聯(lián)商網(wǎng)消息：日前TalkingData在上海舉辦了“首屆TalkingRetail高峰論壇”，聯(lián)商網(wǎng)&搜鋪網(wǎng)針對新消費時代的泛會員經(jīng)營及對如何以數(shù)據(jù)助力互聯(lián)網(wǎng)時代零售模式深入發(fā)展等議題對TalkingData零售業(yè)首席布道師焦蔚進行了專訪。

聯(lián)商網(wǎng)：大數(shù)據(jù)背景下各類數(shù)據(jù)泛濫，貴司指的泛會員是什么概念，具體有何作用？

TalkingData零售業(yè)首席布道師焦蔚：面對海量數(shù)據(jù)，如何避免誤讀或濫用，關(guān)鍵是要保障數(shù)據(jù)的采集、分析、應(yīng)用這三個步驟，一環(huán)套一環(huán)都應(yīng)正確無誤。如果只有數(shù)據(jù)卻沒有精準的分析，數(shù)據(jù)量即便再大，技術(shù)即便再先進，也無法為實際業(yè)務(wù)帶來幫助。大數(shù)據(jù)的應(yīng)用務(wù)必要解決實際問題，唯有如此，大數(shù)據(jù)才是有價值的。

“泛會員”既包括橫向的、狹義顯性的“泛會員”，更包括縱向的、廣義非顯性的“泛會員”。從橫向來講，“會員”指的是自有會員，也就是CRM系統(tǒng)中的“C”——Customer，即留過痕跡的真實會員。從廣度上來講，“泛會員”將覆蓋范圍擴大到來過、逛過店鋪，但沒有消費過、留下痕跡的潛在會員。從更廣的角度看，“泛會員”還包括其他所有沒有到過店鋪但在商圈覆蓋范圍內(nèi)、可以觸達但尚未觸達的潛在會員。

以往，商業(yè)企業(yè)只能管理會員的消費記錄、品牌偏好、消費金額、消費頻率、姓名、手機號等結(jié)構(gòu)化數(shù)據(jù)，在分析、運營會員的時候，也只能依據(jù)這些淺顯的維度。如果消費者一年內(nèi)在店內(nèi)消費較多，就認為“這是有消費力的重點顧客”，如果特別少，就是“沒有潛力的顧客”，這種判斷顯然過于粗放，容易讓商家錯失很多潛在的商機。

而“泛會員運營”，指的是對一個消費者進行全面深層的了解，通過更多維度的數(shù)據(jù)去分析一個消費者的職住地半徑、生活半徑、所在商圈特征、以及結(jié)合相關(guān)的非結(jié)構(gòu)化數(shù)據(jù)去分析他（她）的審美取向、性格特點和價值觀等。而這些很難立刻量化的內(nèi)在、感性維度的標簽，對消費者最終的購買決定和消費行為有著決定性的影響。

通過深入分析泛會員的顯性和非顯性興趣習慣，就能有針對性的、在不打擾消費者的前提下做到有的放矢、精準營銷。

聯(lián)商網(wǎng)：總結(jié)起來，TalkingData就是以人內(nèi)心世界真性情人性的數(shù)據(jù)化來挖掘泛會員，新零售時代更講究人心人性的連接，商場如何才能做到精準的泛會員營銷，如何提升消費者體驗感？

TalkingData零售業(yè)首席布道師焦蔚：提升消費者體驗，首先要通過人本數(shù)據(jù)對企業(yè)能管理和運營的全部流量，即泛會員進行全面畫像，這是我們了解消費者的第一步。TD通常從八大維度進行分析：1、人口屬性；2、設(shè)備屬性，比如其所使用手機的品牌、型號及價格等；3、職業(yè)；4、娛樂地，這三個維度并稱稱“職、住、娛”三維度。6、應(yīng)用偏好，比如手機中安裝哪類App更多、日常使用哪些App更久；7、線下消費偏好，比如消費更多是在餐廳、還是服裝店、還是酒吧等；8、觀影偏好，比如泛會員在線上更喜歡美劇還是韓劇，使用設(shè)備是手機還是Pad，觀影時間段是上班途中還是睡前等等。

通過以上維度的標簽，就可以描繪基礎(chǔ)的消費者畫像。此外，我們還根據(jù)不同行業(yè)需求定制了一些行業(yè)標簽。比如：母嬰類標簽，對銷售紙尿褲、嬰兒奶粉等母嬰產(chǎn)品的品牌來說就有重要的價值，這樣能夠為不同行業(yè)的零售商提供更優(yōu)化、更完善的消費者畫像。

在我們了解了消費者之后，就可以從開源和節(jié)流兩方面提升企業(yè)的運營效率：（1）開源，體現(xiàn)在更高效的獲取新客，進而增加客戶滿意度、提升客戶忠誠度、增加復(fù)購率和客單價。我們能夠幫助零售企業(yè)在千萬級的潛在客群中，定位和觸達與其種子客群匹配度高的人群，轉(zhuǎn)化為新客。比如：某家電專營店平均客單價是三千到五千元，但是通過針對性的套餐營銷活動，可將客單價提升到七八千元。（2）節(jié)流，體現(xiàn)在顯著降低企業(yè)營銷成本。以往沒有精準的數(shù)據(jù)可參考，企業(yè)做營銷別無他法，只能“廣撒網(wǎng)”，明明知道營銷費用有一半是浪費的，卻無法知道是哪一半。現(xiàn)在，通過大數(shù)據(jù)這個精準的手段和工具，企業(yè)可以精準定位和影響目標客群。以往需要購買覆蓋100萬人次的曝光廣告，現(xiàn)在可能只需要購買精準覆蓋目標客群的50萬甚至30萬人次就夠了。即使這部分人次的平均價格是以往的1.5倍或者1.3倍，但由于精準了，轉(zhuǎn)化率提升了，ROI還是提升了。

說到體驗，大數(shù)據(jù)并不能直接改變消費體驗，更多時候，大數(shù)據(jù)對消費體驗的優(yōu)化是間接的。當商家不知道目標消費者是誰的時候，只能給所有客群發(fā)騷擾信息，會讓消費者的體驗很不好。但是，當商家了解消費者的個人特點及興趣，推送的信息與消費者的需求或潛在需求相匹配，其體驗就會非常好。歸根結(jié)底，是大數(shù)據(jù)讓定位客群更精準了。

舉例而言，有的客群是早上一睜眼，先看新聞動態(tài)。另外的客群是睡覺之前，在線看電視劇。如果商家想投放今日頭條，就應(yīng)該投早上。如果商家想投放優(yōu)酷、愛奇藝，就應(yīng)該投晚上。這些信息，就是通過在數(shù)據(jù)收集時設(shè)置相應(yīng)的標簽而了解到的。再比如：“母親”這個人群其實也有各自不同的需求，通過大數(shù)據(jù)來判斷其孩子的年齡段，就能夠更好的投其所好。如果消費者手機上裝的是“寶寶樹”、“口袋故事”這樣的App，可以知道她的孩子應(yīng)該在3歲以內(nèi)。如果消費者裝的是“口袋故事”“凱書講故事”，就知道他的孩子在3-6歲，如果安裝“家校通”、“一起作業(yè)”等App，則可以判斷孩子已經(jīng)上小學了。面向不同階段的“母親”人群，就可以針對性的推送不同產(chǎn)品或服務(wù)。而這些通過數(shù)據(jù)判斷的結(jié)果比以往的調(diào)研和猜測具有覆蓋面廣和準確度高的特點。

聯(lián)商網(wǎng)：除了大量的零售企業(yè)會員，我們還有很多購物中心開發(fā)商會員，在此替他們問下TalkingData的數(shù)據(jù)如何為購物中心客群定位及導(dǎo)流服務(wù)？

TalkingData零售業(yè)首席布道師焦蔚：購物中心建設(shè)之前通常參考的是市調(diào)公司做的商圈調(diào)查報告。而在大數(shù)據(jù)時代下，簡單的商圈調(diào)查報告已經(jīng)不能滿足需求，更深入的商圈全量洞察報告才是更好的選擇。它不是問卷式、抽樣式的，而是通過GPS地理圍欄，將商圈周邊三公里、五公里甚至十公里范圍內(nèi)的一定時間段內(nèi)的移動設(shè)備全部抽取出來，經(jīng)過排重、清洗、停留時長等篩選條件對周邊常駐人群做全面畫像和商圈整體特征洞察。這樣的數(shù)據(jù)報告，才更接近真實和現(xiàn)實，才是真正對購物中心有所幫助的。

因此，在購物中心開業(yè)前，就能夠了解所覆蓋的人群到底是哪些客群，哪些客群與購物中心的定位相符合，符合滲透率有多高。舉例來說，購物中心如果定位青春時尚（如大悅城），數(shù)據(jù)能夠準確找到在其商圈所覆蓋的人群中目標客群占比多少，開業(yè)后，則可以收集到購物中心在商圈總?cè)巳褐芯唧w滲透率達到多少。接下來，我們還能夠進一步揭示，作為重點目標客群的年輕人日常在線上的行為習慣如何，從而針對性的選擇他們感興趣的媒體和內(nèi)容，去全天候全渠道地觸達和吸引他們。

舉個例子，某購物中心希望做一個戶外運動主題的購物節(jié)，除了需要把主流戶外品牌集合起來，更需要尋找愛好或?qū)�戶外運動感興趣的KOL和參與者，通過手機了解所有進入這個購物中心的人群的潛在興趣，找出其中有戶外運動訴求的，以及這部分人群還有其他哪些潛在標簽。但商場僅有消費過某運動品牌的會員數(shù)據(jù)，如果某消費者在運動區(qū)逛了很多次而沒有找到其鐘意的商品又或者上網(wǎng)購買了，如何才能獲取這些潛在消費者呢？大數(shù)據(jù)可以幫忙，既可以從到店的全部客群里，找到手機上安裝有戶外運動類App的客群，也可以通過GPS或LBS數(shù)據(jù)，了解哪些客群在過去的6個月中經(jīng)常去郊外或者特定戶外運動場館，這些就是更接近真實的戶外愛好者群體，利用這些，購物中心就能夠購物節(jié)找到最核心的種子客群，再用同樣的方法繼續(xù)準備合適的內(nèi)容，確定合適的渠道和時間去觸達他們即可。這樣的活動邏輯，隨著購物中心不斷根據(jù)效果進行優(yōu)化，無疑將一次比一次接近營銷智能，總有一天，我們能了解顧客，比顧客自己更清晰、更深刻，從而為他們提供永遠正確的超出預(yù)期的服務(wù)和生活解決方案。

（來源：聯(lián)商網(wǎng) 郭歆曄）