北上广深商圈表现“排排坐”,银联智策大数据带你购购购

　　2012年《纽约时报》曾发表专栏文章，宣布大数据时代已经来临，到2017年在科技进步和商业需求的双重驱动下，大数据在全球范围内已经火了近五年。但是，《纽约时报》认为：“大数据在各个领域中预见未来的能力，才刚刚崭露头角。”随着第四次工业革命的到来，大数据成为核心之一已经达成共识。用大数据的思维和方法，不断改造、颠覆传统行业的规则和盈利模式，已经成为整个社会前进的方向。商业地产作为传统行业的巨擎，自然身处这场变革和发展之中。
　　银联智策顾问(上海)有限公司(以下简称“银联智策”)在大数据行业不断摸索，尝试数据在各种商业的深度应用，以期能够真正将大数据概念请下“神坛”，切实应用于指导商业地产领域决策、影响社会和人类生活。
　　一直以来，商业地产公司都对商圈的构成、特点和影响商圈规模变化的各种因素，进行综合性研究。传统的商圈分析大多依赖官方统计数据，抽样样本线下调研，同时结合专家的多年行业经验。一方面官方统计数据时间相对滞后，统计信息不全面；另一方面，对于人群的信息覆盖面有限，无法进行深入和多层面的描述，大多停留在主观定性的描述上。传统的方式往往花费金额较高，耗时较长，同时很多经验无法进行二次验证，往往得出有所偏颇的结论。
　　对商户来讲，商圈分析有着重要的意义。它有助于企业选择店址，在符合设址原则的条件下，确定适宜的设址地点；有助于企业制定市场开拓目标，明确哪些是本商场的基本顾客群和潜在顾客群，不断扩大商圈范围；有助于企业有效地进行市场竞争，在掌握商圈范围内客流来源和客流类型的基础上，开展有针对性的营销。
　　此次银联智策运用消费大数据的手段，将中国四个主要一线城市的商圈进行了不同层面的数据分析，从数据收集到数据挖掘，从数学模型到深度学习，从分析工具到数据平台，在数据应用领域积累了丰富的经验及海量数据。通过对消费人群、业态构成及商户层面进行了数据建模及分析，通过不同城市、不同商圈的指标对比，以期发现最合理的商业布局模式。

　　2012年《纽约时报》曾发表专栏文章，宣布大数据时代已经来临，到2017年在科技进步和商业需求的双重驱动下，大数据在全球范围内已经火了近五年。但是，《纽约时报》认为：“大数据在各个领域中预见未来的能力，才刚刚崭露头角。”随着第四次工业革命的到来，大数据成为核心之一已经达成共识。用大数据的思维和方法，不断改造、颠覆传统行业的规则和盈利模式，已经成为整个社会前进的方向。商业地产作为传统行业的巨擎，自然身处这场变革和发展之中。
　　银联智策顾问(上海)有限公司(以下简称“银联智策”)在大数据行业不断摸索，尝试数据在各种商业的深度应用，以期能够真正将大数据概念请下“神坛”，切实应用于指导商业地产领域决策、影响社会和人类生活。
　　一直以来，商业地产公司都对商圈的构成、特点和影响商圈规模变化的各种因素，进行综合性研究。传统的商圈分析大多依赖官方统计数据，抽样样本线下调研，同时结合专家的多年行业经验。一方面官方统计数据时间相对滞后，统计信息不全面；另一方面，对于人群的信息覆盖面有限，无法进行深入和多层面的描述，大多停留在主观定性的描述上。传统的方式往往花费金额较高，耗时较长，同时很多经验无法进行二次验证，往往得出有所偏颇的结论。
　　对商户来讲，商圈分析有着重要的意义。它有助于企业选择店址，在符合设址原则的条件下，确定适宜的设址地点；有助于企业制定市场开拓目标，明确哪些是本商场的基本顾客群和潜在顾客群，不断扩大商圈范围；有助于企业有效地进行市场竞争，在掌握商圈范围内客流来源和客流类型的基础上，开展有针对性的营销。
　　此次银联智策运用消费大数据的手段，将中国四个主要一线城市的商圈进行了不同层面的数据分析，从数据收集到数据挖掘，从数学模型到深度学习，从分析工具到数据平台，在数据应用领域积累了丰富的经验及海量数据。通过对消费人群、业态构成及商户层面进行了数据建模及分析，通过不同城市、不同商圈的指标对比，以期发现最合理的商业布局模式。
　　城市样本及商圈类型
　　选取四个一线城市，包括北京、上海、广州和深圳(以下简称“北上广深”)。
　　划分三种类型的商圈。
　　一是超级区域型商圈。在这里是指大体量样本的超级型购物中心广场，能够提供多样化的时装及休闲娱乐设施。本次选取的商圈为旅游人群聚集较多的知名商圈。
　　二是区域型商圈。能够提供一般商品及时装，主要集中在非日用品零售及娱乐休闲，吸引较广泛地区。本次选取的商圈为消费力较高，年轻人比较聚集的商圈。
　　三是社区型商圈。拥有更多的衣服种类及非日用品，具有某些特定特色。本次选取的商圈为写字楼聚集区商圈(表1)。
　　表1北上广深三类商圈划分
　　

客群来源
　　北上广深三类商圈从横向对比来看，整个城市的消费主力人群仍然以本地居民消费最多，即使在传统的印象中游客比较多的区域，也只有深圳的外地游客较多。而在白领聚集区，上海淮海路上遍布高级写字楼仍然有较高比率的外地游客在此购物。
　　 超级区域型。虽然作为知名度较高、直观上外地游客聚集地较高的“双高”商圈，实际上的消费还是以本地居民居多。北京、广州、上海超过50%的比率，而广州最高接近80%。只有深圳的东门商业区以外地游客居多，本地游客低于50%(图1)。
　　图1北上广深超级区域型商圈客群分布
　　

　　区域型商圈。作为年轻人中间口碑比较高的商业聚集区，非常明显看到北上广深的本地居民比率皆超过60%，是本地居民最爱逛的商圈。其中以广州地区的本地人占比最多，超过80%(图2)。
　　图2北上广深区域型商圈客群分布
　　

　　社区型商圈。作为写字楼林立的白领聚集区，北上广深的本地居民比率皆超过50%，但是，上海本地居民的占有率略有下降(图3)。
　　图3北上广深社区型商圈客群分布
　　

客群消费能力
　　报告按照高额消费，以及显著高、高、相当高、低和显著低消费六个维度，从北上广深四个城市、三种商圈横向对比来看，深圳整体的消费能力高于其他城市，尤其是深圳东门商业区及华侨城地区；北京国贸商圈的消费水平高的人群占比较最多，超过60%。
　　超级区域型商圈。北京、广州、上海的客群消费能力，从低到相当高超过50%的比率，广州甚至达到近60%，说明人群的消费能力比较一般。深圳的高消费人群和显著高人群占比最多，消费能力最强(图4)。
　　图4 北上广深超级区域型商圈客群消费能力对比
　　

　　区域型商圈。在消费力较高的区域，整体的消费能力都有所提升。上海、深圳的显著低到消费能力相当的人群占比低于50%，高及显著高端人群有所增加(图5)。图5北上广深区域型商圈客群消费能力对比
　　

　　社区型商圈。在白领聚集区，北京明显从显著低到相当以下的消费人群低于40%。高额消费开始有较大比率提升。广州和上海消费人群显著低到相当的持平，均在50%以上(图6)。
　　图6北上广深社区型商圈客群消费能力对比
　　

客群消费自由度
　　
　　报告按照一次性大额消费、商业性消费，以及高、中、低自由度五个维度，从北上广深三类商圈横向对比来看，白领聚集较多的商圈整体的客群消费自由度最高，北京、上海、深圳客群消费高自由度人群基本一致，广州上下九商圈的大额消费人群最多。
　　超级区域型商圈。广州客群消费低自由度占比超过40%，其他三个城市基本相当。广州客群一次性大额消费较多(图7)。
　　图7北上广深超级区域型商圈客群消费自由度对比
　　

　　区域型商圈。北京、上海、深圳的客群消费低自由度在40%以下。上海客群消费高自由度人群最高，占比超过40%(图8)。
　　图8北上广深区域型商圈客群消费自由度对比
　　

　　社区型商圈。北上广深的客群消费低自由度人群相对持平，不超过40%(图9)。
　　图9北上广深社区型商圈客群消费自由度对比
　　

客群消费趋势
　　报告将客群消费趋势划分为五个维度，包括显著快、快、相当、慢和显著慢。从北上广深的三类商圈整体来看，消费趋势“相当”的占比超过70%，整体的消费趋势处于一般情况。上海的消费趋势“慢”的占比稍比其他城市略有增加。
　　超级区域型商圈。70%的消费趋势在“相当”以下，说明整体消费趋势比较平稳。北京和上海消费趋势“慢”的比率超过30%(图10)。
　　图10北上广深超级区域型商圈客群消费趋势对比
　　

　　区域型商圈。北上广深的客群消费趋势区别不大，基本保持一致的趋势(图11)。
　　图11北上广深区域型商圈客群消费趋势对比
　　

　　社区型商圈。北上广深的客群消费趋势基本保持一致，区别不大(图12)。
　　图12北上广深社区型商圈客群消费自由度对比
　　

客户价值细分
　　报告将客户价值划分为高端客群价值、文艺小资客群价值、白领客群价值、打拼生活客群价值、大宗交易客群价值和小微批发客群价值六个维度。比较北上广深的三类商圈发现，以“白领客群价值”最高。其次是“打拼生活客群价值”。在白领聚集区明显看到“高端客群价值”比率有较大增加。而在广州的超级区域型和区域型中，“大宗交易客群价值”占比最高。
　　超级区域型商圈。“白领客群价值”占比最多，其次是“打拼生活客群价值”和“大宗交易客群价值”。北上广深相比较，广州“小微批发客群价值”占比最多，上海“高端客群价值”占比最高。
　　图13北上广深超级区域型商圈客户价值细分对比
　　

　　区域型商圈。除广州外，其他三个城市的“白领客群价值”均超过50%。上海和深圳的“高端客群价值”则明显增加。
　　图14北上广深区域型商圈客户价值细分对比
　　

　　社区型商圈。北京的“白领客群价值”占比最多，广州和上海的“打拼生活客群价值”占比最高，“高端客群价值”的占比也在明显提高。同时，广州的“小微批发客群价值”也是占比最高的。
　　图15北上广深社区型商圈客户价值细分对比
　　

　　商户分级表现
　　按照高、中、低三类来分析商户的分级表现，对比北上广深三类商圈发现，商户在高级别和中级别的占比最多。其中以北京和上海高级别商户占比最多最为明显。超级区域型中低级别商户占比最少。
　　超级区域型商圈。北京、广州、上海高级别的商户占比超过50%。剩下的基本集中在中级的商户中(图16)。
　　图16北上广深超级区域型商圈商户分级表现
　　

　　区域型商圈。除深圳之外，高级别的商户占比最多，超过50%，尤其上海更占到60%；深圳的中级别的商户占比较高；广州和深圳的低级别的商户占比接近10%(图17)。
　　图17北上广深区域型商圈商户分级表现
　　

　　社区型商圈。北京、上海高级别商户占比超过50%。广州和深圳中级别商户占比超过50%。同时，北京、广州、深圳的低级别商户占比有所增加。
　　图18北上广深社区型商圈商户分级表现
　　

商圈笔均消费比较
　　报告选取近一年笔均消费金额(元，下同)作比较。并且选择以北上广深商圈，同城商圈，以及服饰类、餐饮类、零售百货类业态，同城服饰类、餐饮类、零售百货类业态，相应笔均消费金额情况，四个维度进行横向比较。
　　一是北上广深三类商圈近一年笔均消费金额情况。
　　超级社区型商圈。深圳的笔均消费金额明显高于其他三个城市。北京、广州和上海的笔均消费金额约400元左右(图19)。
　　图19北上广深超级区域型商圈笔均消费金额(元)比较
　　

　　区域型商圈。深圳仍然是笔均消费最高，其他三个城市的笔均消费有所上升，均在400元以上(图20)。
　　图20北上广深区域型商圈笔均消费金额(元)比较
　　

　　社区型商圈。北京国贸地区的笔均消费最高，其他三个城市的笔均消费基本在400-600元之间(图21)。
　　图21北上广深社区型商圈笔均消费金额(元)比较
　　

　　二是同城商圈之间横向比较笔均消费金额情况。
　　北京笔均消费金额相差金额较为明显，在200元左右。社区型商圈白领聚集区最高，三里屯“潮人”聚集地位居其次，王府井旅游游客聚集地最低(图22)。
　　图22北京商圈之间笔均消费金额(元)对比
　　

　　上海整体笔均消费金额在100元左右。以新天地“潮人”聚集地最高，其次是白领聚集地的淮海路。
　　图23上海商圈之间笔均消费金额(元)对比
　　

　　广州整体笔均消费金额相差不大，以社区型商圈“潮人”聚集地最高，其次是白领聚集地最多的社区型商圈(图24)。
　　图24广州商圈之间笔均消费金额(元)对比
　　

　　深圳整体笔均消费金额有较大提高。其中以游客聚集的超级社区型商圈居多，其次是“潮人”聚集地的区域型商圈，社区型商圈的白领聚集地则最低(图25)。
　　图25广州商圈之间笔均消费金额(元)对比
　　

　　三是服饰类、餐饮类、零售百货类业态笔均消费金额情况。
　　其一，超级区域型商圈。
　　服饰类方面，深圳和广州笔均消费金额最高(表2，图26)。
　　表2超级区域型商圈服饰类笔均消费金额(元)对比
　　

图26超级区域型商圈服饰类笔均消费金额(元)对比[美化图表格式，下同]

　　餐饮类方面，笔均消费金额显示，深圳人“最爱”吃(图27)。
　　图27超级区域型商圈餐饮类笔均消费金额(元)对比
　　

　　零售百货类方面，除广州外，其他三个城市笔均消费金额都比较高。上下九聚集的大型商场不太多，导致客单价不高(图28)。
　　图28超级区域型商圈零售百货类笔均消费金额(元)对比
　　

　　其二，区域型商圈。
　　服饰类方面，客单价较均匀，上海和广州的客单价接近(图29)。
　　图29区域型商圈服饰类笔均消费金额(元)对比
　　

　　餐饮类方面，深圳人还是“最爱”吃(图30)。
　　图30区域型商圈餐饮类笔均消费金额(元)对比
　　

　　零售百货类方面，北京三里屯的笔均消费金额最高(图31)。
　　图31区域型商圈零售百货类笔均消费金额(元)对比
　　

　　其三，社区型商圈。
　　服饰类方面，北京国贸地区奢侈品店较多，所以笔均消费金额较高(图32)。
　　图32社区型商圈服饰类笔均消费金额(元)对比
　　

　　餐饮类方面，白领聚集地的餐饮客单价较平均(图33)。
　　图33社区型商圈餐饮类笔均消费金额(元)对比
　　

　　零售百货类方面，北京国贸的零售百货依旧最高(图34)。
　　图34社区型商圈零售百货类笔均消费金额(元)对比
　　

　　四是同城服饰类、餐饮类、零售百货类业态笔均消费金额情况。
　　其一，北京服饰类、餐饮类、零售百货类业态笔均消费金额情况。
　　国贸奢侈品店最多，服饰类笔均消费金额最高(图35)。
　　图35北京服饰类笔均消费金额(元)情况
　　

　　北京餐饮类消费方面较为平均，笔均差别不大(图36)。
　　图36北京餐饮类笔均消费金额(元)情况
　　

　　国贸商圈的零售百货类笔均消费金额最高，其次是“潮人”聚集地三里屯，游客较多的王府井相比最低(图37)。
　　图37北京零售百货类笔均消费金额(元)情况
　　

　　其二，上海服饰类、餐饮类、零售百货类业态笔均消费金额情况。
　　新天地“潮人”最多，服饰类笔均消费金额最高(图38)。
　　图38上海服饰类笔均消费金额(元)情况
　　

　　新天地餐饮类笔均消费最高，三种区域差别不大(图39)。
　　图39上海餐饮类笔均消费金额(元)情况
　　

　　上南京东路游客聚集地的客单价最高，其次是淮海路(图40)。
　　图40上海零售百货类笔均消费金额(元)情况
　　

　　其三，广州服饰类、餐饮类、零售百货类业态笔均消费金额情况。
　　上下九有批发性质，服饰类笔均消费金额最高(图41)。
　　图41广州服饰类笔均消费金额(元)情况
　　

　　餐饮类方面较为平均，笔均消费金额差别不大(图42)。
　　图42广州餐饮类笔均消费金额(元)情况
　　

　　社区型商圈白领聚集地最高，其次是“潮人”聚集地的区域型商圈(图43)。
　　图43广州零售百货类笔均消费金额(元)情况
　　

　　其四，深圳服饰类、餐饮类、零售百货类业态笔均消费金额情况。
　　东门有批发性质，服饰类笔均消费金额最高，其次是白领聚集地国贸商圈(图44)。
　　图44深圳服饰类笔均消费金额(元)情况
　　

　　东门餐饮类笔均消费金额最高，白领聚集地反而笔均消费最低(图45)。
　　图45深圳餐饮类笔均消费金额(元)情况
　　

　　零售百货类笔均消费金额国贸商圈最高，华侨城商圈位居其次，东门商业圈则排行第三(图46)。
　　图46深圳零售百货类笔均消费金额(元)情况
　　

　　由此可见，基于大数据对于商圈进行多个维度分析，可以全面展示商圈的特点、人群的情况以及各个业态的分布情况，以及之间进行比对。这些可以指导前期的商业定位、品牌布局及业态规划。并且，通过近一年的数据跟踪，可以通过不同城市、不同商圈的指标比较，推行最合理的商业布局。银联智策也正努力将这些针对大数据的分析，全部放在一个平台上，方便客户实时进行对比和查询。
　　展望未来，此次对于地产行业的分析仅仅基于跨行交易数据。如果能结合更加丰富的数据源，例如运营商的数据、交通数据或者消费者行为轨迹的数据等，则可以实现更多维度的打通，能够为传统的地产行业提供更多的决策支持。当然，这些都依赖业界不断尝试与探索，从而促进数据技术的进一步完善，以期更加贴合实践需求。同时，也需要依靠政策的进一步开放，以及整体大数据行业发展环境的全面提升。
　　作者供职于银联智策顾问(上海)有限公司