首页 品牌 资讯 智能 物联网 人工智能 大数据 数字营销 智能营销 网络 移动营销 搜索引擎 电商 新媒体 SEO 视频营销 管理 文化管理 用户战略 职场管理 专栏 投资 创业 会展 成功故事 实战 终端营销 广告营销 市场研究 解决方案 精准营销 招商

为什么购物中心数字化转型 会在当前迎来爆发?

终端营销 2020/01/16 11:01:56

在和许多购物中心运营者的沟通中,我们听到大量关于数字化转型的探讨,大家都确信数字化转型是必然趋势,但对数字化转型的底层动因还存在一些困惑 。

为什么数字化转型会在当前迎来爆发?数字化解决了商业的哪些本质问题? 它针对的究竟是哪些问题?

我们从商业的底层逻辑出发,聊聊为什么数字化转型是一次“时代的选择”。

数字化化解的根本矛盾:
供给—需求的低效匹配


商业地产运营发展的底层本质,是建立在商品供给与消费需求的匹配基础之上的,购物中心或者百货本质上相当于一座“桥梁”,链接着供给端和消费端,其发展的速率则无疑是是由供给和需求的匹配效率来决定的,匹配越精准,“桥梁” 的通过效率越高,其价值越大。

消费者真心想要的产品和服务与实际购买的东西之间,总是存在着一道鸿沟,对于这道鸿沟的弥合,往往就代表着商业的新机遇。 例如,福特针对消费者对“快速”的需求满足,缔造了福特汽车这一商业帝国。

因此,对于需求的分析和预测是供给匹配的关键,能否创造性地预测需求的趋势往往是商业实现跳跃式发展的关键。

这种分析和预测在前移动互联网时代如农业社会、工业社会相对容易,因为社会结构相对稳定,消费者的群体性标签显著。 但移动互联网时代以及未来的物联网时代则打破了这种稳定,消费者的个体性标签更为凸显,由此也带来了需求的难预测性,供给和需求的匹配鸿沟更深且预测难度更大。

这一变化对于供给—需求的匹配效率产生了极大的影响,企业如想在这一时代发展则需要克服这一深层次矛盾,进而跨越鸿沟实现发展。 如诺基亚因为无法匹配消费者对于智能机终端的新需求的供给,而最终折戟于智能化手机时代; 同样,UA因为洞察到消费者对于“专业运动”的追求,初期细分出“高性能紧身运动衣”这一产品供给,从而实现了在Nike和Adidas夹缝中的突围。

那么,为什么在这一时代会产生这种鸿沟? 其深层次的根源因素是什么?

供需矛盾的社会根源:
行为模式的“流动性”


首先,从社会发展的结构来看,我们如今所处的社会处于前所未有的“不稳定”的状态,互联网时代下的技术呈现指数化的发展状态,按照尤瓦尔·赫拉利在《今日简史》中的论述,这种技术的强势发展,让我们的社会“故事体系”越来越复杂,越来越不易于理解,“不连续性”成为目前人类社会最显著的特征,“稳定” 则成为人类社会的一件“奢侈品”。

而故事的易理解和社会的稳定性无疑是群体统一行动的基础,因此这种复杂性造成了群体的消费需求的难预测性。

按照社会学家齐格蒙特·鲍曼在《流动的现代性》中的阐述,前互联网时代处于一个“前设的参考群体时代”,在这样一个时代,个体有着相对明确的群体特征,这种特征是可以“被假定的”,正如在计划经济时代背景下,消费者可以按照显著的身份、职业、学历等标签进行划分,因此商品的供应基本可以依照这种显著的群体需求进行特定的供给,例如经典名著等书籍基本供给知识分子。

但到了互联网时代则打破了这种稳定,在这一时代模式和框架中,个体的行为因为脱离了明确的群体特征,因此“不再是已知的、假定的,更不用说是不证自明的”。

我们在消费者研究中,已经很难凭借身份、职业、学历等群体性的标签去推断其消费行为了,一个高学历的个体跟低学历的个体在某一领域消费兴趣、消费行为的可能非常一致。 例如在潮牌的消费中,我们发现,基本各个职业、学历都会涉及,已经很难从这些“户籍标签”去推论了,反而兴趣、价值观等个体性标签更为关键。 譬如在潮鞋这一单一品类中,涉及到的购买群体从身份上是横跨中学生到企业家的,年龄上更是无法区分,唯一趋同的就是对“潮”追逐的兴趣和价值观这种个体性的标签。

如果说过往的分析和预测面对的是固态的行为模式,那么在新的时代背景下,个体性的行为模式则呈现出前所未有的“液态”,因为兴趣、爱好甚至是偏好是不稳定的,就像液体一般,因时间的不同、容器的不同随之变幻。

由于“液态化”的行为模式固有的流动性,对于行为需求的分析和预测,需要从“群体性”的分析转移到对于“个体性、私人性”的关照,间歇式的分析要转变为“实时监控”才能真正做到有效的需求分析和预测,并实现供给和需求的有效匹配。

但行为模式的流动性对于传统的研究方法,无疑提出了非常大的挑战,也由此造成了传统的消费者研究和分析方法的不适用,这也是在进入21世纪后,市场预测的准确率如此之低的原因。

对个体化行为的全景式关注
是数字化转型的核心驱动力之一


传统对于需求的分析和预测是建立在“群体分析”这一核心假设基础之上的,即个体行为特征可通过群体特征被假定和证实,因此“抽样”成为核心的样本选择方法,“年龄、职业、收入、阶层等”群体性标签构成核心的分析指标以及间隔性的对比分析等构成这一传统的核心体系。

在不连续性、流动性构成显著的时代和行为特征的背景下,“抽样”无疑等同于“片面”,“群体”无疑意味着“个体谬误”。 如果按照鲍曼的论断,新的时代背景的关键特性是“差异产生差异”,这就意味着差异是呈现指数级的变化的,如果依然按照“固态”的“群体性假设”去分析和预测这种流动性的变化,无疑是南辕北撤、开拓了供给和需求之间更大的鸿沟。


因此在数字化转型中,“大数据”对于“全样本” 的追求克服了这种片面,物联网技术背景下对于个体行为数据的“全景式”的采集、对于“兴趣、爱好等”个人化的标签体系的建构则回归到对于“私人化行为”的关注,正是顺应了流动性的时代变化。

对个体化行为的全景式关注,是数字化转型的核心驱动力之一,这种新的视角有助于解决供给—需求的匹配鸿沟,因此强调对于需求分析视角的这种转变或者“回归”,是构成数字化转型的社会时代要求。

数字化转型的核心是回归到对于个体的行为关注,构建新的“数据+算力+算法”的运作范式、形成新的“描述—诊断—预测决策”的服务机理,从而实现了消费端和供应端的高效协同、精准匹配这一形态,有效解决供给—需求的匹配,提高其效率,这是数字化转型的核心要义。

2019年政府工作报告也正式提出了“智能 +”战略: “深化大数据、人工智能等研发应用。 打造工业互联网平台,拓展‘智能 +’,为制造业转型升级赋能。 ”数字化的赋能上升到国家战略层面。

我们即将步入一个全面智能化的新经济时代: 全新的运行规律正在显现,数据的自由流动化解过往市场运营中的不确定性,资源配置优化的效率大大提高。

“数字化”被置于这一经济体中的核心驱动因素,因此数字化的转型站在这种时代趋势的判断下,是时代的“必然选项”。


文章来源:微信公众号:RET睿意德


广告