大数据，当下最热的名词之一，也是全社会商业、科技、文化等各个领域的血液与涵养，更是商业发展、竞争策略及顾客价值挖掘值得精进的核心领域。信息曾经历算法革命和网络革命，今天来到数据革命时代，下一个preumer时代已经开启，诸如尚品宅配、红领、爱定客等正是先锋者，凯文·凯利说，大数据时代没有旁观者。我也想探讨，零售业是否有可为之处。

一、顾客画像的前提

对零售业来说，有几个现实的问题：

1、消费者、顾客与用户

我们过去一直谈零售业以顾客为中心，事实上没做好!阿里巴巴副总裁高红冰先生曾经与某百货公司高管有过争论，他认为线下企业没有数据所以不懂消费者，而线下企业认为线上企业在天上飞不接触消费者。所以，我们可能需要先理清顾客、用户和消费者的概念。

举个简单的例子：小王去超市帮他的儿子买了一包尿不湿，帮他的母亲买了一双雪地靴!就这单生意来说：小王的儿子和母亲是用户、小王是顾客，小王一家人都是消费者!

清楚了这样的定义，我们才能明晰零售业的数据画像到底为谁画!在以会员卡为信息集成支点的情况下，如果你要描述“顾客”的特征，很可能很多信息要做延伸;如果你要描述 “用户”，分析小王的购物篮，就会有小王、小王的儿子和小王的母亲三个“用户”，然后才能通过商品的特征分析他们的特征。可能会出现小王给自己用的东西很一般，但给儿子买的东西是最高质量的情况。如果要说消费者，很可能顾客购买心理和用户使用心得要一起总结。

此外是不同的业态内涵交织不同，超市、便利店的会员卡可能就是代表顾客，百货可能有些门类顾客就是用户，购物中心可能是一群消费者!C端购买主题与消费主体错位是我们会员分析的难点!过去是“消费者行为学”、“顾客心理学”到现在的“用户思维”，商业知识的演进过程体现了商业发展的轨迹!

2、会员、粉丝与散客

近年，随着微信公号和iBeacon技术的应用，零售业开始优化顾客统计及识别技术，但会员、粉丝与散客在统计主体、统计渠道、统计方法及分析应用方面出现很多的数据错位，由于断点式数据采集，我们很多分析很难实现逻辑自洽，这也是未来大数据分析的空间!那么我们先要分清这三者的分析领域：

所以，从大数据知晓顾客的角度，零售业应该从时空上做好人货场数据的互联互通!

从商业营运趋势上看，“用户思维”下讲“粉丝经济”多些，现今更是深入到“社群经济”，但两者的基础应该是会员思维的深化及升级，走 “关注者→粉丝→铁粉→脑残粉”的强度阶梯。过去解决办会员卡和完善会员资料的麻烦，今天研究让客关注或安装APP的问题。我们知道许多企业会员和粉丝两条腿还都在走，可能两者需要整合，会员完整电子化和粉丝全息数据化的SCRM要真正统筹起顾客数据化工作!

以下我们全部以顾客画像在进行内容描述!

3、顾客识别技术及数据统计逻辑

由于不是技术流，我们只是从数据逻辑上谈一些观点：

(1)极简登记及全息识别是顾客画像的基础，但全程识别可以逐步推进

以手机号码为唯一ID的顾客识别，要让所有的部门用一切手段，让每一个顾客的每种关键行为与手机号关联!

(2)依照顾客关键画像内容要求，先重点后次要，需铺设数据关联通道

如超市重点是建立手机号码与品类的关联、百货建立手机号码与品牌的管理，那么数据采集通道，则主要侧重于疏通所有手机ID号下的品牌及品类，必须确保登记环节，然后必须打通手机号与支付环节。比如购物中心最想知道顾客动线与商户，那么重点就应该是在卖场动线内铺设热点，建立身份与热点的通道，支付就是次要的。

(3)确定单维分析的颗粒度，需有利于定性化及多维应用

顾客画像是由各个维度的素材组合而成的，首先单维度的分析涉及颗粒度的问题，颗粒度的分类逻辑涉及数据采集及汇总逻辑，其次才是汇总成多维应用。比如顾客的年龄关键可能考虑价格敏感度，人生阶段及支付特性两维交织影响，可以分为可他人支付(学生及老年父母阶段)、自主支付(职业初期)、自由支付(负担较轻阶段)和为他人支付(为父母子女购买)阶段。

多维的应用需要两两或两三组合一起，比如定义顾客为年轻时尚族：需要年龄、时尚品类品牌、购买频率、反馈等等方面。当然，这些同样需要依照业态来进行分述。

(4)顾客画像清晰度需要数据积累

由于仅仅以手机号码为唯一ID，其他属性很多时候是通过定义购买行为、频率及品类得出的，所以零售业也需要有这样的积累画像的耐性。事实上，由于太细太烦，加上手段缺失，很多线下企业从来没有完善的数据库，字段缺失，登记不全，更新不及时情况普遍，在数据库中寻找出单维及多维分析往往也是浅尝辄止。过去我们希望顾客详细登记资料，但今天顾客画像更多的可能是需要企业数据的反写。

二、顾客画像的分类

关于顾客画像，线上由于采集节点完备，结合云计算技术，在通过行业数据交互之后，很容易得出顾客画像。像阿里、京东、一号店等大企业大数据部门已经成为运营标配。从管理本质上讲，线上企业的大数据，事实是线下企业营运分析技术手段和效率的升级，本身并没有什么神秘莫测之处。然而正是这些升级，才出现系统和细节要命的差异。所以线下零售业，更需要在现有数据基础上做基本的升华!

从数据上：来客数∪会员数∪粉丝数∪散客=工作空间

零售业首先要做的事是把未知的消费者变成可联系的顾客，然后再完善顾客画像研究强关系。

关于顾客画像，我们必须假定企业有足够的顾客识别手段，在这样的基础上，建议可以用人体分类的方式，进行分类示例：

老实说，说说理论容易，真正的落实具体画像和分类，确实存在很大的难度，也需要巨大的工作实践。我只能从基本属性、购买能力、行为特征、心理特征及兴趣爱好几个维度，范范举例说明。

三、顾客画像分析的方法

从内容上讲，明确顾客分类逻辑，即已经明确了顾客画像的操作方法，这应该是公司营运分析算法部门的工作。以个人的粗浅理解，要在顾客几率购买的清单中寻找算法规律，很大程度要做的是：

逻辑定性： XX品类=是或否XX

数据分阶：最低~最高，分级，分级原因由共性属性确定

条件搜索：金额或数量XX条件=XX特征=X人群

分类定性：按自然属性分群分组

聚类定性：适合XX特征=xx类

关联定性：XX品类=XX特征=XX人群

我想性统计学专业人士应该有更为深入系统的勾画和理解，只是在零售层面上，哪家公司会真正自发性的开始大数据和顾客画像的工作，我相信收益应该良多!我们也接触了一些外部大数据公司，他们更多的处理逻辑是你把你的数据给我，我帮你处理，通过逻辑分析、外部匹配、外部关联和数据应用，我告诉你结论，事后什么情况、实时变化会怎样，你再告诉我，我再收钱!所以很多企业在做专案的时候可能会有局部云数据分析，但与日常经营管理过程无益，与长续改善也无益!

零售业过去长于经验和结果式分析，长于短时分析，趋势分析、关联分析和定性分析相对欠缺一些!零售业如何通过学习互联网企业的云计算和顾客画像思维，从而在小数据简单直观定性化方面有所建树，非常重要!

四、顾客画像的问题

当然，从现实情况来看，我们对顾客画像这件事不尽乐观，因为这中间有很多困难：

首先是家庭消费与个人消费区分。顾客与用户你区分不出来，通过购物清单和会员卡消费流水你也很难过滤，从而可能导致的分析结论的假象!甄别成本过高是很大的问题!

其次数据的全面性问题。没有技术手段，没有基础信息支持，顾客画像始终会残缺，企业需要有耐心，显然，并非所有的企业都认为这样的分析有什么卵用，数据还不如直接买了!

三是应用问题。画像的真实与虚假，明显性悖逆甄别，偶然性和临时性数据处理可能导致结论有问题，数据环断裂的情况下，企业并非有完全的途径可以获得外部匹配支持，用户行为关联、跨平台关联知易行难!

但我依然觉得这是一条应走的路，零售大数据不可能一蹴而就，也应该有不断的迭代升级，现实状况恰恰是顾客认知精进的空间。未来随着iBeacon技术、人脸识别技术、wifi、LBS、定位技术、射频条码技术等应用发展，关联起人货场必然可行，如果那时是4.0，可能还会需要现在2.0逻辑和积累!

五、顾客画像的应用

中国银行网络金融部副总经理董俊峰在一次演讲中提及，大数据能力包括集成层、存储层、计算层、整合层、智慧层、消费层和洞察层七个层次。对零售业来说，假定企业有了比较好的顾客画像技术，经营管理方面的应用应该前景广阔。

1、精准营销：企业的促销信息发送对象、内容、跟踪反馈都应该更加精准。

2、主题促销：通过顾客画像中顾客群的研究分析，通过对其消费总量、频率和周期的研究，主题促销的内容厚度、切入窗口和针对性会明显加强。

3、社群组织：笔者此前探讨过零售业社群组织的问题，顾客画像工程将为企业更加有效的组织和管理社群，激发粉丝社会化参与及情感链接起到十分积极的作用。

4、市场调查：普通问卷、焦点小组或是上门单独沟通，顾客画像会为调研决策提供决定性素材，控制调查失真。

5、业绩预测：对于包括季节性商品、周期性消费、促销弹性程度、趋势性预测，客群画像应该能够提供较多的相对支持。

6、经营管理决策：对于包括功能项目、品类设置、物流配送频率、周期管控等常规经营管理内容，也会有极好的深化作用。

六、尾言

以上粗浅的探索权作引子，大数据的前提应该是全数据，在时间和空间维度上需要海量的涌现和攫取，从现实来看，相当长时间内，可能都是奢望，所以我们只能借鉴一些大数据开挖的逻辑，探索现实性的应用空间，随着技术和应用的进步，逐步完善数据价值拼图。

大数据分析与顾客画像，不同的企业可能应用的程度不同，许多超市原有的很多品类管理分析、百货的品牌分析与会员分析进一步深入嫁接，其实已经具备了顾客画像的雏形;而已经开始操作线上线下融合的公司，会有更为迫切的需要去融合顾客，知晓用户。对很多企业来说，这本是锦上添花的事，但如果做的足够好，应该有定海神针的效果。零售业最核心的资产是顾客，过去在盲知阶段，是因为零售业掌握了线下入口，所以可以在聚客与营客方面可以有所收益，而在流量下滑、入口分化以及客群分层的阶段，更加清晰有效的认知顾客、描述顾客并延伸应用，应该是零售又一大核心能力!