以前，商场坐落在市中心的繁华地段，就引进高档轻奢品牌；在写字楼林立的商务区，就定位快时尚；在高档小区附近，就引入精品超市。放眼全国，商场定位严重雷同，品类品牌也千篇一律，对消费者的吸引力越来越小，不少商场有客流无消费，艰难度日。

传统零售的疑问：好地段、好品牌，为什么消费者不买单呢？

根源是“场”与“人”关系的逆转。传统商场侧重对“场”的运营，选地段、拼装修，尤其在招商层面有着丰富的经验。而今天，消费者成为商业的核心，他们沉浸在各种商业业态中，有充足的选择余地，不再局限地段位置的空间限制。毫不夸张的说，由于线下数据的缺失，传统零售90%都没有“人”的运营，在一片零售红海中，找不准定位，看不清方向。

新零售首先要实现消费者全流程在线，包括外在行为的追踪和内在心理的洞察。比如通过全域数据、算法、技术的叠加，【友盟+】的消费者群体画像已经清晰到消费行为、上网偏好、地理画像、行业画像等上百个维度。

零售商场MALL们能够基于对商圈人群的理解，一方面在“场”的层次中提升招商效率；另一方面构建对“人”的认知，完成商场精准定位，包括品类组合、品牌组合策略。这些对品牌商同样适用。

一、商场层，由“人”定位“场”，提升效率

●由商圈客流特征，优化业态属性

根据人群的属性描绘业态轮廓。比如女性客群占65%，年龄集中在25-29岁、30-34岁，公司职员占60%以上；有车、已婚已育；我们可以粗略的定位“女性白领商场”；如果年龄集中在55-59、60岁以上，职业以自由职业者为主，有房，对折扣敏感，购物频繁等，以社区服务商场。这是最初级的描绘。

【友盟+】Oplus数据：年龄分布、性别占比、职业分布、消费能力、客流曲线；

●由品牌+品类偏好，细化品类组合

全域数据画像为零售商提供了清晰的数据参考，能够洞察到更细微的消费者需求。比如，群体中40%的消费者关注化妆品，且消费能力高，对某2-3个品牌的关注最高，偏爱面膜、口红/唇膏、面部精华；再由人生阶段已婚已育占62%，且地理画像显示47%的人群聚集在周边5公里范围内，近期也关注母婴、玩具类用品。零售商场就可以将“女性白领商场”再清晰到增加化妆品、母婴类品类，由关注品牌再验证消费能力，做放大引进相似品牌。同时可增加女性盥洗室、母婴室的数量，在停车场增加关爱女性停车的指引员，增加品牌好感度。

【友盟+】Oplus数据：消费能力、人生阶段、PC/APP上网偏好、品类/品牌偏好、地理画像；

●由热力动线，优化品类区域位置

除了人群画像，商场内的人流轨迹、动线分布也有大作用。一是清晰获得区域和品牌的受欢迎程度，复制经验，比如货品组合、橱窗展示，也可在沿线建立更多的亮点区域；二是及时优化人流量小的区域，调控品类品牌、增加创意设计、设置休息区等，平衡场内热度。比如，某运动服装品牌，每月都有主打商品，如泳装季、滑雪季、春游季，可以将主题设计在人流动线密集的区域，并验证对相应货架的人流拉动作用。

【友盟+】Oplus数据：动线图、热力图；

二、门店层，由“人”定位“货”，提升销售额

●由人群特征，分析潮流趋势，精选SKU

对于单个品牌来说，能够基于人群特征分析，获取产品设计的灵感。比如，某手表专柜每季度会有30+SKU新品，主推新品会基于设计师对潮流的预测，但是并不一定符合具体商圈的偏好。为了让消费者“说出”喜好，专柜将原有的智能电子购物屏，利用AR游戏吸引消费者互动，再将人群数据与线上的消费者行为打通，获得客流的人群特征。

比如模玩动漫、度假旅行的受众偏多，那么就增加这些品类的SKU；如果美容护肤、流行配饰的占主导，就增加女性时尚色彩的SKU。还可以通过销售数据、互动数据再验证和优化画像模型。

【友盟+】Oplus数据：PC/APP上网偏好、品类/品牌偏好。

“传统”线下商业存在一百多年，在供应链、选址、运营等方面都有珍贵的经验。我们希望利用全域数据升级好的经验，并形成大数据算法模型，帮助品牌实现与消费者的实时个性化互动，促进品牌的持续增长、增值、升级。