聯商專欄：在零售經營中，選址可以說決定經營成敗的主要因素之一，可見選址的重要性。但是在實際操作中，選址主要還依賴于經驗判斷和簡單的市場調查。其選址的效率很低，成功難以保證。
其實，除了競爭性布點和戰略性布點等特殊情況，大多數的選址主要考慮客群和客流信息，這也是經驗判斷與市調的主要目的。試想，如果能夠完全的掌握區域消費者信息，包括個人身份特征（年齡、性別）、消費習慣和客群流動等，是否就可以很好的解決了這個問題了呢？
大數據可以很好的解決這個問題，如支付寶、微信等支付、社交平臺可以收集到這些海量的數據信息。這些數據信息可以涵蓋基本上大多數的主要客戶群體，掌握他們的身份特征、生活習慣、消費習慣。再結合地圖等位置工具，可以收集到客群流動信息。對這些數據集中進行分析，就可以刻畫一個城市的消費熱點圖，為智能選址提供基礎數據。
當然，智能選址除了大數據，還需要結合以往選址經驗，做出選址條件模型。大數據的優點是數據量大，這樣也必然會產生數據魚龍混雜、可用信息和不可用信息混在一起的問題。因此，建立一個模型，從中抓取可有數據信息，就顯得極為關鍵。
根據以往的選址經驗，可以針對各種不同的零售業態建立相應的數據模型，即選址條件模型。如對于一個水果店，根據實體運營的經驗和數據分析它的主要客群是什么樣的、多少這樣的客群可以支持開一家店，以及收入水平、年齡層次的影響修正，商圈范圍修正，建立起水果店的選址條件模型，為水果店的職能選址搭建基礎平臺。
再者，智能選址可以提供一個區域內最佳選址數量和最優的選址定位，但在具體的落實階段，還需要一個平臺統籌。如店馳等選址軟件，通過對線下實體店選址的支持，積累了豐富的選址支持經驗，如提供選址匯總、審核支持、評估支持等。另外，選址平臺積累大量的商戶信息數據，可以為業態互補或者競爭提供參考。
因此，實現智能選址需要結合基于大數據的基礎支持、基于經經驗的選址條件模型和一個優秀的選址組織軟件，在這三方的共同作用下，一定能實現選址工作的智能化。
實現智能化選址這三方是缺一不可的：如果少了大數據的基礎支持，那只能是回到當前的人工選址形式；如果少了選址條件模型，大數據就顯得空泛、沒有針對性，產生的結果同樣沒有價值；如果沒有協同平臺，即使圈定了位置，后續工作也很難有序的展開。
另外，關于選址評估功能，即針對一個選定位置的評估，也需要結合大數據和選址條件模型。通過選址條件模型，對區域內的大數據信息進行智能比對，判斷是否具備選址條件。
在智能化選址中，區域拓展選址應該是這樣的：
第一步：根據以往的經驗制定選址條件模型，包含輻射范圍，客群的數量、質量要求和客群流向等條件設置；
第二步：將大數據導入到條件模型中，形成一個區域內選址數量、最優位置推薦等信息；
第三步：將這些智能推薦的最優位置導入選址品臺軟件，根據企業人力情況進行任務劃分，并做好時間規劃，在最優位置上進行選址。
這尤其對于一個成長型的、在一個新區域擴張的企業，作用更為明顯。企業到一個新的區域，首先面臨的是市場容量和布點的問題。現在的解決方案一般是以通過從第三方平臺購買數據，并通過第三方公司或者公司自身進行先期市場調研為主，但最主要的依據還是人工的市場調研。
這種選址模式本身就存在很大的問題。除了需要時間長、效率低之外，真實性也比較低。這即包括人的惰性問題，還包括抽樣調查、樣本分析本身的不完全性。所以通過這種傳統方式得出的結論，至少對比通過普遍數據分析得出的結論，真實性是比較低的。
當然，考慮到社會生活習慣的不同，區域間可能存在一定差異，以往的經驗適用情況可能會出現偏差，這個就需要在擴展過程中根據實際效果不斷的進行修正。
在具體實踐中，還需要解決大數據平臺、輔助平臺和應用平臺的協同問題。
在當前，大數據雖然已經開始為商業體的大型的需求提供服務，但是主要集中在高端領域，并未涉入占據零售市場絕大部分的商超、社區店、便利店和各種專業店的選址中。對于這些行業，個體對大數據成本的承受能力差，但是總量是龐大的。隨著技術發展及應用廣泛，成本的降低，在未來這一定是大數據應用的藍海。
（本文是《零售大變局》系列連載，作者系聯商專欄作者滄浪之水，僅代表作者個人觀點，未完待續！）
延伸閱讀：
- 該帖于 2018/11/8 14:10:00 被修改過