劉 洵，郭紅領(lǐng)

（清華大學 建設(shè)管理系，北京 100084，E-mail:flutexun@icloud.com）

商場的運營維護管理依賴于購物者行為和場域內(nèi)物品之間的交互關(guān)系?，F(xiàn)有研究表明，只有三分之一的購物決策行為是在進入超市之前做出的，像貨架位置、顧客瀏覽行為以及貨物放置在貨架的第幾層等都能激勵顧客購買更多的商品，并且不斷地改變他們的購物需求[1]。雖然當前確實存在對購物行為研究的需求，但商場管理以及人群行為統(tǒng)計還主要依賴于服務員根據(jù)經(jīng)驗描述顧客人流行為。為了改善這一狀況，Lee等[2]研究提出了一種新的城市購物中心顧客購物行為建?？蚣埽檬謾C客戶端的方式追蹤客戶在購物中心的瀏覽路徑，以全面了解購物行為；Chen等[3]通過WiFi定位技術(shù)構(gòu)建了一個采集顧客數(shù)據(jù)的模型，以分析顧客的偏好，從而提出都市購物中心的店鋪推薦模式。然而，現(xiàn)有研究主要關(guān)注了數(shù)據(jù)采集設(shè)備的適用性[4~6]，或者數(shù)據(jù)采集系統(tǒng)的理論框架設(shè)計[7,8]，較少關(guān)注適用于具體實際需求的技術(shù)方案及可行性分析。

為此，本文將重點關(guān)注人流蹤跡定位變動數(shù)據(jù)的綜合應用，特別是針對超市顧客購物瀏覽行為數(shù)據(jù)的采集和應用。以清華大學C樓的天貓超市為例，結(jié)合室內(nèi)定位技術(shù)構(gòu)建顧客消費行為數(shù)據(jù)采集方案，即根據(jù)顧客在超市中的閱覽路徑，結(jié)合前期對超市貨架和商品擺放的數(shù)據(jù)，確定顧客在實體店中實際閱覽的商品；再結(jié)合現(xiàn)場實驗收集顧客消費行為數(shù)據(jù)，通過多維度數(shù)據(jù)分析，揭示顧客消費行為規(guī)律，為超市運維管理提供參考。

1 購物行為數(shù)據(jù)采集

數(shù)據(jù)采集的目標是采用 UWB（Ultra-Wide Band）定位設(shè)備獲取顧客在超市內(nèi)購物走動時的定位數(shù)據(jù)，并據(jù)此輔助商品閱覽區(qū)域的分區(qū)，以支持顧客購物行為的分析。由于所用定位設(shè)備的采集頻率為2.5秒/每個數(shù)據(jù)點，故要根據(jù)位置數(shù)據(jù)反饋情況確定最終的商品閱覽判斷模式，即從采集的數(shù)據(jù)中判斷顧客是否處于相應的商品閱覽區(qū)域內(nèi)，從而對顧客的消費閱覽行為進行捕捉。為了實現(xiàn)數(shù)據(jù)的有效收集，一是根據(jù)空間面積和基站信號覆蓋能力計算基站數(shù)量；二是對空間面積進行均等分區(qū)，明確各個基站的分布位置，以實現(xiàn)信號的全覆蓋；三是結(jié)合空間內(nèi)部的設(shè)施對基站的分布進行適當調(diào)整，除了考慮方便管理和檢查外，也要避免干擾正常的商業(yè)運行。以清華大學C樓的天貓超市為例，UWB基站空間布置如圖1所示，基于此進行數(shù)據(jù)采集實驗。

圖1 在超市中布設(shè)基站示意圖

根據(jù)研究的實際需要，在超市門口附近隨機尋找愿意參加本實驗的購物者。共獲取了 50名實驗樣本，其中大多數(shù)為學生，也有一部分是學校的教職工。針對愿意參加實驗的購物者，在超市入口處發(fā)放了相應定位標簽，讓其在購物之前攜帶并隨后在購物結(jié)束時交回該定位標簽。同時，當購物結(jié)束時，通過訪談調(diào)研記錄參與實驗的顧客的基本信息（如學生所在院系、年級、性別或教職工年齡及工作單位）。此外，經(jīng)征得同意，還有一部分實驗樣本顧客提供了他們在超市的購物小票，上面記錄了本次購物最終購買的商品信息。

在采集前20組數(shù)據(jù)時，對顧客信息沒有進行分類，主要采集的是所有人在超市內(nèi)購物時形成的一個區(qū)域網(wǎng)，并導入超市平面圖中。通過針對平面圖的分析，看出了實際的流動熱區(qū)以及相應顧客流線分布，同時數(shù)據(jù)點和貨架本身所占區(qū)域可以進行區(qū)分（見圖2和圖3），證明了該實驗的有效性。

圖2 采集樣本消費者定位信息分布圖

圖3 采集樣本消費者路徑信息分布圖

在之后的數(shù)據(jù)采集中，將所有顧客數(shù)據(jù)按顧客個人進行了分別導出，以.sql的格式進行了存儲，并在導入平面圖的DWG文件中進行了停留區(qū)域的初步識別，即在生成的點陣中觀察是否形成了一些區(qū)域密集區(qū)。在實際分析中，發(fā)現(xiàn)相應的區(qū)域點陣確實存在且分布明顯，代表顧客在某一個時間段存在駐足瀏覽商品的實際消費行為。這表明結(jié)合超市內(nèi)部的貨架區(qū)域劃分，可以進一步處理和分析購物行為數(shù)據(jù)。

2 區(qū)域劃分及繪圖整理

顧客在實體店購物過程中，涉及到更為綜合更為復雜的空間結(jié)構(gòu)問題。本文首先根據(jù)超市實際的平面圖以及貨架信息和位置區(qū)間，包括相應擺放的貨物，形成了初步的測量數(shù)據(jù)的背景信息。然后，從環(huán)境行為學的角度計量了一般顧客在閱覽某個商品所處貨架可能處于的區(qū)域范圍，并對實際的貨物擺放區(qū)進行了相應的區(qū)位分析。

在環(huán)境行為學的考量中，商品展示的設(shè)計依據(jù)就是人們視野或者視域的特點。商家在布置展區(qū)或者進行貨架擺放設(shè)計時，重要的商品和展品一般都會布置在人們舒適的視域之內(nèi)，方便人們一眼看到相應的商品。反之，為了達到合理的擺放效果，當觀察者實際處于超市以及其他展示店鋪內(nèi)時，也可以根據(jù)實際的店鋪商品以及貨架擺放信息，反推出顧客處于什么位置時可以閱覽到相關(guān)商品。在確定瀏覽實驗舒適區(qū)域的研究時，首先要確定的是一些人體的視覺區(qū)間。例如，當消費者在超市內(nèi)瀏覽貨架上的商品時，大概頭部及眼部掃描的范圍及角度是多少，再據(jù)此計算合適的商品計算高度，測量合適的距離以及貨架擺放的區(qū)域范圍。

本實驗對超市的分區(qū)采用了兩種方案:一是根據(jù)超市貨物商品類別的分區(qū)方案，該方案的優(yōu)點是可以對某大類商品的位置和消費行為情況有一定呈現(xiàn)；二是根據(jù)超市提供的貨架編號對應的具體物品信息的分區(qū)方案，該方案能夠提供更為詳細具體的某種商品的瀏覽數(shù)據(jù)。

2.1 基于貨架商品類別的分區(qū)

現(xiàn)有一些研究，比如 Sano等[9]針對日本的一家便利店進行了顧客瀏覽路徑識別與聚類，劃分了9種不同的消費購買模式，并針對不同模式的消費指數(shù)進行了相應的分析，對高消費指數(shù)的路徑行為進行了相應排序。其針對商場的劃分不是根據(jù)貨架而是商品區(qū)域類型。本文針對超市貨架的商品類別，制定了超市內(nèi)空間的一種依照商品大類別為基礎(chǔ)的分區(qū)方案。

在采集定位數(shù)據(jù)時，可以將樣本的行為數(shù)據(jù)與空間商品區(qū)域進行對應，從而統(tǒng)計出相應的目標商品類別的信息范式，并根據(jù)相應的商品種類信息擺放提供一個顧客在閱覽相應貨架區(qū)位的商品時所處的理論位置。該區(qū)域由 4個坐標進行表示，即start_x，start_y，end_x，end_y，分別代表了該區(qū)域的4個區(qū)域坐標頂點。具體如圖4所示，相應的數(shù)據(jù)如表1所示。

圖4 貨架（商品類別）信息分布圖

表1 貨架（商品類別）區(qū)域坐標

2.2 基于貨架編號物品信息的分區(qū)

除了上述大分區(qū)方案外，具體貨架信息的分區(qū)也有重要的研究價值。如Herb Sorensen[10]通過問卷調(diào)查的方式對貨架布局進行了改進。本文針對該超市122個區(qū)位貨架信息分布進行了區(qū)位劃分，劃分原則是針對不同商品擺放種類進行的。按照超市貨架編號物品信息的內(nèi)容，統(tǒng)計出相應的目標貨架信息范式，以根據(jù)相應的貨架信息擺放計算出一個顧客在閱覽相應貨架區(qū)位的物品信息時其所處的理論位置。該區(qū)域由 4個坐標值表示，即 start_x，start_y，end_x，end_y，分別代表了該區(qū)域的 4個坐標頂點，如圖5所示。

圖5 貨架（編號物品）信息分布圖

3 購物行為數(shù)據(jù)分析

在數(shù)據(jù)處理中，使用了MySQL的數(shù)據(jù)庫記錄處理的信息并且編寫了相應的JAVA程序用來實現(xiàn)數(shù)據(jù)篩選的功能。計算每個坐標位置對應的商品，然后根據(jù)時間序列，統(tǒng)計出商品與商品之間的關(guān)聯(lián)關(guān)系，繪制關(guān)聯(lián)關(guān)系圖。同時，針對單個個人進行相應的數(shù)據(jù)處理，分析出個人在商場購物時所形成的商品閱覽信息。結(jié)合上述獲取的顧客購物行為數(shù)據(jù)和貨架分區(qū)數(shù)據(jù)，從特定時間段、特定空間、特定個人和特定群體等角度對購物行為規(guī)律進行分析，以支持超市運維管理。

3.1 特定時間購物行為分析

通過全面收集一個時間段內(nèi)顧客的瀏覽信息，可以整合出瀏覽商品大類的頻次數(shù)據(jù)。如圖6所示，研究發(fā)現(xiàn)在飲料區(qū)域的單日瀏覽行為占比最高。這可與相應時段的實際成交購買數(shù)據(jù)進行對比，以分析超市運維管理中深層次的問題。例如，如果發(fā)現(xiàn)飲料區(qū)的成交數(shù)量并不占據(jù)相應的瀏覽數(shù)量份額，那么就需要反思這種結(jié)果產(chǎn)生的原因，是因為飲料區(qū)的擺放比較混亂，或是飲料區(qū)的選擇商品比較泛，從而導致顧客在挑選過程中花費了更多的時間。通過類似對比，可為超市空間和效率優(yōu)化提供更有針對性的參照指導。

圖6 商品大類瀏覽數(shù)據(jù)統(tǒng)計圖（單日）

通過顧客瀏覽具體商品的數(shù)據(jù)統(tǒng)計，還可以發(fā)現(xiàn)各細類商品所占的瀏覽份額（見圖7）。除了可以對比相應商品的實際售賣量外，還可以對比相應商品所占空間的比例，從而觀察是否有一些瀏覽量低的商品占據(jù)了較大空間。如果相應商品的成交量比較低，就需要進一步調(diào)查和調(diào)整空間布局。這里除了涉及到大的空間布局，比如貨架的位置和所占的區(qū)域外，更為精細的分析可以考慮顧客群體的視線和視角下便于瀏覽的區(qū)域范圍。從利潤最大化的角度出發(fā)，可以結(jié)合商品的價格、利潤和空間成本等信息，調(diào)整貨架和商品的擺放，從而最大可能地提高線下超市的盈利模式。

圖7 商品細類瀏覽數(shù)據(jù)統(tǒng)計圖（單日）

此外，還可以生成商品瀏覽數(shù)據(jù)的關(guān)系圖（見圖8），為商品和貨架擺放設(shè)計提供有力參考，以節(jié)省顧客瀏覽的時間和空間。例如，大部分瀏覽了方便面的顧客都去瀏覽了火腿腸，而瀏覽了火腿腸的顧客又瀏覽了酸奶和飲用水。這種瀏覽數(shù)據(jù)一方面印證了日常的生活習慣，另一方面為超市物品擺放提供了針對顧客需求的可視化分析。再比如，瀏覽了牛奶的顧客，也瀏覽了茶、豆腐干和其他飲料，但在實際中牛奶通常是和奶制品擺放在一起，顧客的瀏覽路徑和商品的擺放情況出現(xiàn)了不相匹配的情況，這也為牛奶的擺放提供了新的參考依據(jù)。

對于大型購物商場而言，如果數(shù)據(jù)量足夠大，就會產(chǎn)生更多的瀏覽路徑數(shù)據(jù)和關(guān)聯(lián)圖，從而為商鋪、貨架、物品擺放等改進提供參考。例如，如果符合人們購物習慣的貨物擺放模式能夠避免高峰期的人流擁擠，避免人們因為過度擁堵影響了實際上的消費欲望，或者造成的不安全因素；理解人們?yōu)g覽和購物的關(guān)聯(lián)性還可以激發(fā)相關(guān)的購物欲，提升運維管理的成效。此外，還可以把便于瀏覽的熱點區(qū)位在招標中提高價格，從而有效保證商業(yè)空間價值的最大化。

圖8 商品瀏覽數(shù)據(jù)關(guān)系圖（單日）

3.2 特定空間購物行為分析

依據(jù)實驗獲取的整體數(shù)據(jù)，統(tǒng)計瀏覽商品的大類，可以顯示出超市商品不同分區(qū)的瀏覽熱度（見圖9）。數(shù)據(jù)顯示，該超市瀏覽熱區(qū)最高的商品類別是方便食品和速食區(qū)，其次是膨化食品和零食區(qū)，再次是水果區(qū)。該數(shù)據(jù)清晰地呈現(xiàn)了顧客在該超市購物的需求。如果該區(qū)域的定位密度比較高，可能說明其存在擁擠的現(xiàn)象，會影響顧客的購物體驗，因此該數(shù)據(jù)有助于提升超市對空間布局的調(diào)整。瀏覽量最低的是餐具、內(nèi)衣區(qū)和文具區(qū)。這說明顧客對該區(qū)域的興趣度最低，那么其銷售額度也是相應會比較低。從利用空間的效率而言，應當壓縮該商品類別的空間面積，同時也不應將其放在熱點區(qū)。

圖9 商品大類瀏覽數(shù)據(jù)統(tǒng)計圖（整體數(shù)據(jù)）

同時，可以分析某個具體貨架的位置和瀏覽量（見圖 10），可為更細致的商品結(jié)構(gòu)調(diào)整和超市空間調(diào)整提供了數(shù)據(jù)參考。例如，飲料在瀏覽量中所占比重是最大的，其次是餅干、衛(wèi)生紙、糖果、方便面和膨化食品。這為在具體貨架上擺放這些商品提供了一定的參考。

圖10 商品細類瀏覽數(shù)據(jù)統(tǒng)計圖（整體數(shù)據(jù)）

此外，可以生成顧客在瀏覽不同商品區(qū)的瀏覽關(guān)系，如圖11所示，反映了顧客的購物習慣路徑。例如，方便食品、速食和飲料、水果、飲用水之間的強烈關(guān)聯(lián)是很明顯的。因為實驗的數(shù)據(jù)仍比較有限，相關(guān)分析只是展示了某項分析的可能性，以及數(shù)據(jù)的潛在分析方向和價值。

圖11 商品瀏覽數(shù)據(jù)關(guān)系圖（整體數(shù)據(jù)）

3.3 特定個人購物行為分析

針對特定個人的消費行為軌跡數(shù)據(jù)，可以進行特征分析。以實驗中A同學為例，其瀏覽商品類別分區(qū)的統(tǒng)計如圖12所示。數(shù)據(jù)顯示了A同學在瀏覽過程中關(guān)注的所有商品類別，及其在某個商品類別前瀏覽時間的占比。

具體而言，該同學主要瀏覽了零食、水和水果，整體上在零食和速食商品區(qū)停留的時間遠遠超過在飲用水和水果區(qū)的時間。據(jù)此，可推測其可能對飲料已經(jīng)有了明確的消費習慣，也可能是飲料區(qū)的擺放方式比較符合該同學的購物記憶和習慣，因此挑選時間較短，但是對零食區(qū)的挑選卻花費了更多時間。另外，通過對比其購物小票上所記錄的實際消費數(shù)據(jù)，還可以分析出該名顧客的瀏覽和消費行為的關(guān)聯(lián)度。

圖12 商品大類瀏覽數(shù)據(jù)統(tǒng)計圖（單人）

3.4 特定群體購物行為分析

針對特定群體的消費行為軌跡數(shù)據(jù)，本文以“法學院女生”群體為例，進行了數(shù)據(jù)處理與分析，形成了商品瀏覽類別統(tǒng)計圖如圖13所示。

圖13 商品瀏覽數(shù)據(jù)統(tǒng)計圖（法學院女生群體）

數(shù)據(jù)顯示，該群體瀏覽時間中促銷貨架區(qū)占比最大，為22.4%，其次是方便食品和速食區(qū)，占比17.49%，而瀏覽酒水的時間所占比例最小。因此，可針對某個特定群體的消費數(shù)據(jù)進行分析整合，如果數(shù)據(jù)量足夠大，則能夠結(jié)合群體的消費瀏覽情況，調(diào)整線下超市的商品結(jié)構(gòu)和擺放狀態(tài)，提升購物體驗和運維管理成效。

4 結(jié)語

本文面向商場運營維護管理的實際需求，以清華大學C樓超市為例，結(jié)合室內(nèi)定位技術(shù)形成了顧客購物行為數(shù)據(jù)采集方案，并通過實驗收集了相關(guān)數(shù)據(jù)，包括路徑和瀏覽信息等，據(jù)此分析了消費者在超市中的商品閱覽行為以及商品間的消費行為關(guān)系。實驗結(jié)果表明，定位技術(shù)在采集顧客購物路徑數(shù)據(jù)方面是有效的，并且能夠與超市不同商品貨架擺放閱覽區(qū)位數(shù)據(jù)和商品數(shù)據(jù)整合在一起；同時通過相關(guān)數(shù)據(jù)初步分析，獲得了可解釋的結(jié)果，這些結(jié)果揭示了在超市內(nèi)商品與顧客的關(guān)系以及商品與商品之間的關(guān)系，進一步可為如貨架擺放、顧客分流、消防安全等運維管理操作提供參考意見，從而為超市等商業(yè)購物中心的運維管理提供有效支持。