數字營銷轉化的關鍵：精準定義客戶

“客戶”泛指營銷觸達的對象。包含了B2C的“顧客”、“消費者”；互聯網的“用戶”；B2B廣義的“公司”以及具體的“決策者”、“使用者”。

最近一直在和朋友們探討一個話題：人人都知道做品牌很重要也很有用，但為何又要被短期的“投入產出無法量化、品效無法合一”這個魔咒牢牢困住？

都快2021年了，難道沒有辦法解決這個問題？

比如品牌投入A/B testing，小步試錯，不斷優化...但貌似依然卡在如何判斷“有效性”這個問題上。

“到底是直播帶貨還是電梯廣告更有效？關鍵詞搜索和信息流廣告哪個那個能帶來持續的購買？...”

無論B2C還是B2B，營銷都是與人而不是機器打交道，而每個人都是理智與情感的綜合體。

品牌更是兼具客戶心理認知與情感認同。就算短期有回報，也很難判斷對品牌資產是利好還是損傷。

這好像成了一道無解題，困擾著我們每個市場營銷人。

正好看到一組來自國外的調研數據，讓我眼前一亮：

根據Aberdeen research的報告，根據用戶畫像提供精準內容和購買體驗的B2B企業，MQL的轉化率比未使用用戶畫像的營銷者高出73% (20% vs. 12%)?。

也就是說，既然死磕傳播渠道不管用，那么不如換個角度，重新把目光回到客戶身上。

通過深入細致的把客戶分類，精準了解需求，針對性的提供產品、服務及內容。當顆粒度越細，了解越深入，營銷的效率越高。

看到這，你可能會嘀咕，這個思路一點都不新鮮，幾十年前就有。確實是，只不過在大數據時代，“精準”成了關鍵詞，通過技術手段將客戶樣本擴大再擴大。

就好比掘寶游戲（非常不喜歡用打仗的過程來形容市場營銷，畢竟我們客戶不是敵人），如果我們對寶藏位置的勘測能力可以精準到厘米，并且可以預估寶藏種類、數量、年代、保存狀況甚至估值等，那么籌得資金、成功開采并獲取回報的機率就會高很多。

現代營銷也一樣，如果能夠精準定位客戶并深入了解需求，從戰略上排好優先級，戰術上更細致周到，那么投入產出比自然會高。

我把這個過程稱之為“精準定義客戶”，今天我們就來談談這個話題。

那個年代的細分維度主要是外在的，比如地理位置、性別、年齡等。客戶分類的依據也是市場調研、焦點訪談（focus group)、現場走訪等。

到了營銷年代，客戶越來越追求個性化，社交媒體、公開信息等對于購買的影響越來越大。大數據技術讓基于用戶消費、行為的數據分析成了可能。

這時候用在交互設計上的名詞「用戶畫像」（customer persona）成了網絡營銷中客戶細分的一種流行方式，并逐步在B2C和B2B領域推廣使用。

1. 基礎數據：姓名、性別、年齡段等，識別我們的客戶是誰？
2. 行為數據：包括用戶實際的購買、收藏、網站停留時間等。也包括興趣類數據，比如品類和風格偏好、瀏覽以及互動風格等。了解用戶習慣，解決我們該在什么時候推送與互動的問題。
3. 交易數據：購買頻率、平均客單價、促銷購買率等。了解客戶需要什么，怎樣的產品、產品價格、促銷活動是他們喜歡的。
4. 關系數據：分享與介紹，一度、二度好友數量等。了解同樣的產品、內容還能推送給誰的問題。

比如一個初創的護膚品公司，用戶畫像可能有：外企白領Vivian、演藝圈小鮮肉小軒軒、全職寶媽思思媽媽、大學生小伍...

有了畫像，可以根據數據做場景模擬，優化產品既服務。營銷也因此更具象化，準確率比大眾營銷一定更高。

說到這，也許有人會想到數據隱私問題。畫像是通過技術手段提煉與分析數據，并不會涉及具體個人信息，推廣方式也不是一對一。（很多公司說的“千人前面”實際上也是“一千個用戶畫像”，而不是每個客戶都有不同的推廣方式）。

03.?

B2B行業的客戶檔案以及用戶畫像

B2B業務的主要目標是公司（一個組織），最終也是B2B2C。但是與B2C不同之處在于決策者不一定是使用者。

先來說說以公司為單位的客戶分類（customer profile）和決策者角色為畫像的（customer ?persona)。比如下面的例子：

上面簡單說了下客戶畫像以及對應的營銷策略。但是還有一個維度，就是客戶與企業的關系親疏也需要做細分。

比如對于B2C行業，以會員體系為例，金卡的會員忠誠度高，復購與口碑傳播的能力強，普通會員也許就是想省點錢...

如果能夠針對客戶的層級做費用預算、精準的營銷方式效果更好。

對于B2B行業也一樣，曾經購買過的客戶和競爭對手已經拿下的客戶的營銷策略并不同，offering（產品或解決方案）也不同，簡單示意如下圖：

也就是說從客戶關系這個維度上來看，B2C行業和B2B行業的分層營銷都是希望持續培養客戶忠誠，提升重復購買的頻率，并且通過現有客戶的口碑吸引更多新客戶。

營銷技術的快速發展，現在無論是CDP、DMP都只能分析與管理有限的數據，而行為數據、消費數據等時時在變。因此，客戶畫像與細分需要不斷的更新。

另外，數據并不一定真實。

比如一位“會蟲“拿著別人的名片參加了某B2B市場活動，那么他的虛假信息就進入了客戶數據庫，這種數據還很難清洗出來。

因此，除了純數據的分析之外，同樣還需要電話、微信、面談等溝通。也需要通過傳統的調研、客戶拜訪深入了解購買動力、決策因素等。

利用數據，但不要100%依賴數據。