消費分級精準營銷技術框架與應用

導語：消費分級精準營銷技術框架與應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

消費分級背景特征

目前，我國城市進行著社會、經濟和文化教育等各個領域的轉型，城市的主導功能已開始從生產型城市向生活型城市轉變，教育消費、居住環境等多層次文化生活需求增大，城市消費呈現出從簡單消費到復合性消費、從使用價值到符號價值、從經濟活動到社會文化活動的多樣化特征的轉變（李玲和許學強，2001）；從空間維度角度看，我國東部沿海中小城市地區的消費實力總體要高于中西部地區，東部沿海地區消費實力排名提升較快，部分中西部地區存在消費崛起情況，如桂林、柳州、吉林等地，但部分中西部城市排名明顯下降，如克拉瑪依、烏魯木齊等地（黃王麗和李帥，2015）。消費分級，指的是由于消費群體地域、文化、年齡及收入的不同，從高消費的奢侈品到日常生活用品，涉及社會生活的衣、食、住、行等方方面面，是針對不同客戶群體的品牌產品。消費分級不僅體現在消費水平方面，其更體現在消費規模、消費環境、消費結構及消費行為方面。具體而言：第一，消費分級具有地域區域差異。地域區域差異包括地勢差異、南北差異及城鄉差異等。如在全國各地火爆的共享單車，其不適用依山而建、號稱“山城”之稱的重慶；在南方常見的代步交通工具電動車，難以適應東北的冰天雪地；在農村擁有龐大市場的拖拉機、收割機等農用機械設備，在城市沒有用武之地。以地域差異的城鄉差異為例，2013—2018年我國城鎮居民及農村居民人均消費支出都呈現逐年上升趨勢，但城鎮居民人均消費支出增長率要低于農村居民人均消費支出增長率，且二者均呈現逐年下降趨勢。同時，消費分級的城鄉差異不僅體現在消費規模和消費水平方面，其還體現在消費環境、消費行為及消費結構方面。第二，消費分級具有社會階層及收入差異。社會階層與收入差異主要體現在收入、學歷及階層群體等方面。高學歷群體和低學歷群體、高收入群體和低收入群體的差異包括但不限于：思維方式、審美方式、收入購買能力、認知能力、偏好喜好、階層群體等。以消費分級的學歷差異為例，2002-2017年期間我國大專及以上人口占比不斷上升，但2017年這一群體占比僅為13.87%，具體如圖1所示。從社會階層及收入差異的角度來看，高收入群體眼中的低檔次商品，可能就是中產階級群體所追求的奢侈象征，更可能是低收入群體未曾聽說過的產品或服務。第三，消費分級具有人群年齡結構及代際差異。我國每個年齡層都形成了極具個性化消費特征的群體，每一代消費者都有自己的愛好或者消費圈。比如，在年輕消費群體中興起的“盲盒”，其單價59元，單價雖低，但想要集齊某一系列“盲盒”，其需要有很高的消費數量和消費頻率，因此集齊“盲盒”可以為這些年輕消費群體帶來滿足感。“盲盒”的興起不僅體現了年齡結構和代際差異，同時也體現了社會階層和群體差異。第四，“互聯網+”時代的電子商務改變了人們的消費方式及消費行為，其促進了消費分級的發展。“互聯網+”背景下消費者的消費行為逐漸表現出渠道數字化和網絡社交化的新特征，其消費行為呈現出消費個性化及支付移動化特征，購買行為也呈現出品質化與體驗化特征。一方面，互聯網+”時代下的新型消費理念逐步由價格導向向品質和消費體驗導向轉變，這極大地促進了消費分級的發展；另一方面，“互聯網+”時代下的大數據技術更清晰地展現了消費分級，其使得消費分級更容易被商家發現和獲取。

消費分級背景下精準營銷技術框架及應用

不同地域區域、不同社會階層、不同收入、不同年齡結構及不同群體下的消費市場具有不同的消費環境、消費結構、消費行為、消費規模及消費水平。三四五線城鎮市場及農村消費市場不等于“窮”，被調侃坐擁3億“窮人”市場的拼多多，彌補了電子商務的市場空白點，其獲得了迅速崛起，市值直逼京東。營銷學的經典理論包括4P理論（product、price、promotion、place），4C理論（customer、cost、communication、convenience），4R理論（relationship、retrenchment、relevancy、rewards）和4I理論（interesting、interests、interaction、individuality）。精準營銷作為一種新型的營銷模式，由美國學者Lester Wunderman在1999年首次提出；2005年，Philip Kotler系統性地提出了精準營銷的概念。結合傳統的營銷學理論和精準營銷的概念，針對零售市場消費分級的大環境，精準營銷技術框架與應用研究主要包括四方面，即客戶數據平臺（Customer Data Platform）、客戶互動管理平臺（Customer Engagement Management）、營銷自動化平臺（Marketing Automation Platform）、數據分析中心（Data Analytics Center）。（一）客戶數據平臺。客戶數據平臺是在大數據技術的基礎上，建立全渠道客戶數據來源，基于全自動化處理技術，實現數據標簽化、數據行為預測及數據人群細分，并支持外部輸入及內部輸出接口，不斷進行數據收集、匯總、整理、處理及儲存的數據平臺。客戶數據平臺根據大數據中人群的地域差異、社會階層及收入差異、年齡結構及代際差異、消費性格及購買行為等特征，通過對大數據的不斷處理、加工挖掘，實現人群細分、人群識別及人群管理等行為。1.全渠道客戶數據來源。建立全渠道客戶數據來源，是實現大數據信息共享的必然要求。全渠道客戶數據來源是靈活可擴展的，其支持各種主流媒介的客戶數據來源，包括電子商務平臺數據、線下實體交易數據、各種App數據、小程序數據及人工識別輸入數據等。據艾瑞咨詢最新的2019年9月App月度獨立設備數顯示，前十的分別是微信、QQ、支付寶、手機淘寶、新浪微博、愛奇藝、搜狗輸入法、騰訊視頻、高德地圖和百度。2.數據全自動處理。由于每個客戶在不同渠道、不同APP上的數據規模、數據信息，甚至身份信息都存在著差異，因此數據全自動處理結合身份信息自動識別技術和全自動匯總合并技術，把所有電子商務平臺數據、線下實體交易數據、各種APP數據、小程序數據進行匯總與整合，從而實現了全渠道客戶數據的全自動化處理。3.數據標簽化管理。基于數據全自動處理的后續工作，數據標簽化管理包括人群的地域位置、社會階層標簽、收入標簽、年齡結構及代際標簽、消費性格標簽及購買行為標簽等，其提供手工批量處理類似數據行為標簽、自動化生成多層次標簽兩種行為。4.數據行為預測。基于數據標簽化管理，匯總和分析不同生命周期客戶數據標簽、不同地域位置標簽、不同客戶群體標簽，分析大數據中客戶的地域位置趨勢、收入趨勢、年齡及代際群體特征、消費群體特征及購買行為趨勢，來對客戶的行為及未來趨勢進行預測。5.數據人群細分。在數據標簽化管理及數據行為預測基礎上有效地進行人群細分，是精準營銷的基礎工作之一。人群細分需具靈活性，對不同地區、不同收入、不同年齡、不同行業、不同的消費行為及不同群體等標簽可以任意組合篩選。以年齡層次人群細分為例，我國65歲以上人口數占比最高，為11.39%；15—19歲人口數占比最低，為5.17%。不同年齡層次的人群消費行為、消費心理、消費偏好及購物需求也是不一樣的。年齡人群細分可以根據某消費者的年齡，來預測出該消費者的消費行為、消費心理、消費偏好及購物需求。如在年輕群體中興起的“盲盒”，不適合營銷于65歲以上的老人。另外，以家庭周期階段為例，單身群體整體積蓄較少，其消費觀較為超前，消費欲望強烈，月光、入不敷出較為常見的，這一群體偏向于社區群體性消費；年輕家庭群體普遍擁有積蓄，其消費主要集中在嬰幼兒方面，如奶粉、尿不濕、早教班等；中年群體積蓄穩定增長，其消費主要集中在子女教育和家庭醫療等方面；老年群體積蓄較為穩定，消費較低，其消費主要集中在醫療方面，同時經濟能力強的會為子女添置房產。（二）客戶互動管理平臺。客戶互動管理平臺是基于客戶數據平臺的全渠道客戶數據來源、全自動處理、數據標簽化管理、數據行為預測及數據人群細分，其運用人群導向、多觸點溝通及定時執行等技術，與全渠道目標客戶進行及時、精準、全渠道營銷的溝通。1.定向廣告Re—targeting。企業可通過客戶數據平臺中人群細分下客戶群體的識別，精準圈選目標客戶群體，對接該客戶群體接觸的主流媒介，從而通過精準的廣告投放，提升廣告投放的有效性及轉化率。2.App消息推送。App消息推送是最為基礎的溝通渠道。企業可結合App的客戶使用情況，通過動態內容、消息管理推送、定時定點推送，對已有客戶進行精準廣告消息推送。3.支付寶生活號。根據艾瑞咨詢最新的《2019Q2中國第三方移動支付交易規模市場份額》，支付寶在第三方移動支付交易規模市場份額中穩居第一，達到54.20%。利用支付寶移動支付的消費者市場，可通過生活號授權、生活號消息編輯與發送、卡券推送與管理等形式，進行精準營銷的溝通與服務。4.微信公眾號及微信小程序。根據艾瑞咨詢最新數據顯示，微信在2019年9月App月度總使用次數占比穩居第一，占據總使用次數的25.90%。2019年8月微信小程序綜合指數TOP10依次為同程藝龍、小年糕+、拼多多、美團外賣、攜程、大眾點評等。與支付寶生活號類似，企業可通過微信公眾號及微信小程序中的個性化菜單、圖文消息推送、個性化服務、卡券推送與管理等形式，進行與客戶群體的互動及溝通。5.短信、郵件、電話等多媒介營銷。短信、郵件、電話媒介營銷方式較為傳統，短信營銷具有穩定及速度的優勢，郵件營銷有內容豐富、完整的優勢，電話營銷最為直接，該模式通過語言的力量實現對客戶精準營銷。（三）營銷自動化平臺。營銷自動化平臺被賦予了強大的客戶互動能力，其能夠與營銷客戶群間實現及時性、多樣性及個性化的互動和溝通。營銷自動化平臺包括五方面：第一，全場景營銷，支持主動式營銷、觸發式營銷、紀念日營銷及周期性營銷等多種自動化營銷方式，可支持所有營銷場景；第二，全渠道控制，包括客戶行為編輯器及建議、實時監控與管理，支持時刻修改和控制；第三，A\B測試，對全場景及全渠道中的各個因素（目標人群、營銷內容、營銷時間、溝通方式和渠道）進行測試驗證，尋找出最優方案；第四，強大的引擎及擴展能力，其支持千億級客戶群體常年之穩定運行；第五，全方位評估，每一次與目標群體的精準營銷，可通過定性分析和定量分析獲得執行效果統計，隨時進行實時監控及全方位評估。（四）數據分析中心。數據分析中心能夠通過行為角度、客戶角度、交易角度、活動效果、營銷轉化等多維度分析消費者需求，其為企業提供了強大靈活的自定義分析功能，從而能夠滿足其日常運營及精準營銷需求。數據分析中心的功能主要有：第一，客戶及行為分析，即對人數、次數及變化趨勢等客戶特征及客戶行為分析，可支持精準營銷做出有效的判斷，如“近期下單量最多的客戶群體及客戶行為”；第二，時間分布分析，可直觀了解和掌握客戶群在不同時間上的數據行為特征；第三，訂單分析，可以有效分析客戶交易行為的特征，如訂單分析、退單分析及重復采購分析；第四，“漏斗”分析，主要用來衡量客戶轉化及客戶流失情況，從而優化精準營銷過程的設計，如“淘寶首頁的廣告入口點擊率及下單率多少，下單率占點擊率的比重是多少”；第五，路徑及轉化間隔分析，用以研究和了解客戶群體消費行為發生次序，并對潛在關聯性行為進行相關分析，如“客戶的下單行為前后有哪些關聯行為”、“微信公眾號粉絲完成關注注冊后，多長時間會下單”等。

參考文獻

1.甄峰，王波，陳映雪等.基于網絡社會空間的中國城市網絡特征——以新浪微博為例［J］.地理學報，2012（8）

2.倪鵬飛，劉高軍，宋漩濤，等.中國城市競爭力聚類分析［J］.中國工業經濟，2003（7）

3.汪明峰，孫瑩.全球化與中國時尚消費城市的興起［J］.地理研究，2013（12）

4.黃王麗，李帥.消費時代背景下的中國城市分級研究——基于11個中小城市的實證分析[J].區域經濟評論，2015（2）

5.鄧光宏，翁佳妮.基于社交網絡的精準營銷模式研究[J].中國市場，2014（26）

6.黃曉穎.社群經濟、電子商務與新型營銷模式的關聯融合[J].商業經濟研究，2019（7）

作者:李小青 單位:廣州工商學院經濟貿易系