圈定商圈場景，服務多業態客戶的全鏈條需求
調研 | 黃勇 費凱琳
撰寫 | 費凱琳
對零售實體來說，無論是選址還是經營，都要基於商圈維度進行。一方面，所在商圈決定了整體效率的天花板；另一方面，商家對商圈消費者及競對的瞭解程度，也會影響其經營的效率優化。
2015年成立的小滿信息，最初通過服務銀聯的商業建模需求，積累了豐富的消費大數據處理、分析經驗，逐漸建立起以商圈數據為核心的大數據平臺，孵化多種分析應用，服務於商業地產集團、品牌商、連鎖業態等商圈生態客戶。
商圈內的數據種類包括基本的地理數據、交通數據、規劃數據等，也包括由消費者產生的消費數據、行為數據，以及來自線上的互聯網數據，和商戶自有的經營數據。
在數據源方面，小滿信息與政府、銀聯、聯通、極光等第三方數據源合作，囊括了以上數據種類。小滿信息COO嚴澍認為，能同時和諸多數據巨頭合作建模產品開發，是小滿信息重要的能力體現。
值得一提的是，藉由團隊在銀聯近三年的駐場建模並服務於品牌的經驗，小滿信息對全國的線下消費數據積累了較強的建模分析能力，可完全通過自動計算還原真實店鋪地址，並通過自研因果關係模型，還原消費者的商戶消費動線。
小滿信息將以上數據脫敏後，結合客戶自有經營數據，基於地圖網格進行層層疊加及模型分析，形成了覆蓋全國近200個城市的商圈大數據平臺。以此為基礎，小滿信息不斷根據客戶需求孵化SaaS產品，並經歷了目標客群由高到低的推進。
小滿信息在初期曾考慮過服務單體B端客戶，但考慮到付費能力，還是在2016年轉向服務體量更大、在商圈中扮演更重要角色的商業地產集團，推出“商圈雷達商業地產版”，從潛在用戶和競爭對手的調研入手，輔助進行商圈相關的系統性市場調研。
一年後，小滿信息的服務對象向商圈內的另一參與主體——大型品牌和連鎖業態延伸，推出“城市光圈”，使商業地產和大型品牌的研策部門可直接通過平臺進行深度自主研究。
隨著服務的深入，小滿信息發現客戶的選址需求也很強，而這一功能同樣適用於商圈內的中小業態甚至個人客戶，繼而在今年6月推出了智能化選址平臺“指址”，服務於各類業態的選址需求。
除SaaS平臺外，小滿信息也可疊加交付標準化報告，收費模式以模型使用數量和調研標的數綜合決定，客單價在10-15萬元左右，2018年合同收入預計將達2000萬元，較去年增長近一倍。
小滿信息當前團隊規模20餘人，管理團隊具備較強的零售大數據從業和銷售背景，數據分析團隊則由來自AC尼爾森的分析諮詢專家領銜，故在初期通過直銷即獲得了新光天地、藍色港灣這類頭部客戶。
現在，小滿信息還與諮詢公司和傳統零售ERP軟件進行分銷渠道合作。“商圈雷達”客戶已達30家，“城市光圈”由龍湖地產率先在6座城市開始使用，“指址”也已獲得5家頭部便利店客戶的青睞。
至此，小滿信息的客戶涵蓋了從大型商業地產、品牌商到連鎖便利店、個人，以及政府單位、諮詢公司等多類群體，代表性客戶包括龍湖地產、藍色港灣、新光天地、迪卡儂、好鄰居、野村綜研等。
在未來的延伸中，小滿信息將繼續圍繞商圈開發諸如旅遊消費地圖等場景化商業分析應用。同時，還將嘗試構建平臺生態，引入地產中介，提供從選址分析、決策到線下選址對接的全鏈服務。
近期，愛分析對小滿信息COO嚴澍進行了訪談，就零售大數據及小滿信息的業務與戰略作了交流，現摘取部分內容分享如下。
嚴澍，小滿信息COO。Essex大學國際經濟法碩士，曾在國浩律師事務所、迪卡儂、Wilson/Yamaha、傳統制造業任職。
愛分析：小滿信息經歷了哪些發展節點？
嚴澍： 2015年8月，創始團隊正好有契機接觸到銀聯的線下數據，召集了一些AC尼爾森做模型的朋友，開始從線下消費大數據入手，用了快一年的時間，在銀聯駐場建模。
我們分了幾個階段，第一個階段產品是 “Halo” 系列，服務一些品牌的場景需求，從選址到消費者調研這一類應用方案，客戶覺得很新穎，也有蠻多價值，但離落地還有一些距離。
第二個階段產品是 “188查商圈“ ，把這從銀聯數據中挖掘到的價值做成產品，我們從上海的每一個商圈開始，進行商圈信息的數據化，包括消費量級、品類、趨勢，開發了一個搜索引擎，直接用鏈接查詢每一個商圈的信息。在這個階段我們自己自己投了100萬，還沒有能力做產品推廣，所以上市一段時間後就先停滯了。
引入京北投資後，我們開始做其他的產品應用。第一代產品是面向購物中心的，商圈雷達，主要針對購物中心的市場調研部門。傳統的市場調研是由諮詢公司進行抽樣問卷調查，現在我們用大數據對曾經到購物中心的上萬客戶進行分析，準確度和量級會有更大優勢。
去年又開發了兩個產品。城市光圈針對商業地產集團，進行土地購買和土地研測時使用。龍湖地產在六個城市應用這套系統，每天通過平臺瞭解目標地塊的各種數據。
5月底推出的新產品“指址“，針對便利店、社區小業態等一些連鎖品牌的選址需求。我們用了兩年時間在數據源層面進行建模合作，意味著我們不單單獲取現成數據，而是針對具體應用場景，進行獨特的數據構建，包括清洗、建模、輸出、驗證。
我們之所以能在半年內推出兩個產品，基於我們的大量數據整合，包括銀聯數據、移動運營商數據、路網數據、一些線上消費數據，我們已經構成了內部的大數據平臺體系，為快速開發產品應用做好準備。
愛分析：對線下消費數據的處理主要體現在哪幾方面？
嚴澍：我們處理的是底層消費數據，有幾種處理維度。
我們建了一個模型，能夠完全通過算法，遠程將品牌和真實的刷卡地點重合，可以精確到購物中心內部的情況，我們的因果關係模型還能捕捉客人在店和店之間的聯動，這是業內其他公司所沒有的視角，而我們可以得知客人的偏好在哪裡，並瞭解所調研購物中心的消費者在其他購物中心的品牌偏好、消費潛力等。
愛分析：其他數據的來源有哪些？
嚴澍：移動互聯數據我們主要的合作伙伴是極光，還會和聯通進行全國性數據合作。我們不會去實現數據獨有ID的打通，因為技術上成本非常高，在業務場景中客戶也沒有必要用到這一層。
我們會用地圖網格的形式，以一個單位，比如100×100的網格，把消費數據、行為軌跡數據、線上消費數據和其他數據覆蓋到網格上，針對不同場景開發不同應用。
愛分析：和其他商業大數據公司相比，小滿信息的核心優勢是什麼？
嚴澍：簡單來說，我們比大數據公司更懂業務，比諮詢公司有更強的數據能力。在招標過程中，我們發現諮詢公司的數據源整合和具體數據模型能力不夠強；大型大數據公司的平臺成本、產品使用沒那麼友好。
一些大數據公司在做地產類項目時，要從整個平臺開始搭建，是不能複用的，屬於定製化的高成本投入。
愛分析：數據處理能力上的優勢主要來自哪裡?
嚴澍：我們的核心團隊是原AC尼爾森的建模團隊，在零售模型上，首先具備尼爾森的方法論和能力；數據團隊領頭人是華東數盟的會長，在業內比較知名，所以在技術能力和尼爾森的方法論上，我們具有一定優勢。
愛分析：小滿信息如何定義目標客群？
嚴澍：我們遵循“BbC”模式。第一個”B”是大B，一年要開1000家店以上的公司，一般是集團，有很強的業務訴求，從選址切入後，在產品上有定製化服務的需求；第二個”b”是小B，我們認為是一年開店數量在50-100之間，用標準產品來服務； C端包含個人用戶，只開一家店，但也需要一些數據；也可能是業務拓展人員，因工作內容要求而有采集數據的需求。
愛分析：目標客戶的潛在規模有多大？
嚴澍：全中國有6000多個購物中心，一年會有可約四次調研需求。全國還有24000家大型連鎖零售品牌，對線下門店的開拓、調優需求，也帶來了巨大的市場空間。
商業地產集團也會在開發進駐的城市採用城市光圈等延伸應用，通過同樣的銷售渠道進行疊加，客單價在10-15萬不等，根據調研目標數量加倍。
愛分析：您覺得未來這會是一個集中度很高的市場嗎？
嚴澍：不一定。隨著消費升級出現很多新興業態，傳統業態也需要重新定位、招商升級，特別最近需求比較明顯。我覺得這是一個生態，需要各方協力來服務不同規模和不同業態的用戶。
閱讀更多 愛分析 的文章
