編輯導讀：在營銷推廣中，傳播渠道或許不是最重要的，通過用戶畫像對用戶實現精準營銷才是制勝的關鍵所在。本文作者從營銷客戶劃分的發展歷程出發，對B2C和B2B行業的用戶細分進行了比較分析，並梳理總結了精準定義用戶過程中存在的問題，與大家分享。

作者按：下文中的「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，那麼不如換個角度，重新把目光回到客戶身上。

通過深入細緻的把客戶分類，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。

就好比掘寶遊戲（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，並且可以預估寶藏種類、數量、年代、保存狀況甚至估值等，那麼籌得資金、成功開採並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並深入了解需求，從戰略上排好優先順序，戰術上更細緻周到，那麼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。

01 傳統營銷時代的客戶細分

在傳統消費品營銷年代，Customer segmentation客戶細分就是非常重要的概念，20世紀50年代就有了。

「細分」起源於客戶需求的差異化。強調在企業資源有限的情況下，集中資源獲取競爭優勢。

市場營銷中經典的4P理論在這之後產生（60年代），從產品、渠道、價格、推廣等方面滿足客戶細分的需求。

消費品巨頭（比如寶潔）因此研發出針對不同客戶群的產品線（categories)，嘗試多品牌策略（海飛絲、潘婷的用戶群並不同），一時間成為眾多企業仰慕和學習的榜樣。

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4.0年代，客戶越來越追求個性化，社交媒體、公開信息等對於購買的影響越來越大。大數據技術讓基於用戶消費、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）成了網路營銷中客戶細分的一種流行方式，並逐步在B2C和B2B領域推廣使用。

02 B2C行業的消費者畫像

客戶畫像一般來說會根據數據模型虛構一個典型人物形象。

下圖這個女孩吳貝並不真實存在，但是這些標籤幫助企業更加形象化了解和模擬消費者的各種行為與習慣。

通常一個消費者畫像要根據這些數據分析與提煉出來：

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，解決我們該在什麼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。了解客戶需要什麼，怎樣的產品、產品價格、促銷活動是他們喜歡的。
4. 關係數據：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，並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不同之處在於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：

首先會按照公司來細分，比如行業、總部所在城市、規模、員工人數、業務現狀、現有設備/軟體狀況評估等。這些分類都是標籤，可以管理、組合、繼續拆分。

在一個公司內部，決策者和使用者通常不同。彼此的專業領域、知識結構、購買需求、決策因素等也不同。

比如某零售公司W，為了更好把商場的人流變成自家店的忠實用戶，想採購一套會員管理SaaS軟體。那麼提出需求和未來使用的是零售一線團隊，但參與決策的也許有採購總監、財務總監、CIO甚至CEO，而這些人一般不會具體操作使用。

因此要根據不同的決策角色做畫像。比如下面的這個財務總監畫像，除了一些數據的總結，還會有痛點分析、購買的內因、對營銷方式的接受度等。

說到這，大家就會明白僅僅憑一套話術打動所有決策者，太難了。

比如，這家會員系統公司如果傳遞的信息僅僅是「能夠快速對接IT中台，未來可擴展性強」，那麼除了IT部門，其他角色可能都不明白。

零售團隊的人會問「你到底在說啥？我們只想能夠記錄會員信息，在收銀的時候就能看到客戶平時的喜好，知道會員積分，現場能兌換..CEO也許想的是「瑞幸做的那種挺好，我們也要差不多的就好..」

早年IBM的市場部就有針對不同的決策角色的營銷策略。

比如針對中型企業的CEO或者業務總監，更關注IT對於業務的價值。營銷方式以分享白皮書、不超過10個人的閉門會議為營銷手段，目標是找到業務或IT諮詢的機會。

而對於廣大的IT經理，則是通過在技術類媒體上的廣告、在CSDN等社群上的欄目來吸引注意，目標是為伺服器、軟體找到銷售就會。

04 B2C和B2B的客戶關係細分

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係親疏也需要做細分。

比如對於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。

對於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並不同，offering（產品或解決方案）也不同，簡單示意如下圖：

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

05 客戶畫像的局限性

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，數據並不一定真實。

比如一位「會蟲「拿著別人的名片參加了某B2B市場活動，那麼他的虛假信息就進入了客戶資料庫，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。

06 精準定義客戶是戰略選擇

定義了客戶，也分析了對於不同的客戶用什麼樣的營銷手段。但是在有限的資金資源以及時間壓力下，戰略選擇就變得格外重要。

對於B2B行業來說，比較常用的方法是先根據客戶profile的選擇。

比如分析中判斷華東中小型零售業潛力最大，那麼未來優先的營銷投入中，華東區、零售、中小型等標籤需要先成為選擇。

框定了基本的客戶特徵之後，從用戶的決策角度再細分。假如行業里企業採購部門和IT部門決策佔比高，那麼針對性的做採購以及IT部門的畫像。分別按照他們專業領域的語言撰寫內容、根據決策偏好做市場投入。

B2C行業相對來說簡單一些，選定了用戶畫像，設想消費場景以及用戶體驗過程，通過精準的媒體觸點以及「正合我意」的內容，高效轉化。

07 總結

用戶定義是非常複雜的體系，既涉及營銷學，又與心理學等緊密相關。

由於篇幅有限，上面提到的都是蜻蜓點水，沒有根據企業和客戶的具體情況做深入分析，也沒有太多引入數字營銷中技術部分的內容。

僅僅拋磚引玉，提醒要在營銷內容和形式上更精細。不要幻想「一招通殺」，不要不要盲目跟風試探，更不要在戰術上勤奮、戰略上偷懶…

最後，營銷的核心永遠是客戶。無論是憑經驗還是藉助技術，對客戶洞察的越深入，投入產出才會越高。

道理很簡單，做到很不易。未來，我們一道探索同行。