李衛(wèi)華

內(nèi)容摘要：隨著大數(shù)據(jù)時代的到來，消費模式和行業(yè)創(chuàng)新發(fā)生了翻天覆地的變化。如何整合消費者信息、洞察消費者需求、實施精準營銷、打造新型零售模式，成為傳統(tǒng)零售企業(yè)亟需解決的問題。圍繞上述問題，本文從歷史背景、實施困境、對策建議等方面進行深入分析，研究大數(shù)據(jù)在傳統(tǒng)零售企業(yè)精準營銷中的應(yīng)用。

關(guān)鍵詞：大數(shù)據(jù) ? 傳統(tǒng)零售企業(yè) ? 精準營銷

研究背景

大數(shù)據(jù)是指能夠更經(jīng)濟、更有效地從高頻率、大容量、種類結(jié)構(gòu)復(fù)雜的數(shù)據(jù)中獲取有價值的信息架構(gòu)技術(shù)，既包括信息爆炸時代里產(chǎn)生的海量數(shù)據(jù)，也包括與之相關(guān)的技術(shù)發(fā)展和創(chuàng)新。大數(shù)據(jù)是數(shù)據(jù)分析的前沿技術(shù)，能夠從繁雜、海量的數(shù)據(jù)中快速捕捉、分析并提取有價值的信息。1999 年，美國的Lester Wunderman提出了精準營銷的概念，2004年，Zabin和Brebach提出了精準營銷的4R法則，亦即正確的顧客、正確的信息、正確的渠道以及正確的時刻。與傳統(tǒng)營銷不同，精準營銷有較高的精確要求，利用顧客數(shù)據(jù)庫與有價值顧客建立關(guān)系，有針對性地對目標消費群推送合適的商品并進行跟蹤，企業(yè)的動作與顧客需求形成最佳匹配，實現(xiàn)顧客滿意度最大化和企業(yè)效益最大化的雙贏目標。

理論上講，大數(shù)據(jù)技術(shù)日趨成熟，精準營銷理論提出也20年了，零售行業(yè)應(yīng)該積極實踐，充分釋放大數(shù)據(jù)在流通產(chǎn)業(yè)發(fā)展中的變革作用，加速傳統(tǒng)零售經(jīng)營管理方式變革、服務(wù)模式和商業(yè)模式創(chuàng)新及產(chǎn)業(yè)價值鏈體系重構(gòu)。然而實際情況是，進入二十一世紀后，傳統(tǒng)零售行業(yè)遭遇前所未有的經(jīng)營困境，全行業(yè)商品零售額增速連年下滑、關(guān)店潮頻現(xiàn)。電子商務(wù)的興起，人力、租金等經(jīng)營成本攀升等因素一定程度上沖擊了傳統(tǒng)零售企業(yè)，但更本質(zhì)的原因在于傳統(tǒng)零售企業(yè)一直以來增長模式粗放，未能做到以消費者為中心，無法匹配目前越來越個性化的消費需求，逐漸被消費者拋棄。

所以很有必要分析為什么在理論成熟、技術(shù)進步、政策推動等多個利好因素的背景下，傳統(tǒng)零售企業(yè)在精準營銷方面卻步履蹣跚。本文借鑒已有成果，對基于大數(shù)據(jù)驅(qū)動的傳統(tǒng)零售企業(yè)精準營銷進行深度剖析，并提出相應(yīng)建議。

傳統(tǒng)零售企業(yè)實施精準營銷的困境

（一）行業(yè)劇變下的戰(zhàn)略迷思

縱觀過去幾年，創(chuàng)新成了整個零售行業(yè)的共同目標，各種戰(zhàn)略思潮爭相斗艷，讓傳統(tǒng)零售企業(yè)在戰(zhàn)略選擇上眼花繚亂。人類進化的啟示。在這波浪潮中，如果把零售企業(yè)比作是一個人，大家都在試圖改變其各個身體部位：從手、腳、軀干到五官。首當(dāng)其沖的就是手，手就像是CRM，要去服務(wù)消費者，就得有CRM去觸達消費者。當(dāng)然消費者是誰，目前幾乎沒有幾個零售企業(yè)能夠了解透徹，更惘論理解之后采取系統(tǒng)性和針對性行動。其次便是腳，腳是O2O（或者叫全渠道）。為了迎合消費者隨時隨地購買需求，O2O便成為零售企業(yè)的另外一只腳，現(xiàn)在很多新業(yè)態(tài)的探索和嘗試就是伸出更多只腳。軀干就像零售企業(yè)內(nèi)部的核心ERP、POS、供應(yīng)鏈等系統(tǒng)。很多零售企業(yè)面對一些老牌ERP廠商的老去和全渠道所帶來的改變，苦不堪言。這個軀干老化不堪，想動它，可是怎么動都覺得別扭，而且不動也不行，于是在各種糾結(jié)之中縫縫補補，無法真正讓軀干快速煥然一新，當(dāng)然也無法支撐運營體系向全渠道新零售的轉(zhuǎn)型。再看五官，以往零售商更多靠調(diào)研問卷了解消費者，領(lǐng)先的企業(yè)搞一套客流系統(tǒng)監(jiān)測，但是識別和感知個體消費者的能力目前還差強人意。

上述姑且稱之為傳統(tǒng)零售企業(yè)的數(shù)字化改造。人類之所以進化到今天所謂的“智人”，本質(zhì)上來講并不是手、腳、軀干等部位變得更加強壯，或者五官變得更加秀美?！爸侨恕敝阅軌驌魯∑渌愒橙耍举|(zhì)在于其大腦構(gòu)造以及大腦消耗的能量遠大于其他猿類。因此，雖然本輪新零售運動搞得如火如荼，但是在各種巨額投入后，效果好像一般，或者好像沒法落地。這背后的原因就是因為，要想進化成真正的新零售這樣的“智人”，最關(guān)鍵的“人體部位”要投入重金改造和升級，那就是讓零售業(yè)的大腦更有智慧。

智慧零售的戰(zhàn)略選擇。“智慧零售”雖然是蘇寧提出的概念，但用它來概括整個時代特征也非常貼切?！爸腔哿闶邸彼鶎?yīng)的自然就是“非智慧零售”。在“智慧零售”的邏輯之中，傳統(tǒng)線下傳統(tǒng)零售是非智慧的，線上電商也是非智慧的。電商將零售場景從線下轉(zhuǎn)移到線上，但早期電商平臺只是類似于一個線上百貨商場，把分散在各地的經(jīng)銷者和購買者集中到一個虛擬的平臺之上，零售業(yè)商業(yè)模式并沒有本質(zhì)變化。電子商務(wù)雖然在成本方面具有不可比擬的優(yōu)勢，但也暴露出一系列問題。因此，從“智慧零售”的邏輯出發(fā)，零售業(yè)的演進路線本質(zhì)上與線下線上無關(guān)，而與商業(yè)模式有關(guān)，最主要的突破點就是如何以顧客為中心打破渠道邊界和精準營銷。

利用新科技打破線上線下單邊發(fā)展的局面，通過新思維、新技術(shù)作為橋梁，充分將兩者優(yōu)勢進行完美融合。在這個過程中，隨著場景和入口的無限增加，顧客開始成為零售的真正中心，即一切以顧客為中心。此時，以數(shù)據(jù)為基礎(chǔ)的“智慧”，為零售者提供了更加簡潔有效的解決方案，傳統(tǒng)零售瞄準的是大眾市場，提供的是批量商品，未來的感知技術(shù)將會賦予企業(yè)洞察每個消費者個性化需要的能力，可以通過連接外部資源靈活實現(xiàn)個性化需求，還可以通過智能算法使互動和交付更高效。

所以說目前的做法，雖然各種改造有其相當(dāng)價值，但是無異于用“手腳決定腦袋”，因此無論做了多大投入，最后都會發(fā)現(xiàn)可能效果不那么顯著，出現(xiàn)各種不協(xié)調(diào)或是混亂無序。也正因如此，很多人都認為零售革命或?qū)⒅匦露x，找到了行業(yè)本質(zhì)，才有可能從眼花繚亂的概念中確定轉(zhuǎn)型方向。

（二）運營基因帶來的數(shù)據(jù)缺陷

零售企業(yè)的數(shù)據(jù)基礎(chǔ)伴隨其IT構(gòu)建的歷史，既是一部系統(tǒng)發(fā)展的歷史，也是零售業(yè)自身升級成長的歷史?；仡檸资曛袊闶燮髽I(yè)的發(fā)展，數(shù)據(jù)基礎(chǔ)大致可以分為以下幾個階段：

單一功能軟件數(shù)據(jù)階段。改革開放后國內(nèi)零售行業(yè)剛剛開展信息化建設(shè)時，大家的認識還停留在解決某個單一問題上。以收銀設(shè)備為例，最初零售商甚至并不愿意使用昂貴的計算機設(shè)備和軟件來替代手工寫單和收銀。只是隨著商品國際條碼在國內(nèi)的逐漸普及以及超市業(yè)態(tài)的不斷興起，零售行業(yè)的信息化需求才被打開。在這個階段，商品銷售數(shù)據(jù)僅作為統(tǒng)計銷售額的原始流水，在完成對賬和記賬后（上述工作仍通過傳統(tǒng)賬簿記錄），甚至根本不作保留，當(dāng)時人們對數(shù)據(jù)作用的認識可見一斑。當(dāng)然，這也和當(dāng)時IT設(shè)備的計算能力、存儲能力的限制是分不開的。

系統(tǒng)集成應(yīng)用數(shù)據(jù)階段。隨著IT技術(shù)的發(fā)展和各種連鎖商業(yè)模式的興起，零售企業(yè)從前臺到后臺，從顧客到供應(yīng)商，不同系統(tǒng)產(chǎn)生了許多數(shù)據(jù)，如：進銷存數(shù)據(jù)、財務(wù)數(shù)據(jù)、會員數(shù)據(jù)等。但是數(shù)據(jù)主要局限于企業(yè)內(nèi)部業(yè)務(wù)數(shù)據(jù)，在外部數(shù)據(jù)如詳細顧客數(shù)據(jù)收集上還很不理想。

互聯(lián)網(wǎng)化的數(shù)據(jù)應(yīng)用階段。在企業(yè)自有顧客數(shù)據(jù)收集還沒有做到位的時候，電子商務(wù)、O2O、SCRM、移動支付等新的商業(yè)模式和新的商業(yè)應(yīng)用場景接踵而至。在此背景下，零售企業(yè)營銷所需要的數(shù)據(jù)也不僅局限于企業(yè)內(nèi)部數(shù)據(jù)，各種渠道獲得的社交數(shù)據(jù)、評價數(shù)據(jù)、客流數(shù)據(jù)、位置信息等，甚至像天氣、輿情等外部數(shù)據(jù)，都將成為整個零售大數(shù)據(jù)的組成部分。此時，零售信息化系統(tǒng)必須滿足越來越多的對接需要，打破原有封閉格局，與網(wǎng)上各種平臺和應(yīng)用程序?qū)崿F(xiàn)數(shù)據(jù)交互，成為整個社會零售信息和物聯(lián)網(wǎng)的組成部分。但是由于企業(yè)部門之間的系統(tǒng)分散開發(fā)，沒有統(tǒng)一的數(shù)據(jù)規(guī)范和標準，造成數(shù)據(jù)整合的不便，產(chǎn)生了信息孤島，很多企業(yè)內(nèi)部還無法做到數(shù)據(jù)完全打通，更何況是與企業(yè)外部打通。加上有的零售企業(yè)戰(zhàn)略格局比較封閉，信息不想透明。因為有了這些不透明性，給了零售企業(yè)帶來了很多實實在在的短期好處。這些因素的存在，推動信息的打通和外部共享就變成了一種對既得利益的威脅，因此在推動落地層面上，如果領(lǐng)導(dǎo)者短期內(nèi)看不到實在的成績（比如銷售提升），那么就會開始質(zhì)疑數(shù)據(jù)共享的價值，而不是那些真正影響執(zhí)行的“內(nèi)部阻力”，那么希望運用數(shù)據(jù)來提升企業(yè)運營效率也將注定會是水中望月。

（三）社會化大分工的技術(shù)短板

零售業(yè)屬于勞動密集型行業(yè)，大多數(shù)企業(yè)本身并不具備相應(yīng)的大數(shù)據(jù)技術(shù)開發(fā)能力，尤其是大數(shù)據(jù)在營銷領(lǐng)域的使用最起碼涉及三個學(xué)科，既包括計算機或者信息管理學(xué)科在IT技術(shù)方面做研發(fā)，也涉及統(tǒng)計學(xué)科在數(shù)學(xué)建模方面作支撐，還涉及商業(yè)管理學(xué)科在應(yīng)用上提創(chuàng)意，這三者合到一起，遠遠超出傳統(tǒng)零售企業(yè)的認知。對于大多數(shù)零售企業(yè)而言，自己研發(fā)基于大數(shù)據(jù)的精準營銷軟件基本上不現(xiàn)實，不僅投資巨大而且還未必能夠見效，所以借助外力可能是最佳選擇。然而在目前，我國有能力去幫助零售企業(yè)建立智慧大腦的人才和團隊寥寥無幾，很大程度上是因為近10年來我國零售業(yè)雖然高速發(fā)展但還是比較粗放，并沒有產(chǎn)生對這方面的強烈需求，市場供給自然也不旺盛。這兩年隨著市場需求的凸顯，也確實出現(xiàn)了一些技術(shù)供應(yīng)商，但是從行業(yè)實踐來看，有的技術(shù)供應(yīng)商之所以能存在并不是因為技術(shù)有多么成熟，而是由于資本市場的加持而頻頻曝光。

縱觀新零售數(shù)字化技術(shù)領(lǐng)域的變化，2012-2015年，大數(shù)據(jù)的概念廣泛出現(xiàn)于各種零售論壇，成為熱門詞匯，似乎不談點大數(shù)據(jù)概念的企業(yè)甚至?xí)灰暈楫愵惢蛘呤锹湮榈拇~。但是在這個階段，大數(shù)據(jù)只存在于概念，連形式都很少，由于面臨多種挑戰(zhàn)，真正運用大數(shù)據(jù)指導(dǎo)決策的企業(yè)可謂鳳毛麟角，真正能夠落地并創(chuàng)造規(guī)模化價值的企業(yè)更少。進入2016年后，隨著大數(shù)據(jù)的概念被持續(xù)炒作但未見明顯落地成效，概念逐漸淡化之際，人工智能（AI）的概念開始升溫，特別是馬云在2017年初提出的“新零售”概念席卷整個零售圈，也炒熱了資本市場，對各種新業(yè)態(tài)（包括無人零售）的嘗試層出不窮。但在這個階段，絕大多數(shù)還是在講故事和小規(guī)模試點，市場尚未出現(xiàn)成熟的、大規(guī)模的落地解決方案。進入2018年以來，隨著零售賦能商的積極努力，這種情況才有所好轉(zhuǎn)。

綜上所述，戰(zhàn)略迷思、數(shù)據(jù)缺陷和技術(shù)短板造成了傳統(tǒng)零售企業(yè)在精準營銷具體落地上效果不佳。

傳統(tǒng)零售企業(yè)實施精準營銷的建議

（一）數(shù)據(jù)收集與整合—生態(tài)數(shù)據(jù)的打造

真正支撐精準營銷的數(shù)據(jù)需要融合多方數(shù)據(jù)，在具體操作上可根據(jù)企業(yè)規(guī)模和預(yù)算情況適當(dāng)調(diào)整。

零售企業(yè)數(shù)據(jù)的收集。第一方數(shù)據(jù)為企業(yè)在自身平臺上收集的屬于自己的數(shù)據(jù)。第一方數(shù)據(jù)的優(yōu)勢是數(shù)據(jù)由企業(yè)自主采集，采集數(shù)據(jù)的廣度和深度由企業(yè)自己做主，而且數(shù)據(jù)可信度相對高。

第二方數(shù)據(jù)為在外部平臺上收集的屬于自己的數(shù)據(jù)，主要包括社交媒體和電商數(shù)據(jù)兩大類。社交媒體提供的API接口數(shù)據(jù)包括顧客在企業(yè)所屬社交媒體賬號上的行為數(shù)據(jù)。第二方數(shù)據(jù)的優(yōu)勢是有最大的數(shù)據(jù)真實性，顧客在社交媒體上的一言一行、在電商平臺上購買的商品等數(shù)據(jù)的真實性很高，用第二方數(shù)據(jù)作為基礎(chǔ)進行營銷可以實現(xiàn)最大的精準度，并且由于通過實時方式采集數(shù)據(jù)，因此可以支撐實時場景營銷。第二方數(shù)據(jù)能收集的數(shù)據(jù)類型完全取決于這些外部平臺的開放程度。

第三方數(shù)據(jù)為外部供應(yīng)商擁有的數(shù)據(jù)，企業(yè)只能通過購買、交換、租賃等方式使用這些數(shù)據(jù)。

第四種為開放數(shù)據(jù)?；ヂ?lián)網(wǎng)上存在大量數(shù)據(jù)，這些數(shù)據(jù)有各種類型，并且會自動更新，配合不同應(yīng)用場景有相當(dāng)高的價值，通過爬蟲技術(shù)，可以把互聯(lián)網(wǎng)上這些可見信息扒取下來，供營銷使用。

將數(shù)據(jù)進行匹配整合。同一個顧客出現(xiàn)在同一個企業(yè)的多個數(shù)據(jù)收集渠道中是一個普遍現(xiàn)象，識別這個顧客并拼合多個數(shù)據(jù)源的行為能幫助企業(yè)更加精準地了解顧客，同時找到更加精確的營銷推送渠道。如何將這些線上線下不同來源的數(shù)據(jù)進行整合，需要通過一個共同項將不同來源的數(shù)據(jù)打通聚合。數(shù)據(jù)匹配的責(zé)任就是收集同一個顧客在多個數(shù)據(jù)源中的顧客識別碼，通過連通這些顧客識別碼來拼合數(shù)據(jù)，起到用戶ID管理的作用。

數(shù)據(jù)生態(tài)圈的融合。通過數(shù)據(jù)的挖掘、整合及標準化，將原來靜止的、孤立的、片段化的數(shù)據(jù)整合成動態(tài)的、相互關(guān)聯(lián)的用戶數(shù)據(jù)鏈，企業(yè)就可以通過這些識別碼連通不同平臺對顧客進行360度全方位覆蓋。

每天我們使用的各種終端（手機、電腦、PAD、電視、智能家電、智能穿戴設(shè)備等）及第三方設(shè)備（街頭的廣告屏、自動售貨機、電梯里的廣告屏等）上的應(yīng)用都可以基于某種顧客識別碼進行個性化推送，當(dāng)顧客在一種設(shè)備上的行為被識別后，他就可能在另一種設(shè)備的應(yīng)用中收到營銷推送信息。2018年被有些專家稱為零售企業(yè)選邊站隊的一年，就是因為我國零售行業(yè)出現(xiàn)了以阿里為主導(dǎo)的阿里系生態(tài)圈和以騰訊、京東為代表的騰訊系生態(tài)圈，這種生態(tài)圈的出現(xiàn)，迫使零售企業(yè)必須選邊站隊，否則其不僅無法享受這種生態(tài)圈所帶來的數(shù)據(jù)優(yōu)勢，而且需要面臨被生態(tài)圈賦能之后的競爭對手，迫使其不得不思考選邊站隊，除非能夠打造為自己所用的區(qū)域數(shù)據(jù)生態(tài)圈。

（二）數(shù)據(jù)洞察與分析—深度掌握顧客

有了數(shù)據(jù)之后就需要使用適合的方法來理解顧客行為，從而制定符合自身需求的顧客戰(zhàn)略。在傳統(tǒng)市場營銷實踐中主要是市場細分，很多細分變量，如人口因素、地理因素、心理因素等都只能提供較為模糊的顧客輪廓，其決策依據(jù)依賴少量調(diào)查樣本和傳統(tǒng)經(jīng)驗。大數(shù)據(jù)時代則能夠從利用大數(shù)據(jù)技術(shù)收集的海量、多維、立體的非結(jié)構(gòu)信息中快速篩選出對公司有價值的信息，對顧客行為模式與顧客價值進行準確判斷與分析，深度細分，有可能甚至深入了解“每一個人”，進行顧客畫像，顧客畫像讓企業(yè)從追蹤消費行為升級到抓住消費者內(nèi)心。企業(yè)將消費者數(shù)據(jù)從多個維度進行分類，賦予不同的數(shù)據(jù)標簽，標簽內(nèi)部具體描述某類標簽顧客的年齡、性別、地域、接受教育程度、手機號、上網(wǎng)時間、上網(wǎng)頻率、購買頻率、購買偏好購物習(xí)慣等特征，完美地抽象出一個顧客的商業(yè)全貌。

除了顧客畫像，依托整合的顧客數(shù)據(jù)，企業(yè)還可構(gòu)建不同營銷模型，如顧客活躍度模型、流失預(yù)警模型、顧客價值分析模型、顧客忠誠度模型、品牌關(guān)聯(lián)規(guī)則模型等，深度分析數(shù)據(jù)。

（三）個性化推薦—精準營銷

精準營銷模型。精準營銷要求企業(yè)在“正確的時間”針對“正確的顧客”在“正確的渠道”以“正確的促銷方式”推送“正確的內(nèi)容”，滿足顧客真實需求，這就是個性化營銷的目的，但是整個過程需要大量計算，只能通過系統(tǒng)完成。如圖1所示是以營銷自動化工具為核心的個性化精準營銷閉環(huán)。

從圖1中可以看出，在實行個性化營銷前，企業(yè)首先需要同時建立4套營銷資產(chǎn)：顧客數(shù)據(jù)庫：360度顧客畫像，包括顧客聯(lián)系方式和可用于營銷的識別碼體系。營銷內(nèi)容庫：基于企業(yè)產(chǎn)品各類賣點的營銷內(nèi)容“集市”，企業(yè)將營銷內(nèi)容進行標準化，每個內(nèi)容都標以興趣圖譜代碼，對接不同顧客畫像的標簽，做到針對不同的顧客畫像推送不同的興趣圖譜內(nèi)容。興趣圖譜的建立是一個根據(jù)營銷結(jié)果逐漸新增、細分的漫長過程。促銷內(nèi)容庫：促銷內(nèi)容庫中存儲了企業(yè)當(dāng)前可用的促銷政策，促銷內(nèi)容往往以促銷代碼形式存在。營銷渠道庫：基于收集的顧客識別碼，企業(yè)可以在不同平臺上對顧客進行營銷接觸。雖然這些營銷平臺根據(jù)其知名度對顧客有不同程度的信任背書，但由于投放價格有相當(dāng)大差別，企業(yè)更愿意選擇成本和效果較平衡的營銷接觸點平臺。

基于以上4套營銷資產(chǎn)，企業(yè)以顧客數(shù)據(jù)為出發(fā)點，對接內(nèi)容、促銷和營銷渠道，實現(xiàn)個性化營銷。如圖1中①、②、③的主動觸發(fā)場景，企業(yè)通過營銷自動化工具，利用低頻率、低成本但可收集顧客反饋的渠道對顧客進行接觸，主要目的是收集顧客反饋，發(fā)掘顧客真實需求。另一種場景是圖1中④和⑤的被動觸發(fā)場景，通過在眾多接觸渠道中設(shè)置顧客可能的觸發(fā)點，一方面在這些營銷接觸平臺上進行觸發(fā)營銷，另一方面收集顧客的識別碼和行為數(shù)據(jù)。經(jīng)歷了以上主動和被動觸發(fā)兩種場景后，如圖1中⑥所示，將收集的顧客行為歸集到原來的顧客數(shù)據(jù)庫中，需要通過自我學(xué)習(xí)方式更新顧客標簽，最終如圖1中⑦所示，基于更新的顧客標簽，重新調(diào)整營銷內(nèi)容、促銷和渠道，進行更精準的二次營銷，至此完成顧客接觸—反饋收集—顧客標簽更新—再營銷的閉環(huán)。在這個過程中，有兩項技術(shù)需要進一步說明，一個是個性推薦技術(shù)，另外一個是自動化營銷的觸點技術(shù)，兩者是目前相對較難的關(guān)鍵技術(shù)點。

個性化推薦技術(shù)。目前基于機器學(xué)習(xí)的推薦系統(tǒng)不斷迭代，越來越懂顧客所想，在具體操作上，主要有如下三種算法：

第一種是基于物品的推薦算法研究。原理是推薦與顧客喜歡或購買過的商品類似的商品，這種方法可以避免Item的冷啟動問題。與之對應(yīng)的另外一項技術(shù)是交叉銷售技術(shù)，主要是按照關(guān)聯(lián)技術(shù)，也即通常所說的購物籃分析，發(fā)現(xiàn)那些有較大可能被一起采購的商品，將其進行有針對性的促銷和捆綁，這就是交叉銷售;二是借鑒響應(yīng)模型的思路，為某幾種重要商品分別建立預(yù)測模型，對潛在消費者通過這些特定預(yù)測模型進行過濾，然后針對最有可能的前5%的消費者進行精確營銷推廣;三是仍然借鑒預(yù)測響應(yīng)模型的思路，讓重要商品兩兩組合，找出那些最有可能消費的潛在客戶;四是通過決策樹清晰的樹狀規(guī)則，發(fā)現(xiàn)基于具體數(shù)據(jù)資源的具體規(guī)則，相應(yīng)建模技術(shù)主要包括關(guān)聯(lián)分析、序列分析，即在關(guān)聯(lián)分析的基礎(chǔ)上，增加先后順序的考慮，以及預(yù)測（響應(yīng)、分類）模型技術(shù)，諸如邏輯回歸、決策樹等。

第二種是基于顧客的協(xié)同過濾推薦算法研究。以顧客為本，找到和A顧客相似的B顧客后，推薦B顧客買了而A顧客沒買的商品。這種方法基于其他顧客行為集，可以保證個性化程度高，容易讓顧客發(fā)現(xiàn)新的興趣，但是由于必須基于顧客歷史行為，所以對于新顧客推薦效果就很差。

第三種是基于標簽的推薦算法研究。主要是通過標簽這種特征形式去聯(lián)系顧客和商品，給顧客推薦那些具有顧客喜歡的特征的商品。所以計算標簽推薦的方法是建立顧客和標簽之間的關(guān)聯(lián)度，再計算標簽與商品之間的關(guān)聯(lián)度，兩者相乘即為顧客對某商品的感興趣程度。此方法的難點在于如何為商品打上合適標簽。

沒有放之四海而皆準的算法，在不同產(chǎn)品中，在不同業(yè)務(wù)場景中，需要的算法也是不一樣的。實際上，由于每種算法各有優(yōu)缺點，因此往往需要混合多種算法，取長補短，從而提高算法精準性。

自動化營銷的觸點技術(shù)。同樣的一次內(nèi)容推送，在不同場景會有不同效果，如一個出現(xiàn)在養(yǎng)生網(wǎng)站上的網(wǎng)游廣告會讓顧客非常詫異而不感興趣，而在健身房的場景給顧客發(fā)送有關(guān)運動裝備的內(nèi)容引起顧客興趣的概率就很高，這就是場景營銷。這就要求企業(yè)在信息推送時需要根據(jù)一些觸發(fā)因素，以秒為單位及時推送。觸點技術(shù)需要提前預(yù)判一些目標顧客行為，這些行為可能代表顧客采購階段的某種特征。常規(guī)用來判斷顧客需求的觸發(fā)包括瀏覽行為（某些固定的URL）、下載APP行為（如下載了跑步記步類APP，表明顧客有健身需求）、地理位置（與顧客需求高度關(guān)聯(lián)的經(jīng)緯度）、溝通行為（如撥打某產(chǎn)品的400電話、加了某些微信公眾號進行詢問等），以及結(jié)合以上幾種的綜合行為。

結(jié)論

傳統(tǒng)零售企業(yè)面對新零售模式的來勢洶洶，必須認真思考大數(shù)據(jù)可能為企業(yè)帶來的營銷價值，積極擁抱大數(shù)據(jù)，打造自己的數(shù)據(jù)平臺，深層次挖掘隱藏在海量數(shù)據(jù)中有價值的信息，指導(dǎo)企業(yè)制定各項決策，建立符合自身實際情況的精確營銷體系，有針對性地實施營銷計劃，增強自身競爭力。

參考文獻：

1.國美于斌平.基于用戶畫像的精準營銷.聯(lián)商網(wǎng)-資訊動態(tài)-信息化欄目-應(yīng)用指南， http：//www.linkshop.com.cn/web/Article_News.aspx？ArticleId=362005&sf=wd_search

2.劉國華，蘇勇.新零售時代[M].企業(yè)管理出版社，2018

3.杜鳳林.新零售—打破渠道的邊界[M].南方出版社，2017