数说故事
2025-12-29
5.5分钟全球知名的生活潮流品牌，创立于 2013 年，已在全球 112 个国家和地区，布局超 7000 家门店，遍及纽约、巴黎、伦敦等国际都市核心商圈。每年上新超 1 万款 IP 产品，全球 IP 产品销售规模突破 100 亿，历史累计销售 IP 产品超 8 亿件。旗下产品涵盖生活百货、健康美容、潮流饰品等八大类超 10000 种。作为新零售代表品牌之一，秉持 “还原产品本质，退去浮华，回归本真” 的理念，持续为全球消费者带来 “好看、好玩、好用” 且质优价廉的商品。
客户业务痛点
全球门店突破 7000 家，进入规模化运营阶段后，品牌面临门店扩张"效率"与"质量"双重下滑的战略性挑战：
1、传统选址模式限制品牌扩张
在现有门店网络达到规模化运营阶段后，依赖人工经验的快速选址模式（包括新店开拓及存量门店迁址）已无法满足高密度布局需求，亟需建立数据驱动的精细化选址体系，通过多维度的数据采集与分析来支撑决策。
2、数据价值挖掘不足影响决策
选址团队缺乏有效的数据评估框架，难以从海量采集数据中识别关键决策因子，需要引入智能算法建立数据筛选机制，实现关键指标的自动提取与权重分配。
数说解决方案
数说故事旗下数说睿见通过搭建覆盖全国购物中心的数据库与AI分析系统，打通 “数据整合 - 场景分析 - 模型预测” 全链路，帮助客户破解品牌选址难题：
1、 多源数据整合：夯实选址数据基础
通过多源数据采集与整合，构建覆盖全国主要购物中心的数据库，涵盖基本信息、业态结构、人口数据、客流画像等数据，极大减少选址人员线下采集购物中心信息的工作量，为选址决策提供全面的数据支撑。
2、 搭建室内地图选址分析系统：提升场景化决策效率
（1）提供完整的购物中心室内地图及商铺分布数据，清晰呈现空间布局；
（2）运用移动终端SDK数据分析技术，实时获取并处理以下关键客流指标：
各商铺的进店与过店客流
各楼层的客流分布占比
（3）采用热力图可视化技术，直观展示各楼层客流聚集分布特征：
通过数字化采集与可视化呈现，降低人工现场调研成本及工作量，帮助选址团队快速锁定购物中心内客流密集的楼层与片区，提升决策科学性，优化商业资源配置效率。
3、基于机器学习算法的商业选址特征分析模型：强化预测准确性
搭建基于机器学习算法的商业选址特征分析模型，按 “特征构建 - 目标定义 - 结果输出” 路径落地：
（1）构建多维度特征工程：涵盖商场客流指标（日均客流量、分时客流）、客群画像特征（年龄分布、消费能力、职业属性）、商业生态数据（同层业态、同层品牌）；
（2）定义核心目标变量：以店铺经营绩效（月均销售额标准化值）为核心评估指标；
（3）输出量化决策依据：生成关键特征权重排序表、最优特征子集组合方案、各特征与业绩的关联度系数，为选址提供数据驱动的量化参考，提升预测准确率。
项目成果
1、工作量显著降低：选址人员的线下采集工作量下降85%，大幅减少人工成本与时间投入；
2、决策效率翻倍提升：新店选址周期从2周缩短为1周，效率提升 50%，进一步支撑全球扩张节奏，为品牌进入新兴市场提供科学决策支持；
3、门店质量优化：新店12个月存活率从70%提升至86%，选址精准度显著增强。
