地产公司很困惑，究竟是什么原因导致了房子滞销，经过一段时间的调研，地产公司发现30万户籍人口中有一半以上在其开奖直播城市工作，并且未来不会回来购买住房，其开发地块的常住人口住房购买需求较低，相当于10万户籍人口的需求。地产商按照30万人口需求开发的住宅小区，很难在当地短期内卖出去。本次房地产投资损失较大，导致房地产商从当地房产市场退出。

　　TalkingData利用移动设备的位置数据，可以帮开发商了解其开发地块的常住人口数量、年龄分布和职业特点、以及收入水平。通过数据分析，房地产商可以客观了解开发地块每天晚上居住的人口数量，进入的人口数量，第二天离开的人口数量，以及这些人口的活动规律、年龄阶段、职业类型、收入水平、消费水平等。这些数据可以帮助房地产商对土地价值进行评估，这些信息对土地价格影响很大。房地产公司已经利用移动大数据进行土地价值估算，避免采用户籍人口数量方式来价值估算土地价值，降低了土地投资成本和房地产开发风险。

　　越来越多的房地产公司正在利用移动大数据，客观精确地估计其开发的土地价值，降低土地投资费用。房地产开发商也将参考用户信息进行房型设计、商铺规划、配套设施规划等，真正将大数据价值应用到房地产项目上去，优化资源配置，提高运营效率。

　　2 移动大数据在商铺地产规划上的应用

　　房地产行业正在将产业链进行延伸，住宅小区的商业地产项目已经成为房地产公司未来利润的增长点。商铺主要为周围居民提供服务的，居民的消费偏好成为商铺设计的一个出发点。商铺的合理规划对商业地产的增值起到了关键的作用。

　　移动互联网的大数据可以帮助房地产商了解客户的消费偏好，通过用户智能手机的App列表和其活跃程度，大数据公司可以对周围居民进行分析和画像。这些用户画像包括客户的生活爱好、年龄层次，消费特点等信息。房地产商可以利用这些信息进行商铺规划，根据客户消费需求来规划商铺，最大化商铺的利用率和客流量，合理配置商铺资源。

　　TalkingData已经向一些地产开发商提供了用户画像数据，这些用户画像数据正在被用作商铺规划。房地产商依据周围用户的特点和数量，规划教育、娱乐、健康、户外运动、美容等商铺的配置比例，确保有足够的商铺来满足客户需求，同时也确保相同类型商铺不要太多，最大化商铺的经济利益，也为商业地产增值提供基础。

　　房地产商利用移动互联网侧客户行为数据和消费爱好数据，在开发商铺时依据客户需求规划商铺，提高商铺客流量和消费总额，帮助房地产商提高商铺价值和潜在的租金。商户也可以利用用户画像数据深度了解客户，为商品采购和服务提供数据支持，为客户提供更加优质的商品和服务。

　　三 零售行业大数据场景应用

　　零售行业比较有名气的大数据案例就是沃尔玛的啤酒和尿布的故事，以及Target通过向年轻女孩寄送尿布广告而告知其父亲，女孩怀孕的故事。沃尔玛是大数据分析应用的先锋，其拥有全世界第二大规模的数据仓库，第一大规模数据仓库的拥有者是美国政府。

　　零售行业可以通过客户购买记录，了解客户关联产品购买喜好，将相关的产品放到一起增加来增加产品销售额，例如将洗衣服相关的化工产品例如洗衣粉、消毒液、衣领净等放到一起进行销售。根据客户相关产品购买记录而重新摆放的货物将会给零售企业增加30%以上的产品销售额。

　　零售行业还可以记录客户购买习惯，将一些日常需要的必备生活用品，在客户即将用完之前，通过精准广告的方式提醒客户进行购买。或者定期通过网上商城进行送货，既帮助客户解决了问题，又提高了客户体验。

　　电商是最早利用大数据进行精准营销的行业，电商网站内推荐引擎将会依据客户历史购买行为和同类人群购买行为，进行产品推荐。市场上推荐引擎的产品转化率一般在6%-8%，很少有超过8%以上的转化率。

　　电商行业的巨头天猫和京东，已经通过客户的购买习惯，将客户日常需要的商品例如尿不湿，卫生纸，衣服等商品依据客户购买习惯事先进行准备。当客户刚刚下单，商品就会在24小时内或者30分钟内送到客户门口，提高了客户体验，让客户连后悔等时间都没有。