searchusermenu
  • 发布文章
  • 消息中心
点赞
收藏
评论
分享
原创

数据运营——消费人群研究

2024-05-31 05:34:08
80
0

由于工作关系,最近研究了下如何更好的运用数据,进行研究、洞察、监测消费人群,指导企业零售生意更有效、更良性的发展,初步得出了一些假大空的结论,不喜勿喷,欢迎一起交流。

 

不管互联网怎么发展,零售的概念如何升级,商业的核心主体“人、货、场”没有变。商业最终还是要促进销售,销售的决定权还是人。以研究消费人群为核心是当前商品同质化、流量分流后的大环境下数据运营的主流方向。

 

“货与场”是死的,“人”是活的,研究消费者也相对复杂。“性相近、习相远”、“物以类聚人以群分”,研究消费人群的行为、心里,准确的定位目标客群特点,尽心更有效的产品升级、营销策略升级对商业价值的提升不言而喻。

 

加强对消费人群的特征、行为、消费动机等,可以对企业的市场定位、产品定位、价格策略、品牌价值、促销广告、渠道挖掘、销售预测等各个方面起到积极促进的作用。

 

01-消费者行为的演进

 

零售一维阶段(企业——人):AIDMA法则是消费者行为学领域中最为成熟的,由美国广告学家E.S.Lewis在1898年提出,该法则诠释了在实体经济主导的零售一维阶段的消费者心理及购买行为过程。创作个性、花哨、实效的硬广引起消费者的注意(Attention)、兴趣(Interest),唤起人的欲望(Desire),留下深刻记忆(Memory),在最终接触到用户的时候激发用户的购买行动(Action)。整个购买路径都是企业单向到人的过程。

 

零售二维阶段(企业——人——商品):随着互联网的到来,电商崛起,消费者行为发生质的转变。在2005年电通公司提出AISAS营销法则,勾勒出在互联网环境下的消费者行为。在引起消费者的注意(Attention)、兴趣(Interest)的时候,消费者自主的开始搜索(Search)、主动购买(Action),并在购物后利用互联网进行分享(Share)。互联网的到来把广告、营销从企业一味的单向的向用户输出的模式,转变成用户主动的搜索、分享的口碑传播模式。

 

零售三维阶段(人——人):随着数字时代、移动互联网的到来,消费轨迹是一个更多互动的过程,品牌的口碑基本建成,商品同质化严重,流量红利充分分流。在2011年,DCCI发布SICAS法则。在基于多年品牌价值的灌注下,品牌与消费者相互感知(Sense),兴趣(Interest)也可以在各个载体进行互动,话题、声音、热点广泛传播,线上、线下、生活圈、位置等多种可连接(Connect)用户的方式建立新的广告神经网络,购买(Action)和分享(Share)也更为便利,随时随地,市场下沉。

 

02-数据到来,企业构建消费者资产管理

 

从消费者与广告的第一次接触开始,到最终消费者忠诚或流失,各类数据被留存,包括以下几个方面:

 

Who:画像、生命周期

When:何时看、何时买、售前、售中、售后

Where:购买路径、从哪来、到哪去、在什么渠道、在什么地方

What:买了什么、购买前中后买了什么相关的

How:评价、忠诚度、贡献

How many:件数、单量、次数

 

在海量数据的基础上,构建以消费者为核心的数据资产体系,通过数据运营,最终指导广告投放、产品优化、促销方案的企业生意中的行动。

 

03-数据运营解决生意三大难题

 

“消费者为什么买?”——指导行动

“消费者要买什么?”——反向定制

“如何让消费者买?”——有效触达

 

加强消费者研究,对消费人群的资产进行全链路的管理。如国内电商大佬们为品牌商们构建消费者行为的全链路体系(如猫家AIPL,狗家4A)正是在时代发展下应运而生的产物。

 

“消费者为什么买?”

 

可能是周边朋友推荐,虚荣心作祟;

可能是产品的消费周期即将结束,需要复购货换代升级;

也可能是商品间有互补作用,在购买其一时冲动购买。

 

“消费者要买什么?”

 

可能是咨询、评论、搜索、热点事件背后隐藏的新产品;

可能是下沉市场、特定群体的隐形需求;

也可能是竞品的抢夺。

 

“如何让消费者买?”

 

可能是给追求时尚潮流的消费者推荐一款新上市的潮品;

可能是在消费者的复购节点、关联购买路径上一个具有冲击性的广告;

也可能可能是在消费者徘徊于同质商品时给消费者一个促销、优惠券。

 

总之,随着市场的下沉及饱和,品牌之间的竞争、平台之间竞争、线上与线下的竞争进入白热化阶段。消费者数量有限,消费能力无限,通过数据运营提升客单价、浏览时长、增加购物频次、挖掘消费者潜在需求、推进产品升级换代、更精准的进行广告投放消费者触达才能在竞争中取得胜利。

0条评论
0 / 1000
丁****楠
2文章数
1粉丝数
丁****楠
2 文章 | 1 粉丝
丁****楠
2文章数
1粉丝数
丁****楠
2 文章 | 1 粉丝
原创

数据运营——消费人群研究

2024-05-31 05:34:08
80
0

由于工作关系,最近研究了下如何更好的运用数据,进行研究、洞察、监测消费人群,指导企业零售生意更有效、更良性的发展,初步得出了一些假大空的结论,不喜勿喷,欢迎一起交流。

 

不管互联网怎么发展,零售的概念如何升级,商业的核心主体“人、货、场”没有变。商业最终还是要促进销售,销售的决定权还是人。以研究消费人群为核心是当前商品同质化、流量分流后的大环境下数据运营的主流方向。

 

“货与场”是死的,“人”是活的,研究消费者也相对复杂。“性相近、习相远”、“物以类聚人以群分”,研究消费人群的行为、心里,准确的定位目标客群特点,尽心更有效的产品升级、营销策略升级对商业价值的提升不言而喻。

 

加强对消费人群的特征、行为、消费动机等,可以对企业的市场定位、产品定位、价格策略、品牌价值、促销广告、渠道挖掘、销售预测等各个方面起到积极促进的作用。

 

01-消费者行为的演进

 

零售一维阶段(企业——人):AIDMA法则是消费者行为学领域中最为成熟的,由美国广告学家E.S.Lewis在1898年提出,该法则诠释了在实体经济主导的零售一维阶段的消费者心理及购买行为过程。创作个性、花哨、实效的硬广引起消费者的注意(Attention)、兴趣(Interest),唤起人的欲望(Desire),留下深刻记忆(Memory),在最终接触到用户的时候激发用户的购买行动(Action)。整个购买路径都是企业单向到人的过程。

 

零售二维阶段(企业——人——商品):随着互联网的到来,电商崛起,消费者行为发生质的转变。在2005年电通公司提出AISAS营销法则,勾勒出在互联网环境下的消费者行为。在引起消费者的注意(Attention)、兴趣(Interest)的时候,消费者自主的开始搜索(Search)、主动购买(Action),并在购物后利用互联网进行分享(Share)。互联网的到来把广告、营销从企业一味的单向的向用户输出的模式,转变成用户主动的搜索、分享的口碑传播模式。

 

零售三维阶段(人——人):随着数字时代、移动互联网的到来,消费轨迹是一个更多互动的过程,品牌的口碑基本建成,商品同质化严重,流量红利充分分流。在2011年,DCCI发布SICAS法则。在基于多年品牌价值的灌注下,品牌与消费者相互感知(Sense),兴趣(Interest)也可以在各个载体进行互动,话题、声音、热点广泛传播,线上、线下、生活圈、位置等多种可连接(Connect)用户的方式建立新的广告神经网络,购买(Action)和分享(Share)也更为便利,随时随地,市场下沉。

 

02-数据到来,企业构建消费者资产管理

 

从消费者与广告的第一次接触开始,到最终消费者忠诚或流失,各类数据被留存,包括以下几个方面:

 

Who:画像、生命周期

When:何时看、何时买、售前、售中、售后

Where:购买路径、从哪来、到哪去、在什么渠道、在什么地方

What:买了什么、购买前中后买了什么相关的

How:评价、忠诚度、贡献

How many:件数、单量、次数

 

在海量数据的基础上,构建以消费者为核心的数据资产体系,通过数据运营,最终指导广告投放、产品优化、促销方案的企业生意中的行动。

 

03-数据运营解决生意三大难题

 

“消费者为什么买?”——指导行动

“消费者要买什么?”——反向定制

“如何让消费者买?”——有效触达

 

加强消费者研究,对消费人群的资产进行全链路的管理。如国内电商大佬们为品牌商们构建消费者行为的全链路体系(如猫家AIPL,狗家4A)正是在时代发展下应运而生的产物。

 

“消费者为什么买?”

 

可能是周边朋友推荐,虚荣心作祟;

可能是产品的消费周期即将结束,需要复购货换代升级;

也可能是商品间有互补作用,在购买其一时冲动购买。

 

“消费者要买什么?”

 

可能是咨询、评论、搜索、热点事件背后隐藏的新产品;

可能是下沉市场、特定群体的隐形需求;

也可能是竞品的抢夺。

 

“如何让消费者买?”

 

可能是给追求时尚潮流的消费者推荐一款新上市的潮品;

可能是在消费者的复购节点、关联购买路径上一个具有冲击性的广告;

也可能可能是在消费者徘徊于同质商品时给消费者一个促销、优惠券。

 

总之,随着市场的下沉及饱和,品牌之间的竞争、平台之间竞争、线上与线下的竞争进入白热化阶段。消费者数量有限,消费能力无限,通过数据运营提升客单价、浏览时长、增加购物频次、挖掘消费者潜在需求、推进产品升级换代、更精准的进行广告投放消费者触达才能在竞争中取得胜利。

文章来自个人专栏
文章 | 订阅
0条评论
0 / 1000
请输入你的评论
0
0