赢商大数据聚焦零售商业领域，构建商业场所端和品牌端应用数据体系，围绕城市、商圈、购物中心、品牌形成了相互关联的四大数据体系，数百个维度的生态系统。

一、城市商业数据

1、 城市宏观数据：已覆盖全国地级及以上城市政府年度统计公报所含数据，年度更新，暂可追溯至近5年。
2、 城市配套POI数据：已覆盖全国地级及以上城市的地图已标注的交通、住宅、学校、公建等客流聚集POI点，年度更新，暂不可追溯。
3、 城市购物中心分布数据：已覆盖全国地级及以上城市存量、增量购物中心统计及位置分布数据，月度更新，存量可追溯至2000年，增量可至2021年。
城市品牌开店数据：基本全量覆盖典型一二线城市（21个）5万㎡以上购物中心，通过线下踩盘获取全量门店数据，根据不同城市等级，按每季度或半年度更新一次；其余3、4线5万㎡以上购物中心主要通过线上渠道获取购物中心代表性品牌门店数据，每年度更新一次。可追溯至2018年。

二、商圈商业数据

1、商圈配套POI数据：已覆盖全国一二三线城市区域级以上商圈的地图已标注的交通、住宅、学校等客流聚集POI点，年度更新，暂不可追溯。
2、商圈客流数据：已覆盖全国一二三线城市区域级以上商圈月度客流数据，月度更新，暂可追溯至2019年1月。
3、 商圈消费者画像数据：非提前建设数据，依据需求定制
4、商圈购物中心分布数据：已覆盖一二三线城市区域级以上商圈现存、新增购物中心统
计及位置分布数据，月度更新，存量可追溯至2000年，增量可至2020年。
商圈品牌开店数据：基本全量覆盖典型一二线城市（21个）5万㎡以上购物中心所在商圈，通过线下踩盘获取全量门店数据，根据不同城市等级，按每季度或半年度更新一次；其余3、4线5万㎡以上购物中心所在商圈主要通过线上渠道获取购物中心代表性品牌门店数据，每年度更新一次。城市级别越高，门店数据越全，更新频率越高。可追溯至2018年。

三、购物中心数据

1、属性数据：已覆盖全国地级及以上城市购物中心开业时间、体量、位置、定位、开发商等项目属性数据，月度更新，存量可追溯至2000年，增量可至2022年。
2、品牌入驻数据：根据定期采集全国1-4线76个城市5万㎡以上购物中心门店品牌清单，统计品牌入驻数据。由于不同城市数据采集频率、采集手段有差异，因此数据会与品牌当期入驻情况有细微差异。
3、客流数据：全国范围内购物中心客流数据均可获取，数据可往前追溯1个月，或往后每月定期监测每月客流数据，数据维度包括月度日均客流、节假日日均客流、工作日日均客流、日均分时客流、节假日分时客流、工作日分时客流。
4、消费者画像数据：根据客户不同需求，可提供项目周边居住人群、工作人群、项目到访客群的画像；并客户需求不同，提供不同研究深度的消费者画像数据。
5、经营数据：首层租金数据主要覆盖一二线城市80%以上购物中心项目，以及部分三四线城市标杆项目；销售额数据主要覆盖top100开发商全国各地部分标杆项目，不同开发商数据完整性有所差异。经营数据主要来源于企业财报、媒体资讯、赢商网全国12大分站采访标杆企业高管获取、以及市场调研。

四、品牌数据

1、属性数据：已覆盖进驻一二线城市5万㎡及以上购物中心所有品牌的业态、经营特色标签、创立时间、档次、承租指数、网络热度指数、潜力指数、成熟度指数、经营稳定指数等品牌自身属性数据。半年度更新。
2、开店拓展数据：已覆盖进驻一二线城市5万㎡及以上购物中心所有品牌的现开店量、现开店城市及购物中心，未来一年计划拓展城市及数量，半年度更新，可追求至少2018年。

五、常见问题解答

1.数据类常见问题

Q1：现在收录的购物中心全不全？
A1：目前赢商大数据所收录的购物中心数据，是零售商业行业大数据公司中覆盖城市最广、项目量最多的，并且保持每天动态更新。已开业项目覆盖率达100%，拟开业项目覆盖率达95%以上（缺失数据主要为非知名开发商在建项目，以及项目规划信息不全的项目）。

Q2：购物中心有销售额数据？能不能拿到？
A2：购物中心销售额数据近5年开始积累，主要来源于企业财报、媒体资讯、赢商网全国12大分站采访标杆企业高管获取，主要覆盖top100开发商全国各地部分标杆项目。

Q3：购物中心租金数据有吗？
A3：购物中心首层租金数据主要覆盖一二线城市80%以上的标杆购物中心项目，以及部分三四线城市标杆项目，主要来源于企业财报、媒体资讯、赢商网全国12大分站采访标杆企业高管获取、以及市场调研。（此外，大数据中心结合已有真实租金样本数据，通过对城市等级、商圈能级、项目品牌层级、到访客流及画像等大数据建模，对较难获取租金数据的项目进行估算，经过验证，准确率达70%以上，目前推算数据在21城5万方及以上的已开业购物中心均有赋值。——PS其实这段我建议不讲，客户实际上比较难接受租金是估算的。）

Q4：为什么有时在其它渠道获知的购物中心面积和我们收录的不一样？
A4：这可能可能存在数据来源及统计口径差异。赢商大数据所收录的购物中心面积主要为企业上传并由大数据中心专人核实，或者通过项目官方网站或规划信息公布平台获取；统计口径为商业经营部分整体建筑面积（含停车场），不含写字楼、公寓、酒店等其他非零售商业物业面积。

Q5：除了购物中心，其它商业项目收录情况如何？
A5：除了购物中心外，已经收录齐全的还有连锁型百货商业体，其它类型项目以客户上传为主，未收录齐全。

Q6：有多少购物中心有品牌开店情况，没有的客户想要怎么办？
A6：基本全量覆盖典型一二线城市（21个）5万㎡以上购物中心，通过线下踩盘获取全量门店数据，根据不同城市等级，按每季度或半年度更新一次；其余3、4线5万㎡以上购物中心主要通过线上渠道获取购物中心代表性品牌门店数据，每年度更新一次。没有的客户想要，可通过业务合作提供。

Q7：为什么购物中心开店数据市场反馈有出入？
A7：主要由于数据采集时间与客户查看时间存在时间差，导致一定程度差异。

Q8：全国到底有多少存量购物中心？
A8：截止2019年，3万㎡及以上存量购物中心（不含独立百货商场）有约5000个，含独立百货型商场的有约6000个。

Q9：为什么有时不同时间取同样的数有差别？
A9：由于数据建设是持续优化的，数据监测范围、监测方式、清洗技术、统计口径的优化提升，都会造成数据的变化。

Q10：为什么市场反馈我们有些购物中心的客流数据和认知有些差距？
A10：主要归因于监测手段、统计口径的差异。赢商对购物中心客流监测源于赢商与高德/阿里合作开发的Mall眼系统，通过对到访客群移动设备定位信息综合运算，并已剔除一天内多次进出重复数据，按到访人数计算；而有些项目方客流监测以红外、wifi探针、视频监控等形式，有可能导致多次进出的人统计为人次，或识别率低导致统计重复或缺失。

Q11：为什么品牌的开店量和品牌反馈的实际情况有时有差距？
A11：我们原则上提供的品牌开店量限定在21城5万㎡以上购物中心内开店数据，全部开店数据以官网发布为准。以上渠道可能存在数据滞后及统计口径差异。如果是客户业务需求，我们会和客户核实最新数据。

Q12：我们都有些什么品牌资源？
A12：我们的品牌资源主体是进驻了一二线城市购物中心的品牌，覆盖了90%的全国连锁品牌，80%的热门新兴品牌，我们目前区域型优质品牌覆盖率也达到60%，也是我们未来重点建设的方向之一。

Q**13：为什么**大数据后台全国已开店量和品牌云/赢招商上展示的门店数量不一致
A13：此前开店量有两个数据，一个是品牌方自己提供或者官方发布的总开店量，一个是根据现有数据能力（79城5万方及以上购物中心的门店数据)统计而来的。现已下线第一个数据，以后统一用后一个数据，虽然不是全量，但可以在同一标准下比较。

Q14：有些数据出现问题，数据整体还能不能用？
A14：大数据的优势主要是通过多类型的海量数据去研判市场及预测趋势，个体数据有误差并不会影响对客户痛点问题的判断。如果客户本身对个体数据非常敏感，我们会做二次核实工作。

Q15：商圈的形状是通过什么依据划分的？
A15：目前商圈通过人工划分边界的方法来进行划分，以商业项目位置分布为基础，依据一定范围内的商业聚集程度（商业项目及周边街铺门店数量）判断是否划商圈，结合自然障碍划分。依据行业资讯判断“市级商圈”、“区域商圈”类别，依据商圈内商业项目的开业时长来判断商圈的成熟程度区分“成熟商圈”、“新兴商圈”。

Q16：品牌库有多少品牌？各业态占比情况？
A16：品牌库总计20万+品牌，餐饮占比33%，零售占比39%，儿童亲子占比8%，文体娱占比7%，生活服务占比13%

Q17：你们的品牌指数都是基于间接数据算来的，可能数据还有造假，比如粉丝量，你怎么保证这个高热度品牌在我的场子里就能带来消费者**
A17：品牌指数是同品类在热度，运营，租金承受能力，发展潜力等方面的一个相对排序。具体到某个城市某个项目，品牌各方面的表现跟城市经济发展水平、人口、周边客群、周边竞争情况，品牌组合，项目运营等等都紧密相关，这个无法预测。

2.【消费者研究】相关问题

Q14：消费者大数据的数据源？
A：赢商关于消费者的大数据是向目前各大先进的大数据供应商综合采购的，如客群规模/客流&客群画像数据来自于：阿里产品矩阵/高德、极光、talking data、联通等运营商，线下行为轨迹来自于：国内数据体量最大的移动端线下行为数据供应商，可提供门店级别的线下行为轨迹统计数据。
赢商向不同的供应商进行采购不同维度的数据，主要是考虑到目前各个数据来源、大数据采集方式、统计技术都有其优势与不足，且并非每个供应商都是专注于零售商业的数据采集的，因此单一大数据源无法提供丰富、精准的数据供商业地产开发商、品牌商决策使用。
为此赢商根据对供应商的深入理解和各个项目实操的验证，综合评估了各个大数据供应商的底层数据采集原理、算法逻辑和数据精准度，依据甲方所需不同维度的大数据，分别向最佳数据源采购数据，同时根据多方数据、官方统计年鉴等对数据进行验证、清洗和算法矫正，以最大程度提供丰富、精准的客群数据供甲方了解潜在/现有消费者规模、画像与线下行为轨迹偏好，辅助精准决策。

Q15: 消费者大数据的数据采集原理是什么？是否需要安装设备？
消费者大数据采集原理：90万+APP应用采用我们供应商的开发工具包（俗称sdk）进行APP开发 ，消费者手机安装APP后，任意一款APP在使用或后台自动运行过程中，会向后台服务器发送用户的线上行为和线下轨迹，从而可以实现消费者多维度的用户画像和线下到访轨迹偏好的数据统计。
对于业态及品牌的线下轨迹偏好，为了进一步提升数据精准度，达到门店级别的轨迹统计，除了GPS定位、运营商基站定位外，会进一步结合商场内部、品牌商家的各个wifi设备，通过监测消费者手机设备与各wifi设备的信号强弱，准确定位和识别消费者在商场内部所进入的各个品牌商户，从而实现业态品牌偏好的数据统计。
如上所述，消费者大数据的采集和统计使用消费者手机即可，不需要额外安装设备。

Q16: 消费者大数据结果的精确度？
大数据采集的客群画像来源于消费者最常用的APP类型，如购物优惠、通讯社交、旅游出行、新闻资讯、影音图像、生活休闲等，且覆盖各大头部APP，所以能最大限度覆盖不同年龄段、不同类型的消费者。根据人群渗透率的统计和验证，使用智能手机的客群（即主力消费客群），其95%以上都能抓取，大多数城市的整体人群覆盖率达90%以上。
image.png

Q17: 如果近期消费者消费不活跃（如极端严寒、疫情影响等），是否仍可做大数据研究？
A：可以做大数据研究，只要将监控的时间段避开消费不活跃的月份即可，应注意，监控的时间段需是连续的，三个月、半年、一年都可以，但不可以只是选择其中的几个不相连的月份。

Q18: 项目周边客群大数据的研究范围是如何界定的?
项目周边客群大数据会研究项目辐射范围内的人群，项目辐射范围界定方法：
结合项目20分钟综合交通可达范围（步行/电动车/地铁15分钟、开车20分钟）、地理/道路阻隔、周边人口分布、周边竞争（现有/未来）对消费客群的抢占等，综合判定。
项目启动后1-2天内，赢商会依据上述方法综合评估项目辐射范围（即大数据研究围栏），提供给甲方书面确认，确认后方提取数据。

Q19: 周边潜在客群、本品现有顾客的收入情况，这个是否可以做到？
A：消费者收入金额分布目前整个大数据行业均无法做到非常精准的统计，主要由于以下原因造成：1）收入渠道分散，各大银行、银联、微信、支付宝等都是消费者收入的一种或多种渠道，这些渠道的底层数据目前不打通商用，难以对个人的收入进行精确统计 2）收入形式多样、复杂，除了工资转账外，还有现金、季度绩效、年度绩效、奖金、报销形式等，统计银行入账金额也未必精准 3）收入不一定以本人名义入账，可能通过他人名义、企业名义等，未必如实反映个人真实收入水平等
因此，对于消费者收入情况，大数据基于客群的房产、收入、车辆、职业、消费等数据综合挖掘，输出客群“资产等级水平“或”收入能力水平”的维度来反映。该维度将统计目标人群类型中工薪一族（低收入）、中产（中收入）、富豪（高收入）的人群占比，同样可用于判断消费客群的客户价值以及辅助项目档次定位的判断。

Q20: 客群大数据输出维度中，业态偏好、品牌偏好是根据实际消费来统计的吗？
一般情况下，业态与品牌偏好大数据统计的是到访偏好，而非实际消费偏好，如果甲方有需要，赢商也可以采购银联消费数据，统计业态消费偏好、每个业态的top品牌。使用过程应注意，银联消费数据非全量消费数据，数据精确度同样有其局限性，但可作为参考。
银联数据来源：仅基于银联渠道自有数据来统计，如POS刷卡、银联二维码、由银联铺设的微信、支付宝二维码扫码支付渠道等，但不包括现金、银行收款码、其他非银联铺设的微信、支付宝支付渠道。

Q21: 赢商大数据是实际监测，还是拟合所得？
赢商充分理解精准的数据对于支撑决策的重要性，因此通过对各个供应商的算法逻辑和数据精准度进行了深入理解和评估，所提供的消费者数据为基于设备监测所得的画像和行为轨迹数据，非拟合数据。
能使用设备监测数据代表整体人群的数据，前提是能达到对整体人群的高覆盖，赢商大数据用前述38万+款来实现尽可能广泛的人群覆盖，不论手机设备使用任意运营商，只要有使用相关APP则都在赢商供应商的监测内，因此这种方式的人群覆盖面是更广的，可直接采用监测所得的数据来反映目标客群的画像和消费偏好等，无需拟合。
对人群活动轨迹的监测，有多种定位的方式，一般情况下非购物场所内主要通过APP活跃时的GPS定位报点及时间来实现，购物场所内的消费偏好会结合GPS定位、被监测者与场内各个wifi设备的wifi指纹、场内品牌空间位置等等精准定位来分析，提供的统计数据均基于设备监测所得。
这种采集方式跟移动、联通等通信运营商及银联有本质区别，运营商和银联因其各自的市场占有率，监测所得数据只能代表其自有客户，其余客户数据只能通过拟合得到。

七、传统定性定量研究相关问题

Q22: 赢商是否可进行消费者定性深访、定性座谈会、定量问卷研究？
赢商在大数据方面有突出优势，对于传统定性定量研究也同样可提供相应服务。过往已和各大开发商成功开展了不少大数据结合线下定性定量研究（或者称大小数据融合研究）的案例。
赢商拥有专门的客群研究团队，负责人和团队成员来自全球领先、全国前列市场研究公司，具有多年消费者定性、定量研究经验，掌握专业和最新的研究技术。相较于传统市场研究公司，赢商客研团队因专注于商业地产行业，因此能基于行业经验更深入洞察和敏感挖掘客群现有和潜在消费诉求。

Q23: 消费者大数据、定性研究、定量研究，其研究结果的侧重点分别是什么？
A：大数据：侧重于客量摸查、画像描摹、现有消费偏好分析，通过大样本量以及线上线下行为轨迹监控，输出相对客观精准的、全方位的人口规模、客群画像和消费特征，代替传统的小样本抽样、消费者事后回忆和声称行为；
定性、定量：样本量虽少，但补充大数据无法获取而对项目定位方向、业态规划、品牌招商重要的维度，如消费者内心和情感层面的因素，了解其痛点，明确商场提供的情感利益；更是定制的，可跳脱于市场现有供给，挖掘非基于市场供给的消费喜好、消费期望，以及验证研究人员前期判断的项目发展方向和机会业态的兴趣度。
• 定性研究：**解答“有什么”“为什么”，为定量研究诊断项目痛点、梳理改善建议提供针对性、待验证的内容。（构建/阐释）
• 定量问卷**：解答“是什么”“怎么样”，量化定性座谈会成果，为问题诊断、调改策略制定提供决策所需数据支撑。（实证）

Q24: 有哪些监控措施保障定量数据采集质量的？
A：主要从受访人群结构、质量监控措施两方面采取综合手段保障数据质量：
1）受访人群结构控制：样本结构考虑项目未来的潜在目标客户类型及其画像，根据大数据结果对其进行配额设定，确保全面洞察到各类潜在目标客群尤其是核心客群，且人群结构不偏态（即结果不会偏向于仅能代表某一类人群的意见），为项目业态组合策略提供有效支持。
具体控制的配额包括：年龄、性别、有孩家庭比例、职业（控制无职业人口）、居住行政区等等。具体配额、被访者拦截地点，均会在大数据分析提取数据后提交甲方沟通和确认。
2）质量监控措施：从样本招募到问卷采集等每一个环节都采取相应质量控制手段，实施项目管理闭环，确保数据品质。质量控制手段列举如下：
a．针对线下定量问卷：FW现场执行团队、QC团队、研究团队会层层复核保障质量，主动复核率在30%以上，复核手段包括访问员执行现场监控、定位GPS与拦截点要求匹配、录音复核、电话复核等。
b. 针对线上定量问卷：①信息匹配、IP库匹配、甄别过滤，防止答卷虚假；②唯一性链接、IP和COOKIE控制，杜绝重复作答； ③总答题时间控制、单题时间控制、问卷QC、题目间逻辑陷阱等，防止作答不认真；④技术手段核查相似问卷、答题者不诚实答题记录、被访者姓名地址等信息去重；⑤多渠道投放问卷，加快问卷收集速度，从时间上将网虫的影响缩减到最小。
上述措施按照全球领先的市场研究公司质量监控要求进行，高标准要求确保数据质量。

Q25: 定量问卷数据采集时，甲方是否可跟访？原始数据是否可提交甲方？
可跟访，若跟访，执行访问之前1-2天我们会告知具体执行时间、地点；
原始数据表（具体至每个被访者）、数据报告（数据统计表）都可提交，但会按行规将被访者姓名、联系方式删除。

持续更新中
2020.3.22