過去，百萬書店的選址總是從一開始就被誤導(dǎo)。至少Craig Hansen是這么說的。

Hansen是網(wǎng)絡(luò)設(shè)計及電子商務(wù)解決方案公司NetCentral（百萬書店在1999年收購了該公司）負責(zé)開發(fā)的執(zhí)行副總裁。他發(fā)現(xiàn)，許多選址方案與百萬書店的目標根本不符。

與德克薩斯州歐文市的Prediction Analytics公司合作一年之后，百萬書店開始使用該公司的建模系統(tǒng)來重新評估現(xiàn)有租賃物業(yè)和尋找新的物業(yè)。

Hansen說：“這個系統(tǒng)給我們的物業(yè)解決方案帶來了革命。”

雖然Hansen不愿意透露百萬書店的具體擴張計劃，但他說，百萬書店的選址原則將有重大改變。百萬書店1917年從阿拉巴馬州的一個報攤起步，現(xiàn)在擁有208家分店。

他說：“以前，我們沒有合適的選址工具，因此很多時候都是憑感覺來。”但現(xiàn)在，選址更是一門科學(xué)。

Hansen說：“在我們看來，選址就是看一堆數(shù)字。我們需要令人信服的數(shù)字，能夠在董事會上拿得出手的數(shù)字。因此，預(yù)測的任務(wù)很艱巨。”

Prediction Analytics由Richard Fenker創(chuàng)辦，他是美國宇航局一名前科學(xué)家，還是《選址寶典》（The Site Book: A Field Guide to Real Estate Evaluation）一書的作者。.”這家公司去年被益百利（Experian）收購。Prediction Analytics公司并不使用回歸分析或引力模型，而是使用人工智能技術(shù)來運行包括多個績效影響因素的建模系統(tǒng)。

Prediction公司與百萬書店在三個層面上展開合作。它幫助百萬書店創(chuàng)建一個專用的建模系統(tǒng)，對全國每一個市場進行研究，使得百萬書店能夠評估風(fēng)險和機會。然后，百萬書店再使用Prediction公司的Market Optimization（市場優(yōu)化）工具將范圍縮小，對具體市場進行研究。

跟著圓點走

Prediction公司的銷售及營銷副總裁Doug Scott說，這個建模系統(tǒng)讓零售商選擇市場和在該市場上的戰(zhàn)略，“一、兩分鐘內(nèi)，就可以在地圖上標出多個圓點，這些圓點就是零售商應(yīng)該去的地方。”

Hansen說：“書籍零售業(yè)有點復(fù)雜。周轉(zhuǎn)慢，我們經(jīng)常在流行書上打折，反而是重版書籍的利潤率更高。”他說，其他一些選址方案不太適合百萬書店的情況，而與Prediction的合作給他們帶來了驚喜。舉例來說，百萬書店選中一個已有的店址，然后將其輸入Prediction的建模系統(tǒng)中，結(jié)果系統(tǒng)的分析結(jié)果與預(yù)計的差不多。

Scott說，許多時候，零售商依靠選址技術(shù)來驗證自己的感覺。他說，零售商選出5個候選地點，刪掉兩個，然后用選址技術(shù)來分析剩下的3個，因為他們想花錢來逐一進行實地篩選,但這種做法可能讓零售商做出錯誤決定，失去真正的寶地。

Scott回想起來說，百萬書店的首席執(zhí)行官Sandra Cochran曾經(jīng)對他說：“不要告訴我去哪里找一家差不多的商店，一家創(chuàng)收180萬美元的商店。我要找創(chuàng)收400萬或500萬美元的商店。”

Hansen喜歡Prediction的平臺是因為這個平臺讓百萬書店隨時可以快速了解某個地址的情況。如果有人想評估某個地址，只需回答50個問題，點擊鼠標提交，然后就能得到答案。Hansen認為，與其他零售選址技術(shù)相比，這種方法“節(jié)省了大量人力”,Prediction讓他們在一天之內(nèi)可以評估數(shù)十個地址，或在一周之內(nèi)可評估100個地址。

Scott說，在選址方面，人們有許多先入為主的想法或偏見，而Prediction選址技術(shù)幫助他們驅(qū)除這些成見。

科學(xué)與知識

Scott說：“我們的選址技術(shù)將科學(xué)與第一手的知識與專業(yè)經(jīng)驗相結(jié)合。”

Scott說，有些模型往往依托某個有限的商圈，認為商圈內(nèi)的人才會去某個商店購物，商圈外的人則不會。其實，這種基本假設(shè)并不一定是對的。

他說，他的妻子就是一個例子。他們家離一家Gap商店只有5英里遠，但他妻子很少去那里購物，相反，她寧可驅(qū)車18英里去另一個高級購物中心內(nèi)的Gap商店購物。Scott說，Prediction就將這類購物行為納入模型中。

Scott說，零售商經(jīng)常以三、四個關(guān)鍵特征來確定是否找到好的店址，但這種做法不可取，因為零售業(yè)其實是很復(fù)雜的。

Hansen說，正是這種復(fù)雜性阻礙了百萬書店在以前進行科學(xué)的選址，“我想，由于分析起來太復(fù)雜、太花時間，人們干脆就放棄這樣做。”

Hansen認為，選址技術(shù)提供商如果能將分析工作變得簡單，就能賺到錢。