当前位置:100EC>新零售>【零售研究】新零售环境下 如何快速精准触及目标受众?
【零售研究】新零售环境下 如何快速精准触及目标受众?
发布时间:2018年07月19日 18:43:32

(电子商务研究中心讯)新零售给我们带来了“经营消费者”的概念,在无人零售正成为爆炸性风口的当下,入场之前不妨想想,你真的认识你的目标受众,以及知道如何快速触及他们吗?

本文系统性地对新零售环境下的用户画像刻画进行了分析,共分为三个部分:

新零售是什么,集中在第一章节;新零售环境下为何需要精准的用户画像,集中在第二章节;新零售环境下的产品传播推广,集中在第三章节

第一章:方兴未艾的新零售

“未来的十年、二十年,没有电子商务这一说,只有新零售。”

所谓新零售,简单而言即以互联网为依托,通过运用数据云计算等技术手段,将线上线下以及物流打通,重塑零售业态的新形式。

互联网加上消费升级,成为了拉动新零售诞生的沃土;线上、线下和物流深度融合在一起,才会产生新零售,传统消费领域内的“人货场”由此被重构:

人:数字化消费者,用户从此可被清晰辨识和精准服务;货:按需智能供货,由智能制造结合最优供应链,按需为线下门店和顾客供应商品;场:消费即体验,用户到店即知,感同身受,场景更贴近用户生活,更有温度。

自2016年10月的阿里云栖大会上,马云在演讲中第一次提出新零售,已经过去近两年了。各种“新物种”如盒马生鲜、每日优鲜扑面而来;无人零售异军突起,引领风潮;更多新业态出现在美妆、家居、机器人科技等领域,巨头们纷纷抢占市场。

据前瞻产业研究院报告,2017年新零售市场规模为389.4亿元。随着用户习惯的养成和新零售模式的创新,预计2022年将达到1800亿元,年复合增长率为115%。

2016年12月5日,亚马逊宣布推出革命性线下实体商店Amazon Go,瞬间引领了无人零售的风潮,众多巨头和创业投资人纷纷开始布局。2017年共有93起无人零售事件获得融资,超过新零售领域全年获投资总数的一半。可以这样说,无人零售当前正处于爆炸性风口。

第二章:更加精准的用户画像

用户画像也即User Profile,它抽象出一个用户的信息全貌并给用户打上标签,提供了用户行为习惯、消费习惯等重要的商业信息,是企业应用大数据的根基,可用来挖掘更多的商业价值。

1. 什么是更加精准的用户画像

我们平常所说的用户画像一般是指传统用户画像,主要是由产品、运营人员从用户群体中抽象出来的典型用户。

这种用户画像偏向于定性分析,用于阐述用户需求产生的原因,能够帮助产品开发人员从用户的角度思考问题,理解用户的需求以及产品的使用场景。

以下是一副典型的传统用户画像,来源可查看我的上一篇文章。

大疆Mavic Pro无人机用户画像

更加精准的用户画像一方面扩充了传统的用户画像的内容,将用户行为数据等纳入其中;另一方面也考虑到了时间和地理等因素,最终形成了丰富、立体且动态的体系。其包括两大方面:

用户的接触点,包括用户行为数据和(购买路径)触点两方面;体系化的标签,包括人口属性、社会属性、兴趣偏好、意识认知四大体系

具体如下:

值得注意的是,这两大方面并非是完全独立的,相互间会有交叉或关联,如体系化的标签内的“兴趣偏好”与用户的线上行为数据有很大关联。

2. 为什么新零售需要更加精准的用户画像

传统的用户画像往往不是真实目标群体,而是整合构造出的理想个体;此外,传统用户画像是非常静态片面的,如年龄和地域信息等。随着产品功能的迭代及真实用户数据的涌入,仅通过传统用户画像定性的评估很难贴近实际用户并细致的构建用户模型。

很多品牌都会建立消费者数据库,其大部分依据的正是传统的用户画像。这种信息库有很大不足,一方面继承了传统用户画像的固有缺点,另一方面这种信息库并未建立用户和品牌直接联系的通道。

传统零售业的核心在于“推销商品”,商铺提供商品,用户就只能从中选择。而新零售的一大重要卖点却是“精准营销”,针对每一个消费者的不同诉求,提供各具特色的服务,并尽可能满足其“更爽、更好、更快”的要求。

精准营销的数据基础就是更加精准的用户画像,通过摒弃理想化的统一个体,转而对用户群体进行细致描述和精准分类,做到消费者想要什么,商铺就提供什么。值得注意的是,描述用户群体的标签的数量并非越多越好,最重要的是从中提炼出最具价值的商业信息。

第三章:核心问题——如何快速触及产品目标受众

精准的用户画像并非一蹴而就的,事实上正因为其动态和立体的属性,有价值的用户画像是时刻处于变动中的。

在新零售领域,有一个核心的商业问题,即如何快速触及产品目标受众。

在我看来,触及目标受众首先是建立在已有的用户画像基础上的,而在将产品传达至用户手中的过程中,获得的信息将助力用户画像更加精准的刻画。其过程可以概括如下:

1. 目标受众定位

以景区便利店为例,其运营的核心是利用线下促销和微信等App线上推广来进行获客,线下店智能选品和货品陈列优化来提高销售额。

若要在深圳大梅沙海滨公园开一家景区便利店,我们可以通过高德位智数据平台来对该区域到访人群进行分析:

深圳大梅沙海滨公园近一个月到访人群性别分布

深圳大梅沙海滨公园近一个月到访人群年龄分布

故初步对目标受众的定位可以是:

20~39岁年轻人居多男性居多

在这一基础上,我们可以将便利店的商品初步锁定在一般景区便利店必备的商品,并针对年轻人特别是年轻男性进行商品提供,如功能饮料等。

随后我们需要确定该景区便利店应该开在哪个位置,这里选择腾讯位置大数据平台来对大梅沙海滨公园进行区域人口分布热力图分析:

深圳大梅沙海滨公园区域人口分布热力图

可以看出月亮广场和愿望塔附近的到访人员在景区开放的时间段始终分布较多,初步可定在这两个景点附近。再考虑到用户到访的方便以及便利店的传播,可将便利店选在主要街道的附近,从这一角度看,靠近环梅路与盐梅路的交叉路口的月亮广场附近是一个更合适的位置。

2. 产品传播推广

选定了客流量大的商铺位置并不意味着高枕无忧了,下一步就要开始进行推广策略的制定,并且是线上和线下两个途径同步进行。

对于线上途径,主要是基于媒体触点进行传播,分为三步:

目标受众路径分析媒体触点选择人群对接投放

其路径可举例如下,在得知占比最大的目标受众偏爱的媒体触点之后,即可在对应媒体触点上进行传播,以吸引目标受众前来体验,并扩大商铺知名度。以资讯类App为例,其路径如下:

对于线下途径,主要是基于商铺内消费者行为分析,分为三个方面:

捕获人员信息捕获人-场交互信息捕获人-货交互信息

人员信息可借助摄像头和人脸识别技术,结合付款App(如支付宝)进行捕获,以进行消费者管理,并提炼出用户画像中的人口属性和社会属性信息,如下所示:

人-场交互信息可借助行为分析仪进行捕获,以更好的把握商品陈列逻辑,并提炼出用户画像中的兴趣偏好属性和意识认知属性,如下所示:

如下是市面上一款行为分析仪:

人-货交互信息可借助集成了摄像头/麦克风/压力传感器/红外传感器/体积位传感器/电子标签等的IoT货架进行捕获,以优化选品逻辑和商品陈列逻辑,并提炼出用户画像中的兴趣偏好属性和意识认知属性,如下所示:

如下是市面上一款IoT货架:

3. 产品推广优化

在通过各种手段获得用户信息后,需要据此对推广策略进行实时调整,以优化用户体验及提升销售额。同样是线上线下两个维度同步进行。

对于线上途径,主要是基于传播的投放优化。在初步确定目标受众并进行传播后,可在曝光人群中找到实际点击的人群,这一部分人群将作为新增的目标受众加入新一轮传播中。其路径如下:

对于线下途径,主要是基于用户行为的投放优化,遵循以下两个原则:

原则1:较大的价值由较少的消费者创造。以此来确定选品逻辑和补货逻辑。

原则2:让消费者“偷懒”。以此来确定商品陈列。

除以上两个主要原则之外,还有很多其他更为细致的原则,如若检测到某款商品曾被多次拿起又放下,就表明该商品价格与质量不符;若某款商品在货架上经常处于空缺状态(但库存是充足的),则表明该商品的陈列方式不够精益化或陈列数量较少。

总之借助大数据,用户与场的交互、用户与货的交互中有很多有价值的信息值得提炼,并可反馈到商铺的经营上来。

新零售的核心就是“精准营销”或者叫“经营消费者”,是建立在一系列新技术如人脸识别、人工智能、IoT及各种智能硬件的基础上的。

通过大规模的收集用户信息,商家可以构建出消费者的精准的画像,并从中提炼出大量传统零售业未曾关注甚至未曾知晓的商业信息。这些商业信息极具价值,而这也正是新零售的魅力所在。(来源:人人都是产品经理 编选:电子商务研究中心)

近日,电商行业唯一入选“一带一路”TOP10影响力社会智库——电子商务研究中心发布了半年一度的《2018(上)中国网络零售市场数据监测报告》(PPT下载:www.100ec.cn/zt/18wlls)。报告对上半年中国网络零售市场及移动、社交、农村、生鲜、母婴、精品、品牌等热门细分行业进行解读,重点跟踪: 1)综合电商:天猫、京东、拼多多、苏宁易购、唯品会、国美、亚马逊中国、当当、一号店等。2)母婴电商:宝宝树、蜜芽、贝贝、红孩子、宝贝格子、美囤妈妈等。3)生鲜电商:盒马鲜生、每日优鲜、本来生活、顺丰优选、易果生鲜、沱沱工社等。4)跨境电商:天猫国际、网易考拉海购、京东全球购、淘宝全球购、小红书、洋码头、达令、丰趣海淘等。5)社交电商:云集微店、拼多多、有赞、蘑菇街、美丽说等。6)精品电商:网易严选、小米有品、淘宝心选、京东京造等。7)农村电商:农村淘宝、云农场、一亩田、链农、美菜等。8)互联网品牌:韩都衣舍、茵曼、裂帛、御泥坊、三只松鼠、良品铺子、百草味、新农哥、小狗电器、小熊电器等。

股票名称/代码
$/总资产
$/营收
$/净利润
  • 阿里巴巴BABA.US
  • 1092亿
  • 385亿
  • 94.5亿
  • 京东JD.US
  • 282.6亿
  • 557.4亿
  • 7.7亿
  • 唯品会VIPS.US
  • 583.2亿
  • 112.2亿
  • 0.4亿
  • 宝尊电商BZUN.US
  • 4.60亿
  • 6.40亿
  • 0.3亿
  • 聚美优品JMEI.US
  • 7.60亿
  • 8.90亿
  • -0.06亿
  • 寺库SECO.US
  • 3.60亿
  • 5.80亿
  • 0.03亿