大數據，當下最熱的名詞之一，也是全社會商業、科技、文化等各個領域的血液與涵養，更是商業發展、競爭策略及顧客價值挖掘值得精進的核心領域。信息曾經歷算法革命和網絡革命，今天來到數據革命時代，下一個preumer時代已經開啟，諸如尚品宅配、紅領、愛定客等正是先鋒者，凱文·凱利說，大數據時代沒有旁觀者。我也想探討，零售業是否有可為之處。

一、顧客畫像的前提

對零售業來說，有幾個現實的問題：

1、消費者、顧客與用戶

我們過去一直談零售業以顧客為中心，事實上沒做好!阿里巴巴副總裁高紅冰先生曾經與某百貨公司高管有過爭論，他認為線下企業沒有數據所以不懂消費者，而線下企業認為線上企業在天上飛不接觸消費者。所以，我們可能需要先理清顧客、用戶和消費者的概念。

舉個簡單的例子：小王去超市幫他的兒子買了一包尿不濕，幫他的母親買了一雙雪地靴!就這單生意來說：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者!

清楚了這樣的定義，我們才能明晰零售業的數據畫像到底為誰畫!在以會員卡為信息集成支點的情況下，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”，分析小王的購物籃，就會有小王、小王的兒子和小王的母親三個“用戶”，然后才能通過商品的特征分析他們的特征。可能會出現小王給自己用的東西很一般，但給兒子買的東西是最高質量的情況。如果要說消費者，很可能顧客購買心理和用戶使用心得要一起總結。

此外是不同的業態內涵交織不同，超市、便利店的會員卡可能就是代表顧客，百貨可能有些門類顧客就是用戶，購物中心可能是一群消費者!C端購買主題與消費主體錯位是我們會員分析的難點!過去是“消費者行為學”、“顧客心理學”到現在的“用戶思維”，商業知識的演進過程體現了商業發展的軌跡!

2、會員、粉絲與散客

近年，隨著微信公號和iBecon技術的應用，零售業開始優化顧客統計及識別技術，但會員、粉絲與散客在統計主體、統計渠道、統計方法及分析應用方面出現很多的數據錯位，由于斷點式數據采集，我們很多分析很難實現邏輯自洽，這也是未來大數據分析的空間!那么我們先要分清這三者的分析領域：

所以，從大數據知曉顧客的角度，零售業應該從時空上做好人貨場數據的互聯互通!

從商業營運趨勢上看，“用戶思維”下講“粉絲經濟”多些，現今更是深入到“社群經濟”，但兩者的基礎應該是會員思維的深化及升級，走 “關注者→粉絲→鐵粉→腦殘粉”的強度階梯。過去解決辦會員卡和完善會員資料的麻煩，今天研究讓客關注或安裝APP的問題。我們知道許多企業會員和粉絲兩條腿還都在走，可能兩者需要整合，會員完整電子化和粉絲全息數據化的SCRM要真正統籌起顧客數據化工作!

以下我們全部以顧客畫像在進行內容描述!

3、顧客識別技術及數據統計邏輯

由于不是技術流，我們只是從數據邏輯上談一些觀點：

(1)極簡登記及全息識別是顧客畫像的基礎，但全程識別可以逐步推進

以手機號碼為唯一ID的顧客識別，要讓所有的部門用一切手段，讓每一個顧客的每種關鍵行為與手機號關聯!

(2)依照顧客關鍵畫像內容要求，先重點后次要，需鋪設數據關聯通道

如超市重點是建立手機號碼與品類的關聯、百貨建立手機號碼與品牌的管理，那么數據采集通道，則主要側重于疏通所有手機ID號下的品牌及品類，必須確保登記環節，然后必須打通手機號與支付環節。比如購物中心最想知道顧客動線與商戶，那么重點就應該是在賣場動線內鋪設熱點，建立身份與熱點的通道，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用

顧客畫像是由各個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題，顆粒度的分類邏輯涉及數據采集及匯總邏輯，其次才是匯總成多維應用。比如顧客的年齡關鍵可能考慮價格敏感度，人生階段及支付特性兩維交織影響，可以分為可他人支付(學生及老年父母階段)、自主支付(職業初期)、自由支付(負擔較輕階段)和為他人支付(為父母子女購買)階段。

多維的應用需要兩兩或兩三組合一起，比如定義顧客為年輕時尚族：需要年齡、時尚品類品牌、購買頻率、反饋等等方面。當然，這些同樣需要依照業態來進行分述。

(4)顧客畫像清晰度需要數據積累

由于僅僅以手機號碼為唯一ID，其他屬性很多時候是通過定義購買行為、頻率及品類得出的，所以零售業也需要有這樣的積累畫像的耐性。

事實上，由于太細太煩，加上手段缺失，很多線下企業從來沒有完善的數據庫，字段缺失，登記不全，更新不及時情況普遍，在數據庫中尋找出單維及多維分析往往也是淺嘗輒止。

二、顧客畫像的分類

關于顧客畫像，線上由于采集節點完備，結合云計算技術，在通過行業數據交互之后，很容易得出顧客畫像。像阿里、京東、一號店等大企業大數據部門已經成為運營標配。從管理本質上講，線上企業的大數據，事實是線下企業營運分析技術手段和效率的升級，本身并沒有什么神秘莫測之處。然而正是這些升級，才出現系統和細節要命的差異。所以線下零售業，更需要在現有數據基礎上做基本的升華!

從數據上：來客數∪會員數∪粉絲數∪散客=工作空間

零售業首先要做的事是把未知的消費者變成可聯系的顧客，然后再完善顧客畫像研究強關系。

關于顧客畫像，我們必須假定企業有足夠的顧客識別手段，在這樣的基礎上，建議可以用人體分類的方式，進行分類示例：

老實說，說說理論容易，真正的落實具體畫像和分類，確實存在很大的難度，也需要巨大的工作實踐。我只能從基本屬性、購買能力、行為特征、心理特征及興趣愛好幾個維度，范范舉例說明。

三、顧客畫像分析的方法

從內容上講，明確顧客分類邏輯，即已經明確了顧客畫像的操作方法，這應該是公司營運分析算法部門的工作。以個人的粗淺理解，要在顧客幾率購買的清單中尋找算法規律，很大程度要做的是：

邏輯定性： XX品類=是或否XX

數據分階：最低~最高，分級，分級原因由共性屬性確定

條件搜索：金額或數量XX條件=XX特征=X人群

分類定性：按自然屬性分群分組

聚類定性：適合XX特征=xx類

關聯定性：XX品類=XX特征=XX人群

我想性統計學專業人士應該有更為深入系統的勾畫和理解，只是在零售層面上，哪家公司會真正自發性的開始大數據和顧客畫像的工作，我相信收益應該良多!我們也接觸了一些外部大數據公司，他們更多的處理邏輯是你把你的數據給我，我幫你處理，通過邏輯分析、外部匹配、外部關聯和數據應用，我告訴你結論，事后什么情況、實時變化會怎樣，你再告訴我，我再收錢!所以很多企業在做專案的時候可能會有局部云數據分析，但與日常經營管理過程無益，與長續改善也無益!

零售業過去長于經驗和結果式分析，長于短時分析，趨勢分析、關聯分析和定性分析相對欠缺一些!零售業如何通過學習互聯網企業的云計算和顧客畫像思維，從而在小數據簡單直觀定性化方面有所建樹，非常重要!

四、顧客畫像的問題

當然，從現實情況來看，我們對顧客畫像這件事不盡樂觀，因為這中間有很多困難：

首先是家庭消費與個人消費區分。顧客與用戶你區分不出來，通過購物清單和會員卡消費流水你也很難過濾，從而可能導致的分析結論的假象!甄別成本過高是很大的問題!

其次數據的全面性問題。沒有技術手段，沒有基礎信息支持，顧客畫像始終會殘缺，企業需要有耐心，顯然，并非所有的企業都認為這樣的分析有什么卵用，數據還不如直接買了!

三是應用問題。畫像的真實與虛假，明顯性悖逆甄別，偶然性和臨時性數據處理可能導致結論有問題，數據環斷裂的情況下，企業并非有完全的途徑可以獲得外部匹配支持，用戶行為關聯、跨平臺關聯知易行難!

但我依然覺得這是一條應走的路，零售大數據不可能一蹴而就，也應該有不斷的迭代升級，現實狀況恰恰是顧客認知精進的空間。未來隨著iBecon技術、人臉識別技術、wifi、LBS、定位技術、射頻條碼技術等應用發展，關聯起人貨場必然可行，如果那時是4.0，可能還會需要現在2.0邏輯和積累!

五、顧客畫像的應用

中國銀行網絡金融部副總經理董俊峰在一次演講中提及，大數據能力包括集成層、存儲層、計算層、整合層、智慧層、消費層和洞察層七個層次。對零售業來說，假定企業有了比較好的顧客畫像技術，經營管理方面的應用應該前景廣闊。

1、精準營銷：企業的促銷信息發送對象、內容、跟蹤反饋都應該更加精準。

2、主題促銷：通過顧客畫像中顧客群的研究分析，通過對其消費總量、頻率和周期的研究，主題促銷的內容厚度、切入窗口和針對性會明顯加強。

3、社群組織：筆者此前探討過零售業社群組織的問題，顧客畫像工程將為企業更加有效的組織和管理社群，激發粉絲社會化參與及情感鏈接起到十分積極的作用。

4、市場調查：普通問卷、焦點小組或是上門單獨溝通，顧客畫像會為調研決策提供決定性素材，控制調查失真。

5、業績預測：對于包括季節性商品、周期性消費、促銷彈性程度、趨勢性預測，客群畫像應該能夠提供較多的相對支持。

6、經營管理決策：對于包括功能項目、品類設置、物流配送頻率、周期管控等常規經營管理內容，也會有極好的深化作用。

六、尾言

以上粗淺的探索權作引子，大數據的前提應該是全數據，在時間和空間維度上需要海量的涌現和攫取，從現實來看，相當長時間內，可能都是奢望，所以我們只能借鑒一些大數據開挖的邏輯，探索現實性的應用空間，隨著技術和應用的進步，逐步完善數據價值拼圖。

大數據分析與顧客畫像，不同的企業可能應用的程度不同，許多超市原有的很多品類管理分析、百貨的品牌分析與會員分析進一步深入嫁接，其實已經具備了顧客畫像的雛形;而已經開始操作線上線下融合的公司，會有更為迫切的需要去融合顧客，知曉用戶。對很多企業來說，這本是錦上添花的事，但如果做的足夠好，應該有定海神針的效果。零售業最核心的資產是顧客，過去在盲知階段，是因為零售業掌握了線下入口，所以可以在聚客與營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，更加清晰有效的認知顧客、描述顧客并延伸應用，應該是零售又一大核心能力!