没有预测,哪来对比?

2020-03-04

在购物中心存量时代,数据驱动的精细化运营成为了打赢客流争夺战的必然趋势。然而,传统数据分析方法的短板,成为横亘在实体商业智慧运营前的重重阻拦:海量数据中的偏误难以排除,经验法则在波诡云谲的市场变化下难以适用,诸如新型冠状病毒肺炎疫情等“黑天鹅”事件带来的冲击难以评估……如何全面、准确地挖掘数据中的价值,仍然是购物中心从业者探索的方向。幸运的是,以精准预测著称的人工智能算法,已经为实体商业运营的转型之路打开了一扇大门;而汇客云,正在这条道路上稳步向前。

为什么要预测客流?

先举个例子:1月23日武汉“封城”的消息传出后,全国实体商业客流在1月24日产生了下降。要想精准计算客流下降多少,就需要给1月24日的客流找个基准。这时困惑出现了。如果用1月23日做基准,那天是年二十九,客流本来就应该比1月24日除夕的客流高很多,不可比;如果用2019年1月24日做基准,那天是个年前农历十九的工作日,也不可比。因此,要客观地评估客流下降的程度,根本无从谈起。其根本原因是,没有可进行对比的基准。

再举个例子:某购物中心2019年9月22日周日举行了一场亲子主题的活动,活动结束后的数据是这样的:活动举行的这天,购物中心的总客流为25,000人次,如何评估活动效果?困惑又出现了。如果用2018年9月22日做基准,那天是中秋节假期第一天的周六,客流非常大,而2019年9月22日是中秋节前的周日,不可比;如果把2019年9月22日前后一周的周日做基准,9月15日是中秋节假期第三天的周日,9月29日是国庆假期补班的周日,也不可比。同样的,由于没有科学的、可进行对比的基准,要想客观地评估这次活动的效果,无异于建造空中楼阁。

那预测客流量是什么?可以解决以上的问题吗?答案是肯定的。

我们知道,影响客流量的因素是非常多的且复杂的。简单讲,针对这次活动,预测客流量指的是如果没有做这场活动,购物中心的当天客流应该是多少。当我们知道了预测客流数据时,我们就可以以此为基准,通过和搞活动时的客流量的比较,清楚的得知——本场活动为购物中心带来了多少客流增量。这点很重要,我们可以对历次的活动进行这样计算,以对比各个活动带来的客流增量之间大小,进而量化对比每次活动的投入产出比(ROI)。接下来,购物中心就可以有针对性的对活动进行优化了。

所以,预测客流量这个数据,建立了一个非常重要的但之前靠小量数据和常规统计无法获得的数据对比基准,这个基准就好比一把尺子,购物中心运营中和客流相关的方方面面数据和信息,都可以进行科学的测量了。

人工智能模型精准预测客流

客流量是购物中心经营的基础和核心指标。而提前预知未来客流量,正是购物中心以数据指导运营的核心手段。购物中心在预测未来某天客流量时传统上使用过去日历上同一天的客流量,在分析当前段时间内客流量状况时也主要采用历史同期客流进行比较,上述传统方法没有充分考虑购物中心固有竞争力、工作日、节假日、天气等因素对客流的影响。

如何才能得到精准的“预测客流“呢?要进行精准的客流预测,庞大的数据和精准的算法缺一不可。在数据方面,不光要有超大规模的样本,每个样本的数据需要有长的时间跨度和细致的粒度。在算法方面,因为要综合非常多的影响因素,常规统计算法就无法胜任了。

与传统方法不同,汇客云平台上的人工智能算法模型基于目前最流行的、预测最精准的集成学习和深度学习,能够准确处理非常多因素之前的相关性和对结果的影响。建模过程中,则通过云计算和并行计算技术处理全国上千家购物中心过去多年的海量数据,采用海量数据同时进行建模训练,并结合额外的多渠道数据,包括过去多年上千家购物中心所在地每天的天气情况,节假日情况,购物中心的营销活动等,反复训练和验证模型,从而获得更精准的预测结果。

目前,基于人工智能算法开发的购物中心短期、长期预测模型已经开始为实体商业从业者提供决策支持。在2020年3月3日汇纳科技发布的“汇客云中国实体商业客流桔皮书”(下称“桔皮书”)中提出,新型冠状病毒肺炎疫情导致2020年1月20日至2月29日的全国购物中心客流量减少33亿人次。这一客流下降的测算结果,是通过基于集成学习和深度学习的客流预测模型,得到未发生疫情情况下的客流预测值,并与客流真实值相比得出的客流量差值。该模型预测值在2019年11月和12月实测误差率仅2.7%,显示出客流预测模型极高的准确率,也反映出疫情影响下客流差值测算的可靠性。


图 1:预测模型的客流预测值与客流真实值对比

人工智能模型剖析客流影响因素

尽管准确的客流预测值已经为实体商业的经营状况提供了明确的参照标准,但只有深入理解影响客流量产生的因素和逻辑,才能为实际运营提供最有针对性的抓手。汇客云平台上的人工智能算法模型采用了最前沿的可解释的机器学习方法,使得模型既能产生精准的预测又能被解读和产生商业洞察力。基于上述模型,可对客流预测值进行归因,了解每个可测量因素对客流量的影响是促进提升,还是引起下降。根据各因素对客流量的正向或负向影响,实体商业运营者可有针对性地从各因素入手采取措施,强化正向影响因素,削弱负向影响因素,从而获得提升客流量的清晰路线图。

“桔皮书”中,集团类型因素以及所在地区因素对客流的影响正体现了归因分析的作用。考察集团类型因素对平均客流增量的影响,可以测算得出,若以非集团项目客流数值为比较基准,且通过人工智能建模剔除所有其他影响客流的因素后,民营及外资集团管辖的项目日均高出2.5%。这一结果表明,民营及外资集团管辖的项目更具吸引客流的活力,应当继续坚持运营创新、提升服务质量,强化自身优势;而其余集团类型的项目,则可以民营及外资集团的项目为标杆,学习先进运营理念,进一步提升管理效率。与集团类型因素的分析相似,考察地区因素平均客流增量的影响,同样通过人工智能建模控制其他影响客流的因素,得出项目位于南部、北部、东部、西部时,对平均客流增量的影响依次递减,其中位于西部和南部地区的购物中心在客流表现方面相差近4%。这一结果表明,所有其他因素都相同的情况下,南部地区的购物中心吸引客流能力更强,对品牌选址更有吸引力,并购时更具投资价值。


图 2:集团类型因素以及所在地区因素对客流影响的归因分析

人工智能赋能实体商业

人工智能带来的产业变革,也推动着实体商业走上时代的前沿。汇纳科技的汇客云平台,不仅拥有中国最大规模的实体商业客流数据库,更在人工智能算法模型的助力下实现精准预测和智能决策,帮助购物中心和品牌实现智能的“量化运营”,也帮助政府和金融机构准确掌握市场动态。我们坚信,人工智能赋能下的实体商业,定能乘风破浪,向阳生长,继续作为中国经济基本盘的最强后援,为中国经济发展提供源源不断的动力!

返回    >
中文