许就是他们正在调整的方向。

杭州湖滨街道，1.5直径范围内有N家大大小小的商业综合体，如下图所示：

就像图中的红圈，每个圈都是一个大大小小的商业综合体或者商业街区，很多所谓的商业大数据结果对他们而言，答案是一样的。

简言之，嘉里中心花80万买的大数据平台工具生成的分析报告，跟湖滨银泰花100万购买的另一家或者同一家大数据平台工具生成的分析报告几乎可能是一样的。毕竟，他们直线距离都不到1000米。

那么，这两家购物中心是直接的对手，他们又要如何竞争才能从对方碗里夺食？

只有搭建自己的“小数据体系”，去培养自己的粉丝、会员客户，通过自己数据中台沉淀的用户画像、信息和RFM消费习惯等数据，结合促销内容+渠道才能有效地带来会员复购和单次到店提袋率的提升。毕竟，每个商业体的“小数据体系”的完善度和丰富一定是不一样的，这个才是数据维度的差异化竞争力。

最终，使得 【客流量】【提袋率】【客单价】=【营业额】的商业公式结果最大化。

大数据+小数据，大趋势和大特征+小场景和小用户；这样，才能既有功法，又有招式。

这才是完整的数据方案，可以带给线下商业体的经营效率和成果的确切提升。

本文由 @张杨俊恒 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Unsplash ，基于 CC0 协议

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: