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。

-02-

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。

-03-

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。

一、理念：找顾客不看人口属性，要看行为标签

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。

二、模型：大数据营销从传统4P进入新4P

大数据4P：消费者（People）、成效（Performance）、步骤（Process）、预测（Predict）。

1. 消费者（People）模型：新顾客（N）、既有顾客（主力顾客E0、瞌睡顾客S1、半睡顾客S2、沉睡顾客S3）。

2. 成效（Performance）模型：顾客数增加、客单价提高、活跃度提升。

3. 步骤（Process）：通过有层次的执行程序，改善营收方程式。

4. 预测（Predict）:预测顾客再次购买时间，让商家在对的时间与最有可能上门的顾客说话。通过控制，能够做到实时观测、零时差沟通和个性化信息。

三、目标：预测购买时间和倾向，改善营收

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。

四、大数据，简化标签

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。

顾客动态（NES）：（1）新顾客；（2）主力顾客；（3）近期回头顾客；（4）瞌睡顾客；（5）半睡顾客；（6）沉睡顾客。

入店资历（Length）:（7）早期；（8）中期；（9）后期。

近期购物情景（Recency）:（10）最近买家；（11）中期未购物买家；（12）长期未购物买家。

购物频率（Frequency）: （13）高频买家）；（14）中频买家；（15）低频买家。

购物金额（Monetary）: （16）高消费买家；（17）中消费买家；（18）低消费买家。

下次购物预测（NPT）：（19）7天内最有可能再次购买的时间点。

-04-

品牌商的数字化与零售商的数字化，最大的区别是：

第一，零售商有无限SKU，品牌只有有限SKU。

第二，由第一条区别衍生出来的区别：零售商有众多替代产品，而品牌商无替代产品。

第三，由第二条区别衍生出来的区别：品牌商数字化追求品牌复购（忠于品牌），零售商追求平台黏性；零售商提供关联销售，品牌商只有复购。

第四，零售商有“产品画像”和“用户画像”，品牌商可以不需要产品画像。

第五，零售商的数字化要求“产品与用户匹配”，提高转化率；品牌商的数字化追求认知转化，复购率。

-05-

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：

一是复购，即重复购买，新用户变老用户，老用户变大用户。因为品牌商的产品选项少，复购就是必须选项。因此，用户行为画像，以及与画像配套的政策，诱导复购是关键。

二是激活B端。用C端 激活B端，这是品牌商营销数字化的重要目标，是用小数据激活大市场的要求。

三是用户裂变。虽然拼多多平台也有用户裂变，但品牌商因为在线选项少，用户裂变就变得更重要了。

-06-

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:

1. 零售商只有C端用户画像，品牌商还有B端用户画像。

2. C端用户画像以用户属性画像为主，B端用户画像以行为画像为主。

3. C端用户画像即时自动推送，B端用户画像可以用于人际沟通。

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。