商铺价值评估模型设计:新零售商业模式的“数字化”工具

0 评论 5730 浏览 17 收藏 10 分钟

如何评估商铺价值,传统的购物中心的管理决策更多地依靠营运方的“人脑”经验判断,对商铺价值评估更多来源于“拍脑袋”。面对当下复杂的市场环节,单靠“人脑”的经验难以实现精细化运营管理!而设计商铺价值模型,能够为价值评估决策以及招商调商提供数据支持。同时,有助于深层次发掘数据的内在关联和规律,诊断购物中心运营现状、洞察潜在异常、提供优化建议及预测指导未来。来看看作者是怎么做的吧~

一、为什么需要做商铺价值评估?

1.1 租赁商铺的实际价值决定租金收入水平

租金是商业综合体的主要收入来源。一方面,合理的业态规划是招商运营以达到租金收益最大化的核心;另外一方面,业态规划的影响因素主要来源于租赁商铺的实际价值和目标商户的租金承受能力

1.2 对于第三方评估结果进行审核和决策

另外,作者过往曾经参与的大型国企的商业项目,对于“商铺价值”是需要根据《国有企业资产租赁管理办法》有关要求,聘请专业评估机构(即第三方)对待招商商业资源进行评估用于制定招商底价。

因此,面对第三方机构提交的评估结果,商铺价值评估“数字化”工具通过算法模型输出的参考报告将成为审核与决策的核心依据。

1.3 数据辅助商业决策

传统的购物中心的管理决策更多地依靠营运方的“人脑”经验判断,对商铺价值评估更多来源于“拍脑袋”。面对当下复杂的市场环节,单靠“人脑”的经验难以实现精细化运营管理!

线下商业,是支撑“新零售”生态体系的基础性平台,扮演着优化体验过程的重要角色,商家围绕提升消费者购物体验的一系列举措大多将其为依托来推进实施。

有学者也提出新零售就是“将零售数据化”,将各个场景数据的全面打通,由数据驱动业务增长。

而作者本人认为“零售的本质实际上从未发生过改变,新零售是在零售的本质上,更好的将新思维与新技术进行融合”,对于传统购物中心来说,不妨尝试用新技术去解决老问题,基于数据在传统的商业模式中寻找新的增长点。

当然,对于购物中心的“新零售”核心基础在于“一铺一档”的商铺数据中心,针对商铺历史的经营业态、经营品牌、销售数据、物理位置、租赁数据以及经营期间的关联客流等多维度数据进行采集与处理,为各个商铺资源价值评估提供数据支撑。

商铺价值评估模型基于系统算法输出商铺价值结果,为价值评估决策以及招商调商提供数据支持。同时,有助于深层次发掘数据的内在关联和规律,诊断购物中心运营现状、洞察潜在异常、提供优化建议及预测指导未来。

二、商铺价值模型设计的2种方法

2.1 “收益法”价值评估模型

收益法指通过估测被评估资产未来预期收益的现值来判断资产价值的评估方法。

找出影响商铺租金收益的所有变量,通过不同的方法计算所有变量的具体值:

  1. 列出影响商铺租金收益的所有变量,并拆分为可量化子变量;
  2. 分析所有变量在基准期和预测期的变化程度,将其分类为固定变量、可估算变量、外部变量
  3. 选取可参考的历史经营数据计算可估算变量,根据外部信息输入外部变量,根据经验或历史数据建模推算固定变量数值

租金的本质是用来购买流量的,途径客流为“外部变量”指标,作为动态参数来选择相应的基准期展开计算;而转化率、消费客单价、租售比为可估算变量,基于历史数据计算可得;其他固定变量作为资源的基础参数,资源管理在线化阶段根据实际物理工况配置系数可得。

2.2 “市场法”价值评估模型

市场法指利用市场上同样或类似资产的近期交易价格,经过直接比较或类比分析以估测资产价值的评估咨询方法。

根据存在的即是合理的原则,对同品类商铺租金修正后,用于评估同品类商铺租金:

  1. 选取近期相近区域同品类商铺租金数据作为参照商铺
  2. 将每个参照商铺与待评估商铺进行比较,按位置条件、商铺条件、竞争情况等因素进行修正;
  3. 将修正后的参照商铺租金数据进行加权平均,得到评估结果。

完成选取对标商铺,由系统根据商铺资源的物理空间属性的修正系数进行加权平均获得商铺价值评估结果。

三、插播一个关于招商“阴谋论”小话题

我相信很多读者可能在抖音、小红书各类短视频看到一些招商“阴谋论”,讲述的是:招商团队花“大价钱”引入主力店,再通过主力店吸引“租金贡献型”商户实现高租金回报的“割韭菜”商业模式。

这里我通过以下3种“商店类型”和5种“功能角色”来还原商业综合体的商业本质,让大家对于这个“阴谋论”话题有一些初步了解。

3.1 三种商店类型

  • 核心主力店。主力店能够对购物中心产生积极的外部效应,主力店往往通过自己的产品和品牌,吸引各种目的性消费,从而产生很强的外部客流的集聚效应。主力店对于商铺位置不是最重要的,但对租金价格具有超强的砍价能力(议价能力)。
  • 次主力店也具有很强的客流积聚效应。不像主力店,次主力店的位置和布局对其租金标准水平将产生重要影响。同类业态的次主力店在布局上的聚集,能增加比较性消费机会的增加,使各商家带来更多的销售额。
  • 普通商店即租金贡献型租户,有的业内人士也叫“寄生型租户”。这一类租户自身客流吸纳能力并不强,高度依赖现成的流量做转化,需用高租金贡献从而换取流量。

3.2 五种功能角色

商业的本质是价值交换!品牌商户到底属于什么商店类型?还是充当什么功能角色?是否享受租金优惠与补贴条款?这一切定义都取决于品牌给商业综合体带来的价值与实际商铺价值的一个平衡关系。

四、总结

行业“数据智能”的核心在于如何深层次发掘数据的内在关联和规律,更好诊断购物中心运营现状、洞察潜在异常、提供优化建议及预测指导未来,以数据驱动支撑科学决策和精细化运营管理。

本文主要基于“一铺一档”的商铺数据与商铺资源价值评估模型输出各个商铺资源的价值评估报告,以此为商铺招商与运营工作的开展提供理论依据,建立商铺资源全生命周期管理与规划,实现“数据智能”辅助商业决策。

本文关于“网络协同”“数据智能”内容,感兴趣的读者可以查阅上一篇文章:《 B端产品经理对“购物中心行业数字化转型”的一份思考 》 

本文由 @谢育波波波波波 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash ,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!