线下零售该如何切入顾客画像？_百货店|MALL_联商论坛
当前位置：
阅读：&&|&&跟帖：
主题：线下零售该如何切入顾客画像？
管理主题：
积分:1851& 联商币:1677
13:22&&|&&
大数据，当下最热的名词之一，也是全社会商业、科技、文化等各个领域的血液与涵养，更是商业发展、竞争策略及顾客价值挖掘值得精进的核心领域。信息曾经历算法革命和网络革命，今天来到数据革命时代，下一个preumer时代已经开启，诸如尚品宅配、红领、爱定客等正是先锋者，凯文?凯利说，大数据时代没有旁观者。我也想探讨，零售业是否有可为之处。
一、顾客画像的前提
对零售业来说，有几个现实的问题：
1、消费者、顾客与用户
我们过去一直谈零售业以顾客为中心，事实上没做好!阿里巴巴副总裁高红冰先生曾经与某百货公司高管有过争论，他认为线下企业没有数据所以不懂消费者，而线下企业认为线上企业在天上飞不接触消费者。所以，我们可能需要先理清顾客、用户和消费者的概念。
举个简单的例子：小王去超市帮他的儿子买了一包尿不湿，帮他的母亲买了一双雪地靴!就这单生意来说：小王的儿子和母亲是用户、小王是顾客，小王一家人都是消费者!
清楚了这样的定义，我们才能明晰零售业的数据画像到底为谁画!在以会员卡为信息集成支点的情况下，如果你要描述“顾客”的特征，很可能很多信息要做延伸;如果你要描述
“用户”，分析小王的购物篮，就会有小王、小王的儿子和小王的母亲三个“用户”，然后才能通过商品的特征分析他们的特征。可能会出现小王给自己用的东西很一般，但给儿子买的东西是最高质量的情况。如果要说消费者，很可能顾客购买心理和用户使用心得要一起总结。
此外是不同的业态内涵交织不同，超市、便利店的会员卡可能就是代表顾客，百货可能有些门类顾客就是用户，购物中心可能是一群消费者!C端购买主题与消费主体错位是我们会员分析的难点!过去是“消费者行为学”、“顾客心理学”到现在的“用户思维”，商业知识的演进过程体现了商业发展的轨迹!
2、会员、粉丝与散客
近年，随着微信公号和iBecon技术的应用，零售业开始优化顾客统计及识别技术，但会员、粉丝与散客在统计主体、统计渠道、统计方法及分析应用方面出现很多的数据错位，由于断点式数据采集，我们很多分析很难实现逻辑自洽，这也是未来大数据分析的空间!那么我们先要分清这三者的分析领域：
所以，从大数据知晓顾客的角度，零售业应该从时空上做好人货场数据的互联互通!
从商业营运趋势上看，“用户思维”下讲“粉丝经济”多些，现今更是深入到“社群经济”，但两者的基础应该是会员思维的深化及升级，走
“关注者→粉丝→铁粉→脑残粉”的强度阶梯。过去解决办会员卡和完善会员资料的麻烦，今天研究让客关注或安装APP的问题。我们知道许多企业会员和粉丝两条腿还都在走，可能两者需要整合，会员完整电子化和粉丝全息数据化的SCRM要真正统筹起顾客数据化工作!
以下我们全部以顾客画像在进行内容描述!
3、顾客识别技术及数据统计逻辑
由于不是技术流，我们只是从数据逻辑上谈一些观点：
(1)极简登记及全息识别是顾客画像的基础，但全程识别可以逐步推进
以手机号码为唯一ID的顾客识别，要让所有的部门用一切手段，让每一个顾客的每种关键行为与手机号关联!
(2)依照顾客关键画像内容要求，先重点后次要，需铺设数据关联通道
如超市重点是建立手机号码与品类的关联、百货建立手机号码与品牌的管理，那么数据采集通道，则主要侧重于疏通所有手机ID号下的品牌及品类，必须确保登记环节，然后必须打通手机号与支付环节。比如购物中心最想知道顾客动线与商户，那么重点就应该是在卖场动线内铺设热点，建立身份与热点的通道，支付就是次要的。
(3)确定单维分析的颗粒度，需有利于定性化及多维应用
顾客画像是由各个维度的素材组合而成的，首先单维度的分析涉及颗粒度的问题，颗粒度的分类逻辑涉及数据采集及汇总逻辑，其次才是汇总成多维应用。比如顾客的年龄关键可能考虑价格敏感度，人生阶段及支付特性两维交织影响，可以分为可他人支付(学生及老年父母阶段)、自主支付(职业初期)、自由支付(负担较轻阶段)和为他人支付(为父母子女购买)阶段。
多维的应用需要两两或两三组合一起，比如定义顾客为年轻时尚族：需要年龄、时尚品类品牌、购买频率、反馈等等方面。当然，这些同样需要依照业态来进行分述。
(4)顾客画像清晰度需要数据积累
由于仅仅以手机号码为唯一ID，其他属性很多时候是通过定义购买行为、频率及品类得出的，所以零售业也需要有这样的积累画像的耐性。
事实上，由于太细太烦，加上手段缺失，很多线下企业从来没有完善的数据库，字段缺失，登记不全，更新不及时情况普遍，在数据库中寻找出单维及多维分析往往也是浅尝辄止。
二、顾客画像的分类
关于顾客画像，线上由于采集节点完备，结合云计算技术，在通过行业数据交互之后，很容易得出顾客画像。像阿里、京东、一号店等大企业大数据部门已经成为运营标配。从管理本质上讲，线上企业的大数据，事实是线下企业营运分析技术手段和效率的升级，本身并没有什么神秘莫测之处。然而正是这些升级，才出现系统和细节要命的差异。所以线下零售业，更需要在现有数据基础上做基本的升华!
从数据上：来客数∪会员数∪粉丝数∪散客=工作空间
零售业首先要做的事是把未知的消费者变成可联系的顾客，然后再完善顾客画像研究强关系。
关于顾客画像，我们必须假定企业有足够的顾客识别手段，在这样的基础上，建议可以用人体分类的方式，进行分类示例：
老实说，说说理论容易，真正的落实具体画像和分类，确实存在很大的难度，也需要巨大的工作实践。我只能从基本属性、购买能力、行为特征、心理特征及兴趣爱好几个维度，范范举例说明。
三、顾客画像分析的方法
从内容上讲，明确顾客分类逻辑，即已经明确了顾客画像的操作方法，这应该是公司营运分析算法部门的工作。以个人的粗浅理解，要在顾客几率购买的清单中寻找算法规律，很大程度要做的是：
逻辑定性： XX品类=是或否XX
数据分阶：最低~最高，分级，分级原因由共性属性确定
条件搜索：金额或数量XX条件=XX特征=X人群
分类定性：按自然属性分群分组
聚类定性：适合XX特征=xx类
关联定性：XX品类=XX特征=XX人群
我想性统计学专业人士应该有更为深入系统的勾画和理解，只是在零售层面上，哪家公司会真正自发性的开始大数据和顾客画像的工作，我相信收益应该良多!我们也接触了一些外部大数据公司，他们更多的处理逻辑是你把你的数据给我，我帮你处理，通过逻辑分析、外部匹配、外部关联和数据应用，我告诉你结论，事后什么情况、实时变化会怎样，你再告诉我，我再收钱!所以很多企业在做专案的时候可能会有局部云数据分析，但与日常经营管理过程无益，与长续改善也无益!
零售业过去长于经验和结果式分析，长于短时分析，趋势分析、关联分析和定性分析相对欠缺一些!零售业如何通过学习互联网企业的云计算和顾客画像思维，从而在小数据简单直观定性化方面有所建树，非常重要!
四、顾客画像的问题
当然，从现实情况来看，我们对顾客画像这件事不尽乐观，因为这中间有很多困难：
首先是家庭消费与个人消费区分。顾客与用户你区分不出来，通过购物清单和会员卡消费流水你也很难过滤，从而可能导致的分析结论的假象!甄别成本过高是很大的问题!
其次数据的全面性问题。没有技术手段，没有基础信息支持，顾客画像始终会残缺，企业需要有耐心，显然，并非所有的企业都认为这样的分析有什么卵用，数据还不如直接买了!
三是应用问题。画像的真实与虚假，明显性悖逆甄别，偶然性和临时性数据处理可能导致结论有问题，数据环断裂的情况下，企业并非有完全的途径可以获得外部匹配支持，用户行为关联、跨平台关联知易行难!
但我依然觉得这是一条应走的路，零售大数据不可能一蹴而就，也应该有不断的迭代升级，现实状况恰恰是顾客认知精进的空间。未来随着iBecon技术、人脸识别技术、wifi、LBS、定位技术、射频条码技术等应用发展，关联起人货场必然可行，如果那时是4.0，可能还会需要现在2.0逻辑和积累!
五、顾客画像的应用
中国银行网络金融部副总经理董俊峰在一次演讲中提及，大数据能力包括集成层、存储层、计算层、整合层、智慧层、消费层和洞察层七个层次。对零售业来说，假定企业有了比较好的顾客画像技术，经营管理方面的应用应该前景广阔。
1、精准营销：企业的促销信息发送对象、内容、跟踪反馈都应该更加精准。
2、主题促销：通过顾客画像中顾客群的研究分析，通过对其消费总量、频率和周期的研究，主题促销的内容厚度、切入窗口和针对性会明显加强。
3、社群组织：笔者此前探讨过零售业社群组织的问题，顾客画像工程将为企业更加有效的组织和管理社群，激发粉丝社会化参与及情感链接起到十分积极的作用。
4、市场调查：普通问卷、焦点小组或是上门单独沟通，顾客画像会为调研决策提供决定性素材，控制调查失真。
5、业绩预测：对于包括季节性商品、周期性消费、促销弹性程度、趋势性预测，客群画像应该能够提供较多的相对支持。
6、经营管理决策：对于包括功能项目、品类设置、物流配送频率、周期管控等常规经营管理内容，也会有极好的深化作用。
以上粗浅的探索权作引子，大数据的前提应该是全数据，在时间和空间维度上需要海量的涌现和攫取，从现实来看，相当长时间内，可能都是奢望，所以我们只能借鉴一些大数据开挖的逻辑，探索现实性的应用空间，随着技术和应用的进步，逐步完善数据价值拼图。
大数据分析与顾客画像，不同的企业可能应用的程度不同，许多超市原有的很多品类管理分析、百货的品牌分析与会员分析进一步深入嫁接，其实已经具备了顾客画像的雏形;而已经开始操作线上线下融合的公司，会有更为迫切的需要去融合顾客，知晓用户。对很多企业来说，这本是锦上添花的事，但如果做的足够好，应该有定海神针的效果。零售业最核心的资产是顾客，过去在盲知阶段，是因为零售业掌握了线下入口，所以可以在聚客与营客方面可以有所收益，而在流量下滑、入口分化以及客群分层的阶段，更加清晰有效的认知顾客、描述顾客并延伸应用，应该是零售又一大核心能力!
yiilong- 该帖于
13:41:00 被修改过
--------------------------------------------------- 14年零售，思考多于行动，理论多于实践，宏观多于微观
& 快速回复
[Ctrl+Enter直接提交帖子] &
联商网版权所有 &这并非未来的商业形态。实际上这样的个性化推荐已经在数千家线下零售门店中出现。
10月28日，芝麻科技公司发布两款基于阿里云大数据平台的产品&知了&和观星&，运用大数据分析和连接能力，帮助实体商业更加了解自己和消费者。双方的合作意味着线下消费体验更加个性化，也预示着实体商业真正进入大数据时代。
&知了&是芝麻科技基于线下零售门店推出的实时导购助手。在店员与顾客接触互动的0.1秒之内，借助实时触点识别和大数据分析技术，店员就能够收到&知了&推送的针对顾客的个性化商品推荐和导购建议。虽然不到0.1秒，但数据已经经过了线下采集、线上融合，最终输出精准智能推荐。
芝麻科技CEO朱智表示，线下商业的核心竞争力是&体验式消费&，通过大数据提升门店的服务能力和顾客的消费体验，让商家更加了解用户，大数据会为实体商业带来革命性的影响，真正走入以消费者为导向的世界。&知了是一款跨时代的产品。它所蕴含的能力不仅是数据，还有智能决策，未来的商业智慧将让零售实体更具优势。&
如果说知了是对个体消费的分析，那么&观星&更倾向于对群体消费者的刻画。无论是对品牌形象的设计、定位，还是新开一家门店、做出广告投放决策，实体商业都需要做到更加理解消费者。
&观星&将线下商业消费数据与脱敏后的线上消费行为轨迹融合，&500多个标签可以精准呈现品牌或门店消费者的群体年龄、学历等基础特征及购物偏好、兴趣爱好等行为特征，还同时提供相关行业对比，为实体商业提供基于多维度分析的丰富画像报告。
阿里云大数据事业部总监闫安表示，阿里云主要为芝麻科技提供云存储、离线数据处理以及在线分析等工具和服务，阿里云的大数据能力可以做到千亿级数据毫秒级响应，有效的支撑了从用户识别到精准营销的实时高并发分析。闫安强调，阿里云输出的是大数据弹性存储与计算的能力，所有数据分析和处理均经过隐私保护和脱敏处理。
&大数据画像用最便捷的方法帮助实体商业完成了之前要投入巨大成本才能做到事情，并且准确率更高。&朱智介绍，一家火锅店的老板在数据分析后发现，顾客中来自附近某小区的比例远低于预期规划，于是去做了定向的营销推广，一个月后来自这个小区的顾客比例上升了50%，也带动了整体销售提升了10%。
&大数据让商业变得更智慧，再小的生意也可以从中获益&。朱智表示。
关于芝麻科技（zhima&tech）：
芝麻科技是一家致力于利用大数据为商业客户创造卓越服务的公司。基于持续的技术研发和专家级的行业研究，芝麻科技已独家为大数据融合提供多种解决方案，全面革新零售业大数据应用。目前已有客户来自化妆品、服装、汽车、奢侈品、地产等行业知名品牌，并与阿里巴巴、中国移动等企业达成战略合作。芝麻科技CEO朱智先生入选福布斯2014中国30位30岁以下创业者榜单、《快公司》2015中国商业最具创意人物100榜单。自2013年成立以来，芝麻科技累计获得联想之星等投资机构共计数千
Copyright (C)
京公网安备68
All Rights Reserved
版权所有 京ICP备号-4