没有用户画像的数字化 不过是个摆设-B2C
-
-
类目：电商运营
-
联系人：
-
微信号：
-
Q Q 号：
-
手机号：
-
浏览量：
588
【商户信息】
【货源详情】
没有用户画像的数字化 不过是个摆设-B2C 没有用户画像的数字化，但只是装饰而已。
用户画像是用户标签。贴标签是为了方便用户识别，也是为了让计算机自动识别。
只有正确识别用户，才能正确服务用户。困的时候送枕头。
自动识别用户，自动完成即时消息和政策推送，在用户改变购物行为的瞬间自动形成用户的新画像。
数字化的威力只有通过用户画像才能显现出来。
2
过去，线下销售是“一对一”、“面对面”，无论是B端还是C端都是如此。
一对一，沟通，互动有比较充足的时间。如果是熟人，可以根据喜好推荐。kar shop，只能选择用户。
目前用户在线，其中11，数亿用户同时在线，数千万家庭同时在线，数亿SKU同时在线等，需要同时面对大规模用户。另外，需要立即推送、立即更新。那么，每当用户点击时，是否可以快速生成符合用户需求的产品或内容，并通过整个过程防止用户感受到时间延迟？(大卫亚设，北方执行部队)。
答案是电脑自动完成的用户画像。
平台根据产品画像和用户画像自动匹配，瞬间完成，立即推送。
只是各种网络平台的用户画像由平台完成，用户麻木，商人麻木。
快速消费品制造商的营销数字化不能依赖平台，必须依赖品牌供应商完成用户画像。
3
用户画像，专业词汇。普通人不理解，也不需要理解。尽管用户已经画了肖像画，但完全不知道。(亚里士多德，PARTERT，Things)事实上，打开各类电子商务平台、抖动、今日头条，用户已经被平台画像，否则平台如何能那么准确地推送产品或内容呢？
无论是交易平台还是内容平台，平台都是混搭系统，即产品和用户之间的撮合，在适当的时间向最合适的用户推荐产品。(大卫亚设，北方执行公司)。
撮合要正确匹配，推送就是用户需要的。只有匹配，交易率(转化率)才会提高。
阿里平台数亿用户和数亿SKU，没有与用户画像匹配的产品，可以立即推送，但是撮合过程还没有变得杂乱无章吗？
今天的头条、抖音上有大量的内容和大量的用户。如果用户自己搜索和找到，那就是浪费时间。
幸运的是，现在有用于用户画像的AI技术！
用户画像是以用户浏览平台、观看、交易等行为留下的痕迹(数据)为基础，根据特定的画像规则和目的，给用户画肖像画，然后根据用户画像准确地推送内容。例如，今天的头条、抖音(抖音)等媒体根据用户偏好和倾向性将内容推送到目标。
美国抑制TikTok，中国及时公布政策，禁止出口算法类技术。AI算法的重要作用是用户画像。
AI算法同时用于用户画像和产品(内容)画像，使两者匹配。例如，平台通过用户画像来确定用户的需求偏好，如价格偏好、品牌偏好等。同时，产品也有肖像画，然后产品和用户偏好相匹配。只有匹配，转化率才会提高。
平台已经给产品和用户画了画像，用户为什么没有感觉？因为用户画像是平台在做，商家和用户只是肖像画，肖像画是用来推送产品或内容的。用户只是觉得产品更好吃，不知道自己被画像了。
4
2C平台的用户画像已经是平台的日常。那么，快消品企业的数字化需要用户画像吗？
当然需要！只有用户画像才能更准确。
例如，新商品投放市场，过去深度流通全面包装。但是现在产品升级了，新产品包装要准确。如果某个高级新产品上市，需要找到精密包装终端，就需要终端的用户画像。(约翰肯尼迪，作家)。
假设高端新产品包装用户必须满足三个标准。1、终端有推荐新产品的能力。2、终端有高端用户组。3、终端在这一类中有优势。然后，可以根据上述标准绘制终端画像，筛选出符合上述门槛的终端，进行认知教育(如体验)，然后铺设商品。因为肖像画准确，包装后销售情况好，所以可以展开更全面的包装。
那么，新产品包装、终端画像的数据是从哪里来的呢？主要有两个来源。一个是自己有终端数据。也就是说，可以根据历史数据绘制终端画像。第二，在线状态下没有数据的话，可以找系统平台或第三方专业公司。我会根据其他公司的数据在终端上画肖像。(大卫亚设，北方执行部队)。
无论是制造商还是代理商，新零售，只要在线，只要数字化，就必须有用户画像。
目前的新零售场景在线下也能实现用户画像。例如，如果用户在卖场中闲逛，去一个地方，专用屏幕会根据用户画像推荐合适的商品。另一个例子是，连锁店如果认识到用户进入商店(例如面部识别)，就可以根据用户的画像积极购买，比过去被动购买更准确。
5
传统销售也有简单的用户画像，如7-11便利店的收款机，这是根据性别、年龄统计的。但是，这幅肖像画只是一幅集体肖像画，如性别比率、年龄比率，而不是确切的个别用户画像。
用户画像主要分为两类。一个是用户属性画像。二是用户行为的画像。
用户属性画像，如性别、年龄、收入、爱好、活动时间、居住地。上述高端新产品包装终端也是B端用户的属性画像。
可用于开发产品(如查找目标用户)的用户属性画像。可用于产品推荐。例如，用户画像是“保姆”。那么，根据保姆的需求特点，可以推荐适合“保姆”用户的商品。
在线推荐系统将拥有相同画像的用户称为“邻居”，并根据“邻居”的喜好推荐给用户。
传统营销也制作用户画像，更多的是用户属性画像。大数据还包括开发新品(如B端用户画像)等用户属性画像。
。但是，针对C端用户的大数据画像，更多的行为画像。如果说用户属性画像是根据画像“猜测“用户行为的话，那么，用户行为画像就是根据以前和现在的行为，预测下一次行为。
行为已经产生，预测下一次行为就相对比较容易。
营销数字化最重要的画像是行为画像。行为画像与属性画像不同，属性画像有一定的稳定性，因为性别、年龄是稳定的，兴趣爱好也有相对稳定性。但是，即便是同一个人，行为变化也很大，比如抖音用户，今天喜爱的内容，明天或许想换一个口味，那么，只要用户做出改变，用户行为画像立即做出改变。
很多今日头条的用户曾经抱怨，头条把自己的喜好固化了，自己其实想看更多的新东西。但是，即使“想看”，只要没有付诸行为，画像就不会改变。只要用户尝试做出改变，画像就立即变化。
那么，什么是用户行为？在今日头条上，用户行为包括点击内容、阅读时间、点赞、评论等，根据这些行为进行画像，然后确定以后推送的内容。
亚马逊是利用用户画像推荐的鼻祖，亚马逊通过用户在站点的行为，包括浏览物品、购买物品、加入收藏夹和wish list等，以及评分等用户反馈方式，共同构成用户画像，并用于下列用途：
1、当日推荐。根据用户近期浏览和购买记录，结合当下流行物品给出一个综合推荐。
2、新品推荐。采取基于内容的推送机制，将一些新产品推荐给用户。由于新产品只有较少的用户喜好数据，基于内容推送就解决了这个问题。
3、关联推荐。采用数据 挖掘技术对用户的购买行为进行分析，找到经常被一起或被同一个人购买的物品集。在图书购买中，这类推荐就非常多。
4、他人购买/浏览物品。这是物品的协同过滤推荐，通过社会化机制，用户能更方便地找到感兴趣的产品。
6
用户画像是数字化的灵魂，很难想象没有用户画像，数字化会做得很好。
传统营销也有数字，不过都是统计数字，比如年销售额、当日销售额等。这些数字也有用，但对于在线化则价值不大了。
用户在线化提出一个要求：即时推荐。用户在线的每一次行为，包括浏览、购物、评分反馈、拼团等，都在改变用户画像。也就是说，用户行为画像是动态画像。
用户每次网上行为，紧接着会有下一次行为，在两次行为之间，都要决定下次推送的产品或内容。因此，在线化环境下，用户画像要能够做到即使推荐。
在线即时推荐，就要求用户画像要根据原来的数据，完成画像建模（建立模型），瞬间完成计算，然后推送产品、内容或政策。抖音等内容平台的每次点击后的页面更新，都是用户画像计算的结果；阿里、拼多多的每次点击页面，都是用户画像即时计算，然后推送的结果。
快消品厂家的数字化，现在基本上只是完成了可以在线，没有建模，没有画像，更没有即时推送能力。比如，一物一码，现在绝大多数只是无差别地发红包。没有用户画像，就会把用户视为同一个画像（同一个模样）。
注：文/ 刘春雄 ，公众号： 刘老师新营销（ID：liuchunxiong1964），本文为作者独立观点，不代表88货源网立场。
想要接收最新资讯，寻找商机，欢迎进群沟通。
