头条新闻 | 数据梦工厂

<p style="white-space: normal;">传统婚介+大数据=世纪佳缘全民红娘线上线下齐牵线，</p><p style="white-space: normal;">传统外卖+大数据=百度外卖精准营销与高效配送，</p><p style="white-space: normal;">传统服装业+大数据=欧时力定制美丽，</p><p style="white-space: normal;">传统房地产业+大数据=禾略中国做好数据分析再建房，</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　　遇上大数据，传统产业不再传统。经过数据梦工厂的加工，传统产业焕发新机。这是一场美丽的邂逅，这是一次脱胎换骨的改变，当传统行业拥抱大数据，就注定不再传统。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　　近日在京举行的T11数据大会上，与会的专业人士告诉《中国信息化周报》记者，随着存储技术的成熟以及互联网技术对各行各业改造进程的不断深化，当今数据的价值不容忽视。百度“外卖之王”的出现就更说明了这点。</p><p style="white-space: normal;">　　薛冯平，一个普通的外卖骑士，通过努力，月薪达到11000元，这接近2014年北京市职工平均工资的二倍，也创造了国内“外卖员”职业的收入新高。值得一提的是，达到这个“外卖之王”的头衔，他并不需要其付出额外的劳动时间，或增加额外的安全隐患，仅仅依赖于外卖员和百度外卖智能配单、路径规划系统的高效配合——类似于赛马比赛里的“人马合一”。</p><p style="white-space: normal;">　　过去，外卖服务配单效率低下，店主无法根据订单增减智能调配外卖员，只能依靠“管他呢，多拿点吧”这个笨办法来解决，既无法保证配送的快速，也无法保证菜品的口味;如果外卖员想提高收入，只能通过“快跑”，在复杂的路况下，出现各种事故的隐患增加。如今 ，外卖骑士们表示，只要个人足够努力，就能赚到足以让路人心动的高薪，不用承受抢单的精神压力。</p><p style="white-space: normal;">　　百度外卖智能调度系统会根据每位骑士的日常表现，比如准点率、拒单率、投诉率等为他们进行评分，分数高的骑士将拥有更多的工作，以便让更多的用户能够体验最优质的服务。</p><p style="white-space: normal;">　　除了考虑骑士们的工作表现外，系统对于送餐路径的规划也十分智能，甚至可以根据历史订单的情况预测餐厅出餐市场、送餐时长。如果周围有演唱会、球赛等人群密集的公共活动，系统会计算出取餐的时间压力，在前端提示订餐的用户需要等餐时间较久外，也会为骑士规划出合适的取餐时间和配送路线。</p><p style="white-space: normal;">　　有人说，一份外卖的好味道，1/3来自尽职的外卖员，1/3来自一套让外卖员安心配送的好系统。从百度外卖高效配送系统与外卖员稳定高额的薪金背后，我们品出了传统行业与大数据交融的新味道，而经过数据梦工厂的加工，焕发新机的传统产业不只是外卖业。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><img data-s="300,640" data-type="jpeg" data-src="http://mmbiz.qpic.cn/mmbiz/zd226QNNqG4VJIPksIW3N35iaN22eIkQXyWpY9z66xqgTlFhhoc56wrTJlQSUeLiaeBmCEC1aic5u9BVr2JRY4jrg/0?wx_fmt=jpeg" data-ratio="0.45129224652087474" data-w="" /><br /></p><p style="white-space: normal;"><strong style="font-size: 16px;">世纪佳缘：新“脱光”时代的婚恋大数据</strong><br /></p><p style="white-space: normal;"><strong><br /></strong></p><p style="white-space: normal;">　　世纪佳缘以互联网平台为依托，将传统意义的媒人加入互联网要素，进而转化为一个“互联网+”公司，其中最为典型的是线下的VIP业务和红娘店，形成了“线上取数据、线下做转化”的商业运作模式，成就了一个典型从数据到线下服务为一体的“互联网+”业务平台。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　　<strong>►全民红娘</strong></p><p style="white-space: normal;">　　世纪佳缘执行副总裁张亚红告诉《中国信息化周报》记者：“截至目前，世纪佳缘互联网的线下服务——红娘店的成功率非常高，平均成功率达到60%，其中女性的成功率相对更高一些。直至2015年底，在全国的一线、二线、三线城市都有我们的红娘店，在北京市有3家。基于专业的红娘服务，今年我们又开发了一个新的众包形式业务模式——全民红娘。全民红娘可以简单理解为是兼职红娘，这些红娘经过培训，在大数据的支持下，借助客户管理系统为身边的人或能够接触到的单身用户开展并提供服务。”</p><p style="white-space: normal;">　　简单的业务流程就是有志于或有能力做红娘的目标用户，主动注册一个世纪佳缘的APP，红娘经纪人APP挂靠到服务中心，例如北京安贞、三里屯都有服务中心。就近挂靠到服务中心后，这样的目标群体就可以接受服务中心的培训，还可以介绍身边的单身朋友和亲戚借助世纪佳缘1.5亿的会员数据库，为其想要服务的单身人士解决婚恋问题。同时，世纪佳缘还有类似的线下业务就是互动交友，此类活动每年在全国各地，各种节假日有1000多场线下多对多的活动，通过游戏形式让彼此熟悉起来，充当了群体类“线下红娘”的角色。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　　<strong>►防欺诈 更懂你</strong></p><p style="white-space: normal;">　　“大家有时候会从媒体，特别是电视节目或者传统报纸上听闻互联网上有很多骗子，尤其是在找对象过程中。负责任地讲，骗子的比例在我们整个数据库中所占比重非常低，但为了防止受骗上当，保护更多的单身朋友，世纪佳缘开发了业内唯一一家智能网警系统。”张亚红告诉记者。该系统通过机器人、网络检查还包括线下检查以及客服等辅助庞大的审核团队进行工作，利用“机器+人工”的形式去筛选网络上有可能出现不良行为的群体，通过对他们的特征进行分析、屏蔽以及对其交往用户进行提醒等方式降低他人受骗几率。</p><p style="white-space: normal;">　　众所周知，参与世纪佳缘服务时，会收到很多信件，甚至一天能收到几百封。基于此情况，世纪佳缘开发了“懂你”场景。作为智能系统，它根据用户在网上的行为和互动，进行个性化的推荐。通过答题和录入标签就能让其他人更好地了解该用户，随后系统会从会员库里抓取相匹配的异性用户推荐，促成针对性的交友。当 面对众多信件时，系统可能优先选取推荐指数比较高的用户，降低交友的复杂性。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><br /><img data-s="300,640" data-type="jpeg" data-src="http://mmbiz.qpic.cn/mmbiz/zd226QNNqG4VJIPksIW3N35iaN22eIkQXHmlr7kx7rXiabBxicyib68dclsrt7ytF9DKAM30qldEELkC98Yxl1brQg/0?wx_fmt=jpeg" data-ratio="0.584493041749503" data-w="" /><br /></p><p style="white-space: normal;"><strong>百度外卖：玩转行业大数据</strong></p><p style="white-space: normal;"><strong><br /></strong></p><p style="white-space: normal;">　　百度外卖全国渠道高级总监陈锦辉告诉《中国信息化周报》记者：“百度外卖主要通过区分叫外卖之人、海量匹配高效对接、智能转化资本物流推动整个餐饮行业的管理效率以及资金效率的提升。百度外卖通过大数据这样一个核心优势，引导所有餐饮企业推动线下用户的挖掘。通过所擅长的数据技术，流量监测以及个性化手段加以推动拓展。在这方面，大数据有两个优势，不但可以帮助大家找到目标人群的分布位置，还可以从这些人群中挖掘相关属性，再通过后续的服务来完成用户和餐厅之间的高效匹配。”</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　　<strong>►区分叫外卖之人</strong></p><p style="white-space: normal;">　　众所周知，无论是百度地图还是所属百度的其他定位软件，目前来说都是国内最大的定位信息库。目前百度地图每天定位的接口发生频次是150亿次。简单来说，每天每个人在使用手机上的很多APP时，其实都在调用百度地图的定位信息。</p><p style="white-space: normal;">　　在明确定位后，还可以通过百度一系列产品，包括熟知的百度搜索、百度贴吧、百度知道等，从生活的各个方面给每个消费者制定标签。人们平常搜索的每个词，哪怕是一个航班、饭店还是汽车，背后都有很多属性，通过这些属性可以精确地挖掘消费者的年龄层次、性别、收入层次、住址、办公地址、餐饮爱好、口味等。这完全是大数据的优势，可以使得我们在做地面推广和线下推广的过程中事半功倍，大大提升工作效率。现在越来越多人选择将大量的时间花费在网上，截止到目前，百度依然是国内最大的互联网流量入口，其移动分发也是安卓市场里最大的分发渠道，可以利用数据流为餐饮提供强大的技术支持。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><strong>　　►海量匹配，高效对接</strong></p><p style="white-space: normal;">　　营销是拉近用户和商户之间的距离，通过一系列的变革，推动用户和商户之间的交易、支付、信息获取的方式变化。百度外卖通过线上、线下的优势把用户聚集之后，接下来要做的就是对用户和餐厅进行一个精确匹配，这样才能在最大限度内保证餐饮行业能够最精准地找到喜欢并能够负担费用的消费群体，匹配海量用户，高效达成线上与线下对接。</p><p style="white-space: normal;">　　如何实现海量用户和海量餐厅之间的个性化匹配，陈锦辉总监说：“这可以分为三个维度。首先，系统的算法会去根据人群属性的定义，因时因地进行更新，根据大家不同的年龄、性别、收入、消费能力、口味甚至住址和籍贯等因素推荐给每个人最适合的餐厅。如果是新用户，在网上获取的信息有可能是最喜欢餐品的推荐;如果是老用户，可能还会推荐一些曾经尝试过，并给予过好评的餐品体验。”</p><p style="white-space: normal;">　　在成功的营销中，还有“千时千面”的配置，例如：早餐时段打开看到的正是早餐，而中午打开看到的是简餐和快餐，下午打开看到的则是下午茶、水果、冷饮、星巴克等，晚上打开看到的是正餐、简餐，不同时间段进行不同的推荐与服务。</p><p style="white-space: normal;">　　同样，由于所处的环境不同，某个人在同一时间段也会有不同的餐品推荐。例如，当你处在写字楼时，更多推荐是简餐、快餐的品类。通过这样一系列的技术手段，百度外卖实现了将用户与商户精确匹配的任务，大大提高整个餐饮行业的多环节效率。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　　<strong>►资本物流的智能转化</strong></p><p style="white-space: normal;">　　陈锦辉强调，百度外卖从资本层面来讲，无论是成本还是收入都得到了智能转化。在餐饮行业所有成本中原材料成本占据的比例非常低，很大一部分是房租、水电、人工、损耗、管理等费用的损耗，这部分成本的庞大导致了餐饮行业的毛利低。百度外卖做了外卖这种商业模式的转化后，通过强大的数据流支持，带来了行业整个链条的简化，精准的资本计划让外卖这种模式有了成本降低的可能。</p><p style="white-space: normal;">　　从收入角度看，在过去的数百年里，在餐饮行业主要收入体系中，几乎所有产品不会把外卖当成主要经济来源。但是随着百度外卖模式的兴起，整个行业乃至越来越多的消费者开始接受餐饮外卖的模式，进而餐厅结构或者收入比例也在发生变化。</p><p style="white-space: normal;">　　“其实物流也是我们非常自豪的一个环节，餐饮行业物流不像传统物流那样简单。传统行业物流更多是一对一或者一对多，但餐饮行业的物流是多对多，每个订单发生的时间不同，用户的具体位置也不确定，选择消费的目标也在不定之中，其中有很多数据是干扰因素。这就需要我们在物流方面可以做到优化调度与高效配送。”陈锦辉对记者强调。</p><p style="white-space: normal;">　　百度外卖在这几个方面都表现出强大优势，不断优化算法并提高物流管理的效率。通过强大的定位信息，精确地找到每个消费者的位置;依据智能算法，测算几十样参数、用户位置、餐厅位置之间的距离。在这样的积累之下，百度外卖的物流调度系统不断升级。从去年10月1.0系统升级到如今的3.0，陈锦辉详细解释了两者的区别：“简单来说1.0调度系统，很多外卖的平台仍然是人工调度，每个订单产生后，会有调度员分配给每个配送员配送，这种管理效率是非常低的。今年3月把人工调度系统升级到了调度系统，随之在7月份我们产生了3.0的调度系统，截至现在已经申请了18项国家技术专利。系统可以精确分析每个订单产生的时间节点和具体位置，让配送员不浪费路上时间的同时，还可以做其他的事情等。”这样的算法优化帮助百度外卖，在物流方面人效不断提升，配送时长不断降低，每个配送员配送单越来越多，送达时间越来越短，消费者的服务体验也随之越来越高。</p><p style="white-space: normal;">　　百度外卖表示，他们要像“万元外卖哥”一样风靡行业市场。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><img data-s="300,640" data-type="jpeg" data-src="http://mmbiz.qpic.cn/mmbiz/zd226QNNqG4VJIPksIW3N35iaN22eIkQX17B0mpE0ia8kKAvdMocF9f7dEHHrayKGKjBFQr1kRTYcibO82j5UzV1g/0?wx_fmt=jpeg" data-ratio="0.5964214711729622" data-w="" /><br /></p><p style="white-space: normal;"><strong>欧时力：用数据探寻美丽</strong></p><p style="white-space: normal;"><strong><br /></strong></p><p style="white-space: normal;">　　当数据偶遇服饰，美丽用跨界表达，可想而知，这是一场怎样的时尚盛宴。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　<strong>　►时尚理念改变</strong></p><p style="white-space: normal;">　　欧时力的品牌总监甘嘉慧表示：“原来 服装行业的做法是，生产什么就穿什么。例如做运动系列，每年就改一改面料和花型，然后出售。如果要做一些时尚的注入，只需要将各大时装周的潮流引入国内，再做出产品即可。而这种时尚的角度是从人家的产品研发开始，是从产品自身做文章。”当今，服饰的同质化非常严重，需求的零碎化导致并不是灌输给消费者某种衣服多么好的理念，就一定会得到消费者的青睐。</p><p style="white-space: normal;">　　作为消费主流群体的80后与90后，随着消费能力的日渐增强，并不需要所谓的“专业人士”告诉他们何为美丽，哪种衣服更适合，而是需要抓住他们喜欢的东西，帮助其打造个性化的装扮。很多80、90后接触的世界很宽泛，甚至会有许多留学经验以及随时获取国外资讯，因为从小在互联网的世界里长大，他们对潮流的理解和成熟程度，比60、70后的人群更具有判断力。服饰业可以更好发展的前提是要对这些特定人群进行关注和研究。</p><p style="white-space: normal;">　　欧时力在过去的十几年时间里一直以线下为主，经常在不同的地区开店，并以渠道的增长拉动购买量。如今，多数客户群更喜欢宅在家里通过上网完成自身装扮的更新;即便逛街，也会拿出手机APP去比价，这对于服饰业来说，既是机遇又是挑战。在什么时间，用怎样的方式去沟通这类客户群，成为应对经营模式变革的关键一步。</p><p style="white-space: normal;">　　甘嘉慧表示，从去年下半年开始，整个集团也在做互联网方面的规划和发展。对于大数据，普遍认为它的价值在于如何找到一个合适的时机，跟合适的人，在合适的地点，利用合适的平台去彼此对话、沟通，从而达到最后的交易。所以在营销、消费者、产品、零售效率等方面，大数据都存在价值。</p><p style="white-space: normal;">　　“原来我们进行渠道布点，更多是以商场提供的数据为标准，从前零售行业最关键的战略之一是把握人流聚集地，如今看来这种举措太粗略。我们分析看，尽管商场的客流很密集，但并不一定都是你的顾客，具体的成交额是要靠数据说话的。现在，我们更多地在线下门店抓取切实的数据，如果没有这些基础，就很难拓展外面的用户群，并建立有价值的搜索。为此，我们在店铺里装了自用的WiFi探针，范围从大门到店内，所有我们自主探测的区域都可涉及。通过WiFi探针我们成功抓取进店手机的地址，这对于零售行业来说是一项宝贵的数据贡献。”甘嘉慧对记者说。</p><p style="white-space: normal;">　　具体操作主要是通过探针，会知道路过店铺的人流量以及进入店铺的人流数量，这对把握进店率有重要的指示作用。如果某天的进店率比较高，就会分析是否因为上架新货引发了顾客驻足;如果某段时间进店率很低，就会分析是否是陈列、灯光等出现了问题，同时会根据具体的时间段与客流量调整店员人手，改善服务质量，这种信息的反馈有助于后期运营策略的制定与调整。</p><p style="white-space: normal;">　　通过进店以后抓取的客户手机地址，就会知道具体的逗留时间长短，甚至还包括客户的进店习惯，是每两周光顾一次，还是两个月都不来一次等。“在客流统计的部分，我们接触了很多技术，无论是会员的判断还是熟客光顾，如果有WiFi探针，从一进店店员就知道他是谁，提升了零售的成交率。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　　<strong>►用户画像与话题营销</strong></p><p style="white-space: normal;">　　任何一个服饰集团的手上都会有大量的消费者数据，但这种类型的数据是以发生购买关系为基准的，表现很片面。大数据帮助我们从只知道购买行为进步为可以依次推断他的消费能力、购买水平等，在制作群画像之后甚至会更加清晰其线上行为偏好、手机应用与品牌、饮食爱好等，这些数据的获取从产品的研发、营销，乃至沟通互动都会表现出价值。</p><p style="white-space: normal;">　　甘嘉慧认为：“原来我们没有做消费者画像的时候，我们就会臆想我们的消费者应该是怎么样的;做了画像，就会发现很多潜在的客户群体，这些客户所表现的特征和我们原来的设想还是存在差异的。这就对我们的精准营销，定向投放产生了积极作用。例如，我们设想以白色情人节为契机接触新的消费群体，绘制的人群画像就会根据潜在客户的标签数据去寻找匹配产品投放的APP，进而制定更加有吸引力的主题策划以及营销方式等。”</p><p style="white-space: normal;">　　“抢红包是一件很火的事儿，我们通过抢红包或者策划甜蜜的告白行动，进而引起人们对我们品牌春装的注意。对于一些潜在的消费者，如果直接告诉他现在是在卖东西，他很有可能已经关掉了屏幕。如果我们通过话题营销，再进行产品投放，效果就会截然不同。对于我们来说，未来的展望，还是要有多维度的。就现在而言，大家接到的信息和广告，如何去触动我们的消费者，根本是要调动他的情绪，去创造不同的场景，诸如此类都是数据带给我们的巨大帮助。”</p><p style="white-space: normal;">　　总体来说，传统服装业还是需要继续关注大数据应用，针对不同的行业，不同的消费者，不同的生活状态，以及接触到的不同种类的事物，多维度地了解不同的消费群体，抓取有效的数据，让服装和大家的需求完美结合起来，让大数据同传统的服装业高效衔接，依然是一项长期而艰巨的任务。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><img data-s="300,640" data-type="jpeg" data-src="http://mmbiz.qpic.cn/mmbiz/zd226QNNqG4VJIPksIW3N35iaN22eIkQXyAdD4VONDibtzt7eaFkArLdGC9l5wlF3buVaPBSdSeCyz0EhPrZX7Rw/0?wx_fmt=jpeg" data-ratio="0.562624254473161" data-w="" /><br /></p><p style="white-space: normal;"><strong>禾略中国：做好数据分析再建房</strong></p><p style="white-space: normal;"><strong><br /></strong></p><p style="white-space: normal;">　　禾略中国创始人郑永祥告诉《中国信息化周报》记者：“这几年随着房价的大幅波动，人们会发现，买房对很多客户来说并不是 一件开心的事情。面对很多媒体报道和围攻售楼处的恶性事件，很大一部分是开发商的责任，同时也表现了客户的需求在增长。越来越多的客户群更希望购买的不单单是一栋房子，而是一种生活方式。在此过程中，如何实现房地产的个性化、差异化，是行业内面对的挑战。”</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><strong>　　►房屋买卖模式在变</strong></p><p style="white-space: normal;">　　众所周知，从房地产的角度讲，实现个性化绝非易事。因为房屋是一次性产品，不可能像电子产品频繁地更新换代，房屋的定位不太可能做重复性、颠覆性的建造，这就导致了行业的瓶颈迅速产生，尤其集中在客户方面。客户现在要求很多，他们追求特定的生活方式，很多隐性需求在逐渐释放。</p><p style="white-space: normal;">　　过去的十多年，房地产的从业人员通常会这样做：穿戴正式，出行开车，选定某个地段进行拍照，然后拍拍脑袋决定这个地方能建什么，投资多少钱;或者找一些调研人员进行长时间的访谈，在开发阶段，用一系列的规划指导我们如今的设想和成本投入，大多借鉴了过去的很多经验。在一大堆的设计资料手册中，我们不断分辨这里应该用什么方案，那里应该用进行什么预算，相对而言这种方式不用浪费时间而简单，足以保证那个时代客户需要快速地拿到东西，不需要有其他的需求的底线。如今，这种不合时宜的规划只会让行业个性化进一步缺失。判断形势，我们应该从数据出发，面对房地产行业的庞大数据群，无论是业主、销售人员、服务商、供应商，以及同政府规划相关的材料，都是数据库资源。如何将其转变为信息化?是一直以来业界内部普遍关注的话题。</p><p style="white-space: normal;">　　无论是个性化需求，还是智慧化开发，都需要大数据。“从这一点我想到，今天我国很多地方，尤其是三、四线城市，大量的房屋被建造出来，然后被空置，例如鄂尔多斯，更像一座鬼城。这样的事情我认为和过去粗放、急功近利、传统的开发方式有关。借助大数据新技术着手智慧方面的开发，将数据转化为信息，通过对已有房地产开发更好的理解，最终做到智慧开发。我们要做正确的事情，面向未来;而不像过去，只是把一件事情做对即可。”郑永祥补充道。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　　<strong>►数字化房地产运作流程</strong></p><p style="white-space: normal;">　　对于可行性的房地产运作流程，通常需要准备资金并投入买地，这个过程，禾略中国希望开发一个数模工具，用数字变化的方式完成工作。接下来将土地定位，客户是怎样的群体，用何种形式进行开发等，此时最便捷的还是客户地图的制定，用结构的方式实现模型，将客户群非常清楚地加以定位。一旦进入生产开发阶段，最可能用价值地图指导整个建筑设计、开发和成本采购。这个过程需要大量标签化工作，更多的难点在于技术的模型化怎么做，如何将对客户的理解变为规划，最终实现销售。在生产服务方面形成产品线后，无论是数字模型，还是定制开发，都会有更深的理解。</p><p style="white-space: normal;"><img data-s="300,640" data-type="jpeg" data-src="http://mmbiz.qpic.cn/mmbiz/zd226QNNqG4VJIPksIW3N35iaN22eIkQXf6wHrJ0UmMMoT9HKPWb2lOjAyIHibkovAibRGpBvxCBotDvnCmUuewag/0?wx_fmt=jpeg" data-ratio="0.562624254473161" data-w="" /><br /></p><p style="white-space: normal;">郑永祥强调：“一旦具备定制化开发的条件，就会尝试用标准化的方式把城市土地分类，针对每一个分类去制定投资策略。例如，以上海为例，从0点到中午12点，崇明岛的农村人们8点前一直在睡觉;城区内6-8点，城市白领开始起床，8-10点，郊区的领导们刚刚起床，准备去上班。农村的朋友们从晚上8点到早上6点，一直都不出现，显示他们无事可做;8-10点城区人吃饭、陪家人，所以手机放下。10-12点的时候市中心特别火，这个时候他们在所谓的危险区域活动，例如酒吧、酒店等娱乐场所。我们希望未来可以用24小时的图，通过人流状态去分析一个城市的土地价值。如果在城市近郊做一些酒吧式、娱乐式的危险区域，显然是不成立的。”</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;">　<strong>　►先分析人群再建房</strong></p><p style="white-space: normal;">　　郑永祥介绍用大数据进行精准营销的过程，列举了同龙湖合作的方案。龙湖项目之所以可以在两个小时迅速卖完，主要因为之前合作时做了前期规划。通过规划得知龙湖客户在过去三个月内他们的工作地点，进而制定精准营销的方案。</p><p style="white-space: normal;">　　经调查汇总，龙湖的客群主要为刚需，人们经常去的线下地方是屈臣氏、麦当劳等;同样的土地属性和社会定位，客群里占整个产品偏好呈现很明显的分化，这只是一部分。为此龙湖的户型设计多为小户型，表现很时尚，如果是有购买经验的朋友都知道，这种房子只有两个房间是采光的，厨房也不能正常使用。客户群表现刚需而且时尚，具有一定的消费自信，愿意接受这样的产品。</p><p style="white-space: normal;">　　同理，针对松江的项目合作也出现了类似问题，“项目的高端客户到底喜欢怎样的空间环境感受，了解解决此类问题，我们用了非常简单的方式，将地块周围出现过的，具有高支付能力的客群圈定出来，将他们周末喜欢去的公园再次圈定，并分析这些公园的特点，最后将拍摄的照片、描述关键词提炼出来，进而告诉开发商该如何做静观打造和外延展示。”郑永祥表示。相比之下，松江项目的户型多为正正经经的客厅和可以烹饪的厨房，这点就同龙湖项目有显著的差异性。</p><p style="white-space: normal;">　　如何指导开发商进行开发并设定营销方略，最重要的还是一种标签化。“我们做的第一个动作，就是希望用房地产的价值进行标签，与APP结合。如果手机使用某些类型的APP，就意味着可能有这样那样的价值取向。如果关注零食购物，就会特别积极热衷砍价，寻找物美价廉的产品，节约成本。我们把客户的价值主张，价值地图同数字信息化相结合，再把房地产的从业经验放进去就会事半功倍。”</p><p style="white-space: normal;">　　这种运作规律可以解释为：通过大数据得到整个客户的活动规则，可以知道24小时的活动轨迹，并区分不同的人群，再把不同人群的地点叠加，当得到APP使用喜好，打上标签后，就可以知道对场地的具体要求，从而根据场地提出不同需求。随后发挥传统房地产专业知识优势，通过对光、风计算，甚至可以知道在整个社区里，哪个地方是白天有阳光没有风，白天又有阳光又有风。具备数据资源后，就可以嫁接到传统的房地产上，就是技术的模式化和内容化。</p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><br /></p><p style="white-space: normal;"><br /></p><fieldset class="tn-Powered-by-XIUMI" style="color: inherit; font-family: inherit; white-space: normal; margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box; min-width: 0px; background-color: rgb(255, 255, 255); border: 0px; clear: both; font-size: 21.111112594604492px; font-weight: bold; text-align: center; text-decoration: inherit; word-wrap: break-word !important;"><fieldset class="tn-Powered-by-XIUMI" style="color: inherit; font-family: inherit; font-size: 1em; font-weight: inherit; margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box; min-width: 0px; border: 0px; clear: both; text-align: justify; text-decoration: inherit; word-wrap: break-word !important;"><fieldset class="tn-Powered-by-XIUMI" style="margin: 0.5em 0px 1.5em; padding: 0px; max-width: 100%; box-sizing: border-box; min-width: 0px; font-size: 13.63636302947998px; color: rgb(129, 120, 119); border: none; word-wrap: break-word !important;"><section class="tn-Powered-by-XIUMI" style="margin: auto; padding: 0px; max-width: 100%; box-sizing: border-box; width: 3em; font-size: 0.9em; font-family: inherit; font-weight: inherit; text-align: center; text-decoration: inherit; color: rgb(255, 255, 255); border-color: rgb(249, 110, 87); word-wrap: break-word !important;"><section class="tn-Powered-by-XIUMI" style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box; width: 3em; height: 3em; display: inline-block; vertical-align: middle; line-height: 3.5em; overflow: hidden; border-top-left-radius: 50%; border-top-right-radius: 50%; border-bottom-right-radius: 50%; border-bottom-left-radius: 50%; background-color: rgb(249, 110, 87); font-family: inherit; word-wrap: break-word !important;"><section class="tn-Powered-by-XIUMI" style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box; word-wrap: break-word !important;">更多</section></section><section class="tn-Powered-by-XIUMI" style="margin: -0.92em auto auto; padding: 0px; max-width: 100%; box-sizing: border-box; width: 0px; border-top-width: 3em; border-top-style: solid; border-top-color: rgb(249, 110, 87); font-family: inherit; border-bottom-color: rgb(249, 110, 87); word-wrap: break-word !important; border-left-width: 1.4em !important; border-left-style: solid !important; border-left-color: transparent !important; border-right-width: 1.4em !important; border-right-style: solid !important; border-right-color: transparent !important;"></section></section></fieldset><fieldset class="tn-Powered-by-XIUMI" style="margin: 0.8em 0px 0.5em; padding: 0px; max-width: 100%; box-sizing: border-box; min-width: 0px; text-align: center; font-size: 13.63636302947998px; color: rgb(129, 120, 119); border: 0px; word-wrap: break-word !important;"><span class="tn-Powered-by-XIUMI" style="margin: 0px; padding: 0.3em 0.5em; max-width: 100%; box-sizing: border-box; display: inline-block; border-top-left-radius: 0.5em; border-top-right-radius: 0.5em; border-bottom-right-radius: 0.5em; border-bottom-left-radius: 0.5em; box-shadow: rgb(165, 165, 165) 0.2em 0.2em 0.1em; font-size: 1em; font-family: inherit; font-weight: inherit; text-align: inherit; text-decoration: inherit; color: rgb(255, 255, 255); background-color: rgb(160, 160, 160); border-color: rgb(249, 110, 87); word-wrap: break-word !important;"><p style="margin-top: 0px; margin-bottom: 0px; padding: 0px; max-width: 100%; min-height: 1em; white-space: pre-wrap; box-sizing: border-box !important; word-wrap: break-word !important;">禾略中国：helue_China</p></span></fieldset><p style="margin-top: 0px; margin-bottom: 0px; padding: 0px; max-width: 100%; min-height: 1em; font-size: 13.63636302947998px; color: rgb(129, 120, 119); box-sizing: border-box !important; word-wrap: break-word !important;"><br style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important;" /></p><p style="margin-top: 0px; margin-bottom: 0px; padding: 0px; max-width: 100%; min-height: 1em; text-align: center; font-size: 13.63636302947998px; color: rgb(129, 120, 119); box-sizing: border-box !important; word-wrap: break-word !important;"><span style="margin: 0px; padding: 0px; max-width: 100%; font-size: 10px; box-sizing: border-box !important; word-wrap: break-word !important;"></span></p><hr style="margin: 0px; padding: 0px; max-width: 100%; font-size: 13.63636302947998px; color: rgb(129, 120, 119); box-sizing: border-box !important; word-wrap: break-word !important;" /><p style="margin-top: 0px; margin-bottom: 0px; padding: 0px; max-width: 100%; min-height: 1em; text-align: center; font-size: 13.63636302947998px; color: rgb(129, 120, 119); box-sizing: border-box !important; word-wrap: break-word !important;"><span style="margin: 0px; padding: 0px; max-width: 100%; font-size: 10px; box-sizing: border-box !important; word-wrap: break-word !important;">陪你想，陪你写，陪你玩</span></p><p><span style="margin: 0px; padding: 0px; max-width: 100%; font-size: 10px; box-sizing: border-box !important; word-wrap: break-word !important;"><br /></span></p></fieldset></fieldset><p style="white-space: normal; text-align: center;"><img title="HL.jpg" data-src="http://mmbiz.qpic.cn/mmbiz/zd226QNNqG6l3Ayok2VDEG1DEiaowh4h7ZNm2cjNogk769tjEMRZJKRgeJ5kWrsUR8Eicfn1AkzQPOjicicrgKUvPw/0?wx_fmt=jpeg" data-type="jpeg" data-ratio="1.1053677932405566" data-w="" /></p><p style="white-space: normal;"><br /></p><p><br /></p>