新零售時代，如何基于數據建立深度用戶洞察能力？
全渠道零售企業，需要在全量用戶數據積累的基礎上，應用新興技術來支撐全渠道業務模式的持續優化，將線上線下數據壁壘打破、用戶行為與業務交易數據打通，從而建立起以消費者為中心的業務模式，實現全業務線與全場景的數據驅動。
（一）用戶屬性畫像+用戶行為畫像
User Persona 和 User Profile是行業知悉的兩種用戶畫像。
User Persona 用以描述用戶需求，是產品和運營人員從用戶群體中抽象出來的典型用戶。
-
在調研階段，產品經理通過調查問卷、客戶訪談了解用戶的共性與差異，匯總成不同的虛擬用戶。User Persona是基于用戶屬性、靜態標簽的畫像；
-
在產品原型設計、開發階段，產品經理圍繞這些虛擬用戶的需求、場景，研究設計產品用戶體驗與使用流程；
-
當內部出現分歧時，產品經理能夠借助這類用戶畫像，聚焦到目標用戶來實現快速決策。
User Profile是根據用戶行為數據、動態標簽，產出描述用戶畫像。相比User Persona，User Profile更注重：
-
消費者真實需求：一些關注人口屬性、生活狀態等靜態信息并不一定直接反應用戶興趣，零售企業更關注的往往是“最近哪些是吸引消費者的優質渠道”、“近期售點A的熱銷品類有哪些”等能夠幫助企業精細化運營的動態信息；
-
時效性：用戶的興趣偏好隨時都在發生變化，需要及時更新用戶標簽；
-
覆蓋度：記錄用戶（不）感興趣的內容等，實現最細粒度的畫像。
（二）構建基于User Profile的消費者洞察力
回歸全渠道零售，企業要圍繞用戶全生命周期構建消費者的用戶畫像（以下均指“User Profile”）。因為隨著用戶積累和產品的迭代，僅通過User Persona則難以量化地評估不斷變化的消費者需求，無法進行數據證偽，無法確定用戶畫像（User Persona）所虛構的人物是不是真正的目標群體。
（三）完整的用戶畫像標簽體系設計
用戶畫像通過一套標簽體系落地，科學的標簽體系能夠反映消費者背后的購買邏輯，找到消費者決定買什么、不買什么的依據。同時，企業外部標簽數據，比如人口屬性、地理位置、品牌自有社會化媒體行為，可以進一步完善企業標簽體系。
全渠道零售時代，消費者始終是企業踐行數據驅動的研究根源。零售企業全部門全場景的數據驅動，是對消費者行為的數據采集、數據建模、數據分析的全過程。全渠道零售企業需要標準化的線上線下用戶行為采集方案、自動化的用戶行為建模、智能化的數據驅動運營。
神策數據為某零售企業提供的數據采集、建模、分析方案
（一）全渠道、全量數據采集
零售業對消費者的數據采集為后續需求分析、消費體驗升級提供基礎。對數據采集追求“大、全、細、時”，即追求更宏觀、全量采集、多數據源與多維度數據，并注重數據的時效性。以便利店為例，要對消費者發生的每一次購買行為進行實時監控和分析。數據的采集應該包含基礎數據采集、第三方數據庫、POS 系統，用戶支付環節的訂單信息等；對于品牌商／經銷商來說，要全面了解終端的消費情況，包括門店的進銷行為、商品銷售情況、門店商品結構、促銷活動等，并對相關數據進行采集。
（二）打通業務數據、用戶行為數據建模
1、關聯多種業務數據，貫通多端行為數據。
第一，業務數據關聯；
-
關聯軌跡數據中，部分攝像頭位置與貨架信息，如商品類別等；
-
關聯支付行為中，訂單 ID、商品 ID與商品的庫存信息、銷量信息；
-
關聯行為數據與天氣信息、門店信息。
第二，行為數據貫通；
-
A、依據POS系統中記錄的支付行為的時間戳，結合時間窗口內的攝像頭采集的FaceID信息，打通用戶 FaceID 與支付行為。
-
B、用戶行為軌跡整合。將同一個用戶在門店入口與出口、關鍵位置的人臉識別記錄串聯起來，形成一次進店購物的完整軌跡；根據訂單信息，在軌跡中補充貨架瀏覽行為；根據出入店鋪的時間，在軌跡中補充店內停留時長。
-
C、根據支付行為的會員 ID 和 APP 中的會員 ID，打通 APP 與門店的購物行為。
2、建立用戶行為主題倉庫
主題倉庫可以分為用戶瀏覽和用戶消費兩大類。
（三）不同角色的數據驅動應用與實踐
將數據分析方法論與零售行業領域知識結合，建立靈活的消費者行為分析指標體系，基于用戶行為和機器學習算法，設計精細化用戶標簽體系，勾勒用戶需求和畫像。同時幫助不同角色解讀指標并滿足自身需求。
作者：張喬，神策數據內容營銷高級經理，用戶行為洞察研究院負責人。
#推薦閱讀#
如果您想了解更多BI干貨知識，歡迎訪問36氪企服點評！
