上一期我们讲了线下零售切入顾客画像的前提和分类,这一期的内容是有关顾客画像分析方法及应用。
一顾客画像分析的方法明确顾客分类逻辑,即明确了顾客画像的操作方法。要在顾客几率购买的清单中寻找算法规律,还需要做:
1逻辑定性:XX 品类 = 是或否 XX2数据分阶:最低~最高,分级,分级原因由共性属性确定3条件搜索:金额或数量XX条件=XX特征=X人群4分类定性:按自然属性分群分组5聚类定性:适合XX特征=xx类6关联定性:XX品类=XX特征=XX人群在零售层面上,哪家公司会真正自发性的开始大数据和顾客画像的工作,收益会更多。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!
二顾客画像的问题当然,从现实情况来看,顾客画像有很多困难:
首先是家庭消费与个人消费区分。顾客与用户区分不出来,通过购物清单和会员卡消费流你也很难过滤,从而可能导致分析结论的假象,甄别成本过高是个大问题。
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。
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。这是一条值得走的路,未来随着iBeacon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。
三顾客画像的应用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。
大数据的前提是全数据,在时间和空间维度上需要海量的涌现和攫取,实际中,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。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!
(部分文字内容摘自联商专栏+上佳;图解设计和内容由亚洲保理创意并制作,欢迎转发,谢谢支持!)
分享到: