“营销数字化10讲”(3):营销数字化的灵魂是用户画像

01

没有用户画像的数字化,不过是个摆设。

用户画像,就是用户标签化。标签化,是为了便于识别用户,而且是计算机自动识别。精准识别用户,才能精准服务用户,瞌睡的时候送个枕头。

自动识别用户,自动完成即时信息和政策推送,在用户改变购物行为的瞬间,自动形成用户新画像。数字化的威力,只有通过用户画像才能显示出来。

02

过去线下销售是“一对一”、“面对面”,无论是B端或C端都是如此。一对一,就有相对充足的时间沟通、交互。如果是熟人,可以根据喜好推荐。KA店,只有让用户自选。

现在用户在线,需要同时面对海量用户,比如双11,上亿用户同时在线,千万商户同时在线,上亿SKU同时在线。而且需要即时推送,即时更新。

那么,怎么才能在用户每次点击时,快速生成符合用户需要的产品或内容,而且整个过程没有让用户感觉到时间滞后呢?

答案是计算机自动完成的用户画像,平台根据产品画像和用户画像,自动匹配,瞬间完成,即时推送。

只不过,各类互联网平台的用户画像是平台完成的,用户无感,商户无感。快消品厂商的营销数字化,就不能依赖平台了,要依靠品牌商自己完成用户画像。

03

用户画像,一个专业词汇。普通人不了解,也没必要了解,即使用户已经被画像了,但浑然不知。

实际上,只要打开各类电商平台、抖音、今日头条,用户已经被平台画像了,否则,平台怎么可能那么精准地推送产品或内容呢?

无论是交易平台还是内容平台,平台都是撮合系统,即产品与用户之间撮合,在合适的时间把产品推荐给最合适的用户。撮合就要精准匹配,推送的正是用户需要的。

只有匹配,成交率(转化率)才会高。

阿里平台上亿用户与上亿SKU,没有产品与用户画像的匹配实现即时推送,撮合过程还不乱了套?

今日头条、抖音上有巨量内容,也有海量用户。如果靠用户自己搜索、寻找,多浪费时间啊,好在现在有AI技术用于用户画像!

用户画像就是根据用户在平台浏览、观看、交易等行为留下的痕迹(数据),按照一定的画像规则和目的,给用户画像,然后根据用户画像精准推送内容。

比如,今日头条、抖音等媒体,会根据用户偏好、倾向性,针对性推送内容。

美国打压TikTok,中国及时发布政策,禁止算法类技术出口。

AI算法一个很重要的作用就是用户画像,AI算法既用于用户画像,也用于产品(内容)画像,然后实现两者匹配。

比如,平台通过用户画像确定某用户的需求偏好,比如价格偏好、品牌偏好等。同时,产品也有画像,然后实现产品和用户偏好的匹配。只有匹配,转化率才会提高。

平台已经给产品和用户画像了,但用户为什么没有感觉呢?

这是因为用户画像是平台在做,商家和用户只是被画像,画像用于推送产品或内容。用户只是感觉产品更合味品,但不知道自己被画像了。

04

2C平台的用户画像,已经是平台的日常了。那么,快消品厂家的数字化是否需要用户画像呢?

当然需要!只有用户画像,才能更精准。

比如,一个新品投放市场,过去深度分销采取的是全面铺货。但是,现在产品升级,新品铺货需要精准。如果某高端新品投放市场,就需要找到精准铺货终端。那么,就需要对终端进行用户画像。

假设高端新品铺货的用户要符合三条标准:

  1. 终端有新品推荐能力;
  2. 终端有高端用户群;
  3. 终端在该品类有优势。

那么,就可以根据上述标准给终端画像,筛选出符合上述条件的终端进行认知教育(如体验),然后铺货。因为画像精准,铺货后销售情况不错,就可以展开更全面的铺货。

新品铺货,终端画像的数据从何而来?

有两大来源:

  1. 一是自己有终端数据,就可以根据历史数据给终端画像;
  2. 二是如果刚上线,没有数据,就可以找系统平台或第三方专业公司,他们会根据其它公司的数据,给终端画像。

无论是厂家还是代理商、新零售,只要在线,只要数字化,就一定要有用户画像。

现在的新零售场景,即使是线下,也可以实现用户画像。

比如,用户在卖场逛,走到一处,专场屏幕就会根据用户画像推荐合适的商品;再比如,连锁店只要识别用户进店(比如人脸识别),就可以根据用户画像,主动导购,比过去的被动导购更精准。

05

即使是传统销售,也有简易的用户画像,比如7-11便利店的收银键盘,就是按照性别、年龄进行统计的。只不过,这种画像只能是集体画像,比如性别占比、年龄占比,不是精准的单个用户画像。

“营销数字化10讲”之3:营销数字化的灵魂是用户画像

用户画像大致分两类:一是用户属性画像,二是用户行为画像。

  • 用户属性画像:比如性别、年龄、收入、兴趣爱好、活跃时间,居住地。前面讲到的高端新品铺货终端,也是属于B端用户的属性画像。
  • 用户属性画像:可以用于产品开发,比如寻找目标用户;可以用于产品推荐,比如用户画像是“宝妈”,那么,就可以根据宝妈的需求特征,向“宝妈”用户推荐适合的商品。

在线推荐系统,把相同画像的用户称为“邻居”,根据“邻居”的喜好推荐给用户。

传统营销也做用户画像,更多的是用户属性画像。大数据也做用户属性画像,比如新品研发,比如B端用户画像。但是,针对C端用户的大数据画像,更多的行为画像。

如果说用户属性画像是根据画像“猜测“用户行为的话,那么,用户行为画像就是根据以前和现在的行为,预测下一次行为。

行为已经产生,预测下一次行为就相对比较容易。

营销数字化最重要的画像是行为画像。行为画像与属性画像不同,属性画像有一定的稳定性,因为性别、年龄是稳定的,兴趣爱好也有相对稳定性。

但是,即便是同一个人,行为变化也很大,比如抖音用户,今天喜爱的内容,明天或许想换一个口味,那么,只要用户做出改变,用户行为画像立即做出改变。

很多今日头条的用户曾经抱怨,头条把自己的喜好固化了,自己其实想看更多的新东西。但是,即使“想看”,只要没有付诸行为,画像就不会改变。只要用户尝试做出改变,画像就立即变化。

那么,什么是用户行为?在今日头条上,用户行为包括点击内容、阅读时间、点赞、评论等,根据这些行为进行画像,然后确定以后推送的内容。

亚马逊是利用用户画像推荐的鼻祖,亚马逊通过用户在站点的行为,包括浏览物品、购买物品、加入收藏夹和wish list等,以及评分等用户反馈方式,共同构成用户画像,并用于下列用途:

  1. 当日推荐:根据用户近期浏览和购买记录,结合当下流行物品给出一个综合推荐;
  2. 新品推荐:采取基于内容的推送机制,将一些新产品推荐给用户。由于新产品只有较少的用户喜好数据,基于内容推送就解决了这个问题;
  3. 关联推荐:采用数据 挖掘技术对用户的购买行为进行分析,找到经常被一起或被同一个人购买的物品集。在图书购买中,这类推荐就非常多;
  4. 他人购买/浏览物品:这是物品的协同过滤推荐,通过社会化机制,用户能更方便地找到感兴趣的产品。

06

用户画像是数字化的灵魂,很难想象没有用户画像,数字化会做得很好。

传统营销也有数字,不过都是统计数字,比如年销售额、当日销售额等。这些数字也有用,但对于在线化则价值不大了。

用户在线化提出一个要求:即时推荐,用户在线的每一次行为,包括浏览、购物、评分反馈、拼团等,都在改变用户画像。也就是说,用户行为画像是动态画像。

用户每次网上行为,紧接着会有下一次行为,在两次行为之间,都要决定下次推送的产品或内容。因此,在线化环境下,用户画像要能够做到即使推荐。

在线即时推荐,就要求用户画像要根据原来的数据,完成画像建模(建立模型),瞬间完成计算,然后推送产品、内容或政策。

抖音等内容平台的每次点击后的页面更新,都是用户画像计算的结果;阿里、拼多多的每次点击页面,都是用户画像即时计算,然后推送的结果。

快消品厂家的数字化,现在基本上只是完成了可以在线,没有建模,没有画像,更没有即时推送能力。比如,一物一码,现在绝大多数只是无差别地发红包。没有用户画像,就会把用户视为同一个画像(同一个模样)。

用户画像是个大话题,会反复讲,下期讲品牌商与零售商视角用户画像的区别。

#特邀作者#

刘春雄,微信公众号:刘老师新营销(ID:liuchunxiong1964)。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

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部