店铺周边多少客流才算旺铺？月均10000客流能开店吗？
无论是首次开店的小白还是经验丰富的开发/招商，都将客流量视作项目优劣的核心指标。 然而如此重要的指标却难以找到客观的数据参考：例如 一个社区商铺门店周边日均客流3000是多还是少？一个日均客流5万的购物中心，其内部商铺应该“分”到多少才算合理？
还有更多人想要了解的： 一个商铺门前有多少客流才算是旺铺？多少才算“及格”呢？ 这些问题清晰明了，但实际上并不容易回答，本文探讨这些“敏感”并可能“有争议”的数字。
01
不同类型地段客流量参考
大数据技术已能够将较大范围内的详细数据呈现出来，例如区域内居住和工作人口、客流、画像、来源去向、消费偏好以及相关性等等。
某商场的大数据客流相关信息示例-每天分楼层客流量
注：以上并非实际数据，仅参考相关效果和形式，下同
某商场的大数据客流相关信息示例-顾客来源贡献与密度：
大数据的确非常丰富并且炫酷，但很多场景下店铺门前的微观数据也同样重要。 不同类型级别的购物中心通常匹配多少客流量已经有一个行业内的共识，然而不同类型店铺门前有多少客流量一直缺乏相对客观的数据。
原因就在于： 宏观信息有更大的容错空间，同时其难以复核并可使用 口径或指数等方法来“ 降低 甚至抹去”误差，而微观层面的数据简单明了可以复核，因此也更容易受到挑战。
例如全国每年餐厅关店几十万甚至上百万数量级的信息可以查到(这种数据真伪无法复核，60%的精度可能取得100%的效果)，但全国购物中心每年关闭多少家这种数十个以上的信息却几乎查不到(因为这种数据极其容易复核，99%的精度也可能因为1%的误差而被全盘否定)。
在实际操作层面，门前客流量获取也有诸多技术细节包括不限于测试技术、测试时间、门前宽路与窄路、门店位于转角等情况如何处理，这些都需要有正确的方式方法来解决。
综合我们在实战中的积累以及与业内专业服务商的交流，并经一线商业朋友的复核，给出店铺门前客流量参考： 总体来看，二线以上城市店铺门前日均客流量超8000基本可以称为“旺铺”， 如果低于2000可能是一个高风险的地段。 进一步还需细分不同商圈环境的街铺和商场内店铺。
街铺：
说明： 以上数据为目前样本的平均水平，不同品牌和品类快餐之间也有较大的差距。 如有不同样本欢迎联系我们探讨。
商场店：
说明：以上数据为标品mall的优质水平， 不包括B1层直连地铁以及夹层、6层以上高楼层等；商街，奥莱，双首层等类型规律可能完全不同。
以开业率95%以上且业态搭配合理，日均3万客流且一层有两个主入口的购物中心为例，一层可以“吃”到约80%的客流，在主动线或者主入口的“铺王”可以“吃”到单层的50%客流(两个主入口客流类似的情况下)， 综合就是整个购物中心约40%的客流，对应部分经营能力强或者品牌号召力强的咖啡厅可达千万级的年销售。
现实的商业世界千变万化，更多元化的地段类型对应的旺铺门槛并不相同，另外从投资角度来看，客流量与租金是密不可分的，客群类型一致的前提下租金水平就是客流量的一种表达。 优质地段匹配不菲的租金，只有高于同业态的经营能力才能长久占据优质地段。
因此对于客流量驱动的业态，在投资前期获取具体位置门前的精准客流极其重要，后期也有助于经营的持续改善。应该如何获得客流，以及如何使用客流？
02
如何正确获得客流
客流数据获取有多种技术手段： 人工计数器、红外设备、顶部安装 3D摄像头的视频客流统计、通过获取手机MAC的客流统计、基于人轮廓识别的视频客流统计等等，相关资料非常丰富感兴趣的朋友可自行查阅。 不同的技术手段除了原理、成本和精度不同之外，更重要的在于应用场景也并不相同， 不同目的客流量获取需要根据场景选对方法。
统计入场/出场客流以及场内现有人数： 某些品类单一的主题购物中心或者对场内人数有要求的公共场所这样的需求最为普遍，技术手段可以采用顶部安装3D摄像头的视频客流统计等方法。
某些公共场所可以在出入口使用转闸，这种方式友好程度低但是精度更高。
数据积累起来还具有更多的商业分析功能：例如不同时间段、不同工作日的客流峰值，不同类型活动带来的客流增长等。如果对场内相关分析有进一步的需求，就可以使用大数据、通过获取手机MAC或者两者结合的方法。
即取即用的大数据： 地图/运营商等已有相关产品，无需安装设备即可获取，以景区为例，需要进一步分析不同景点不同时间段的客流密集程度以及变化趋势来确保安全、优化经营等，可以采用下图所示的大数据：
说明：上图来自北京通州发布公众号
由于文旅项目通常是独立的一个区域，使用大数据也能够符合业务需求的精度。
商业综合体同一个区域内可能包括地铁、公寓/酒店/写字楼等，使用基于获取手机MAC的方法可以有效提高精度，更重要的是可以获得场内各元素的相关性，包括楼层之间和品牌门店之间，从而找到优化经营活动的线索！ 对市场活动以及调整不同区域业态或者租户结构来产生消费关联并带来复购。
但要获得这种高质量的数据也需要付出较高的成本，另外随着厂商对硬件安全措施的升级以及相关法律法规的不断完善，这种方法未来有不确定性。
以上都 是项目内的客流， 可以归纳为经营分析角度的客流统计。具体 店铺门前客流是另外一个非常重要的场景：既可用于门店开业前的投资评估，也可以帮助改善经营。 传统计数器之外，更精准的方法是通过视频提取人的轮廓来获取。
使用图像识别技术来统计具有相关特征的目标：
在特定区域采集视频：
通过视频提取人体轮廓获得的原始客流数据：
可以进一步加工成为小时趋势：
区分出男女比例、年龄段构成等来帮助识别目标顾客：
可以测试不同时间并进行对比：
通过识别特定区域路过客流的轮廓，可以较精准识别客流和相关属性。 投资开店可以获知意向店铺门前的“繁荣”程度，避免交了高租金却进了热场的冷区。
测客流的时长也是一个关键问题： 公开的资料通常建议选择一周来进行测试，但实际上这同样难以避免误差，因为不同的季节本身就会有较大的差异，某些抢手的旺铺也需要考虑时间成本，可能客流测试没有结束就被其他商家签约。 从实际表现来看，街铺可以缩短到两天(工作日和周末各一天)，商场店最好测试三天(周一到周四选一天、周五、周末选一天)，同时尽量避免长假、恶劣天气以及各种活动等强干扰。
实战中还有包括门前宽路与窄路、门店位于转角位置等各种情况，需要不同的客流测试方案才能够获得精准的客流数据，具体技术细节不再展开。
拿到客流数据之后，结合业务的解读分析同样重要！如果说数据是矿藏，那么分析解读就是提炼的过程。
03
识别虚假客流 避免踩坑
客流之外，捕获率是另外一个重要的商业分析指标，在互联网领域这个指标称为“漏斗”，实际表达的都是同一个意思：即来客数有多少转化为进店数。 对于商家来说客流和捕获率是一对合体指标，在客流相同的情况下，更高的 捕获率才是真正的商业价值！
同一个铺面不同的门店捕获率差异较大，既有商家产品和经营水平的内部因素，也受商圈类型、竞争、季节等多种外部因素的影响 ，实战中需要从业务视角出发做进一步的解读，具体不再展开。下面指出三个经常容易踩的坑。
流水路的 无效客流 比例 很高： 流水路通常有很高的客流车流但基本不会停下来，最常见的就是城市主干道。避坑的最佳方式就是测店铺门前有效距离(例如门店10米以内)的客流。
低效客流： 最常见的是针对特定人群的业态，如果随意开店意味着客群匹配度低，例如某地段有100个人路过，对一个便利店来说基本都是有效的，有效率近乎100%，但对母婴店来说可能只有5个人有效，有效率只有5%，但对房东来说租金期望都是一样的，避坑的最佳方式就是要首先提炼门店需要的客流特征。
热场冷区和冷场热铺： 热场冷区 是一个很大的陷阱，经常主观的 使用整个项目的客流量来代替每一个铺面的客流量，实际上即使大名鼎鼎的全国标杆项目也有低客流的地方即所谓的冷区， 一些品牌误将项目整体客流视为能够吃到的客流，为此付出了高昂的代价 ，甚至第一家店失败之后再也没有翻身的机会； 反之也有冷场热铺，有的商业体几乎全部倒闭但沿街部分依旧可以经营下去，部分大品牌在进驻商业体时通常会选取这样的铺位以降低后期项目客流衰减带来的风险。 比如 一个日均3万客流的主入口位置有时胜于一个日均10万客流的内场位置(有的死角位置门可罗雀) ，差异就在店铺门前的客流。
准确获取和正确使用客流量是提高投资成功率的保障。 后期如发生新增竞争对手等商圈内商业环境变化，仍需测试客流量来验证销售变化的原因，或者定期测量来监测到周边变化以做提早应对。
高价地段并非都是“旺铺”，还要进一步考虑 捕获率。 结合场景选择合适的客流量方法，并以业务视角深入解读，才能将商圈的有效客群吃透，最终实现“ 用合适的价格进驻真正的旺铺 ”。
上述为转载文章，侵权请联系作者删除