更聰明的賣早餐？！位置智能幫助全球快餐品牌制定銷售策略
本文章由CVI Civic Intelligence 提供。CVI是一間致力於空間數據與位置智能的公司，幫助企業做更好的商業決策。
一個在上海擁有超過300間門店的全球快餐品牌想要提升他們的早餐業務，CVI受委託，利用位置智能(Location Intelligence)進行分析研究，並協助其早餐策略的訂定。這個國際快餐品牌一直以來都是中、晚餐為主力，早餐則一直是該品牌不斷嘗試與迭代的業務。
近年來，因為線上消費習慣的轉變以及同業競爭越發激烈，該品牌不斷嘗試各種餐品與服務上的創新。除了現已上線的預點取餐，客戶也與我們分享了過去在零星門店實驗過的其他概念，包括預售餐卷、社區訂餐、移動餐車等，但都因為缺乏顯著的成效而沒有系統性的實施。
品牌方的訴求很簡單：告訴他們能提昇銷量的新想法。然而在CVI，我們更喜歡探究問題的本質。我們的假設是：過去嘗試過的概念不見得是無效的，而是因為試驗的門店地點不見得適用而導致成效不彰。
在本篇案例中，我們將簡述CVI如何幫助品牌更細膩的理解現有門店網點，跳脫常規的企業內部分類方式如旗艦店、快捷店等，從門店所處的街區功能、區域交通、消費者行為等角度做分析。並將城市數據分析與人本設計(Human-centred Design)理念結合，幫助企業制定精細化、因地制宜的商業策略。
了解門店的位置與街區脈絡
回到我們的假設：該品牌先前嘗試的創意不見得無效，而是沒有在最合適的門店測試而導致成效不彰。我們了解到，連鎖品牌的創新與實施，經常是取決於門店或區域經理的主觀經驗。然而，在超過300間門店、各店的區位環境以及客群行為都有所不同的情況下，這樣高度仰賴主觀判斷、缺乏脈絡的試錯循環，對大體量的企業而言，並不是最聰明的方式。
我們的第一步，是建立一套基於空間位置的分類框架，幫助我們更了解門店。與快餐、早餐場景有關的區位指標包括以下四個 (其他涉及商業保密的特徵在此略過)：
- 居住強度(Housing Intensity)：周邊住宅總戶數標準化。數值越高代表越多人住在門店附近；
- 辦公強度(Workplace Intensity)：周邊辦公樓總樓地板面積標準化。數值越高代表越多人在門店附近上班；
- 公共交通便捷度(Public Transit Convenience)：周邊地鐵站權重10，公交站權重1，加總並標準化。數值越高代表越多人可能從門店附近搭乘公交通勤上班；
- 競爭對手(Competitors)：周邊競爭對手數，以客戶提供的影響程度為權重，加總並標準化。數值越高代表顧客有越高機會選擇其他競品。
註：上述指標均以門店周圍800米範圍做統計，並採以距離遞減之方式計算，意即離門店越遠，分數影響越小。
替每間門店分析完四個區位指標評分之後，我們接著用聚類分析法，將300多家門店分成數個區位特徵相似的子集群，並將其落位回地理空間。
註：這邊採用的是K-means聚類算法，該算法需要預先指定群集數k，我們嘗試了不同數值，透過檢視其空間位置意涵與商業可操作性而決定群集數。
我們最終將門店分為了七類，即七類門店區位。這七類門店在城市空間中的分佈也有著明顯的特徵，我們依據我們對城市功能的理解，給予了這七類較容易直觀理解的名稱：
- 大型交通樞紐站點 Major Transit Hub
- 交通導向開發商業區 TOD (Transit-oriented-development) commercial
- 郊區混合功能區 Suburban Mix-use
- 次中心混合功能區 Subcenter Mix-use
- 郊區住宅區 Suburban Housing
- 辦公商業混合區 Office Mix-use
- 住宅商業混合區 Residential Mix-use
基於空間區位的銷售策略
若將這七類門店的區位特性，對比其銷售數據，我們可以得到更多銷售策略的洞察。
例如，「郊區混合功能區」門店的整體早餐銷量都是低於平均的，從郊區的人口本來就比較低的角度來看，這很容易理解。但比較令人意外的是，這類門店的「手機預點與現場取餐」比例非常高，這或許代表了郊區門店的顧客量雖較少，但有較強的例行消費習慣，值得從增強顧客黏性、優化復購率等角度思考其門店策略。若沒有將該區位類型獨立出來分析，容易因為這些門店的表現不佳而忽略其潛藏的訊息。
另外一個例子是關於行銷策略。目前該品牌提供多人與單人套餐的優惠(一般而言，多人套餐在鼓勵提高客單價，而單人優惠在於提高購買頻次)。然而這樣的優惠策略並沒有因應門店的位置特性做細化。當我們有了系統性的門店區位分類，我們可以更有針對性的在不同門店類型，對特定客群做促銷推廣，甚至能對進入特定區域的人群做「地理圍欄(geo-fenced)」廣告推送，如針對「居住區」類型門店做家庭套餐推薦，而在「公交樞紐」類門店做通勤或差旅白領單人套餐推薦。
結合門店區位類型，及對比銷售數據得到的洞察，我們提供給品牌方一套綜合的銷售策略建議。舉例如下：
- 早餐外取窗口：在一些路過人流特別大、立面直接朝向人行道的門店，可以採用便捷快取窗口，讓線上預點餐的顧客可更快速取餐 (可參考文章後半段的人流估算分析)；
- 早餐餐車：對於一些不緊臨大量人流，但距離人流熱點夠近(如對街，或百米範圍內)的門店，可以將餐點預裝至餐車，推至人流密集處販售；
- 基於位置的行銷(Location-based Marketing)：對於周邊人流較少或不在商業熱區的門店，可以透過時段性促銷活動或地理圍欄廣告推送來突破地理位置條件的約束；
- 目標團體優惠：對於郊區、次中心、居住區或商業區，可針對該區的主要群體做目標性的優惠，例如企業福利餐卷、住宅小區合作等。
除了分析結果本身，這套門店區位分析方法的價值，更在於提供企業一個新的思考框架了解自身門店的周遭脈絡，能更有效地檢視與追蹤不同類型門店的銷售表現。除此之外，這套框架與思路，能隨著企業品牌的成長或變革，不斷迭代優化，幫助企業朝向智能、數據驅動的方向轉型。
超地域性(Hyper-local)的位置策略
在CVI，我們相信真正的洞察來自於理性數據與人本視角的交集，換句話說，即量化(Quantitative)分析與質性(Qualitative)研究的結合。除了空間數據，我們也透過消費者訪談，瞭解人們的消費動機與行為模式。當我們的分析從靜態的門店位置延伸到消費者的行為動機與移動方式，便是超地域(Hyper-local)策略的形成。
那麼，在早餐的場景裡，人們最在乎的是什麼？
如上圖，簡言之，當人們在購買早餐時，因為對方便性與時間的追求，「順不順路」成了首要考量，其重要性甚至遠大於等待時間、價格(各家不同品類的早餐價格區間都類似)、或口味(人們對早餐的期待顯然並不高)。
在前段的銷售策略中，我們提到擁有大量路過人流的門店，可考慮實施早餐快取窗口。但究竟哪些門店擁有大量的路過人流？我們又如何評估這樣實施之後的潛在效益？
「順路」人流估算
我們可以將一般通勤上班族購買早餐的行為旅程，拆為兩部分：從住家到公交站點，與從公交站點到達上班地點。到店購餐的時間點，發生在其中一段。
我們以通勤量最大的地鐵為例，前半段的旅程 — 住家到地鐵站，我們以地鐵為中心，劃定800米半徑的步行範圍 (假定這是人們願意走至地鐵站的最遠距離)，透過百度地圖API，我們可以得到所有住宅小區步行到地鐵站的最短路徑 (假設人們不因特殊原因繞路)，然後將每條路徑以小區總戶數作為權重並疊加路徑，可以算出每條路的「順路程度」。如上圖所示，黃色線段越粗，代表越多人可能經由該路段抵達地鐵。
同樣的原理，也可套用在後半段旅程 — 地鐵站到工作地。不太一樣的是我們取的最短路徑是地鐵站到每個辦公樓，路徑權重則是用辦公樓總樓地板面積。同樣的，藍色線段越粗，代表越多人可能經由該路段到達工作地點。
值得一提的是，在我們一般認知中，店開得離地鐵站越近越好。但從上圖的「順路程度」估算可看出，僅僅是緊臨地鐵站，並不能保證路過的人流量，因為人們可能都往反方向走。特別是在早餐的場景裡。一些受訪者也提到，即便是一個街廓內的距離，甚至只是在對街口，只要不是在上班的最短路徑上，可能都懶得繞路去購買。
知道了每個路段的順路程度，再加上早高峰時段的地鐵進出站客流統計，我們可以反推每個路段的具體人流量，也就能推算每天早上大概有多人行人會經過門店，即門店的「路過人流量」。
同樣的算法，我們套用在了所有門店，可以知道在現有的300多家門店中，哪些店擁有最大量的早高峰路過人流。若進一步將其對比每間店的實際早餐單數，我們也可得知哪些店最有增長潛力，適合率先推出「早餐快取窗口」之類的服務。
空間位置數據的分析運用，不見得能得出超乎門店經理所能想出的創意點子，但絕對能幫助品牌從系統性的角度思考資源的「最適性分配」，例如本段案例中，哪些門店推出「早餐快取窗口」最有可能帶來顯著的業績提升。
結論
位置智能不僅幫助企業做出重要的策略決策，也能輔助門店日常的運營。我們透過城市空間數據分析、消費者行為洞察，以及企業自身的運營數據，幫助企業將複雜的決策要素系統化、脈絡化，最終轉化為實際的企業績效。無論您是跨國的連鎖品牌，或是在地的小型連鎖店，歡迎與我們聯繫：info@cvi-tech.com
