大数据的初步理解:
似乎一夜之间,大数据(BigData)变成一个IT行业中最时髦的词汇。首先,大数据不是什么完完全全的新生事物,Google的搜索服务就是一个典型的大数据运用,根据客户的需求,Google实时从全球海量的数字资产(或数字垃圾)中快速找出最可能的答案,呈现给你,就是一个最典型的大数据服务。只不过过去这样规模的数据量处理和有商业价值的应用太少,在IT行业没有形成成型的概念。现在随着全球数字化、网络宽带化、互联网应用于各行各业,累积的数据量越来越大,越来越多企业、行业和国家发现,可以利用类似的技术更好地服务客户、发现新商业机会、扩大新市场以及提升效率,才逐步形成大数据这个概念。
有一个有趣的故事是关于奢侈品营销的。PRADA在纽约的旗舰店中每件衣服上都有RFID码。每当一个顾客拿起一件PRADA进试衣间,RFID会被自动识别。同时,数据会传至PRADA总部。每一件衣服在哪个城市哪个旗舰店什么时间被拿进试衣间停留多长时间,数据都被存储起来加以分析。如果有一件衣服销量很低,以往的作法是直接干掉。但如果RFID传回的数据显示这件衣服虽然销量低,但进试衣间的次数多。那就能另外说明一些问题。也许这件衣服的下场就会截然不同,也许在某个细节的微小改变就会重新创造出一件非常流行的产品。
比如商圈分析需要哪些数据就如何用大数据软件进行数据采集分析:
确定调查的内容,包括购物频率、平均购买数量、顾客集中程度。
人口画像:确定商圈内居民人口特征的资料来源。分析其属于居住人口、工作人口还是流动人口。
消费者研究:对消费者进行研究分析也是商圈分析中很重要的一部分,这一部分主要分析消费者的购买力如何,消费行为是怎样的,还有消费者对商圈服务的满意度研究。
竞争分析:要对商圈内的竞争环境进行分析,对竞争者进行划分,列出竞争的类型,对这些竞争类型进行分析。可以用swot的模式进行分析,分析一下优势,弱势,机遇,挑战。从这四个维度进行分析。
商圈类型:了解到商圈属于哪种类型可以帮助我们确定是否符合目标用户。
下面我就进行北京国贸商圈进行数据采集。(数据来源:www.data-)
人群画像数据:
如上图所示:
常住人口约是240万人,人口密度很高,居民人口约100万人,外地人口占一大部分。
区域内已婚人口占多数,占比是71%,已婚人口占比高。比较适合做家庭消费类生意。
大专及以上学历占比59.63%相对较多,高学历人群在新鲜事物上的接受程度以及自我学习能力具有良好的属性。
8K至19K收入水平范围人群占多数,收入与消费是因果关系,有收入才会有消费,高收入人群消费趋于精品化、个性化消费,他们衣食住行都无忧。
商圈内私家车出行占比75%相对较高,说明这里的车辆比较多,同时本地人群比较愿意为享受、便捷买单。
消费水平“高”的占多数,愿意消费才会有生意。
25至34岁占多数,这类人群大多有一定经济基础,且生活压力不会太大,愿意为享受生活消费。
人口分布数据
人口热力图
通过上图可以看出人口分布还是比较集中的,可以尽量把店铺开在人密集的地方。
竞争情况:
假如你是一个想开快餐店的那么你的竞争对手就是快餐店。
国贸快餐店分布图
从上图可以看出竞品分布的密集区与分散区,如果没有足够的实力碾压对手,选择竞品少的地方开店是明智的选择。
商圈性质分析
商业区商业集中的地区,其特色为各种商业街、购物中心林立、繁华热闹。其消费习性具有快速、流行、娱乐、冲动购买及消费金额比较高等特色。
合生汇及西直门商圈的购物业态数量
通过上图看出合生汇的购物数量约3066个,业态好于西直门。
住宅区住宅区住户数量至少1000户以上。其消费习性为消费群稳定,讲究便利性、亲切感,家庭用品购买率高。
合生汇及西直门商圈的住宅数量图
如上图所示西直门的住宅业态好于合生汇,数量较多。
总结:经过上面的分析,要对商圈进行一个综合性的分析,这一部分主要包括商圈机会分析,商业项目的规划与战略发展方向等。
数据还提供周边常驻客户画像、民用住宅及房价、周边餐饮业态、周边医疗相关业态、周边教育培训相关业态、周边宠物相关业态、周边景区业态、周边交通相关业态、周边公司分布业态、周边商务住宿业态、周边生活服务业态、周边体育休闲业态、周边政府机构业态、周边公共设施业态,部分消费类提供有人均消费和评分等信息,小编就不逐一放图说明了,有兴趣您可以自己去看下。