『壹』 超大城市商圈发展怎么样如何进一步提升城市商圈活力
——编 者
提升硬件 加快升级
改造硬件设施，优化供给结构，进一步形成商业聚集效应
有着“ 时尚 风向标”之称的北京三里屯，正在迎来新的扩容和升级！
8月2日，有关各方签署协议，位于三里屯太古里北区以北、占地达4.7万平方米的一处公交维修场站将进行改造，成为三里屯太古里商圈一部分，为更多的首店、旗舰店提供承载空间，助力北京国际消费中心城市建设。
从2019年以来，北京启动传统商圈改造提升三年行动计划，按照“一区(圈)一策，分批推进”工作原则，重点推动22个商圈的改造提升。目前，王府井、中央商务区(CBD)、方庄、通州万达、回龙观龙域、平谷万德福等9个商圈已基本完成三年改造任务，公主坟、祥云小镇等5个商圈已完成90%以上，其余商圈正加大力度推进改造提升。
“打造世界顶级商圈符合消费升级的需求，也有助于推动传统商业转型升级，形成商业聚集效应。”商务部研究院国际市场研究所副所长白明表示，培育建设国际消费中心城市、打造一批世界顶级商圈，有利于加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局。
刷脸支付后，机械臂轻盈抓取文创产品，送至橱窗前；华为重庆旗舰店内，新款手机琳琅满目；走进千叶眼镜店，满满橘塌衡的艺术感扑面而来……如今的重庆渝中区解放碑步行街，体验更好、环境更美。
2018年12月，解放碑步行街入选全国首批步行街改造提升试点。解放碑商圈CBD管委会立足绿化、交通、立面、灯饰等重点领域，提升商圈品质。如今，地下环道正在将解放碑商圈附近约30个地下停车库如珠串联，1.5万个停车位互通有无。管委会相关负责人说，目前，地下环道已经建成大半个“环”，私家车不必再经过商圈路面，可以直接进入各个商场停车库。按照计划，明年将全线贯通，大大缓解交通压力。
硬件设施在升级，供给结构也在优化。解放碑商圈启动首店、首牌、首秀、首发“四首”经济，增加 时尚衫消 气、前沿味。目前已引入首店、首牌25个，新增离境退税商店19家。去年，重庆解放碑商圈 社会 消费品零售总额达924亿元，人流量达到1.6亿人次。
上海南京路步行街是全国首批改造提升试点的步行街之一。2020年9月，近500米的上海南京路步行街东拓段开街，不仅让“中华商业第一街”的长度增加了一半，还实现了南京圆做东路和外滩两大地标的牵手，向打造繁华的世界级商业街区又近了一步。
南京路大力引进国内外知名品牌首店、旗舰店，积极推动老字号品牌升级。第三方机构研究报告显示，2014年至2019年期间，南京东路步行街品牌大幅度更新，品牌替换率接近70%，其中首进上海及南京东路商圈的品牌商户占比约30%。近年来，南京路步行街客流趋于年轻化，人均消费水平提高。据统计，今年以来，南京路步行街人均消费金额较2019年提升了28%。
数字赋能 展现新貌
丰富智能化场景应用，精准满足顾客需求
“过去商场搞了很多促销活动，却并不知道客户在哪里，数字化管理解决了传统零售的痛点。”上海南京西路上的新世界城副总经理吴胜军说。
作为一座集购物、 娱乐 、宾馆、餐饮、休闲于一体的大型购物中心，新世界城在提升硬件设施的同时，开发应用数字化管理系统，500多家供应商的20余万款商品信息全部入库，实现了商品库存销售、客户消费习惯和员工绩效考核的实时数据呈现，有助于商场更精准地调整商品结构，满足顾客需求。
数字赋能，推动智慧商圈建设，让实体商业辐射范围更广。
去年，南京东路上的新世界大丸百货在全国百货商场开出第一家直播间，推出“柜台轮播实景”销售模式。主播在商场边逛边推荐，品牌销售员对线上客户点对点跟进，提供与线下相同的服务。今年3月1日，商场美妆类专场直播收获5338万元下单额，其中95%是外地顾客。新世界大丸电商管理部经理马牧说，现在一个月的线上销售额等于去年一年的线上销售额。
目前，南京路步行街实现了5G信号街区全覆盖。5G巡逻机器人实现全景无死角巡逻和现场图像的实时传送。“上海南京路步行街”官方公众号拥有商圈商业、活动、演艺和服务信息等查询功能，联手品牌推出促销优惠活动。黄浦区商务委主任金韶靖说，南京路打造世界顶级商圈，就是让没来过南京路的人想来，让来过南京路的人再来，让来不了南京路的人仍能享受南京路的服务。
专家表示，运用大数据技术加强消费互动和运行监测，定期发布商圈客流、业态、品牌分析报告，为商家进一步提升服务水平提供了有力支撑。
“几年大变样，我经常带孩子过来玩耍！”重庆市民蒋婷兴奋地说。重庆市大力推动城市商圈数字化改造，因地制宜建设智慧商圈服务平台，增强商圈智能化服务功能，提升商圈服务体验，促进商圈线上线下融合发展，让商圈更智能、更便捷。
此外，重庆解放碑步行街更新商场外立面，设置裸眼3D屏幕，实现5G信号和5G WiFi全覆盖，新增休闲设施60余处、鲜花绿植11万株、改造地面铺装4万平方米，纯步行街区由1000米延伸至1500米。解放碑步行街的人气更旺了！
业态创新 改善体验
加强规划引领，培育特色消费，优化消费环境
城市商圈是促进消费升级的重要平台，也是提升城市经济活力的重要引擎。北京、上海、重庆等城市引导核心商圈及商家积极培育特色消费、夜间消费，提升消费体验，优化消费环境。
全球最高室内攀岩馆、海洋世界“水下飞天舞”……今年暑假，上海新世界城举办首届体验节，丰富多彩的商业活动吸引了很多年轻客群。上海新世界股份有限公司总经理徐家平说：“五星级宾馆的环境，5A级景点的体验，完成第三次升级改造的新世界城，已经从传统百货蜕变为现代化商业主题乐园。”
能逛、能买、能吃、能玩，商旅文联动，南京路步行街注重整体营销，激发街区商业活力。2019年以来，步行街先后举办30多场有特色的营销和主题活动。与2020年上海 旅游 节开幕式联动的“嗨翻南京路”主题活动，带动步行街瞬时客流量突破3.6万人次。
北京三里屯利用开放式街区的独特形态，打造集聚各类餐饮、酒吧等体现国际多元文化特色的消费场景，成为潮流、 时尚 的代名词。今年上半年共有434家首店(含旗舰店)落地北京，其中87家入驻三里屯，占比达到20%。
“从前受规模限制，一些符合定位的业态和品牌进不来，因此无法吸引更广域的人群前来消费。”北京商业经济学会常务副会长赖阳说，北扩之后，租赁面积将扩增，三里屯太古里能够将客群细分化，从而巩固项目的潮流属性，可逛性也将进一步增强。
北京市商务局副局长蔡小军表示：“我们将持续推动传统商圈、传统商场改造升级，着力打造优势互补、特色凸显的消费地标，进一步提升‘北京消费’的全球吸引力。”
重庆市擦亮“ 美食 ”“美景”名片，引导商圈升级消费体验。其中，三峡广场商圈依托龙湖光年商业综合体入驻，提升了商圈活力；江北区商圈深入推进传统商业创新发展，引导商家布局 时尚 生活业态，率先开辟品牌护理馆、生活美学院等品牌体验……今年上半年，重庆市 社会 消费品零售总额增长29.9%，增速高于全国6.9个百分点。“五一”期间，重庆主要商圈和重点监测商贸企业实现零售额124.75亿元，同比增长26.8%。
“下一步，重庆市将引导商圈进一步提档升级，突出特色，错位发展。同时优化业态供给，大力发展首店经济、品牌经济，鼓励国内外知名品牌在重庆开设品牌首店、旗舰店、连锁店。丰富休闲 娱乐 、 体育 运动、文创 时尚 、新零售等首店业态供给，提供高品质消费体验。”重庆市商务委相关负责人说。
『贰』 大数据时代红华新天地引领商业模式转型
大数据时代红华新天地引领商业模式转型
曾经，提起城市名片，贵阳人首先想到的就是“森林之城、避暑之都”。这源自于几代人努力绿化的成果。而今，互联网经济热潮席卷全球，地处祖国腹地的贵阳也迎来了自己的涅盘时刻，以《贵州省云计算产业发展规划》出台为起点，以李克强总理视察贵阳大数据应用展示中心做出重要指示为契机，贵州省成立了省委书记、省长陈敏尔领衔的大数据产业发展工作领导小组，全力发展大数据产业。彼时，“贵阳数博会”盛大启幕，吸引了经济与产业界人的士纷繁踏至，据不完全统计，一年多来，贵阳共引进大数据相关项目知此150余个,投资总额达1402亿元，产业整体规模突破605亿元。如今，紧握“大数据”城市名片，围绕“机遇、安全、能源、气候、人才”五大优势，打造全产业链的大数据产业生态环境，促进大数据产业加快发展，已经成为贵阳各界的一致共识。而具有十五年互联网大数据应用经验的贵州红华集团，自然成为了这个波澜壮阔的大时代里，罕有的贵阳本土派领军人物。
【20年深耕本土 引领贵阳大数据经济】
贵州红华集团始建于1993年，最初主要从事家电连锁销售，最先开创了贵州省综合性家电商场，并借助独创的“三流合一”(资金流、信息流、物流)商业模式和“买的容易，卖的简单”的经营理念，成功走出贵州，辐射西南，并连续数年成为全国销售额前十的区域连锁品牌。经过十余年经营，红华物流、红华便利店、红华房开、黔电趋势、红华科技、红华物业等多元产业相继崛起，红华成为集团性公司。早在2000年，红华就率先试水了网上家电购销的模式，启动数字化商务平台，成为中国大陆地区最早的电商平台。肩负企业数据集成与分析系统的红华科技公司、 红华网络公司呼叫中心等也相继成立。十五年弹指一挥间，随着社会经济的快速发展，城市综合体、互联网+、大数据、电子商务、020等新型概念开始对传统业态发起强有力冲击，已经在商业模式和经营管理上成功实现大数据化雏形的红华集团，果断开启了整体战略转型的计划。
2014年，红华集团与贵阳市政府联合打造的百万方大型商业互联体——红华新天地正式运营，开启展贸电商双引擎O2O模式，这是一个充满商机的“大数据全渠道平台”，以“双城一网”为基本结构，实现全业态、全渠道、全时空商业功能的互联体商圈。其中，搭派迅双城分别代表红华实体商城和红华虚拟电商平台，一网为红华地面终端网络。开业伊始，红华新天地就启动了一系列引发行业震动的大数据产业链竞合：与中国联通合作，打造首席智慧商城;携手富基融通，打造大数据全渠道电商平台;同时进一步整合资源，建立服务团队，实现覆盖贵州的终端服务网络。双城协同，由一网渠道引导海量物流、客流进入，红华形成了聚合 “红华网上商城+红华实体商城+遍布贵州终端+红华物流体系”优质资源的商户、消费者、平台三方共赢全业态商圈。
得益于红华新天地释放出的价值魅力，同年12月，被贵阳市政府列为大数据产业发展的重点项目“中关村贵阳科技园观山湖大数据科技产业园”正式落户红华新天地，“双城一网”基础上，再度赋予红华新天地“政府数据共享平台、区域互联网交换中心、贵州CA认证中心、大数据众筹工场”等大数据特征的新内涵，红华自身也提供了40万方物业，以发展云计算、数据中心、呼叫中心等大数据相关产业。
【坐拥中心之中 孕育互联网时代繁华】
事实上，诞生20多年来，红华一直在为一个商业梦想努力——整合资源，搭建平台。最终这个梦想从云端之上的虚拟电商网络，到地处贵阳中心之中，“新贵阳大十字”黄金地段的实体商业综合体，化作现实。四通八达的交通路网、依山傍水的生态设计、汇聚40万高端居住人群和300万会展商务人羡早群的贵阳最大消费性商圈，成为其孕育互联网时代商业繁华的动力源泉。红华能够为大数据创业、工作人群提供的，将远不止一站式购物的便利生活。
以上是小编为大家分享的关于大数据时代红华新天地引领商业模式转型的相关内容，更多信息可以关注环球青藤分享更多干货
『叁』 Mobtech城市智图城市商业大数据可以了解商圈分析周围交通体系吗
2.智图城市商业大数据平台还蛮好用的，提供城市区域的交通、人口、产业等数据，还能够自由查询周便商场、住宅等公建情况。加速去了解下谢邀。
『肆』 如何在商圈o2o中玩转大数据
线上数据主要包含：访问量（IP UV PV）、平均浏览时长（浏览量）、新UV比例、跳出率、转化率（注册、订单、支付）、流量来源（搜索、直接、连接、地区、推广）、网页打开时间、网站热点、搜索分析等。
ERP数据主要包含：订单量、客单价、毛利率、二次购买率、忠实顾客转化率、顾客流失率、动销率、缺货率、商品价格变化、SKU数量变化、周转率、退货率、品类销售占比、会员注册量、注册会员转化率等。
客服回访问卷投诉数据主要包含：投诉分类、UI印象、品类印象、价格印象、网站功能印象、物流体验印象、售后印象等。
以上数据相互关联，比如分析促销活动效果时，需要分析访问量的变化，注册下单转化率的变化，促销商品和正常商品销量的变化。
怎么分析数据？
有的公司成立专门的数据分析部门，数据部门不仅提供数据，还要完成数据分析工作。这种工作方式，虽然基础数据准确，但分析结果可能有较大偏差。因为数据分析人员不熟悉业务，对各种信息的了解也不如市场部和运营部等业务部门。
比如，某个品类销售占比突然降低，这可能是因为市场部推广方式的改变，也可能是遇到季节因素。如果数据分析人员不了解这些信息，则可能简单的判断成顾客不欢迎这类商品，并且做出建议商品部门降低这类商品占比的决定。
更合理的数据分析方式是，由数据专员提供基础数据，由相关部门骨干人员共同分析，比如转化率降低，应该由市场部、运营部、商品部共同分析，得出是由哪些方面的因素造成的。
对于新项目而言，可以引入目标分析法，目标分析法是以分析“新客引入成本”和“忠实顾客转化率”为核心，设定合理目标，以此判断商业模式是否可行。
比如：某个投资5000万的B2C网站，推广预算是2500万元，目标是稳定达到每天5000单。忠实顾客的定义是平均每月购物一次，每天5000单的销售目标，需要15万忠实顾客。
如果实际经营结果数据，新客引入成本是50元，忠实顾客转化率是30%，则要达到15万会员，需要2500万推广费用。
通过数据分析可知当新客引入成本大于50元，忠实顾客转化率低于30%时，项目不能达到目标。如果目标和实际业绩数据相差不多，可以通过优化内功改善业绩，如果数据相差太大，则说明商业模式可能不可行，应该早点调整商业模式，并在试错过程中重复以上数据分析步骤。
最重要的数据，我认为是流量引入成本，新客引入成本，忠实顾客转化率。流量引入成本数据主要考核市场部，新客引入成本数据由市场部、运营部、商品部共同负责，忠实顾客转化率主要由运营部和商品部负责。
推广方面的分析包含流量分析，停留时间，流量页面，转化率分析。流量的增减（新UV数据）代表市场部推广工作是否有效，新客停留时间浏览页面量和转化率等数据，一定程度上代表了市场部推广是否有针对性。
新客引入成本分析是推广效率重要的KPI，是每个达成目标投入的推广资金。比如某个推广方法带来了10000个UV，500个注册，100个订单。而这个方法耗费了1万元资金，则每个UV，注册，订单投入的资金分别是1元，20元，100元。这个推广方法的新客引入成本是100元。
如何与数据分析结果match?
市场部的重要工作是尝试不同的推广方式，计算每种推广的投资回报率，根据数据分析结果，重点投入和侧重优化投资回报率最高的推广方式。
提升内功是新客引入成本与忠实顾客转化率优化的基本方法。内功包含：商品结构、促销方式、网站体验、物流体验、顾客回访投诉、会员营销等。
商品结构优化目的是通过数据分析了解顾客需求，不断引进和淘汰商品，使商品结构尽量符合顾客需求。建立商品维度表，综合考虑商品所有维度，比如价格、型号、外形、品牌、规格等维度，把商品根据不同维度区分，数据分析各品类各维度的销售量，增加高销量维度商品品类占比，精简低销量维度商品品类占比。
商品引进淘汰过程还受到很多因素影响，比如“结构商品”即使销量不好，也不能淘汰，“季节商品”需要把季节因素考虑进去。
促销方式主要依靠数据分析评估效果，每做一次主题促销，就在ERP系统中建立促销单据，设置促销主题，促销商品，促销档期。通过BI工具分析促销商品销量变化，促销毛利损失，促销活动带动正常商品销量变化，促销活动带动新会员注册和老会员购物频次变化，综合评估促销效果，以此指导下一次促销活动。
网站体验优化可以用一个公式表达：UEO(用户体验优化)= PV / OR(站点跳出率)，目的降低顾客跳出率，让顾客购物更加简单轻松。这是建立在对网站定位和顾客特点充分了解的基础之上，比如让网站的布局更加清晰，让顾客购物过程更加流畅。通过热点分析，了解顾客关注的位置，把顾客关注的内容放到热点区域。通过跳出率分析，在顾客容易跳出的页面显示推荐内容，吸引顾客继续留在网站。
顾客印象问卷投诉数据分析能发现顾客不满意的地方，在网站建立投诉通道，客服部门要对新、老顾客回访。对生成订单、但最后没有提交订单的顾客回访，在UI、品类、价格、网站体验、物流、售后等方面统计数据，分析那个方面最影响顾客体验，根据实际情况逐条解决。不断优化。
会员营销是把会员分成不同类型，根据会员特点营销。可以分为：注册未下单顾客、第一次下单顾客、忠实顾客、高价值顾客、流失顾客。
注册未下单顾客，如果留有邮箱，要定向发一些大力度的优惠劵，吸引顾客首次下单，直观体验服务。
第一次下单顾客要在包裹中放一些有提醒意义的礼品，比如印有广告的鼠标垫，随时提醒顾客，增加顾客二次下单机会。第一次下单顾客可能不清楚我们网站的主要卖点或优势，可以通过包裹或者邮件向顾客灌输这些信息。客服部门要对第一次下单顾客回访，了解他们的感受。
忠实顾客是多次重复购买顾客，通过数据分析了解忠实顾客的所需所求，有针对性的做一些推荐，如果有足够的毛利空间，可以为忠实顾客寄送VIP卡，维护忠实顾客。针对忠实顾客，发挥积分的作用，向忠实顾客推荐一些积分换购礼品，把忠实顾客发展成口碑推广员，如果忠实顾客邀请了新会员，要对忠实顾客做积分奖励。
对流失顾客要针对性营销，了解顾客流失的原因，对流失顾客发优惠劵。高价值顾客购买频次不高，但客单价高，商品毛利高，对这类顾客要推荐高价值商品，如果用对待普通顾客的方式对高价值顾客营销，可能会有反效果。
『伍』 浙江的产业地产商如何做大数据招商
如何利用大数据精准招商，可以从以下几点出发：
1利用大数据进行商圈分析，为招商做充分准备。
利用大数据对商圈内消费者习惯、消费能力、收入水平、年龄层次、交通状况等数据进行分析，为商业地产项目精准定位提供数据支撑，方便后期精准招商。除此之外，通过大数据对商圈竞品项目进行数据分析，洞察竞品项目客群消费偏好和消费能力，结合自身商业项目情况来合理规划业态组合、消费者定位等，为招商工作做足充分准备。
2利用大数据，精准筛选招商品牌。
商业地产招商利用大数据搭建品牌数据资源库，包含品牌的开店布局区域、开店楼层偏好、同楼业态关联、开店体量偏好、人均消费、以及拓展需求等数据，帮助招商人员帮助用户了解品牌信息、品牌档次、定位等，结合自身商业项目的定位，精准筛选符合匹配度高品牌进行招商。
3利用大数据实现招商信息精准投放。
在商业地产招商中，除了对品牌的精准筛选外，对于招商信息的精准投放也尤为重要。利用大数据实现招商信息精准投放，将各种营销工具和手段进行系统化结合，以产生协同效应的营销模式。
4利用大数据拟定特定的招商方案。
利用大数据制定科学的招商方案。通过前期的数据收集、分析以及对招商品牌信息的了解，制定具体科学的招商方案，且依托于大数据，招商人员制定的每一个招商方案都会对项目概况、配套条件、目标品牌等方面做出详细的说明，根据方案列出详细的招商流程。
5利用大数据实时跟进招商进程，增加招商吸引力。
利用大数据实时跟进商业地产的招商进度，对商业地产招商进行实时监管，做出科学的招商决策。同时，还能提供招商活动、招商展会信息等附加价值和服务，增加招商吸引力。
『陆』 什么是智慧商圈
智慧商圈以现有商圈为基础，结合天猫新零售大量数字化商业内容供给，如快闪店、智能母婴室、派隐亩样机等。构建商圈内容数字化，丰富商圈消费体验和提升商家碎片化时代触达与运营消费者效率。最终打通全域的产品、服务、品牌、消费体验。让蚂手消费者更多地参与到线下商圈的互动闷携嫌中来，为品牌引流。
『柒』 如何用袤博智图城市商业大数据渠道查找城市商圈周边配套设施
如果是有商业需求可以试下袤博科技的智图城市商业大数据平台，之前在选址时候用过这个软件,对周边配套和人口数据等都有大量数据提供,软件还挺好上手的加速了解下。
『捌』 什么是超级商圈
超级商圈来简单讲是一个赋能百自业，万家共享，聚合客流的大数据平台。在超级商圈对个人来讲，整个平台从头到尾都不需要投资，最大亮点注册就能创造价值，消费就能增收，帮商家分享广告还能获得奖励，我们把平时需要用到的刚需产品换个平台消费就能和平台共同获利，分享给亲朋好友同样能创收。
对商家来讲，赋能百业，跨界增收，平台发行云券的应用流通帮商家引流锁粉。同时为商家免费提供信息展示推广，拓展商家销售渠道增加收入。
超级商圈就是一个信息发布平台，通过商圈平衡利益来撬动参与者能动性，让参与的人获得更多利益。
『玖』 大数据研究与应用协会市场推广面试问题
传统的用户研究包括品牌研究、客户满意度研究、商圈研究、市场细分、渠道研究、产品定价研究以及产品测试，这些研究大多数用市场调研的方法来实现。市场调研由于调研方法带来的诸多问题，导致结果的代表性、准确性以及研究的效率都存在不同程度的挑战。我们相信，随着大数据的发展，大数据将对市场与用户研究方法将带来革命性的变化。本文将介绍大数据目前在市场与用户研究方面的应用与探索。
一、大数据用于品牌研究
品牌认知度、品牌形象和品牌满意度研究是品牌研究的三大重要部分。
1）品牌认知度是品牌资产的重要组成部分，品牌认知度是衡量消费者对品牌内涵及价值的认识和理解度的标准，同时也是公司竞争力的一种体现。
2）而品牌形象是品牌在公众心中所表现出的个性特征，它体现公众特别是消费者对品牌的评价与认知，以及对品牌所具有的一切联想。品牌形象分为三个层级的形象：产品或服务本身的形象、使用者的形象、产品或提供者的形象。
3）品牌满意度是消费者通过对一个品牌产品或服务的可感知效果与对比预期相比较后，所形成的愉悦或失望的状态，可以不满意、满意、满足、愉悦等四种情绪，一个拥有高满意度的品牌，其顾客的购买率及重复购买率也在相应提升，因此品牌满意度的研究也非常重要。
在传统的市场研究中，品牌认知、品牌形象和品牌满意度研究是通过市场调查的手段来实现。在大数据时代，我们可以利用互联网大数据辅助品牌认知度、品牌形象和品牌满意度研究。我们可以通过网络爬虫技术，对新闻媒体、社会化媒体等网站实时全网监测，实时掌握网民对品牌和竞品的品牌提及量、产品提及量以及提及量的趋势，掌握自己品牌和竞争的品牌形象评价；通过品牌和产品的正负面评论的监测，及时了解对品牌消费者对品牌的满意度情况，及时发现问题。过去，进行品牌认知度、品牌形象以及品牌满意度的市场调研，从调查开始到报告产生，至少需要半个月到一个月，而且由于成本和操作性的限制，只能选取一些代表性的人群和地点做代表性的抽样不够全面。利用大数据手段，我们可以实现更快更全面以及更真实的统计，这对我们及时的了解品牌认知度、品牌形象以及品牌满意度的现状和趋势非常有帮助。
专栏：企业实施大数据的五大关键
专栏：大数据应用于企业运营
大数据在电信行业的应用
二、大数据用于忠诚度研究
净推荐值研究方法是客户忠诚度研究中的重要方法。净推荐值（NPS）研究方法由国际知名咨询公司贝恩咨询客户忠诚度业务的创始人佛瑞德·赖克霍徳（Fred Reichheld）在2003《哈佛大学商业评论》文章“你需要致力于增长的一个数字”的文章中首次提到。该方法通过调查客户问题“您有多大可能向您的朋友或同事推荐我们公司的产品或服务？（0-10分）” 来获得，根据客户的回答分数分成三组：
第一组给公司9分或10分，称之为“推荐者”(promoters)；他们是对公司产品或服务满意度和忠诚度非常高的客户，在当今社会化媒体营销时代，他们是公司产品或服务免费营销人员，他们会推荐朋友和亲人来购买。
第二组给公司7分或8分，为“被动满意者”(passively satisfied)；他们对公司产品或服务既无不满意，也无满意的客户，较易被其他竞争者吸引。
第三组给0至6分，是“贬损者”(detractors)。他们对公司的产品或服务非常不满意，不仅仅停止购买公司的产品或服务，他们会尽一切可能劝周围的人不要买，同时会转向其他竞争者。
NPS值即为推荐者所占百分比与贬低者所占百分比的差值（如下图）。NPS的业务逻辑是：推荐者会继续购买并且推荐给其他人来加速你的成长，而贬损者则能破坏你的名声，不仅仅停止购买，而且劝说周围朋友购买，让你在负面的口碑中阻止成长，NPS则是反映了这两股力量较量的结果。Fred Reichheld实证研究证明NPS和长期利润成长有正相关性，NPS表现越好，未来企业利润的成长就会越好。
图：NPS计算方法
大家可能会问，NPS分数在多少为比较理想的状态。实证研究表明，NPS分数在NPS的得分值在50%以上被认为是表现不错，得分值在70－80%之间则证明公司拥有一批高忠诚度的好客户（如苹果、Google等互联网公司的NPS超过70%），大部分公司的NPS值在5－10%之间，更差的公司NPS还可能是负值。当然，我们仅了解NPS是不够的，NPS本身不能提供具体的改进意见，我们还需要结合影响满意度的原因深入研究，尤其是对贬损者指标进行深入的满意度研究，挖掘“贬损”背后的原因。
大数据技术革新传统NPS研究方式。大部分NPS的研究其数据获取方式都采用调查问卷的方式，这种方式很容易受到抽样方式、客户心态甚至活动礼品等多方面的影响，导致数据失真。在大数据时代，NPS的数据可以来源于客服系统的语音数据和评价文本数据、电商平台购物用户的打分及用户评论文本数据以及社会化媒体如微博、论坛等的评论文本数据，这些数据我们都称之为“用户反馈数据”。我们可以利用语音分析技术、文本分析技术将这些非结构化的“用户反馈数据”结构化，从而更好的进行数据挖掘，识别“贬损者”和“推荐者”，全面和快速的计算NPS，并可以利用这些大数据，了解“贬损者”的“贬损”的原因。如果还能够把业务系统和运营系统的“用户行为数据”关联整合进来，我们不仅仅通过“用户反馈数据”了解用户“贬损”原因，还可以了解“贬损者”的历史“用户行为数据，将更有利于我们更好的洞察用户，更全面、更及时优化“贬损者”的用户体验和改进方向；同时可以定向为“推荐者”展开更多的优惠促销或者附加增值服务。通过大数据手段可以更好的实时掌握NPS，还可以洞察NPS“推荐”或“贬损”的原因，为市场推广、客户服务、业务运营等部门的关键应用场景提供决策支撑，有利于进一步提升用户亲密度和忠诚度。
三、大数据用于市场细分
市场细分是按照消费者在市场需求、购买动机、购买行为和购买能力方面的差异，运用系统方法将整体市场即全部顾客和潜在顾客划分为数个不同的消费者群（子市场），以便选择确定自己的目标市场。市场细分的基础是购买者对产品需求的差异性。但是，这种差异性一般很难直接度量，故常用其它比较容易度量以及和需求密切相关的变量来对市场进行细分。这些变量包括地理、人口统计学属性、行为以及消费心态等变量：地理细分是将市场划分为不同的区域市场，例如可按下列地理特征将市场细分：行政区划、城市规模、资源状况和气候；人口统计学细分人口统计变量来细分市场，常用来细分市场的人口学变量有年龄、性别、民族、居住地、家庭规模与生命周期等；行为和态度细分是根据消费者对产品的购买动机、购买行为和使用情况来细分；心理细分是按消费者的社会阶层、生活方式、人格特征划分为不同的群体。市场细分既可以按照以上单维度细分，也可以组合以上维度进行多重标准细分，同时按照多重标准可以将消费者分为比较小的、同质性更高的群体。
区别于传统的市场细分，大数据应用于市场细分在以下方面起到更为重要的作用：
1）数据采集的维度更为全面，数据采集更为实时，尤其是在行为数据的采集更为及时、细腻和全方位；
2）用大数据算法进行细分模型建模，可以吸纳更多的细分维度，从而可以细分出更小、同质性更高的细分群体；
3）数据更新更快，计算速度更快，市场细分模型更新速度更快，更能及时反映用户需求的变化，从而可以做出更准确、及时细分；
4）市场细分可以和营销渠道、营销活动进行实时关联和调优，通过大数据算法判定的细分群体可以实时的进行最有效营销活动推荐，并可以用大数据计算最为有效推广渠道触达这些细分群体。
四、大数据用于产品测试
产品测试指的是企业运用专业的技术手段和研究方法进行以获得目标消费者（或用户）对相关产品的认知或评价，以测试新产品的接受度或改进现有产品。产品测试在产品的各生命周期均有应用：
在产品的开发期，产品处于研发和概念阶段，此时可以对已有产品进行测试，以了解消费者认为需要改进的方面；或者对尚未成型的产品进行概念性的测试，指导产品经理对正在开放的产品做调整和改进；
在产品介绍期，产品准备投放市场以及刚刚投放市场不久，企业可以通过产品测试以了解最有效的销售渠道和促销方式，以及对产品的包装、价格进行测试；
在产品的成长期和成熟期，企业可以通过自身产品和竞争产品进行对比测试，及时掌握消费者（或用户）对产品的评价和态度；
在产品的衰退期，为了延长产品生命周期，企业会进行产品的改进或者产品新方向的测试。
以上不同阶段的产品测试，传统的实施方法一般是通过市场调查方式来实现，通常是对消费者（或用户）进行调查或者访问，利用多种访问或调查工具来实现。在大数据和互联网时代，我们可以用更快和更为准确的方式来进行产品测试：
在产品的开发期，我们可以通过电商平台或者微博、论坛等社会化媒体对现有产品的网上评论进行收集，通过自然语言处理和数据挖掘手段，以了解消费者的不满和产品改进方向；或者灰度测试来了解新版本的效果，即让一部分用户继续用老版本，一部分用户开始用新版本，如果用户对新版本没有什么反对意见，那么逐步扩大范围，把所有用户都迁移到新版本上面来。灰度测试和发布可以保证整体产品系统的稳定，在初始灰度的时候就可以发现、调整问题。
在产品的介绍期，产品的包装、外观设计和价格等也可以通过灰度测试和发布的方式来掌握消费者的反馈以进行相关的调优。
在产品的成长期和成熟期，我们同样可以通过大数据手段对电商平台和社会化媒体收集消费者对自身产品和竞争产品的评论，通过自然语言处理和数据挖掘掌握消费者对产品的不满，以改进我们自己的产品。像宝洁这种对传统市场调查非常重视的企业，目前已经逐渐开始利用大数据方式进行产品测试，尤其是通过电商平台对每一个产品都能收集评价和反馈，帮助产品的改进和创新。
五、大数据与商圈研究以及空间商业智能
商圈是指商店以其所在地点为中心沿着一定的方向和距离扩展所能吸引顾客的范围。按照离商店的距离，商圈分为三层，包括核心商圈，次级商圈和边缘商圈。核心商圈是离商店最近，顾客密度最高，约占商店顾客的55%－70%；次级商圈是指位于核心商圈外围的商圈，顾客分布较为分散，约占商店顾客的15-20%；边缘商圈是于商圈的最外缘，包含商圈剩下的客户，此商圈顾客最为分散，数量最少。
按照商圈的性质，商圈可以分为六大类，包括：
（1）商业区，商业集中的地区；
（2）住宅区，住宅区住户数量至少1000户以上；
（3）文教区，其附近有一所或以上的学校；
（4）办公区，办公大楼较多的地区；
（5）工业区，即工厂较多的地区；
（6）混合区，以上5类的混合，如住商混合、住教混合、工商混合等。
影响商圈的因素可以分为内部因素和外部因素。内部因素包括：
店铺经营商品的种类。经营传统商品、日常用品的店铺吸引顾客的区域范围较小，商圈范围小；经营非常用品，吸引顾客的能力强，商圈范围广。
店铺的经营规模。随着店铺经营规模的扩大，其商圈也在随之扩大，但增大到一定规模时，商圈范围也不会扩大；
店铺的经营特征。经营同类商品的两个店铺即便同处一地的同一条街道，其对顾客的吸引力也会有所不同，相应的商圈规模也不一样。经营灵活、商品齐全、服务周到，在顾客中留有良好形象的店铺，顾客竞争力强，自然商圈规模相对也会较其他同行业店铺大；
店铺的主体设计，包括店铺所在楼层构成及配置，吸引顾客的设施状况，如停车场停车位的多少以及其所处位置等。
影响商圈的外部因素包括：
店铺的促销手段。利用人员推销与营业推广活动等可以吸引更多的次级以及边缘商圈的顾客，可以更好扩张商圈范围；
竞争店铺的位置。相互竞争的两店之间距离越大，它们各自的商圈也越大。如潜在顾客居于两家同行业店铺之间，各自店铺分别会吸引一部分潜在顾客，造成客流分散，商圈都会因此而缩小。但有些相互竞争的店铺毗邻而设，顾客因有较多的比较、选择机会而被吸引过来，则商圈反而会因竞争而扩大；
人口流动性。人口流动是指在交通要道、繁华商业区、公共场所过往的人口。一个地区的流动人口越多，在这一地区经营的店铺的潜在顾客就越多。
交通地理状况。交通地理条件与商圈规模密切相关。在商业繁华地带，交通条件发达，人口流动性强，有大量的潜在顾客，因而商圈范围也就越大；反之，店铺设在交通偏僻地区，顾客主要是分布在店铺附近的居住人口，其商圈范围一般较小。
人口统计学特征和消费特征。包括商圈的客户性别、年龄、收入、家庭规模、消费支出能力等。
基于商圈的地理信息和数据挖掘可以应用于商铺选址、销售区域分配、物流配送路径优化、潜在消费者空间分布、线下广告投放优化、城市规划等数据可以通过大数据的手段进行获取。在这些应用中，商铺选址应用最多，尤其是应用于银行、快消、电信、医药、家具等行业。
传统的商圈相关信息获取是通过市场调查的手段获得。在大数据时代，商圈相关的位置、客流和消费者信息是可以通过大数据获取的，尤其是通过电信运营商或具有地图服务能力的互联网企业。如中国联通推出的商铺选址大数据应用服务，中国联通可以把城市区域进行栅格化处理，分析每个栅格（不同位置）的用户群信息、客流信息等，为零售商进行店铺选址的决策依据，并且已经成功的应用到烟草直营零售终端的分析和选址优化中。而国内的一些城市的相关企业也在启动智慧商圈的基础服务。他们借助为公众提供免费WiFi服务的同时，把商圈人流数据收集成为城市大数据，建立智慧商圈大数据分析平台和应用服务，通过智慧商圈服务数据分析平台的应用服务于城市管理，比如了解商圈人流、客流，为城市规划和交通线路设计提供依据和参考，也可以为商家选址和广告促销提供依据。在国外，一家名为PiinPoint的企业，他们提供基于网络的分析工具，可以帮助企业和商铺选址进行优化，它能够收集各种数据，包括人口、税率、交通信息和房产信息等，对不同的待选地址进行深度分析，并吸引了许多有扩张计划的美国零售商。
对于大数据与商圈信息的结合研究，无论是工业界还是学术界都在积极探索，甚至这些研究发展已经逐步发展为空间商业智能的探索。美国密西根大学中国信息研究中心主任鲍曙明是这样界定的空间商业智能：空间商业智能是商业智能服务的一种扩展，涉及到空间和网点的分布，周边的人口、环境、地理等等之间的关系。大数据、移动技术以及云计算是未来发展趋势，如何将这些新技术和空间商业智能有机整合，提升应用的能力，并将地理智慧普及到更广泛的商业领域，目前还处于探索阶段，还需要业界同仁共同努力。
近两年兴起的室内定位技术ibeacon将会对空间商业智能的发展有着更为积极的促进作用。iBeacon是苹果公司2013年9月发布的移动设备用OS（iOS7）上配备的新功能，通过软件和硬件的结合，从而大大提高室内精度，从原来的几百米或者几十米的定位精度提高到一米以内的定位精度。这种能力将极大的强化购物体验，如当客户走到某个商品前，手机应用自动跳出商品的介绍和促销信息。对于商家，也可以更加精准的判别潜在消费者，及时的向消费者进行精准营销。随着iBeacon的发展，商家位置信息将更为精准，线下商品信息更为丰富，尤其是极大弥补室内定位的数据源，这对空间商业智能的发展是极大的利好。
总之，大数据应用于市场和用户研究仍仍处于探索阶段，依然面临着诸多的挑战，尤其是数据采集的不全面的问题、数据质量的问题以及数据处理和分析技术有待加强尤其是非结构化数据的处理和分析技术。但我们不可否认的是，大数据应用与市场和用户研究将带来研究速度和效率的极大提升。随着大数据相关技术的发展和成熟，我们有理由相信，利用大数据进行更好的市场洞察和用户洞察洞察。市场与用户研究的同仁，我们一起拥抱大数据吧。
『拾』 大数据如何与零售业结合 在实战中应用
大数据如何与零售业结合 在实战中应用
一、“大数据”的商业价值
1、对顾客群体细分
“大数据”可以对顾客群体细分，然后对每个群体量体裁衣般的采取独特的行动。瞄准特定的顾客群体来进行营销和服务是商家一直以来的追求。云存储的海量数据和“大数据”的分析技术使得对消费者的实时和极端的细分有了成本效率极高的可能。
2、模拟实境
运用“大数据”模拟实境，发掘新的需求和提高投入的回报率。现在越来越多的产品中都装有传感器，汽车和智能手机的普及使得可收集数据呈现爆炸性增长。Blog、Twitter、Facebook和微博等社交网络也在产生着海量的数据。
云计算和“大数据”分析技术使得商家可以在成本效率较高的情况下，实时地把这些数据连同交易行为的数据进行储存和分析。交易过程、产品使用和人类行为都可以数据化。“大数据”技术可以把这些数据整合起来进行数据挖掘，从而在某些情况下通过模型模拟来判断不同变量(比如不同地区不同促销方案)的情况下何种方案投入回报最高。
3、提高投入回报率
提高“大数据”成果在各相关部门的分享程度，提高整个管理链条和产业链条的投入回报率。“大数据”能力强的部门可以通过云计算、互联网和内部搜索引擎把”大数据”成果和“大数据”能力比较薄弱的部门分享，帮助他们利用“大数据”创造商业价值。
4、数据存储空间出租
企业和个人有着海量信息存储的需求，只有将数据妥善存储，才有可能进一步挖掘其潜在价值。具体而言，这块业务模式又可以细分为针对个人文件存储和针对企业用户两大类。主要是通过易于使用的API，用户可以方便地将各种数据对象放在云端，然后再像使用水、电一样按用量收费。目前已有多个公司推出相应服务，如亚马逊、网易、诺基亚等。运营商也推出了相应的服务，如中国移动的彩云业务。
5、管理客户关系
客户管理应用的目的是根据客户的属性(包括自然属性和行为属性)，从不同角度深层次分析客户、了解客户，以此增加新的客户、提高客户的忠诚度、降低客户流失率、提高客户消费等。 对中小客户来说，专门的CRM显然大而贵。不少中小商家将飞信作为初级CRM来使用。比如把老客户加到飞信群里，在群朋友圈里发布新产品预告、特价销售通知，完成售前售后服务等。
6、个性化精准推荐
在运营商内部，根据用户喜好推荐各类业务或应用是常见的，比如应用商店软件推荐、IPTV视频节目推荐等，而通过关联算法、文本摘要抽取、情感分析等智能分析算法后，可以将之延伸到商用化服务，利用数据挖掘技术帮助客户进行精准营销，今后盈利可以来自于客户增值部分的分成。
以日常的“垃圾短信”为例，信息并不都是“垃圾”，因为收到的人并不需要而被视为垃圾。通过用户行为数据进行分析后，可以给需要的人发送需要的信息，这样“垃圾短信”就成了有价值的信息。在日本的麦当劳，用户在手机上下载优惠券，再去餐厅用运营商DoCoMo的手机钱包优惠支付。运营商和麦当劳搜集相关消费信息，例如经常买什么汉堡，去哪个店消费，消费频次多少，然后精准推送优惠券给用户。
7、数据搜索
数据搜索是一个并不新鲜的应用，随着“大数据”时代的到来，实时性、全范围搜索的需求也就变得越来越强烈。我们需要能搜索各种社交网络、用户行为等数据。其商业应用价值是将实时的数据处理与分析和广告联系起来，即实时广告业务和应用内移动广告的社交服务。
运营商掌握的用户网上行为信息，使得所获取的数据“具备更全面维度”，更具商业价值。典型应用如中国移动的“盘古搜索”。
二、“大数据”与零售业的结合运用
对于数据的使用，许多实体零售商同样表示非常重视，他们对企业积累的数据进行了各种预测和分析。然而，对具体的销售业务来说，往往存在理想与现实的纠结，前不久市场中一家知名的服装零售企业一方面在宣传盈利上市的同时，一方面曝出有近10亿元的库存。国内很多零售企业都知道“大数据”应用的好处，但他们一旦将“大数据”的应用结合到自己的企业经营中时，便会出现与目前经营有非常大的不适应问题，如此导致许多企业对此都持非常谨慎的态度。
1、将零售策略与“大数据”技术进行结合
零售企业谈的“大数据”的最大价值，是在零售策略上与“大数据”技术进行结合，最大程度地编制前置性的零售策略，确保销售计划的实现。“大数据”讲究四个“V”：一是数据体量大（Volume）；二是数据类型复杂（Variety），多涉及到各种结构性与非结构性的；三是价值密度低（Value），这和体量大是相对应的；四是数据更新与处理速度快（Velocity）。
根据这些特性主动地在业务数据产生的同时做出相应的策略应对，会为企业赢得更多的时间和市场策略调整空间。这类似于大江大河的洪峰预警，上游的洪峰出现什么状况，下游要做什么样的应对。数据用到这一层面上，才具有直接的业务价值，这不是那种销量同期比、环比、销售计划比数据能指导业务的价值能相比的。例如一家涉足线上业务的实体零售商，在一组货品的15分钟促销时间内，往往准备着3套应变策略，以确保货品能够按计划卖出。
在实体商业领域，有许多关于数据与营销的案例。一个较早的版本就是美国沃尔玛啤酒和尿布的数据关系。原来，美国的妇女在家照顾孩子，所以她们会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。
当分析师了解到啤酒和尿布销量存在正相关关系、并进一步分析的时候，发现了这样的购买情境，于是将这两种属于不同门类的商品摆在一起。这个发现为商家带来了新的销售组合。当然，即使再多的零售连锁企业知道这个故事，也极少从平时销售中能发现这样的组合，哪怕是牵强附会的。
所以，零售策略设计是零售业“大数据”价值最大的地方，也是“大数据”可以直接为其提供支持的业务。
2、零售企业对“大数据”应保持正确态度
企业的领导者首先要重视“大数据”的发展、重视企业的数据中心，把收集顾客数据作为企业营销运营的第一目标；第二，对企业内部人员进行培训及建立收集数据的软硬件机制；第三，以业务需求为准则，确定哪些数据是需要收集的；第四，确认在企业已有的数据基础上或者未来方向前提下，如何达成前三项目标的基础建设方案。
在这些IT基础工作需要企业有实实在在的投入和建设规范的信息化团队，作为中国商业最大的一分子——中小微型零售企业似乎是不可能也没有足够的能力来面对这样一场变化的。
大中型零售商因为本身业务及利润的积淀，已经能够承担这样一场需求趋势的需要成本。中小微型企业还处于快速发展过程中，如果也如同大中型企业进行全方面的投入，将很快会被新型的IT工具拖垮或者遭受重创。
但这并不意味着中小零售企业没有机会，实际上IT的发展为所有的企业都提供了平等的选择，云计算的广泛应用即是对这样一场变革带来的临时礼物。
作为中小微型零售企业，完全不必考虑自己建设一套“大数据”的IT系统，他们从精力、成本、能力上来说都不适合，因此此类企业可以将企业的IT建设外包给适合的服务商，企业本身的所有精力可以投入到对商圈的开发上。
目前，一些IT软件开发运营商也已经针对传统零售企业推出了云服务的基础平台，为中小微型商业企业提供了大型企业和超大型企业同样的基础环境及系统架构，小企业只需清晰地规划出自己的目标和适合的步骤，使用云平台按需付费即可，大可不必进行巨大的初始投入和不可预测的运行成本。
三、“大数据”在零售企业实战中的应用
1、Target
最早关于“大数据”的故事发生在美国第二大的超市塔吉特百货（Target）。孕妇对于零售商来说是个含金量很高的顾客群体。但是他们一般会去专门的孕妇商店而不是在Target购买孕期用品。人们一提起Target，往往想到的都是清洁用品、袜子和手纸之类的日常生活用品，却忽视了Target有孕妇需要的一切。为此，Target的市场营销人员求助于Target的顾客数据分析部要求建立一个模型，在孕妇第2个妊娠期就把她们给确认出来。在美国出生记录是公开的，等孩子出生了，新生儿母亲就会被铺天盖地的产品优惠广告包围，因此必须赶在孕妇第2个妊娠期行动起来。如果Target能够赶在所有零售商之前知道哪位顾客怀孕了，市场营销部门就可以早早的给他们发出量身定制的孕妇优惠广告，早早圈定宝贵的顾客资源。
如何能够准确地判断哪位顾客怀孕？ Target想到公司有一个迎婴聚会（baby shower）的登记表，开始对这些登记表里的顾客的消费数据进行建模分析，不久就发现了许多非常有用的数据模式。比如模型发现，许多孕妇在第2个妊娠期的开始会买许多大包装的无香味护手霜；在怀孕的最初20周大量购买补充钙、镁、锌的善存片之类的保健品。最后Target选出了25种典型商品的消费数据构建了“怀孕预测指数”，通过这个指数，Target能够在很小的误差范围内预测到顾客的怀孕情况，因此Target就能早早地把孕妇优惠广告寄发给顾客。
为了不让顾客觉得商家侵犯了自己的隐私，Target把孕妇用品的优惠广告夹杂在其他一大堆与怀孕不相关的商品优惠广告当中。
根据这个“大数据”模型,Target制订了全新的广告营销方案，结果Target的孕期用品销售呈现了爆炸性的增长。Target的“大数据”分析技术从孕妇这个细分顾客群开始向其他各种细分客户群推广，从Target使用“大数据”的2002年到2010年间，Target的销售额从440亿美元增长到了670亿美元。
2、ZARA
ZARA平均每件服装价格只有LVHM四分之一，但是，回看两家公司的财务年报，ZARA税前毛利率比LVHM集团还高23、6%。
（1）分析顾客的需求
在ZARA的门店里，柜台和店内各角落都装有摄影机，店经理随身带着PDA。目的是记录其顾客的每个意见，如顾客对衣服图案的偏好，扣子的大小，拉链的款式之类的微小举动。店员会向分店经理汇报，经理上传到ZARA内部全球资讯网络中，每天至少两次传递资讯给总部设计人员，由总部作出决策后立即传送到生产线，改变产品样式。
关店后，销售人员结帐、盘点每天货品上下架情况，并对客人购买与退货率做出统计。再结合柜台现金资料，交易系统做出当日成交分析报告，分析当日产品热销排名，然后，数据直达ZARA仓储系统 。
收集海量的顾客意见，以此做出生产销售决策，这样的作法大大降低了存货率。同时，根据这些电话和电脑数据，ZARA分析出相似的“区域流行”，在颜色、版型的生产中，做出最靠近客户需求的市场区隔。
（2）结合线上店数据
2010年，ZARA同时在六个欧洲国家成立网络商店，增加了网络巨量资料的串连性。2011年，分别在美国、日本推出网络平台，除了增加营收，线上商店强化了双向搜寻引擎、资料分析的功能。不仅回收意见给生产端，让决策者精准找出目标市场；也对消费者提供更准确的时尚讯息，双方都能享受“大数据”带来的好处。分析师预估，网络商店为ZARA至少提升了10%营收。
此外，线上商店除了交易行为，也是活动产品上市前的营销试金石。ZARA通常先在网络上举办消费者意见调查，再从网络回馈中，撷取顾客意见，以此改善实际出货的产品。
ZARA将网络上的海量资料看作实体店面的前测指标。因为会在网络上搜寻时尚资讯的人，对服饰的喜好、资讯的掌握，催生潮流的能力，比一般大众更前卫。再者，会在网络上抢先得知ZARA资讯的消费者，进实体店面消费的比率也很高。
这些顾客资料，除了应用在生产端，同时被整个ZARA所属的英德斯（Inditex）集团各部门运用：包含客服中心、行销部、设计团队、生产线和通路等。根据这些巨量资料，形成各部门的KPI，完成ZARA内部的垂直整合主轴。
ZARA推行的海量资料整合，后来被ZARA所属英德斯集团底下八个品牌学习应用。可以预见未来的时尚圈，除了台面上的设计能力，台面下的资讯/数据大战，将是更重要的隐形战场。
（3）对数据快速处理、修正、执行
H&M一直想跟上ZARA的脚步，积极利用“大数据”改善产品流程，成效却不彰，两者差距愈拉愈大，这是为什么？
主要的原因是，“大数据”最重要功能是缩短生产时间，让生产端依照顾客意见，能于第一时间迅速修正。但是，H&M内部的管理流程，却无法支撑“大数据”供应的庞大资讯。H&M的供应链中，从打版到出货，需要三个月左右，完全不能与ZARA两周的时间相比。
因为H&M不像ZARA，后者设计生产近半维持在西班牙国内，而H&M产地分散到亚洲、中南美洲各地。跨国沟通的时间，拉长了生产的时间成本。如此一来，“大数据”即使当天反映了各区顾客意见，无法立即改善，资讯和生产分离的结果，让H&M内部的“大数据”系统功效受到限制。
“大数据”运营要成功的关键，是资讯系统要能与决策流程紧密结合，迅速对消费者的需求作出回应、修正，并且立刻执行决策。
3、亚马逊
此前亚马逊并未大张旗鼓推展广告业务，直至2012年年底，有报道指出，亚马逊即将推出实时广告交易平台，从而向Facebook和谷歌发起挑战。这个实时广告交易平台又称“需求方平台”（Demand Side Platform，DSP），可以让广告与目标消费者相遇。广告商可以在“需求方平台”上竞标网站的闲置广告空间，而竞标标的包括广告版位，以及符合特定条件的消费者。
亚马逊开发的“需求方平台”可以“协助广告商接触网路上的众多用户，同时也帮助客户迅速找到想购买产品的相关资讯”，“需求方平台”概念虽非亚马逊首创，但以丰富资料为后盾。
亚马逊与广告商分享的资讯有两类，一是依用户网路行为所做的通用分类，例如热衷时尚、喜爱电子产品、身份为母亲、爱喝咖啡等，二是用户的商品搜寻记录。至于消费者的实际购物资料，亚马逊似乎尚未列入分享。广告商即使无法得知实际消费记录，能了解潜在顾客的商品搜寻记录；亚马逊如果全力进军网路广告市场，仍可能大大改变产业生态。
亚马逊2012年的广告收入约为5亿美元， 2013年的广告收入将达10亿美元。这会成为亚马逊未来几年内营收增长的新动力，更重要的是，它可能是亚马逊各项业务中利润率最高的业务之一。
4、沃尔玛
2011年，沃尔玛电子商务的营收仅是亚马逊的五分之一，且差距年年扩大，让沃尔玛不得不设法奋起直追，找出各种提升数字营收的模式。最终，沃尔玛选择在社交网站的移动商务上放手一搏，让更大量、迅速的资讯，进入沃尔玛内部销售决策。沃尔玛的每张购买建议清单，都是大量资料运算而出的结果。
2011年4月，沃尔玛以3亿美元高价收购了一家专长分类社群网站Kosmix。Kosmix不仅能收集、分析网络上的海量资料（大数据）给企业，还能将这些资讯个人化，提供采购建议给终端消费者（若不是追踪结帐资料，这些细微的消费者习惯，很难从卖场巡逻中发现）。这意味着，沃尔玛使用的“大数据”模式，已经从“挖掘”顾客需求进展到要能够“创造”消费需求。
沃尔玛本身就是一个海量资料系统，适用各种商业上的分析行为，它的综合功能，作为世界最大的零售业（专题阅读）巨人，沃尔玛在全球超过200万名员工，总共有110个超大型配送中心，每天处理的资料量超过10亿笔。由于资料量过于庞大，沃尔玛的“大数据”系统最重要的任务，就是在做出每一笔决定前，将执行成本降到最低，并且创造新的消费机会。
Kosmix为沃尔玛打造的“大数据”系统称做“社交基因组（Social Genome）”，连结到Twitter、Facebook等社交媒体。工程师从每天热门消息中，推出与社会时事呼应的商品，创造消费需求。分类范围包含消费者、新闻事件、产品、地区、组织和新闻议题等。同时，针对社交网络快消息流的性质，沃尔玛内部的“大数据”实验室专门发展出一套追踪系统，结合手机上网，专门管理追踪庞大的社交动态，每天能处理的资讯量超过10亿笔。
“社交基因组”的应用方式五花八门。举例来说，沃尔玛实验室内部软件能从Foursquare平台上的打卡记录，分析出在黑色星期五，不同地区消费者最常购买的品项，然后，针对不同地区送出购买建议。
以上是小编为大家分享的关于大数据如何与零售业结合 在实战中应用的相关内容，更多信息可以关注环球青藤分享更多干货