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

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，该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

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六大类基础标签，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

商圈人群移动设备属性特征

商圈人群线上应用特征

商圈人群线下行为轨迹

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

不同客群线上应用差异

不同类型客户线下轨迹

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整体把握人群整体特征，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

商圈人群及竞品客群应用偏好对比——提升度分析

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重，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”。

大数据辅助商圈洞察，

助力企业商业决策