大數(shù)據(jù),當(dāng)下最熱的名詞之一,也是全社會商業(yè)、科技、文化等各個領(lǐng)域的血液與涵養(yǎng),更是商業(yè)發(fā)展、競爭策略及顧客價值挖掘值得精進(jìn)的核心領(lǐng)域。信息曾經(jīng)歷算法革命和網(wǎng)絡(luò)革命,今天來到數(shù)據(jù)革命時代,下一個preumer時代已經(jīng)開啟,諸如尚品宅配、紅領(lǐng)、愛定客等正是先鋒者,凱文·凱利說,大數(shù)據(jù)時代沒有旁觀者。我也想探討,零售業(yè)是否有可為之處。
一、顧客畫像的前提
對零售業(yè)來說,有幾個現(xiàn)實(shí)的問題:
1、消費(fèi)者、顧客與用戶
我們過去一直談零售業(yè)以顧客為中心,事實(shí)上沒做好!阿里巴巴副總裁高紅冰先生曾經(jīng)與某百貨公司高管有過爭論,他認(rèn)為線下企業(yè)沒有數(shù)據(jù)所以不懂消費(fèi)者,而線下企業(yè)認(rèn)為線上企業(yè)在天上飛不接觸消費(fèi)者。所以,我們可能需要先理清顧客、用戶和消費(fèi)者的概念。
舉個簡單的例子:小王去超市幫他的兒子買了一包尿不濕,幫他的母親買了一雙雪地靴!就這單生意來說:小王的兒子和母親是用戶、小王是顧客,小王一家人都是消費(fèi)者!
清楚了這樣的定義,我們才能明晰零售業(yè)的數(shù)據(jù)畫像到底為誰畫!在以會員卡為信息集成支點(diǎn)的情況下,如果你要描述“顧客”的特征,很可能很多信息要做延伸;如果你要描述 “用戶”,分析小王的購物籃,就會有小王、小王的兒子和小王的母親三個“用戶”,然后才能通過商品的特征分析他們的特征?赡軙霈F(xiàn)小王給自己用的東西很一般,但給兒子買的東西是最高質(zhì)量的情況。如果要說消費(fèi)者,很可能顧客購買心理和用戶使用心得要一起總結(jié)。
此外是不同的業(yè)態(tài)內(nèi)涵交織不同,超市、便利店的會員卡可能就是代表顧客,百貨可能有些門類顧客就是用戶,購物中心可能是一群消費(fèi)者!C端購買主題與消費(fèi)主體錯位是我們會員分析的難點(diǎn)!過去是“消費(fèi)者行為學(xué)”、“顧客心理學(xué)”到現(xiàn)在的“用戶思維”,商業(yè)知識的演進(jìn)過程體現(xiàn)了商業(yè)發(fā)展的軌跡!
2、會員、粉絲與散客
近年,隨著微信公號和iBecon技術(shù)的應(yīng)用,零售業(yè)開始優(yōu)化顧客統(tǒng)計及識別技術(shù),但會員、粉絲與散客在統(tǒng)計主體、統(tǒng)計渠道、統(tǒng)計方法及分析應(yīng)用方面出現(xiàn)很多的數(shù)據(jù)錯位,由于斷點(diǎn)式數(shù)據(jù)采集,我們很多分析很難實(shí)現(xiàn)邏輯自洽,這也是未來大數(shù)據(jù)分析的空間!那么我們先要分清這三者的分析領(lǐng)域:
所以,從大數(shù)據(jù)知曉顧客的角度,零售業(yè)應(yīng)該從時空上做好人貨場數(shù)據(jù)的互聯(lián)互通!
從商業(yè)營運(yùn)趨勢上看,“用戶思維”下講“粉絲經(jīng)濟(jì)”多些,現(xiàn)今更是深入到“社群經(jīng)濟(jì)”,但兩者的基礎(chǔ)應(yīng)該是會員思維的深化及升級,走 “關(guān)注者→粉絲→鐵粉→腦殘粉”的強(qiáng)度階梯。過去解決辦會員卡和完善會員資料的麻煩,今天研究讓客關(guān)注或安裝APP的問題。我們知道許多企業(yè)會員和粉絲兩條腿還都在走,可能兩者需要整合,會員完整電子化和粉絲全息數(shù)據(jù)化的SCRM要真正統(tǒng)籌起顧客數(shù)據(jù)化工作!
以下我們?nèi)恳灶櫩彤嬒裨谶M(jìn)行內(nèi)容描述!
3、顧客識別技術(shù)及數(shù)據(jù)統(tǒng)計邏輯
由于不是技術(shù)流,我們只是從數(shù)據(jù)邏輯上談一些觀點(diǎn):
(1)極簡登記及全息識別是顧客畫像的基礎(chǔ),但全程識別可以逐步推進(jìn)
以手機(jī)號碼為唯一ID的顧客識別,要讓所有的部門用一切手段,讓每一個顧客的每種關(guān)鍵行為與手機(jī)號關(guān)聯(lián)!
(2)依照顧客關(guān)鍵畫像內(nèi)容要求,先重點(diǎn)后次要,需鋪設(shè)數(shù)據(jù)關(guān)聯(lián)通道
如超市重點(diǎn)是建立手機(jī)號碼與品類的關(guān)聯(lián)、百貨建立手機(jī)號碼與品牌的管理,那么數(shù)據(jù)采集通道,則主要側(cè)重于疏通所有手機(jī)ID號下的品牌及品類,必須確保登記環(huán)節(jié),然后必須打通手機(jī)號與支付環(huán)節(jié)。比如購物中心最想知道顧客動線與商戶,那么重點(diǎn)就應(yīng)該是在賣場動線內(nèi)鋪設(shè)熱點(diǎn),建立身份與熱點(diǎn)的通道,支付就是次要的。
(3)確定單維分析的顆粒度,需有利于定性化及多維應(yīng)用
顧客畫像是由各個維度的素材組合而成的,首先單維度的分析涉及顆粒度的問題,顆粒度的分類邏輯涉及數(shù)據(jù)采集及匯總邏輯,其次才是匯總成多維應(yīng)用。比如顧客的年齡關(guān)鍵可能考慮價格敏感度,人生階段及支付特性兩維交織影響,可以分為可他人支付(學(xué)生及老年父母階段)、自主支付(職業(yè)初期)、自由支付(負(fù)擔(dān)較輕階段)和為他人支付(為父母子女購買)階段。
多維的應(yīng)用需要兩兩或兩三組合一起,比如定義顧客為年輕時尚族:需要年齡、時尚品類品牌、購買頻率、反饋等等方面。當(dāng)然,這些同樣需要依照業(yè)態(tài)來進(jìn)行分述。
(4)顧客畫像清晰度需要數(shù)據(jù)積累
由于僅僅以手機(jī)號碼為唯一ID,其他屬性很多時候是通過定義購買行為、頻率及品類得出的,所以零售業(yè)也需要有這樣的積累畫像的耐性。
事實(shí)上,由于太細(xì)太煩,加上手段缺失,很多線下企業(yè)從來沒有完善的數(shù)據(jù)庫,字段缺失,登記不全,更新不及時情況普遍,在數(shù)據(jù)庫中尋找出單維及多維分析往往也是淺嘗輒止。
二、顧客畫像的分類
關(guān)于顧客畫像,線上由于采集節(jié)點(diǎn)完備,結(jié)合云計算技術(shù),在通過行業(yè)數(shù)據(jù)交互之后,很容易得出顧客畫像。像阿里、京東、一號店等大企業(yè)大數(shù)據(jù)部門已經(jīng)成為運(yùn)營標(biāo)配。從管理本質(zhì)上講,線上企業(yè)的大數(shù)據(jù),事實(shí)是線下企業(yè)營運(yùn)分析技術(shù)手段和效率的升級,本身并沒有什么神秘莫測之處。然而正是這些升級,才出現(xiàn)系統(tǒng)和細(xì)節(jié)要命的差異。所以線下零售業(yè),更需要在現(xiàn)有數(shù)據(jù)基礎(chǔ)上做基本的升華!
從數(shù)據(jù)上:來客數(shù)∪會員數(shù)∪粉絲數(shù)∪散客=工作空間
零售業(yè)首先要做的事是把未知的消費(fèi)者變成可聯(lián)系的顧客,然后再完善顧客畫像研究強(qiáng)關(guān)系。
關(guān)于顧客畫像,我們必須假定企業(yè)有足夠的顧客識別手段,在這樣的基礎(chǔ)上,建議可以用人體分類的方式,進(jìn)行分類示例:
老實(shí)說,說說理論容易,真正的落實(shí)具體畫像和分類,確實(shí)存在很大的難度,也需要巨大的工作實(shí)踐。我只能從基本屬性、購買能力、行為特征、心理特征及興趣愛好幾個維度,范范舉例說明。
三、顧客畫像分析的方法
從內(nèi)容上講,明確顧客分類邏輯,即已經(jīng)明確了顧客畫像的操作方法,這應(yīng)該是公司營運(yùn)分析算法部門的工作。以個人的粗淺理解,要在顧客幾率購買的清單中尋找算法規(guī)律,很大程度要做的是:
邏輯定性: XX品類=是或否XX
數(shù)據(jù)分階:最低~最高,分級,分級原因由共性屬性確定
條件搜索:金額或數(shù)量XX條件=XX特征=X人群
分類定性:按自然屬性分群分組
聚類定性:適合XX特征=xx類
關(guān)聯(lián)定性:XX品類=XX特征=XX人群
我想性統(tǒng)計學(xué)專業(yè)人士應(yīng)該有更為深入系統(tǒng)的勾畫和理解,只是在零售層面上,哪家公司會真正自發(fā)性的開始大數(shù)據(jù)和顧客畫像的工作,我相信收益應(yīng)該良多!我們也接觸了一些外部大數(shù)據(jù)公司,他們更多的處理邏輯是你把你的數(shù)據(jù)給我,我?guī)湍闾幚,通過邏輯分析、外部匹配、外部關(guān)聯(lián)和數(shù)據(jù)應(yīng)用,我告訴你結(jié)論,事后什么情況、實(shí)時變化會怎樣,你再告訴我,我再收錢!所以很多企業(yè)在做專案的時候可能會有局部云數(shù)據(jù)分析,但與日常經(jīng)營管理過程無益,與長續(xù)改善也無益!
零售業(yè)過去長于經(jīng)驗(yàn)和結(jié)果式分析,長于短時分析,趨勢分析、關(guān)聯(lián)分析和定性分析相對欠缺一些!零售業(yè)如何通過學(xué)習(xí)互聯(lián)網(wǎng)企業(yè)的云計算和顧客畫像思維,從而在小數(shù)據(jù)簡單直觀定性化方面有所建樹,非常重要!
四、顧客畫像的問題
當(dāng)然,從現(xiàn)實(shí)情況來看,我們對顧客畫像這件事不盡樂觀,因?yàn)檫@中間有很多困難:
首先是家庭消費(fèi)與個人消費(fèi)區(qū)分。顧客與用戶你區(qū)分不出來,通過購物清單和會員卡消費(fèi)流水你也很難過濾,從而可能導(dǎo)致的分析結(jié)論的假象!甄別成本過高是很大的問題!
其次數(shù)據(jù)的全面性問題。沒有技術(shù)手段,沒有基礎(chǔ)信息支持,顧客畫像始終會殘缺,企業(yè)需要有耐心,顯然,并非所有的企業(yè)都認(rèn)為這樣的分析有什么卵用,數(shù)據(jù)還不如直接買了!
三是應(yīng)用問題。畫像的真實(shí)與虛假,明顯性悖逆甄別,偶然性和臨時性數(shù)據(jù)處理可能導(dǎo)致結(jié)論有問題,數(shù)據(jù)環(huán)斷裂的情況下,企業(yè)并非有完全的途徑可以獲得外部匹配支持,用戶行為關(guān)聯(lián)、跨平臺關(guān)聯(lián)知易行難!
但我依然覺得這是一條應(yīng)走的路,零售大數(shù)據(jù)不可能一蹴而就,也應(yīng)該有不斷的迭代升級,現(xiàn)實(shí)狀況恰恰是顧客認(rèn)知精進(jìn)的空間。未來隨著iBecon技術(shù)、人臉識別技術(shù)、wifi、LBS、定位技術(shù)、射頻條碼技術(shù)等應(yīng)用發(fā)展,關(guān)聯(lián)起人貨場必然可行,如果那時是4.0,可能還會需要現(xiàn)在2.0邏輯和積累!
五、顧客畫像的應(yīng)用
中國銀行網(wǎng)絡(luò)金融部副總經(jīng)理董俊峰在一次演講中提及,大數(shù)據(jù)能力包括集成層、存儲層、計算層、整合層、智慧層、消費(fèi)層和洞察層七個層次。對零售業(yè)來說,假定企業(yè)有了比較好的顧客畫像技術(shù),經(jīng)營管理方面的應(yīng)用應(yīng)該前景廣闊。
1、精準(zhǔn)營銷:企業(yè)的促銷信息發(fā)送對象、內(nèi)容、跟蹤反饋都應(yīng)該更加精準(zhǔn)。
2、主題促銷:通過顧客畫像中顧客群的研究分析,通過對其消費(fèi)總量、頻率和周期的研究,主題促銷的內(nèi)容厚度、切入窗口和針對性會明顯加強(qiáng)。
3、社群組織:筆者此前探討過零售業(yè)社群組織的問題,顧客畫像工程將為企業(yè)更加有效的組織和管理社群,激發(fā)粉絲社會化參與及情感鏈接起到十分積極的作用。
4、市場調(diào)查:普通問卷、焦點(diǎn)小組或是上門單獨(dú)溝通,顧客畫像會為調(diào)研決策提供決定性素材,控制調(diào)查失真。
5、業(yè)績預(yù)測:對于包括季節(jié)性商品、周期性消費(fèi)、促銷彈性程度、趨勢性預(yù)測,客群畫像應(yīng)該能夠提供較多的相對支持。
6、經(jīng)營管理決策:對于包括功能項(xiàng)目、品類設(shè)置、物流配送頻率、周期管控等常規(guī)經(jīng)營管理內(nèi)容,也會有極好的深化作用。
六、尾言
以上粗淺的探索權(quán)作引子,大數(shù)據(jù)的前提應(yīng)該是全數(shù)據(jù),在時間和空間維度上需要海量的涌現(xiàn)和攫取,從現(xiàn)實(shí)來看,相當(dāng)長時間內(nèi),可能都是奢望,所以我們只能借鑒一些大數(shù)據(jù)開挖的邏輯,探索現(xiàn)實(shí)性的應(yīng)用空間,隨著技術(shù)和應(yīng)用的進(jìn)步,逐步完善數(shù)據(jù)價值拼圖。
大數(shù)據(jù)分析與顧客畫像,不同的企業(yè)可能應(yīng)用的程度不同,許多超市原有的很多品類管理分析、百貨的品牌分析與會員分析進(jìn)一步深入嫁接,其實(shí)已經(jīng)具備了顧客畫像的雛形;而已經(jīng)開始操作線上線下融合的公司,會有更為迫切的需要去融合顧客,知曉用戶。對很多企業(yè)來說,這本是錦上添花的事,但如果做的足夠好,應(yīng)該有定海神針的效果。零售業(yè)最核心的資產(chǎn)是顧客,過去在盲知階段,是因?yàn)榱闶蹣I(yè)掌握了線下入口,所以可以在聚客與營客方面可以有所收益,而在流量下滑、入口分化以及客群分層的階段,更加清晰有效的認(rèn)知顧客、描述顧客并延伸應(yīng)用,應(yīng)該是零售又一大核心能力!
yiilong- 該帖于 2015/12/8 13:41:00 被修改過