来源：McKinsey

作者：Ismail Bel-Bachir, Sandrine Devillard, Alex Sawaya, Ivana Valachovicova, Joanna Mak

写在前面：

数字化、智能化，对于购物中心行业，已不足为奇。但是，要想通过数智升级，彻底地赋能一个行业，绝非一蹴而就，需要大量的探索、应用与验证、复制，需要全行业的共同努力。Aibee 身处其中，不只希望用技术与产品去助力行业的演进，更希望能用先进的思想研究与行业伙伴共勉共创。我们将定期解读权威研究机构有关购物中心数智升级的报告文章，更新认知，勉励前进。

今天选读也是一篇来自麦肯锡发布的研究文章——《Boosting mall revenues through advanced analytics》（提升购物商场营收的秘密武器 —— 大数据深度分析），文章提出，购物中心如果能善用大数据深度分析法选择租户、优化布局和敲定租金，便可实现20%的营收增长。

随着消费者的注意力由线下转向线上，且越来越关注体验而不仅是产品，购物中心面临着严重的市场下行风险。麦肯锡曾在此前的分析文章中建议，购物中心通过引进新技术，利用大数据进行自我重塑，或将在新环境中获得更好的生存状态。尤其是大数据深度分析，有可能彻底改变几乎所有领域的商场业务，但许多商场运营商在这一点的应用上落后于品牌租户。常见的解释一般会说，商场本身并没有很多触点直接与消费者互动，因此没有太多的消费者数据可供分析。但麦肯锡发现，很多商场已经开始建立渠道去收集分析大量数据，包括消费者购买行为、品类销售和租户业绩等。不过，他们通常不具备洞察数据的技能和分析工具，因此难以从数据中汲取洞见。大多数商场运营商仍然根据传统经验做决策，眼睁睁看着数据价值流失。

部分有远见的购物中心在商业数据分析方面已处于领先地位。他们利用指导性(prescriptive)和预测性(predictive) 模型打造分析工具，不仅方便使用，还能直观地展现数据图表，辅助做出更明智的业务决策。麦肯锡文章重点介绍了购物中心如何在最关键的营收管理环节中使用大数据深度分析。通过这种方法，可以帮助购物中心更好地理解品牌租户，明确品牌租户的最佳组合，并规划好各个租户在商场内的布局，来增加顾客的消费金额与逛店时间，也让商场在招商环节协商租金时更有信心。麦肯锡数据表明，使用大数据深度分析工具的购物中心，租金收入均得到了两位数百分比的增长。

01.如何规划出最佳租户组合

大多数购物中心会基于经验决定将场地出租给哪些租户以及每家租户的位置，部分商场会进行基本的租户品类细分后再进行出租，但缺乏系统的分析方法来招商以及确定租户的优先级，也缺少数据分析的思维来解决一些重要问题，例如：什么类型的品牌租户最能吸引居住或工作在商场附近的消费者？主力店是否真的为商场带动客流、拉高消费？哪些品牌租户是意想不到的“消费引擎”（即，尽管自身销售业绩不佳，但仍拉动其他店铺业绩，形成交叉转化后创造价值）？哪些品牌租户或品类组合能提升购物中心的整体销售额？

截至本文发布时，基于精准客流的大数据分析仍未能在购物中心行业形成广泛应用，因此麦肯锡所提及的分析模型，还是以品牌租售数据为主。但精准客流+租售数据的交叉分析，能揭示结果数据之外的过程归因，极大地提升洞察结论的可解释性与准确性。行业前沿的商业分析大数据团队，已经开始通过丰富精准的多维数据源，结合先进的行业研究理论与数据科学模型，取得了初步探索突破。

某亚洲购物中心就使用了大数据深度分析工具。通过销售和交易数据，他们研究出了消费者在商场内的典型逛店路线，以及品类之间交叉销售的相互作用情况。同时，这个工具还能量化出每家品牌租户对消费者在商场总体消费的影响。也就是说，能检验每家品牌租户作为“消费引擎”的表现，例如特定品牌租户是否以及在多大程度上增加或减少了其他店铺的销售额，消费者来到购物中心时，是否重点逛某一些店铺？该商场了解到，他们一家以服装为主的主力店往往会削弱周围服装店的销售，但会提升附近配饰和美妆店的销售。

这些研究对于优化招商选择和店铺落位搭配非常有价值。通过大数据分析，商场可以确定哪些品牌租户可能需要调整规模、搬迁调换、调整租金、撤离或给予运营支持。例如，某家品牌商铺坪效虽低（即每平方英尺的销售额低于商场平均水平），但交叉连带其他店铺的销售效果好，因此可以考虑缩小这个租户的面积，或是搬迁到更小的地方。

02.如何科学合理地分配租户位置

当招商团队审查即将到期的租约时，应该研究所有潜在的租户，从而找到最合适的店铺候选。比如，商场内哪些租户换到这个位置会有更好的销售表现？同区位的商场内品牌，会不会也想进驻这个商场？哪些新的租户已经明确表达了进驻意向？

商场业主有时会针对租户进行重新分区，或把一些区域专门用于特定的品类。这些改造项目为租户调换位置提供了可能，但评估品牌租户如何组合是一项非常复杂的工作，麦肯锡认为没有大数据深度分析的帮助几乎无法实现。

文章中着重介绍了RTRL工具，即“right tenant, right location”对户对位，让合适的租户到合适的位置。这个工具可以根据租户与位置的不同组合，分析出每个租户的全渠道销售额和它应该支付的租金。麦肯锡特别强调，在确定租户租金时，商场的主要目标不应该是最大化其自身的租赁收入，而是最大化商场租户的总体销售额。这似乎违反常理，因为租户的销售额不会直接转化为商场的利润。但随着每个租户的租金成本率下降，商场的租约也会变得更健康、更可持续，有助于商场保持活力。

上述商场使用 RTRL 工具来确定其潜在租户中的哪几个来替换即将到期的10个租户，以及新租户应占用商场中的哪些特定位置。测算结果显示，新增10家租户入驻后，商场销售额将比前一年增加 1.15 亿美元，租金收入也会上涨 500 万美元。

麦肯锡认为，销售额与坪效数据是 RTRL 工具的支柱。要想得到足够精准的结果，就必须掌握关于当前与潜在租户的更多的信息。要让工具分析出同一租户在铺位 A 与铺位 B 的业绩差别，商场必须收集足够多的可靠数据，包括租金成本和全渠道销售数据。若无法收集到潜在租户的数据，那就要从目前租户数据库中，仔细选择出合适的对标基准。

RTRL 工具还必须设置业务限制。例如，如果商场有区域划分，则该工具不应将玩具零售商分配给服装区或美食区。此外，商场应确定好品类所占份额的上下限。例如，高档服装占商场总面积的10%，低价电子产品占3%等等。如果没有合理的业务区域划分， 该工具很有可能建议给价值高的品类（如奢侈品或消费电子产品）分配过多的面积。

针对业态搭配和租户落位，国内已有头部相关 AI 公司投入算法科学家团队进行算法模型研究，以租金结构最优化和顾客体验更佳为研究目的。与此同时，基于精准客流、租售数据的商管信息系统也已在部分TOP级商业地产集团率先投入使用，能够迅速定位店铺问题，有效提升管理半径，用数据科学赋能店铺招调运营。

03.如何为每份租约设定价格范围

事实上，设定商铺租金对全球商场而言，都是一个让人头疼的挑战。商场一般都缺乏清晰的流程和内部共识去设定每家商铺的租金；比方说，资产管理与招商团队往往意见相左。除此之外，各个国家或各个品类也没有公开的行业指标。麦肯锡研究发现，全球商场租金收入在租户总销售额中的占比差别很大—— 在巴西的一家商场是 5%，而在澳洲的另一家却是 25%。

理论上，商场的租金取决于四个变量：商场的类型和地段、客流量和质量、铺位特征（包括大小和格局）以及品牌、品类的坪效。但在实践中，情况就不同了。麦肯锡指出，招商经理经常根据对租户的个人了解（“我认识他，x元的租金对他来说到顶了”）、过去的惯例（“让我们今年将租金提高 2%，我们每年都这样做”），或者是用直觉和经验的组合来决定租金。

其实，在国内的一些实际调研中发现，最先进的解决方案往往不光有前沿的行业理论与数据科学，同样会结合商业地产集团项目自身情况，通过与业务管理人员进行深入交流探讨，从而提供符合实际、可落地的洞察建议，双方共同设定清晰的目标实现路径。

麦肯锡的案例中提到，一家购物中心借助大数据深度分析定价工具，在清楚了解租户的整体经营状况和个别经营状况之后，设定了更好的租金目标。 该商场对每个租户的经营状况进行了彻底的分析，不仅研究了每个租户的销售额，还研究了租金成本和利润。然后，使用定价工具将之前列出的四个变量分解为大约 25 个子变量，例如店铺位置与商场入口的接近程度和品牌的价格定位。 使用多重变量回归分析，该工具为每个当前或潜在租户设置了价格范围（或“可能的协议区间”）。在对各租户进行铺位租金估值(ERV)时，商场计算了单个铺位的价值创造，让整个过程更加科学严谨。该商场使用 ERV 工具之后，5年内将实现20%的租金增长。

大数据深度分析使商场不仅可以管理和改善其短期业绩，还可以管理和改善其长期健康水平。一家商场的 ERV 工具清楚地表明，商场表现不佳的租户支付的租金远高于商场平均水平， 这是一种不可持续的情况：多付租金的租户迟早会撤租，带来相当大的空置风险，特别是如果他们集中在一个租赁周期或同一个商场区域内，情况会更加糟糕。该工具还指出，商场在与业绩较好的租户协商时，可以更加理直气壮一些。如果商场能善用这些工具，并根据洞见采取行动，就能实现每年5%的 EBITDA(息税折旧摊销前利润)增长。

为了把握数字时代的先机，购物中心运营商需要在整个组织中贯彻基于事实、数据决策的文化。除了采用先进的数据分析工具外，还应该收集更多有价值的数据，这些数据将为他们的业务决策提供信息。例如，可以部署新技术来获得行为数据；也可以启动整个商场的会员忠诚计划，收集个人交易数据，以深入了解整个商场的顾客游逛旅程；还可以与租户建立合作伙伴关系，通过协商以优惠租金换取数据共享。凭借海量的数据积累和先进的分析工具，购物中心不仅有可能彻底改变自己的业务表现，而且还有可能使整个零售业焕然一新。

04.文末思考题

（读到这里说明您真的很用心在了解如何让购物中心数智升级，下面的问题或许能帮您进一步思考）

您所在购物中心是否用大数据深度分析如下工作：

什么类型的品牌租户最能吸引居住或工作在商场附近的消费者？主力店除自身销售额外，对商场的贡献应该如何量化？哪些品牌租户是“流量黑洞*”？哪些品牌租户或品类组合可以拉升商场整体营收？

（流量黑洞* 即自身客流与销售良好，但不创造交叉转化与连带消费）

作者介绍：

Ismail Bel-Bachir麦肯锡全球董事合伙人，常驻迪拜分公司;

Sandrine Devillard 麦肯锡全球资深董事合伙人，常驻蒙特利尔分公司;

Alex Sawaya 麦肯锡全球董事合伙人，常驻香港分公司;

Ivana Valachovicova 麦肯锡项目经理，常驻布拉格分公司;

Joanna Mak 麦肯锡项目经理，常驻香港分公司。

解读介绍：

Aibee 商业数智研究院：

研究院由来自清华大学、北京大学、中国人民大学、中科院等国内顶尖高校，及剑桥大学、芝加哥大学、康奈尔大学、欧洲ESADE等海外知名高校和商学院的博士、硕士组成，拥有丰富的全球头部商业地产、零售商及互联网企业的数据分析与服务经验。研究院为购物中心提供基于“场·人·货·车“全场景、全流程、全量数字化的客群运营洞察、品牌招调指南、店铺评估诊断、场内流量提效、线下活动评估、广告点位管理等，覆盖招调、推广、运营全链路的商业数据分析及决策建议，以助力购物中心真正释放数字化运营的新时代价值。