未来还将通过监测场内到访客群及竞品客群，有效提升目标客群获取率，持续优化商业运营坪效。

　　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。

　　商圈人群及竞品客群应用偏好对比——提升度分析

　　传统商圈调研通常依靠宏观静态数据为主，辅以商圈内的商业发展水平来判断商圈整体特征，然而宏观静态数据存在较明显的滞后性，商圈内商业发展水平则大多以商业租金、坪效值来反应，缺乏对消费人群的直接描摹。虽然传统商圈调研问卷中会涉及到对消费者消费水平的考量，但从调研结果看，很难得到人群的真实反馈。结合大数据应用方式，商圈内人群的消费特征将通过设备属性、人口属性、线上应用偏好、线下消费轨迹等多个标签维度全方位展现，从而帮助企业做出更准确的定位判断。

　　TalkingData依托自身独特的移动端数据积累优势，结合行业领先的大数据算法实践，从人群基础标签到人群分类管理，真正实现对宏观商圈人流的高精度洞察，从而辅助企业提升决策效率、增强决策信心。目前在商圈洞察中主要的大数据应用方式包括：结合土地价值分类完成商圈价值基本判定、结合已有会员人群及lookalike技术完成潜客人群挖掘、结合标签体系完成用户画像、结合聚类分析完成人群分类、结合商圈及竞品对比分析完成定位指导等，伴随对其他行业数据源的全面整合，未来仍将在商圈洞察领域做出更多创新尝试。

　　举个最近接触到的例子：

　　商圈客群更加清晰、商业定位更加精准

同质化竞争比比皆是，

　　基于企业成熟产品线的已有会员客群，用机器算法放大寻找相似人群，更快地了解陌生商圈内的潜在客群情况。

因为我们的分析只停留在表面

　　长期以来，对宏观商圈的洞察更多聚焦于客观指标数据，如人口数量、消费水平、商品住宅价格、商业租金水平等，缺乏对主体构成——商圈人群的深入调研，对商圈人群的描述大多停留在相对主观的定性描述上，缺乏对商圈全量人群的定量数据分析，难以形成对不同人群的分类聚合，以至于对商业定位、业态规划及布局的指导意义极为有限。

　　在传统手段弊端愈加凸显的新型消费时代，企业迫切需要寻求一种更有效、更直接、更全面的方式来认知商圈人群，从而为商业投资做更有力的决策支持。

　　商圈人群线下行为轨迹

　　商业服务更加个性化、商圈发展更加有序

　　商业地产的策划是事关数字和回报的学问。传统的宏观商圈洞察大多依赖官方统计数据及抽样样本线下调研，一方面官方统计数据存在时间相对滞后、统计信息不全等问题，且几乎不涉及人群消费偏好类数据；另一方面抽样样本线下调研对人群的覆盖面有限，且数据结果的信效度难以保证。

　　主编简介：【王传宏】英国皇家特许测量师(MRICS)、11年商业地产策划招商和运营管理经验。欢迎交流与合作，个人微信 malltowinunited

　　对商业开发企业而言，进驻商圈的传统指标体系主要包括衡量经济水平的宏观数据及地产投资相关数据等，对商圈人群的认知始终面临缺乏获取渠道、数据质量不高、数据内容不全等诸多难点；同时，对商圈内已有竞品的认知也停留在可见的业态格局、品牌分布、租金水平等层面，至于竞品客群的消费特征以及自身面向的目标客群与竞品客群的差异均无从得知。因而，市场上现有商圈内同质化竞争比比皆是，客群分流严重，加上网购热潮的冲击，实体商业举步维艰。

　　对开发企业而言，已有项目的运营操作经验可复制性高，但在前期定位阶段对不同商圈的认知往往无法复制。结合大数据工具和lookalike算法技术，企业已积累的消费客群将成为重要的种子数据，以此作为学习对象，将快速模拟出在不同商圈内的潜客分布情况。这一重要突破将快速建立项目定位和目标客群间的映射关系，极大提升企业入驻陌生商圈的成功率。

展望未来

　　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。

不同类型客户线下轨迹

　　圈取地理围栏移动设备集，描摹用户画像

　　结合已有会员人群及lookalike技术，实现潜客挖掘

　　圈取商圈及竞品地理围栏，获取到的移动设备数据可实现与TalkingData数据中心关联匹配，通过用户画像描述其人口属性特征、设备使用特征、线上应用偏好及线下行为轨迹，更准确地了解商圈人群及竞品客群属性。

商圈人群线上应用特征

　　某商业地产领军企业已建立自身在商业领域的优势地位，以城市综合体的产品形态成为行业标杆，同时涉及多个业务板块，形成以商业为核心的上下游产业集群；企业开发的成熟产品线在一、二线城市覆盖率高，全国布局正向二、三线城市倾斜，为此需要：

　　商圈人口属性特征

　　依据用户画像呈现出的人群线上应用偏好属性，采用K-Means进行聚类分析，建立人群细分模型，定义商圈内不同人群，同时分析竞品客群分类情况，确立自身的客群定位并指导与之匹配的业态布局、品牌招商策略等。

　　进入移动互联网时代以来，人们越来越多地依赖于移动设备获取信息，同时通过移动设备这个载体，有关人群的各种各样的信息也更多的以“数据”形态被记录并存储下来；人群大数据信息构成了宏观商圈洞察中用户画像的核心数据来源。借助大数据工具，宏观商圈的人群分析得以从模糊的定性描述变为定量的数据分析结果，真正从消费偏好出发构建商业定位的图景。

　　基于移动互联网大数据基础的360度用户画像

　　商业与地产ID:Commercialproperty

　　借鉴评估同类商圈发展历史

洞悉商圈人群是一切决策的核心。

对购物中心投资或运营决策而言，