01
这是一篇技术化的文章，根据以往的经验，技术化的文章，往往阅读量不高。目前的营销数字化基建完成不难，但应用难，难就难在应用技术是拦路虎。
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，电话号码列表 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。
1. 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。
2. 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）。
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）。
成效（Performance）模型：顾客数增加、客单价提高、活跃度提升。
步骤（Process）：通过有层次的执行程序，改善营收方程式。
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。
3. 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。
4. 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、（19）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：
零售商有无限SKU，品牌只有有限SKU；
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；
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；
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；
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。