禾武器 | 城市地图之后，大数据能否再打开客户潘多拉魔盒
+预计阅读时间13分钟
「 本文共1917字 」
我们如何思考客户地图产品量化
//
回答客户规模水平高低空间（板块/网格）分布
回答客户消费水平高低空间（板块/网格）分布
回答客户结构细分类型空间（板块/网格）分布
我们如何实现客户地图产品量化
我们以合肥市为试点，来看看如何实现客户地图产品量化。为了便于各位客官阅读、理解，本文分析采用板块维度呈现。
①首先我们来看开发商一般最为关注的点，区域职住人口的总体规模到底是多少？我们从数据库提取合肥市居住人口、工作人口数据，采用熵值法对职住人口综合打分，得出人口规模指数空间分布如下，可以看出目前合肥市的职住人口集中度很高，第一梯队板块占比仅为2%，前二梯队占比仅为6%
②除了客户规模之外，客户整体消费力也是开发商重要的关注点。我们从规模（消费水平）和趋势（消费活力）两个视角去综合研判整体消费力的高低。消费水平由人均消费、小区房价、小区租金以及酒店价格四个指标综合熵值法打分从生活消费的各个层面进行研判，最终可以看出，合肥消费水平分布相对分散，前二梯队板块占比17%，蜀山、庐阳、包河老城区域形成中高消费力聚集。
而消费活力判断则采用星巴克算法逻辑，获取星巴克门店数量以及热门分享打卡类APP小红书的打卡推荐人数，综合两个指标熵值法打分，可以看到合肥消费活力与消费水平差异较大，消费活力集中度很高，其中政务板块拔得头筹。
综合得出，合肥消费规模指数在蜀山、庐阳、包河老城区域形成高消费聚集，政务板块为综合消费力最高板块。
最后从人口规模指数和消费规模指数两个维度综合来看，合肥市客户规模价值前五板块为政务板块、庐阳老城板块、包河老城板块、蜀山老城板块、翡翠湖板块。
当然通常情况下，规模是我们最先认知其全貌的方式，但想更进一步便需要知晓更多细节的信息，例如结构组成。同样地我们还是以合肥为试点，具体来看两个结构信息。
③首先我们通过2015和2020两个年份人口的莫兰空间算法结果进行交叉组合，通过组合逻辑可以将人口分布类型分为17种。
从合肥最后的结果呈现来看，包河工业园板块为合肥近五年人口新的聚集区，而四大城区交界处则是合肥持续的人口聚集区域。
④其次通过工作人口的薪资水平，我们可以对客户支付力自然分段分为6类：扎根工薪、普通工薪、高级工薪，中产阶层、小富阶层以及富裕阶层，再通过对工作人口的空间落位进而得出各板块主流的客群究竟是谁，从结果来看，目前合肥各板块主要以中产阶层以下客群为主。
当然这里并不是说合肥就没有高端客群，纵向来看合肥高端客群的规模优势显然不如工薪阶层，但每一类客群会有其结构性最优解板块，只不过这里并未做此维度的分析呈现。
路还很长，但我们一直在路上
今天这篇文章主要讲的是我们如何去做第一件事，后续可能还会再写一篇文章来讲讲我们如何去做第二件事，敬请期待~