零售

集合数据巨头力量,小满信息发力商圈大数据生态构建

圈定商圈场景,服务多业态客户的全链条需求

2018年09月11日
调研 | 黄勇 费凯琳 撰写 | 费凯琳
  • 零售
  • 零售科技

对零售实体来说,无论是选址还是经营,都要基于商圈维度进行。一方面,所在商圈决定了整体效率的天花板;另一方面,商家对商圈消费者及竞对的了解程度,也会影响其经营的效率优化。

 
2015年成立的小满信息,最初通过服务银联的商业建模需求,积累了丰富的消费大数据处理、分析经验,逐渐建立起以商圈数据为核心的大数据平台,孵化多种分析应用,服务于商业地产集团、品牌商、连锁业态等商圈生态客户。

商圈内的数据种类包括基本的地理数据、交通数据、规划数据等,也包括由消费者产生的消费数据、行为数据,以及来自线上的互联网数据,和商户自有的经营数据。

在数据源方面,小满信息与政府、银联、联通、极光等第三方数据源合作,囊括了以上数据种类。小满信息COO严澍认为,能同时和诸多数据巨头合作建模产品开发,是小满信息重要的能力体现。

值得一提的是,借由团队在银联近三年的驻场建模并服务于品牌的经验,小满信息对全国的线下消费数据积累了较强的建模分析能力,可完全通过自动计算还原真实店铺地址,并通过自研因果关系模型,还原消费者的商户消费动线。

小满信息将以上数据脱敏后,结合客户自有经营数据,基于地图网格进行层层叠加及模型分析,形成了覆盖全国近200个城市的商圈大数据平台。以此为基础,小满信息不断根据客户需求孵化SaaS产品,并经历了目标客群由高到低的推进。

小满信息在初期曾考虑过服务单体B端客户,但考虑到付费能力,还是在2016年转向服务体量更大、在商圈中扮演更重要角色的商业地产集团,推出“商圈雷达商业地产版”,从潜在用户和竞争对手的调研入手,辅助进行商圈相关的系统性市场调研。

一年后,小满信息的服务对象向商圈内的另一参与主体——大型品牌和连锁业态延伸,推出“城市光圈”,使商业地产和大型品牌的研策部门可直接通过平台进行深度自主研究。

随着服务的深入,小满信息发现客户的选址需求也很强,而这一功能同样适用于商圈内的中小业态甚至个人客户,继而在今年6月推出了智能化选址平台“指址”,服务于各类业态的选址需求。

除SaaS平台外,小满信息也可叠加交付标准化报告,收费模式以模型使用数量和调研标的数综合决定,客单价在10-15万元左右,2018年合同收入预计将达2000万元,较去年增长近一倍。

小满信息当前团队规模20余人,管理团队具备较强的零售大数据从业和销售背景,数据分析团队则由来自AC尼尔森的分析咨询专家领衔,故在初期通过直销即获得了新光天地、蓝色港湾这类头部客户。

现在,小满信息还与咨询公司和传统零售ERP软件进行分销渠道合作。“商圈雷达”客户已达30家,“城市光圈”由龙湖地产率先在6座城市开始使用,“指址”也已获得5家头部便利店客户的青睐。

至此,小满信息的客户涵盖了从大型商业地产、品牌商到连锁便利店、个人,以及政府单位、咨询公司等多类群体,代表性客户包括龙湖地产、蓝色港湾、新光天地、迪卡侬、好邻居、野村综研等。

在未来的延伸中,小满信息将继续围绕商圈开发诸如旅游消费地图等场景化商业分析应用。同时,还将尝试构建平台生态,引入地产中介,提供从选址分析、决策到线下选址对接的全链服务。

 
近期,爱分析对小满信息COO严澍进行了访谈,就零售大数据及小满信息的业务与战略作了交流,现摘取部分内容分享如下。

严澍,小满信息COO。Essex大学国际经济法硕士,曾在国浩律师事务所、迪卡侬、Wilson/Yamaha、传统制造业任职。

爱分析:小满信息经历了哪些发展节点?

严澍: 2015年8月,创始团队正好有契机接触到银联的线下数据,召集了一些AC尼尔森做模型的朋友,开始从线下消费大数据入手,用了快一年的时间,在银联驻场建模。

我们分了几个阶段,第一个阶段产品是 “Halo” 系列,服务一些品牌的场景需求,从选址到消费者调研这一类应用方案,客户觉得很新颖,也有蛮多价值,但离落地还有一些距离。

第二个阶段产品是 “188查商圈“ ,把这从银联数据中挖掘到的价值做成产品,我们从上海的每一个商圈开始,进行商圈信息的数据化,包括消费量级、品类、趋势,开发了一个搜索引擎,直接用链接查询每一个商圈的信息。在这个阶段我们自己自己投了100万,还没有能力做产品推广,所以上市一段时间后就先停滞了。

引入京北投资后,我们开始做其他的产品应用。第一代产品是面向购物中心的,商圈雷达,主要针对购物中心的市场调研部门。传统的市场调研是由咨询公司进行抽样问卷调查,现在我们用大数据对曾经到购物中心的上万客户进行分析,准确度和量级会有更大优势。

去年又开发了两个产品。城市光圈针对商业地产集团,进行土地购买和土地研测时使用。龙湖地产在六个城市应用这套系统,每天通过平台了解目标地块的各种数据。

5月底推出的新产品“指址“,针对便利店、社区小业态等一些连锁品牌的选址需求。我们用了两年时间在数据源层面进行建模合作,意味着我们不单单获取现成数据,而是针对具体应用场景,进行独特的数据构建,包括清洗、建模、输出、验证。

我们之所以能在半年内推出两个产品,基于我们的大量数据整合,包括银联数据、移动运营商数据、路网数据、一些线上消费数据,我们已经构成了内部的大数据平台体系,为快速开发产品应用做好准备。

爱分析:对线下消费数据的处理主要体现在哪几方面?

严澍:我们处理的是底层消费数据,有几种处理维度。

我们建了一个模型,能够完全通过算法,远程将品牌和真实的刷卡地点重合,可以精确到购物中心内部的情况,我们的因果关系模型还能捕捉客人在店和店之间的联动,这是业内其他公司所没有的视角,而我们可以得知客人的偏好在哪里,并了解所调研购物中心的消费者在其他购物中心的品牌偏好、消费潜力等。

爱分析:其他数据的来源有哪些?

严澍:移动互联数据我们主要的合作伙伴是极光,还会和联通进行全国性数据合作。我们不会去实现数据独有ID的打通,因为技术上成本非常高,在业务场景中客户也没有必要用到这一层。

我们会用地图网格的形式,以一个单位,比如100×100的网格,把消费数据、行为轨迹数据、线上消费数据和其他数据覆盖到网格上,针对不同场景开发不同应用。

爱分析:和其他商业大数据公司相比,小满信息的核心优势是什么?

严澍:简单来说,我们比大数据公司更懂业务,比咨询公司有更强的数据能力。在招标过程中,我们发现咨询公司的数据源整合和具体数据模型能力不够强;大型大数据公司的平台成本、产品使用没那么友好。

一些大数据公司在做地产类项目时,要从整个平台开始搭建,是不能复用的,属于定制化的高成本投入。

爱分析:数据处理能力上的优势主要来自哪里?

严澍:我们的核心团队是原AC尼尔森的建模团队,在零售模型上,首先具备尼尔森的方法论和能力;数据团队领头人是华东数盟的会长,在业内比较知名,所以在技术能力和尼尔森的方法论上,我们具有一定优势。

爱分析:小满信息如何定义目标客群?

严澍:我们遵循“BbC”模式。第一个”B”是大B,一年要开1000家店以上的公司,一般是集团,有很强的业务诉求,从选址切入后,在产品上有定制化服务的需求;第二个”b”是小B,我们认为是一年开店数量在50-100之间,用标准产品来服务; C端包含个人用户,只开一家店,但也需要一些数据;也可能是业务拓展人员,因工作内容要求而有采集数据的需求。

爱分析:目标客户的潜在规模有多大?

严澍:全中国有6000多个购物中心,一年会有可约四次调研需求。全国还有24000家大型连锁零售品牌,对线下门店的开拓、调优需求,也带来了巨大的市场空间。

商业地产集团也会在开发进驻的城市采用城市光圈等延伸应用,通过同样的销售渠道进行叠加,客单价在10-15万不等,根据调研目标数量加倍。

爱分析:您觉得未来这会是一个集中度很高的市场吗?

严澍:不一定。随着消费升级出现很多新兴业态,传统业态也需要重新定位、招商升级,特别最近需求比较明显。我觉得这是一个生态,需要各方协力来服务不同规模和不同业态的用户。