从大数据泛会员经营谈新零售时代模式创新

日前TalkingData在上海举办了“首届TalkingRetail高峰论坛”，联商网&搜铺网针对新消费时代的泛会员经营及对如何以数据助力互联网时代零售模式深入发展等议题对TalkingData零售业首席布道师焦蔚进行了专访。

联商网：大数据背景下各类数据泛滥，贵司指的泛会员是什么概念，具体有何作用？

TalkingData零售业首席布道师焦蔚：面对海量数据，如何避免误读或滥用，关键是要保障数据的采集、分析、应用这三个步骤，一环套一环都应正确无误。如果只有数据却没有精准的分析，数据量即便再大，技术即便再先进，也无法为实际业务带来帮助。大数据的应用务必要解决实际问题，唯有如此，大数据才是有价值的。

“泛会员”既包括横向的、狭义显性的“泛会员”，更包括纵向的、广义非显性的“泛会员”。从横向来讲，“会员”指的是自有会员，也就是CRM系统中的“C”——Customer，即留过痕迹的真实会员。从广度上来讲，“泛会员”将覆盖范围扩大到来过、逛过店铺，但没有消费过、留下痕迹的潜在会员。从更广的角度看，“泛会员”还包括其他所有没有到过店铺但在商圈覆盖范围内、可以触达但尚未触达的潜在会员。

以往，商业企业只能管理会员的消费记录、品牌偏好、消费金额、消费频率、姓名、手机号等结构化数据，在分析、运营会员的时候，也只能依据这些浅显的维度。如果消费者一年内在店内消费较多，就认为“这是有消费力的重点顾客”，如果特别少，就是“没有潜力的顾客”，这种判断显然过于粗放，容易让商家错失很多潜在的商机。

而“泛会员运营”，指的是对一个消费者进行全面深层的了解，通过更多维度的数据去分析一个消费者的职住地半径、生活半径、所在商圈特征、以及结合相关的非结构化数据去分析他（她）的审美取向、性格特点和价值观等。而这些很难立刻量化的内在、感性维度的标签，对消费者最终的购买决定和消费行为有着决定性的影响。

通过深入分析泛会员的显性和非显性兴趣习惯，就能有针对性的、在不打扰消费者的前提下做到有的放矢、精准营销。

联商网：总结起来，TalkingData就是以人内心世界真性情人性的数据化来挖掘泛会员，新零售时代更讲究人心人性的连接，商场如何才能做到精准的泛会员营销，如何提升消费者体验感？

TalkingData零售业首席布道师焦蔚：提升消费者体验，首先要通过人本数据对企业能管理和运营的全部流量，即泛会员进行全面画像，这是我们了解消费者的第一步。TD通常从八大维度进行分析：1、人口属性；2、设备属性，比如其所使用手机的品牌、型号及价格等；3、职业；4、娱乐地，这三个维度并称称“职、住、娱”三维度。6、应用偏好，比如手机中安装哪类App更多、日常使用哪些App更久；7、线下消费偏好，比如消费更多是在餐厅、还是服装店、还是酒吧等；8、观影偏好，比如泛会员在线上更喜欢美剧还是韩剧，使用设备是手机还是Pad，观影时间段是上班途中还是睡前等等。

通过以上维度的标签，就可以描绘基础的消费者画像。此外，我们还根据不同行业需求定制了一些行业标签。比如：母婴类标签，对销售纸尿裤、婴儿奶粉等母婴产品的品牌来说就有重要的价值，这样能够为不同行业的零售商提供更优化、更完善的消费者画像。

在我们了解了消费者之后，就可以从开源和节流两方面提升企业的运营效率：（1）开源，体现在更高效的获取新客，进而增加客户满意度、提升客户忠诚度、增加复购率和客单价。我们能够帮助零售企业在千万级的潜在客群中，定位和触达与其种子客群匹配度高的人群，转化为新客。比如：某家电专营店平均客单价是三千到五千元，但是通过针对性的套餐营销活动，可将客单价提升到七八千元。（2）节流，体现在显著降低企业营销成本。以往没有精准的数据可参考，企业做营销别无他法，只能“广撒网”，明明知道营销费用有一半是浪费的，却无法知道是哪一半。现在，通过大数据这个精准的手段和工具，企业可以精准定位和影响目标客群。以往需要购买覆盖100万人次的曝光广告，现在可能只需要购买精准覆盖目标客群的50万甚至30万人次就够了。即使这部分人次的平均价格是以往的1.5倍或者1.3倍，但由于精准了，转化率提升了，ROI还是提升了。

说到体验，大数据并不能直接改变消费体验，更多时候，大数据对消费体验的优化是间接的。当商家不知道目标消费者是谁的时候，只能给所有客群发骚扰信息，会让消费者的体验很不好。但是，当商家了解消费者的个人特点及兴趣，推送的信息与消费者的需求或潜在需求相匹配，其体验就会非常好。归根结底，是大数据让定位客群更精准了。

举例而言，有的客群是早上一睁眼，先看新闻动态。另外的客群是睡觉之前，在线看电视剧。如果商家想投放今日头条，就应该投早上。如果商家想投放优酷、爱奇艺，就应该投晚上。这些信息，就是通过在数据收集时设置相应的标签而了解到的。再比如：“母亲”这个人群其实也有各自不同的需求，通过大数据来判断其孩子的年龄段，就能够更好的投其所好。如果消费者手机上装的是“宝宝树”、“口袋故事”这样的App，可以知道她的孩子应该在3岁以内。如果消费者装的是“口袋故事”“凯书讲故事”，就知道他的孩子在3-6岁，如果安装“家校通”、“一起作业”等App，则可以判断孩子已经上小学了。面向不同阶段的“母亲”人群，就可以针对性的推送不同产品或服务。而这些通过数据判断的结果比以往的调研和猜测具有覆盖面广和准确度高的特点。

联商网：除了大量的零售企业会员，我们还有很多购物中心开发商会员，在此替他们问下TalkingData的数据如何为购物中心客群定位及导流服务？

TalkingData零售业首席布道师焦蔚：购物中心建设之前通常参考的是市调公司做的商圈调查报告。而在大数据时代下，简单的商圈调查报告已经不能满足需求，更深入的商圈全量洞察报告才是更好的选择。它不是问卷式、抽样式的，而是通过GPS地理围栏，将商圈周边三公里、五公里甚至十公里范围内的一定时间段内的移动设备全部抽取出来，经过排重、清洗、停留时长等筛选条件对周边常驻人群做全面画像和商圈整体特征洞察。这样的数据报告，才更接近真实和现实，才是真正对购物中心有所帮助的。

因此，在购物中心开业前，就能够了解所覆盖的人群到底是哪些客群，哪些客群与购物中心的定位相符合，符合渗透率有多高。举例来说，购物中心如果定位青春时尚（如大悦城），数据能够准确找到在其商圈所覆盖的人群中目标客群占比多少，开业后，则可以收集到购物中心在商圈总人群中具体渗透率达到多少。接下来，我们还能够进一步揭示，作为重点目标客群的年轻人日常在线上的行为习惯如何，从而针对性的选择他们感兴趣的媒体和内容，去全天候全渠道地触达和吸引他们。

举个例子，某购物中心希望做一个户外运动主题的购物节，除了需要把主流户外品牌集合起来，更需要寻找爱好或对户外运动感兴趣的KOL和参与者，通过手机了解所有进入这个购物中心的人群的潜在兴趣，找出其中有户外运动诉求的，以及这部分人群还有其他哪些潜在标签。但商场仅有消费过某运动品牌的会员数据，如果某消费者在运动区逛了很多次而没有找到其钟意的商品又或者上网购买了，如何才能获取这些潜在消费者呢？大数据可以帮忙，既可以从到店的全部客群里，找到手机上安装有户外运动类App的客群，也可以通过GPS或LBS数据，了解哪些客群在过去的6个月中经常去郊外或者特定户外运动场馆，这些就是更接近真实的户外爱好者群体，利用这些，购物中心就能够购物节找到最核心的种子客群，再用同样的方法继续准备合适的内容，确定合适的渠道和时间去触达他们即可。这样的活动逻辑，随着购物中心不断根据效果进行优化，无疑将一次比一次接近营销智能，总有一天，我们能了解顾客，比顾客自己更清晰、更深刻，从而为他们提供永远正确的超出预期的服务和生活解决方案。