,这是一篇技术化的文章，根据以往的经验，技术化的文章，往往阅读量不高。目前的营销数字化基建完成不难，但应用难，难就难在应用技术是拦路虎。,营销数字化，只有通过用户画像，才能精准、实时交互。因此，数字化的商业逻辑用互联网技术表达，这一关非过不可。,精准，就是用户画像；实时，就是瞬间画像、更新画像，在用户感觉不到的时间内推送信息、政策、黏住用户。,精准、实时，不是通过人实现，而是通过技术实现。技术的反应时间，可以快到用户感受不到。,大数据商业的基本认知：消费行为是可以预测的，预测的依据不是惯常的依人口统计数据分类，比如男女、收入等，而是消费行为数据。,这与传统的营销逻辑不同，传统营销分类逻辑基本源于人口统计分类。,大数据商业的基本逻辑是：消费者标签化。标签就是消费者的DNA。DNA源于消费行为，有倾向性，但又是变化的。标签化是一种简单化，简单是降维，降维是为了在人的心力临界点之内。,用户画像，站在品牌商、代理商和零售商（平台商）角度，各有不同的画像依据。首先是视角不同，其次是目标不同，最后是关系不同。,先看阿里大数据的理念与应用，以下内容选自《颠覆营销：大数据时代的商业革命》。作者陈杰豪是为阿里提供大数据咨询的人员，共同作者车品觉是原阿里副总裁、数据委员会会长。,传统营销偏向处理异质性问题，根据人口统计学特征，如性别、年龄、居住地、收入等，进行分类分群。,男女是人口统计指标，个性化标签是行为与动机。人口指标符合统计学，个性化标签可以预测行为，精准预测下次购买时间。,行为标签，不看人口属性，只看购买行为，比如将消费者分为三类：新顾客、主力顾客、沉睡顾客，然后分类追踪。,行为标签，就是只看可以记录的行为（有数据的行为），比如，第一次在线购买，不论线下购买多少次，线上记录就是第一次。,大数据4P：消费者（People）、成效（Performance）、步骤（Process）、预测（Predict）。,根据大数据，下次购买时间可以预测。推荐应该在预测购买时间之前，推荐符合购买用户倾向性的产品，目的是改善营收。,个性化，不能一人一个标签。阿里把多达1000种的人口特征标签，简化成6组动态及19种标签。,品牌商的数字化与零售商的数字化，最大的区别是：,
,平台或零售，用户画像的主要目的是“产品与用户匹配“，提高转化率。,用户画像，除了预测下次购买时间外，很重要的一条，就是提高产品与用户的匹配度，即推荐产品的时机和特征正好与用户匹配。,品牌商的用户画像，有三个重要目标：,除了上述大数据画像目标的重要区别外，平台或零售商的用户画像与品牌商的用户画像相比，还有下列区别：,第一，用户画像的区别：,
,第二，针对用户画像的政策,根据用户画像，针对性的制订政策，这是锁定用户，培养大用户的需要。零售商针对用户的政策，有平台政策，有商户的政策。品牌商针对C端用户的政策，有品牌商政策，有代理商政策。,第三，在线推送与推送后在线,平台或零售商，SKU多，已经形成了产品生态，用户在线频率高，时间长。因此，可以根据预测下次购买时间，提前推送产品或政策。,品牌商的产品有限，而且可能无其它产品选项。因此，系统要提前推送政策，诱导上线。或者在上线过程中，适时推送政策，诱导下单。,第四，平台或零售商，可以根据用户画像做关联推荐，因为平台或零售商SKU太多。比如，可以向宝妈推送系列产品，但如果是奶粉品牌商，就只有培养用户复购，或者成为大客户。,第五，平台或零售商，需要产品画像和用户同时画像，然后匹配。品牌商在销售过程中，基本不存在产品画像及匹配问题。,第六，品牌商的C端用户，只是针对C端。品牌商的C端用户画像，还要与B端关联，用C端B端。,刘春雄，微信公众号：刘老师新营销（ID：liuchunxiong1964），人人都是产品经理特邀作者。现任郑州大学副教授，硕士生导师，兼任北京大学EMBA课程主讲导师，《销售与市场》杂志社副总编，清华大学MBA、中国人民大学MBA特聘客座教授。,本文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,
未经允许不得转载：营销圈 » “营销数字化10讲”（4）：品牌商和零售商，“用户画像”不一样,“营销数字化10讲”（4）：品牌商和零售商，“用户画像”不一样
