新零售給我們帶來了“經營消費者”的概念，在無人零售正成為爆炸性風口的當下，入場之前不妨想想，你真的認識你的目標受眾，以及知道如何快速觸及他們嗎？

本文系統性地對新零售環境下的用戶畫像刻畫進行了分析，共分為三個部分：

新零售是什么，集中在第一章節；

新零售環境下為何需要精準的用戶畫像，集中在第二章節；

新零售環境下的產品傳播推廣，集中在第三章節

第一章：方興未艾的新零售

“未來的十年、二十年，沒有電子商務這一說，只有新零售。”

所謂新零售，簡單而言即以互聯網為依托，通過運用大數據、云計算等技術手段，將線上線下以及物流打通，重塑零售業態的新形式。

互聯網加上消費升級，成為了拉動新零售誕生的沃土；線上、線下和物流深度融合在一起，才會產生新零售，傳統消費領域內的“人貨場”由此被重構：

人：數字化消費者，用戶從此可被清晰辨識和精準服務；

貨：按需智能供貨，由智能制造結合最優供應鏈，按需為線下門店和顧客供應商品；

場：消費即體驗，用戶到店即知，感同身受，場景更貼近用戶生活，更有溫度。

自2016年10月的阿里云棲大會上，馬云在演講中第一次提出新零售，已經過去近兩年了。各種“新物種”如盒馬生鮮、每日優鮮撲面而來；無人零售異軍突起，引領風潮；更多新業態出現在美妝、家居、機器人科技等領域，巨頭們紛紛搶占市場。

據前瞻產業研究院報告，2017年新零售市場規模為389.4億元。隨著用戶習慣的養成和新零售模式的創新，預計2022年將達到1800億元，年復合增長率為115%。

2016年12月5日，亞馬遜宣布推出革命性線下實體商店Amazon Go，瞬間引領了無人零售的風潮，眾多巨頭和創業投資人紛紛開始布局。2017年共有93起無人零售事件獲得融資，超過新零售領域全年獲投資總數的一半。可以這樣說，無人零售當前正處于爆炸性風口。

第二章：更加精準的用戶畫像

用戶畫像也即User Profile，它抽象出一個用戶的信息全貌并給用戶打上標簽，提供了用戶行為習慣、消費習慣等重要的商業信息，是企業應用大數據的根基，可用來挖掘更多的商業價值。

1. 什么是更加精準的用戶畫像

我們平常所說的用戶畫像一般是指傳統用戶畫像，主要是由產品、運營人員從用戶群體中抽象出來的典型用戶。

這種用戶畫像偏向于定性分析，用于闡述用戶需求產生的原因，能夠幫助產品開發人員從用戶的角度思考問題，理解用戶的需求以及產品的使用場景。

以下是一副典型的傳統用戶畫像，來源可查看我的上一篇文章。

大疆Mavic Pro無人機用戶畫像

更加精準的用戶畫像一方面擴充了傳統的用戶畫像的內容，將用戶行為數據等納入其中；另一方面也考慮到了時間和地理等因素，最終形成了豐富、立體且動態的體系。其包括兩大方面：

用戶的接觸點，包括用戶行為數據和（購買路徑）觸點兩方面；

體系化的標簽，包括人口屬性、社會屬性、興趣偏好、意識認知四大體系

具體如下：

值得注意的是，這兩大方面并非是完全獨立的，相互間會有交叉或關聯，如體系化的標簽內的“興趣偏好”與用戶的線上行為數據有很大關聯。

2. 為什么新零售需要更加精準的用戶畫像

傳統的用戶畫像往往不是真實目標群體，而是整合構造出的理想個體；此外，傳統用戶畫像是非常靜態片面的，如年齡和地域信息等。隨著產品功能的迭代及真實用戶數據的涌入，僅通過傳統用戶畫像定性的評估很難貼近實際用戶并細致的構建用戶模型。

很多品牌都會建立消費者數據庫，其大部分依據的正是傳統的用戶畫像。這種信息庫有很大不足，一方面繼承了傳統用戶畫像的固有缺點，另一方面這種信息庫并未建立用戶和品牌直接聯系的通道。

傳統零售業的核心在于“推銷商品”，商鋪提供商品，用戶就只能從中選擇。而新零售的一大重要賣點卻是“精準營銷”，針對每一個消費者的不同訴求，提供各具特色的服務，并盡可能滿足其“更爽、更好、更快”的要求。

精準營銷的數據基礎就是更加精準的用戶畫像，通過摒棄理想化的統一個體，轉而對用戶群體進行細致描述和精準分類，做到消費者想要什么，商鋪就提供什么。值得注意的是，描述用戶群體的標簽的數量并非越多越好，最重要的是從中提煉出最具價值的商業信息。

第三章：核心問題——如何快速觸及產品目標受眾

精準的用戶畫像并非一蹴而就的，事實上正因為其動態和立體的屬性，有價值的用戶畫像是時刻處于變動中的。

在新零售領域，有一個核心的商業問題，即如何快速觸及產品目標受眾。

在我看來，觸及目標受眾首先是建立在已有的用戶畫像基礎上的，而在將產品傳達至用戶手中的過程中，獲得的信息將助力用戶畫像更加精準的刻畫。其過程可以概括如下：

1. 目標受眾定位

以景區便利店為例，其運營的核心是利用線下促銷和微信等App線上推廣來進行獲客，線下店智能選品和貨品陳列優化來提高銷售額。

若要在深圳大梅沙海濱公園開一家景區便利店，我們可以通過高德位智數據平臺來對該區域到訪人群進行分析：

深圳大梅沙海濱公園近一個月到訪人群性別分布

深圳大梅沙海濱公園近一個月到訪人群年齡分布

故初步對目標受眾的定位可以是：

20——39歲年輕人居多

男性居多

在這一基礎上，我們可以將便利店的商品初步鎖定在一般景區便利店必備的商品，并針對年輕人特別是年輕男性進行商品提供，如功能飲料等。

隨后我們需要確定該景區便利店應該開在哪個位置，這里選擇騰訊位置大數據平臺來對大梅沙海濱公園進行區域人口分布熱力圖分析：

深圳大梅沙海濱公園區域人口分布熱力圖

可以看出月亮廣場和愿望塔附近的到訪人員在景區開放的時間段始終分布較多，初步可定在這兩個景點附近。再考慮到用戶到訪的方便以及便利店的傳播，可將便利店選在主要街道的附近，從這一角度看，靠近環梅路與鹽梅路的交叉路口的月亮廣場附近是一個更合適的位置。

2. 產品傳播推廣

選定了客流量大的商鋪位置并不意味著高枕無憂了，下一步就要開始進行推廣策略的制定，并且是線上和線下兩個途徑同步進行。

對于線上途徑，主要是基于媒體觸點進行傳播，分為三步：

目標受眾路徑分析

媒體觸點選擇

人群對接投放

其路徑可舉例如下，在得知占比最大的目標受眾偏愛的媒體觸點之后，即可在對應媒體觸點上進行傳播，以吸引目標受眾前來體驗，并擴大商鋪知名度。以資訊類App為例，其路徑如下：

對于線下途徑，主要是基于商鋪內消費者行為分析，分為三個方面：

捕獲人員信息

捕獲人-場交互信息

捕獲人-貨交互信息

人員信息可借助攝像頭和人臉識別技術，結合付款App（如支付寶）進行捕獲，以進行消費者管理，并提煉出用戶畫像中的人口屬性和社會屬性信息，如下所示：

人-場交互信息可借助行為分析儀進行捕獲，以更好的把握商品陳列邏輯，并提煉出用戶畫像中的興趣偏好屬性和意識認知屬性，如下所示：

如下是市面上一款行為分析儀：

人-貨交互信息可借助集成了攝像頭/麥克風/壓力傳感器/紅外傳感器/體積位傳感器/電子標簽等的IoT貨架進行捕獲，以優化選品邏輯和商品陳列邏輯，并提煉出用戶畫像中的興趣偏好屬性和意識認知屬性，如下所示：

如下是市面上一款IoT貨架：

3. 產品推廣優化

在通過各種手段獲得用戶信息后，需要據此對推廣策略進行實時調整，以優化用戶體驗及提升銷售額。同樣是線上線下兩個維度同步進行。

對于線上途徑，主要是基于傳播的投放優化。在初步確定目標受眾并進行傳播后，可在曝光人群中找到實際點擊的人群，這一部分人群將作為新增的目標受眾加入新一輪傳播中。其路徑如下：

對于線下途徑，主要是基于用戶行為的投放優化，遵循以下兩個原則：

原則1：較大的價值由較少的消費者創造。以此來確定選品邏輯和補貨邏輯。

原則2：讓消費者“偷懶”。以此來確定商品陳列。

除以上兩個主要原則之外，還有很多其他更為細致的原則，如若檢測到某款商品曾被多次拿起又放下，就表明該商品價格與質量不符；若某款商品在貨架上經常處于空缺狀態（但庫存是充足的），則表明該商品的陳列方式不夠精益化或陳列數量較少。

總之借助大數據，用戶與場的交互、用戶與貨的交互中有很多有價值的信息值得提煉，并可反饋到商鋪的經營上來。

新零售的核心就是“精準營銷”或者叫“經營消費者”，是建立在一系列新技術如人臉識別、人工智能、IoT及各種智能硬件的基礎上的。

通過大規模的收集用戶信息，商家可以構建出消費者的精準的畫像，并從中提煉出大量傳統零售業未曾關注甚至未曾知曉的商業信息。這些商業信息極具價值，而這也正是新零售的魅力所在。

原標題：新零售環境下，如何快速精準觸及目標受眾？

本文由 @Smile（微信號：smile7853）原創授權發布于愛盈利。未經許可，禁止轉載。

【投稿人原創】?? 本文由投稿人原創發布于愛盈利，未經投稿人許可，禁止轉載。如有侵權聯系:shanliqiang@aiyingli.com