大數(shù)據(jù)，當(dāng)下最熱的名詞之一，也是全社會(huì)商業(yè)、科技、文化等各個(gè)領(lǐng)域的血液與涵養(yǎng)，更是商業(yè)發(fā)展、競(jìng)爭(zhēng)策略及顧客價(jià)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(lái)到數(shù)據(jù)革命時(shí)代，下一個(gè)preumer時(shí)代已經(jīng)開(kāi)啟，諸如尚品宅配、紅領(lǐng)、愛(ài)定客等正是先鋒者，凱文·凱利說(shuō)，大數(shù)據(jù)時(shí)代沒(méi)有旁觀者。我也想探討，零售業(yè)是否有可為之處。

一、顧客畫(huà)像的前提

對(duì)零售業(yè)來(lái)說(shuō)，有幾個(gè)現(xiàn)實(shí)的問(wèn)題：

1、消費(fèi)者、顧客與用戶

我們過(guò)去一直談零售業(yè)以顧客為中心，事實(shí)上沒(méi)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(guò)爭(zhēng)論，他認(rèn)為線下企業(yè)沒(méi)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(gè)簡(jiǎn)單的例子：小王去超市幫他的兒子買(mǎi)了一包尿不濕，幫他的母親買(mǎi)了一雙雪地靴!就這單生意來(lái)說(shuō)：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(huà)像到底為誰(shuí)畫(huà)!在以會(huì)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(gòu)物籃，就會(huì)有小王、小王的兒子和小王的母親三個(gè)“用戶”，然后才能通過(guò)商品的特征分析他們的特征�？赡軙�(huì)出現(xiàn)小王給自己用的東西很一般，但給兒子買(mǎi)的東西是最高質(zhì)量的情況。如果要說(shuō)消費(fèi)者，很可能顧客購(gòu)買(mǎi)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(huì)員卡可能就是代表顧客，百貨可能有些門(mén)類(lèi)顧客就是用戶，購(gòu)物中心可能是一群消費(fèi)者!C端購(gòu)買(mǎi)主題與消費(fèi)主體錯(cuò)位是我們會(huì)員分析的難點(diǎn)!過(guò)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(shí)的演進(jìn)過(guò)程體現(xiàn)了商業(yè)發(fā)展的軌跡!

2、會(huì)員、粉絲與散客

近年，隨著微信公號(hào)和iBecon技術(shù)的應(yīng)用，零售業(yè)開(kāi)始優(yōu)化顧客統(tǒng)計(jì)及識(shí)別技術(shù)，但會(huì)員、粉絲與散客在統(tǒng)計(jì)主體、統(tǒng)計(jì)渠道、統(tǒng)計(jì)方法及分析應(yīng)用方面出現(xiàn)很多的數(shù)據(jù)錯(cuò)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(lái)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(shí)空上做好人貨場(chǎng)數(shù)據(jù)的互聯(lián)互通!

從商業(yè)營(yíng)運(yùn)趨勢(shì)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(huì)員思維的深化及升級(jí)，走 “關(guān)注者→粉絲→鐵粉→腦殘粉”的強(qiáng)度階梯。過(guò)去解決辦會(huì)員卡和完善會(huì)員資料的麻煩，今天研究讓客關(guān)注或安裝APP的問(wèn)題。我們知道許多企業(yè)會(huì)員和粉絲兩條腿還都在走，可能兩者需要整合，會(huì)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)�部以顧客�?huà)像在進(jìn)行內(nèi)容描述!

3、顧客識(shí)別技術(shù)及數(shù)據(jù)統(tǒng)計(jì)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(jiǎn)登記及全息識(shí)別是顧客畫(huà)像的基礎(chǔ)，但全程識(shí)別可以逐步推進(jìn)

以手機(jī)號(hào)碼為唯一ID的顧客識(shí)別，要讓所有的部門(mén)用一切手段，讓每一個(gè)顧客的每種關(guān)鍵行為與手機(jī)號(hào)關(guān)聯(lián)!

(2)依照顧客關(guān)鍵畫(huà)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(hào)碼與品類(lèi)的關(guān)聯(lián)、百貨建立手機(jī)號(hào)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(hào)下的品牌及品類(lèi)，必須確保登記環(huán)節(jié)，然后必須打通手機(jī)號(hào)與支付環(huán)節(jié)。比如購(gòu)物中心最想知道顧客動(dòng)線與商戶，那么重點(diǎn)就應(yīng)該是在賣(mài)場(chǎng)動(dòng)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(huà)像是由各個(gè)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(wèn)題，顆粒度的分類(lèi)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(jià)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(gòu)買(mǎi))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(shí)尚族：需要年齡、時(shí)尚品類(lèi)品牌、購(gòu)買(mǎi)頻率、反饋等等方面。當(dāng)然，這些同樣需要依照業(yè)態(tài)來(lái)進(jìn)行分述。

(4)顧客畫(huà)像清晰度需要數(shù)據(jù)積累

由于僅僅以手機(jī)號(hào)碼為唯一ID，其他屬性很多時(shí)候是通過(guò)定義購(gòu)買(mǎi)行為、頻率及品類(lèi)得出的，所以零售業(yè)也需要有這樣的積累畫(huà)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(lái)沒(méi)有完善的數(shù)據(jù)庫(kù)，字段缺失，登記不全，更新不及時(shí)情況普遍，在數(shù)據(jù)庫(kù)中尋找出單維及多維分析往往也是淺嘗輒止。

二、顧客畫(huà)像的分類(lèi)

關(guān)于顧客畫(huà)像，線上由于采集節(jié)點(diǎn)完備，結(jié)合云計(jì)算技術(shù)，在通過(guò)行業(yè)數(shù)據(jù)交互之后，很容易得出顧客畫(huà)像。像阿里、京東、一號(hào)店等大企業(yè)大數(shù)據(jù)部門(mén)已經(jīng)成為運(yùn)營(yíng)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(yíng)運(yùn)分析技術(shù)手段和效率的升級(jí)，本身并沒(méi)有什么神秘莫測(cè)之處。然而正是這些升級(jí)，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(lái)客數(shù)∪會(huì)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(huà)像研究強(qiáng)關(guān)系。

關(guān)于顧客畫(huà)像，我們必須假定企業(yè)有足夠的顧客識(shí)別手段，在這樣的基礎(chǔ)上，建議可以用人體分類(lèi)的方式，進(jìn)行分類(lèi)示例：

老實(shí)說(shuō)，說(shuō)說(shuō)理論容易，真正的落實(shí)具體畫(huà)像和分類(lèi)，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(gòu)買(mǎi)能力、行為特征、心理特征及興趣愛(ài)好幾個(gè)維度，范范舉例說(shuō)明。

三、顧客畫(huà)像分析的方法

從內(nèi)容上講，明確顧客分類(lèi)邏輯，即已經(jīng)明確了顧客畫(huà)像的操作方法，這應(yīng)該是公司營(yíng)運(yùn)分析算法部門(mén)的工作。以個(gè)人的粗淺理解，要在顧客幾率購(gòu)買(mǎi)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(lèi)=是或否XX

數(shù)據(jù)分階：最低~最高，分級(jí)，分級(jí)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(lèi)定性：按自然屬性分群分組

聚類(lèi)定性：適合XX特征=xx類(lèi)

關(guān)聯(lián)定性：XX品類(lèi)=XX特征=XX人群

我想性統(tǒng)計(jì)學(xué)專(zhuān)業(yè)人士應(yīng)該有更為深入系統(tǒng)的勾畫(huà)和理解，只是在零售層面上，哪家公司會(huì)真正自發(fā)性的開(kāi)始大數(shù)據(jù)和顧客畫(huà)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(guò)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(shí)變化會(huì)怎樣，你再告訴我，我再收錢(qián)!所以很多企業(yè)在做專(zhuān)案的時(shí)候可能會(huì)有局部云數(shù)據(jù)分析，但與日常經(jīng)營(yíng)管理過(guò)程無(wú)益，與長(zhǎng)續(xù)改善也無(wú)益!

零售業(yè)過(guò)去長(zhǎng)于經(jīng)驗(yàn)和結(jié)果式分析，長(zhǎng)于短時(shí)分析，趨勢(shì)分析、關(guān)聯(lián)分析和定性分析相對(duì)欠缺一些!零售業(yè)如何通過(guò)學(xué)習(xí)互聯(lián)網(wǎng)企業(yè)的云計(jì)算和顧客畫(huà)像思維，從而在小數(shù)據(jù)簡(jiǎn)單直觀定性化方面有所建樹(shù)，非常重要!

四、顧客畫(huà)像的問(wèn)題

當(dāng)然，從現(xiàn)實(shí)情況來(lái)看，我們對(duì)顧客畫(huà)像這件事不盡樂(lè)觀，因?yàn)檫@中間有很多困難：

首先是家庭消費(fèi)與個(gè)人消費(fèi)區(qū)分。顧客與用戶你區(qū)分不出來(lái)，通過(guò)購(gòu)物清單和會(huì)員卡消費(fèi)流水你也很難過(guò)濾，從而可能導(dǎo)致的分析結(jié)論的假象!甄別成本過(guò)高是很大的問(wèn)題!

其次數(shù)據(jù)的全面性問(wèn)題。沒(méi)有技術(shù)手段，沒(méi)有基礎(chǔ)信息支持，顧客畫(huà)像始終會(huì)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(mǎi)了!

三是應(yīng)用問(wèn)題。畫(huà)像的真實(shí)與虛假，明顯性悖逆甄別，偶然性和臨時(shí)性數(shù)據(jù)處理可能導(dǎo)致結(jié)論有問(wèn)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(tái)關(guān)聯(lián)知易行難!

但我依然覺(jué)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(jí)，現(xiàn)實(shí)狀況恰恰是顧客認(rèn)知精進(jìn)的空間。未來(lái)隨著iBecon技術(shù)、人臉識(shí)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(chǎng)必然可行，如果那時(shí)是4.0，可能還會(huì)需要現(xiàn)在2.0邏輯和積累!

五、顧客畫(huà)像的應(yīng)用

中國(guó)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(chǔ)層、計(jì)算層、整合層、智慧層、消費(fèi)層和洞察層七個(gè)層次。對(duì)零售業(yè)來(lái)說(shuō)，假定企業(yè)有了比較好的顧客畫(huà)像技術(shù)，經(jīng)營(yíng)管理方面的應(yīng)用應(yīng)該前景廣闊。

1、精準(zhǔn)營(yíng)銷(xiāo)：企業(yè)的促銷(xiāo)信息發(fā)送對(duì)象、內(nèi)容、跟蹤反饋都應(yīng)該更加精準(zhǔn)。

2、主題促銷(xiāo)：通過(guò)顧客畫(huà)像中顧客群的研究分析，通過(guò)對(duì)其消費(fèi)總量、頻率和周期的研究，主題促銷(xiāo)的內(nèi)容厚度、切入窗口和針對(duì)性會(huì)明顯加強(qiáng)。

3、社群組織：筆者此前探討過(guò)零售業(yè)社群組織的問(wèn)題，顧客畫(huà)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(huì)化參與及情感鏈接起到十分積極的作用。

4、市場(chǎng)調(diào)查：普通問(wèn)卷、焦點(diǎn)小組或是上門(mén)單獨(dú)溝通，顧客畫(huà)像會(huì)為調(diào)研決策提供決定性素材，控制調(diào)查失真。

5、業(yè)績(jī)預(yù)測(cè)：對(duì)于包括季節(jié)性商品、周期性消費(fèi)、促銷(xiāo)彈性程度、趨勢(shì)性預(yù)測(cè)，客群畫(huà)像應(yīng)該能夠提供較多的相對(duì)支持。

6、經(jīng)營(yíng)管理決策：對(duì)于包括功能項(xiàng)目、品類(lèi)設(shè)置、物流配送頻率、周期管控等常規(guī)經(jīng)營(yíng)管理內(nèi)容，也會(huì)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(shí)間和空間維度上需要海量的涌現(xiàn)和攫取，從現(xiàn)實(shí)來(lái)看，相當(dāng)長(zhǎng)時(shí)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(kāi)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(jià)值拼圖。

大數(shù)據(jù)分析與顧客畫(huà)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(lèi)管理分析、百貨的品牌分析與會(huì)員分析進(jìn)一步深入嫁接，其實(shí)已經(jīng)具備了顧客畫(huà)像的雛形;而已經(jīng)開(kāi)始操作線上線下融合的公司，會(huì)有更為迫切的需要去融合顧客，知曉用戶。對(duì)很多企業(yè)來(lái)說(shuō)，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(guò)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(yíng)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!