慧选址：一站式大数据智能选址平台

文/杨正砚

我介绍的是北京阿拉丁大数据（www.aladinfo.com）所开发的大数据智能选址产品——慧选址。这个产品通过聚合多源数据并进行专业店铺选址算法的开发和应用模型的构建，旨在为各种业态的零售终端在店铺选址过程中提供数据支撑和智能化、智慧化的决策支持。

俗话说，良好的开端是成功的一半，店铺选址是各类零售终端都要做的第一步工作。零售终端是地利经济，业内有“七分选址，三分运营”的说法。任何一种形态的零售终端都有自己的品牌定位和目标客群，每个店铺只要店址确定了，周边商圈的客流也就确定了。大数据分析可以实现零售终端品牌定位跟目标客群之间的精准匹配。很多经营不善甚至关店的零售终端，主要原因是没有实现品牌定位跟目标客群的精准匹配。

成功的店铺选址需要根据客群洞察、客流监测、购买力画像、竞品分析等进行全方位的分析，这就需要有数据的支撑。阿拉丁在这方面具有明显的领先优势，我们的数据包括：一、移动运营商中国移动、中国联通的手机用户数据，包括用户位置移动轨迹、性别、年龄、居住地、工作地、职业等近三千个指标；二是银联的消费刷卡数据，对于一个具体的商圈，某种业态在指定的时间区间里销售额是多少，都是可以进行分析的。目前，能同时通过移动运营商和银联的源数据进行建模和算法开发的应该只有我们阿拉丁一家。我们的产品开发人员都是在中国移动、中国联通以及银联的数据中心直接使用源数据进行店铺选址模型和算法的开发。

对店铺选址来说，主要目标就是进行精准选址，包括对目标客群的识别以及洞察，解决传统方式数据收集的困难成本高，数据单一的问题和痛点。商圈分析可以分几个维度，首先是客群的居住情况，我们拥有全国所有小区、住宅的基础信息；第二个维度是写字楼数据，分为两部分，第一部分是写字楼的基础信息，包括建筑面积、楼高、层数、层高、进深等基础信息，第二部分，我们开发了“楼立方”模型，对每一个写字楼里面有多少公司在办公，我们可以按照楼层和房间号，展示每一层每个房间有哪些公司在这办公，这些公司是哪年成立的，做什么业务，公司规模等。比如在一个写字楼下面要开一个便利店，通过这个模型你就可以知道这个在写字楼里工作的是什么类型的人群；第三类是周边区域的医疗成熟度；第四类是周边区域的教育成熟度。

为了反映各个城市不同业态的具体发展情况和竞争的饱和度，我们做了全国所有城市的商圈地图，可以看到不同业态的聚集情况。客群画像是描述人群的年龄、性别、学历、户籍、生活阶段等信息。客群偏好分两部分：一个是线上，一个是线下，线上的偏好比如每个用户经常浏览什么网站，网购什么产品，客单价多少以及购买频次等，线下主要是每个人在某个区域里面的兴趣点和兴趣路线，某个人去一个区域以后，去干了什么事情，行为的轨迹，把每个人的行为轨迹变化汇集到一起形成人群的潮汐。客群筛选可以选择不同的纬度，包括性别、年龄，也包括消费情况，比如每个月或者每个星期消费的次数，消费的单笔金额，以及个人的资产状况。比如，我们想看看某个区域内净资产过千万的有多少人。客群购买力是反映目标区域里客群的购买力水平的一个指标。客群通勤是反映在目标区域里的人群的出行方式，比如是开车、坐地铁、骑行还是步行，以及在路上花了多长时间，或者到目标区以后停留了多长时间。竞争状况方面，我们对各种业态的发展情况进行分析。比如咖啡厅，全国所有的城市2017年一共新开了多少家咖啡厅，有多少家咖啡厅的门店关店，从行业角度能看到目标区域里面特定业态的运行状况。竞品方面，比如星巴克可能会关注costa、太平洋咖啡每年或每个月新开店的情况或关店的信息。

阿拉丁智能店铺选址产品“慧选址”的优势主要体现在两个方面：第一，阿拉丁是一家专注于店铺选址的大数据公司，在数据源的聚合方面目前我们做的是最全的；第二，在选址算法和模型的开发方面阿拉丁具有明显的领先优势，要实现智能选址，对一个区域的客群进行详细分析，需要智能模型的支持，例如，我们开发了交通横断面分析模型，可以让零售终端运营方在选址时进行更精准化的分析，不仅看到一个多边形或者圆形区域里面的客群情况，甚至可以分析一条街道朝哪个方向的客流有多少人以及客流和客群的多元属性，从而再分析是否可以在周边开店。总之，我们希望通过大数据来助力零售终端取得更大的成功，因为从零售终端这个行业来说，有30%的终端是因为店铺选址选得不好，导致整个店铺的运营失败了。阿拉丁的目标就是协助零售终端提高开店成功率，并通过客群分析为后续的运营提供更好的支撑。