3.2　顧客大數據的內容

消費者大數據是零售業大數據的重點。作為一種新的發展技術，大數據的特點主要體現在數據量大、速度快、數據類型多、價值密度低、真實性五個方面，其中數據量大是指所獲取、存儲和處理的數據數量和規模十分龐大；速度快是指對數據搜集、處理時效性很高，能夠在最短的時間內完成相應的處理任務；數據類型多是指獲取和最終輸出的數據的類型十分豐富，既包括結構化的數據，也包括半結構化和非結構化數據，從而滿足各種數據處理的需要；價值密度低是指雖然數據的數量龐大、種類龐雜，但其中只有部分數據擁有積極的價值，會給人們的活動帶來好處，但要想真正發揮出這些價值，還需要通過有效的方式加以處理；真實性是指最終出具的數據分析結果的質量是真實有效的，這主要是基于大數據分析算法的嚴謹性和科學性而言（辛志斌，2019）。對新零售而言，需要重點關注的消費者大數據包括消費者管道數據、消費者搜索數據、消費者到店頻率數據和消費者購買數據等。對于零售業來說，更重要的是從這些數據中挖掘其潛在的巨大價值。這些消費者大數據具體內容如下。

1. 消費者管道數據

消費者管道數據是指消費者注冊的相關數據信息，即消費者基礎數據。零售企業一旦掌握了消費者基礎數據，就能夠將自己的營銷信息第一時間傳達至消費者的手機中。消費者管道數據除了個人基本特征數據之外，還可能包括消費者行為特征數據，如消費者活躍特征，是否為新增消費者，客戶價值，產品偏好等。同時，企業還可以探尋消費者是如何找到這一平臺進行注冊的，該平臺吸引顧客注冊的特質是什么，從而有利于該平臺吸引新的用戶。

2. 消費者搜索數據

企業通過消費者的搜索數據，能判斷消費者的購買意向，從而做出精準的推薦。在線上，企業可以很容易做到對消費者的搜索數據進行統計和分析。在線下，企業可以通過分析消費者在商場內的走動路線和某品牌店鋪的位置駐留時間來判斷他的品牌傾向。例如，消費者如果長期駐留在某個商品大類（例如化妝品區域）前，這也是一種消費者搜索的反映。消費者在商場中某品牌店鋪的駐留時長對企業后期的精準營銷有極大的幫助。消費者的搜索有時更多體現為一種潛在需求，有時需要特定的場景才能轉換為實際的購買行動，這就需要商家對消費者的潛在需求進行挖掘和培育，或者利用各種方式營造可能促成消費者購買此類產品的場景。

3. 消費者到店頻率數據

不同的產品都會有一個消費的頻次和需求的問題，一定是更高頻，更剛需的產品客戶的活躍度和復購率更好；比如某些行業，像婚紗攝影、裝修、家具家電，人們更換的頻次非常低，同時這樣的產品客戶的活躍度和復購率在這個層面上肯定是不高的。但是，不管是消費者購買頻次高的行業還是購買頻次低的行業，企業都需要掌握消費者的購買頻次，才能更好地做出決策。消費者多久才來一次？什么時候來？逗留多久？企業如果通過前期數據采集獲取了消費者的到店頻率數據，該數據將為促銷信息的發送時間提供可靠依據。有效分析每位顧客的到店頻率并根據規律定時投放促銷信息，會顯著提升消費者的到店體驗。

4. 消費者購買數據

消費者最終購買了什么商品？他的購買偏好是什么？這部分數據特別有價值——已經購買過你產品的客戶不僅知道某一品牌，還很有可能購買該品牌的另一款產品，尤其是當他們對首次購物體驗感到滿意的情況下。企業可以收集關于購買數量、平均訂單價值、產品類別和購買時間的數據，以更好地了解客戶生命周期。企業通過采集、分析消費者購買數據，可以進行精準營銷：一方面通過精準的促銷吸引消費者到店消費，另一方面可以通過電子商務方式實現線上的消費者二次購物消費。同時，可以將消費者不同時間購買的消費數據進行比較，分析消費者購買的趨勢，進而制定出更加符合消費者的個性化營銷方案。

當然，以上數據只是顧客大數據中的一部分，對于顧客大數據的應用也不僅僅局限于上述的舉例。例如，顧客本身的信息也會為企業的營銷所利用，例如顧客生日當天為顧客提供更大的折扣優惠，這可能會讓顧客與產品或平臺之間產生更為緊密的情感紐帶。運用跟蹤工具的加持，企業可以測量消費者的地理數據，分辨出顧客在哪個大陸、國家、地區，甚至可以精準到哪棟大廈。通過地理位置的細分，企業可以向受眾推送適合當地氣候的服裝。此外，還可以訪問設備數據，以便更好地了解受眾是如何找到該產品并進行互動的。此外，不同群體分析消費者數據的側重點也會有所不同，對于零售商來說，數據挖掘主要是指客流分析、用戶畫像分析、消費路徑分析以及消費品關聯度分析。此外，企業還可以利用大數據實現“預判發貨”。對于正在網購的顧客，在其還未下單時，亞馬遜就將包裹寄出。預判發貨的核心還是基于對大數據的挖掘和分析，其本質就是通過預測，把發貨這個過程“外包”給“算法”，讓“算法”自動發貨，實現智能化。根據數據分析結果，亞馬遜如果判斷某位顧客對一件新商品有購買意愿，就會直接將商品寄給他，或者將該商品發送到離他最近的倉庫，這樣顧客一旦下單，收貨時間就將以小時而不是以天計算。除了亞馬遜，成功運用顧客大數據提升自己業績的公司還有很多，Zuji是一家國際旅游網站，它根據游客以往的互動行為（如搜索行為、訪問次數）為他們推送個性化的廣告，以增加轉換的可能性，而且他們的個性化推送服務只針對最密切相關的用戶。他們的目標是根據一個人過去在網站上的行為，將其細分成不同的市場，通過投資這種方法，他們的投資回報率提高了100倍。國際流媒體和內容創作公司Netflix的成功，也部分得益于其先進的商業分析能力。它通過一項名為CineMatch的服務向用戶推薦媒體，該服務利用客戶行為、購買模式和反饋，將用戶鏈接到他們可能喜歡的內容集群。Netflix希望成為一個“適應個人品味”的網站，利用其龐大的數據庫和預測算法，為客戶提供令人愉快的個性化流媒體體驗。