消费分级精准营销技术框架与应用

时间:2022-04-26 11:26:50

消费分级精准营销技术框架与应用

消费分级背景特征

目前,我国城市进行着社会、经济和文化教育等各个领域的转型,城市的主导功能已开始从生产型城市向生活型城市转变,教育消费、居住环境等多层次文化生活需求增大,城市消费呈现出从简单消费到复合性消费、从使用价值到符号价值、从经济活动到社会文化活动的多样化特征的转变(李玲和许学强,2001);从空间维度角度看,我国东部沿海中小城市地区的消费实力总体要高于中西部地区,东部沿海地区消费实力排名提升较快,部分中西部地区存在消费崛起情况,如桂林、柳州、吉林等地,但部分中西部城市排名明显下降,如克拉玛依、乌鲁木齐等地(黄王丽和李帅,2015)。消费分级,指的是由于消费群体地域、文化、年龄及收入的不同,从高消费的奢侈品到日常生活用品,涉及社会生活的衣、食、住、行等方方面面,是针对不同客户群体的品牌产品。消费分级不仅体现在消费水平方面,其更体现在消费规模、消费环境、消费结构及消费行为方面。具体而言:第一,消费分级具有地域区域差异。地域区域差异包括地势差异、南北差异及城乡差异等。如在全国各地火爆的共享单车,其不适用依山而建、号称“山城”之称的重庆;在南方常见的代步交通工具电动车,难以适应东北的冰天雪地;在农村拥有庞大市场的拖拉机、收割机等农用机械设备,在城市没有用武之地。以地域差异的城乡差异为例,2013—2018年我国城镇居民及农村居民人均消费支出都呈现逐年上升趋势,但城镇居民人均消费支出增长率要低于农村居民人均消费支出增长率,且二者均呈现逐年下降趋势。同时,消费分级的城乡差异不仅体现在消费规模和消费水平方面,其还体现在消费环境、消费行为及消费结构方面。第二,消费分级具有社会阶层及收入差异。社会阶层与收入差异主要体现在收入、学历及阶层群体等方面。高学历群体和低学历群体、高收入群体和低收入群体的差异包括但不限于:思维方式、审美方式、收入购买能力、认知能力、偏好喜好、阶层群体等。以消费分级的学历差异为例,2002-2017年期间我国大专及以上人口占比不断上升,但2017年这一群体占比仅为13.87%,具体如图1所示。从社会阶层及收入差异的角度来看,高收入群体眼中的低档次商品,可能就是中产阶级群体所追求的奢侈象征,更可能是低收入群体未曾听说过的产品或服务。第三,消费分级具有人群年龄结构及代际差异。我国每个年龄层都形成了极具个性化消费特征的群体,每一代消费者都有自己的爱好或者消费圈。比如,在年轻消费群体中兴起的“盲盒”,其单价59元,单价虽低,但想要集齐某一系列“盲盒”,其需要有很高的消费数量和消费频率,因此集齐“盲盒”可以为这些年轻消费群体带来满足感。“盲盒”的兴起不仅体现了年龄结构和代际差异,同时也体现了社会阶层和群体差异。第四,“互联网+”时代的电子商务改变了人们的消费方式及消费行为,其促进了消费分级的发展。“互联网+”背景下消费者的消费行为逐渐表现出渠道数字化和网络社交化的新特征,其消费行为呈现出消费个性化及支付移动化特征,购买行为也呈现出品质化与体验化特征。一方面,互联网+”时代下的新型消费理念逐步由价格导向向品质和消费体验导向转变,这极大地促进了消费分级的发展;另一方面,“互联网+”时代下的大数据技术更清晰地展现了消费分级,其使得消费分级更容易被商家发现和获取。

消费分级背景下精准营销技术框架及应用

不同地域区域、不同社会阶层、不同收入、不同年龄结构及不同群体下的消费市场具有不同的消费环境、消费结构、消费行为、消费规模及消费水平。三四五线城镇市场及农村消费市场不等于“穷”,被调侃坐拥3亿“穷人”市场的拼多多,弥补了电子商务的市场空白点,其获得了迅速崛起,市值直逼京东。营销学的经典理论包括4P理论(product、price、promotion、place),4C理论(customer、cost、communication、convenience),4R理论(relationship、retrenchment、relevancy、rewards)和4I理论(interesting、interests、interaction、individuality)。精准营销作为一种新型的营销模式,由美国学者Lester Wunderman在1999年首次提出;2005年,Philip Kotler系统性地提出了精准营销的概念。结合传统的营销学理论和精准营销的概念,针对零售市场消费分级的大环境,精准营销技术框架与应用研究主要包括四方面,即客户数据平台(Customer Data Platform)、客户互动管理平台(Customer Engagement Management)、营销自动化平台(Marketing Automation Platform)、数据分析中心(Data Analytics Center)。(一)客户数据平台。客户数据平台是在大数据技术的基础上,建立全渠道客户数据来源,基于全自动化处理技术,实现数据标签化、数据行为预测及数据人群细分,并支持外部输入及内部输出接口,不断进行数据收集、汇总、整理、处理及储存的数据平台。客户数据平台根据大数据中人群的地域差异、社会阶层及收入差异、年龄结构及代际差异、消费性格及购买行为等特征,通过对大数据的不断处理、加工挖掘,实现人群细分、人群识别及人群管理等行为。1.全渠道客户数据来源。建立全渠道客户数据来源,是实现大数据信息共享的必然要求。全渠道客户数据来源是灵活可扩展的,其支持各种主流媒介的客户数据来源,包括电子商务平台数据、线下实体交易数据、各种App数据、小程序数据及人工识别输入数据等。据艾瑞咨询最新的2019年9月App月度独立设备数显示,前十的分别是微信、QQ、支付宝、手机淘宝、新浪微博、爱奇艺、搜狗输入法、腾讯视频、高德地图和百度。2.数据全自动处理。由于每个客户在不同渠道、不同APP上的数据规模、数据信息,甚至身份信息都存在着差异,因此数据全自动处理结合身份信息自动识别技术和全自动汇总合并技术,把所有电子商务平台数据、线下实体交易数据、各种APP数据、小程序数据进行汇总与整合,从而实现了全渠道客户数据的全自动化处理。3.数据标签化管理。基于数据全自动处理的后续工作,数据标签化管理包括人群的地域位置、社会阶层标签、收入标签、年龄结构及代际标签、消费性格标签及购买行为标签等,其提供手工批量处理类似数据行为标签、自动化生成多层次标签两种行为。4.数据行为预测。基于数据标签化管理,汇总和分析不同生命周期客户数据标签、不同地域位置标签、不同客户群体标签,分析大数据中客户的地域位置趋势、收入趋势、年龄及代际群体特征、消费群体特征及购买行为趋势,来对客户的行为及未来趋势进行预测。5.数据人群细分。在数据标签化管理及数据行为预测基础上有效地进行人群细分,是精准营销的基础工作之一。人群细分需具灵活性,对不同地区、不同收入、不同年龄、不同行业、不同的消费行为及不同群体等标签可以任意组合筛选。以年龄层次人群细分为例,我国65岁以上人口数占比最高,为11.39%;15—19岁人口数占比最低,为5.17%。不同年龄层次的人群消费行为、消费心理、消费偏好及购物需求也是不一样的。年龄人群细分可以根据某消费者的年龄,来预测出该消费者的消费行为、消费心理、消费偏好及购物需求。如在年轻群体中兴起的“盲盒”,不适合营销于65岁以上的老人。另外,以家庭周期阶段为例,单身群体整体积蓄较少,其消费观较为超前,消费欲望强烈,月光、入不敷出较为常见的,这一群体偏向于社区群体性消费;年轻家庭群体普遍拥有积蓄,其消费主要集中在婴幼儿方面,如奶粉、尿不湿、早教班等;中年群体积蓄稳定增长,其消费主要集中在子女教育和家庭医疗等方面;老年群体积蓄较为稳定,消费较低,其消费主要集中在医疗方面,同时经济能力强的会为子女添置房产。(二)客户互动管理平台。客户互动管理平台是基于客户数据平台的全渠道客户数据来源、全自动处理、数据标签化管理、数据行为预测及数据人群细分,其运用人群导向、多触点沟通及定时执行等技术,与全渠道目标客户进行及时、精准、全渠道营销的沟通。1.定向广告Re—targeting。企业可通过客户数据平台中人群细分下客户群体的识别,精准圈选目标客户群体,对接该客户群体接触的主流媒介,从而通过精准的广告投放,提升广告投放的有效性及转化率。2.App消息推送。App消息推送是最为基础的沟通渠道。企业可结合App的客户使用情况,通过动态内容、消息管理推送、定时定点推送,对已有客户进行精准广告消息推送。3.支付宝生活号。根据艾瑞咨询最新的《2019Q2中国第三方移动支付交易规模市场份额》,支付宝在第三方移动支付交易规模市场份额中稳居第一,达到54.20%。利用支付宝移动支付的消费者市场,可通过生活号授权、生活号消息编辑与发送、卡券推送与管理等形式,进行精准营销的沟通与服务。4.微信公众号及微信小程序。根据艾瑞咨询最新数据显示,微信在2019年9月App月度总使用次数占比稳居第一,占据总使用次数的25.90%。2019年8月微信小程序综合指数TOP10依次为同程艺龙、小年糕+、拼多多、美团外卖、携程、大众点评等。与支付宝生活号类似,企业可通过微信公众号及微信小程序中的个性化菜单、图文消息推送、个性化服务、卡券推送与管理等形式,进行与客户群体的互动及沟通。5.短信、邮件、电话等多媒介营销。短信、邮件、电话媒介营销方式较为传统,短信营销具有稳定及速度的优势,邮件营销有内容丰富、完整的优势,电话营销最为直接,该模式通过语言的力量实现对客户精准营销。(三)营销自动化平台。营销自动化平台被赋予了强大的客户互动能力,其能够与营销客户群间实现及时性、多样性及个性化的互动和沟通。营销自动化平台包括五方面:第一,全场景营销,支持主动式营销、触发式营销、纪念日营销及周期性营销等多种自动化营销方式,可支持所有营销场景;第二,全渠道控制,包括客户行为编辑器及建议、实时监控与管理,支持时刻修改和控制;第三,A\B测试,对全场景及全渠道中的各个因素(目标人群、营销内容、营销时间、沟通方式和渠道)进行测试验证,寻找出最优方案;第四,强大的引擎及扩展能力,其支持千亿级客户群体常年之稳定运行;第五,全方位评估,每一次与目标群体的精准营销,可通过定性分析和定量分析获得执行效果统计,随时进行实时监控及全方位评估。(四)数据分析中心。数据分析中心能够通过行为角度、客户角度、交易角度、活动效果、营销转化等多维度分析消费者需求,其为企业提供了强大灵活的自定义分析功能,从而能够满足其日常运营及精准营销需求。数据分析中心的功能主要有:第一,客户及行为分析,即对人数、次数及变化趋势等客户特征及客户行为分析,可支持精准营销做出有效的判断,如“近期下单量最多的客户群体及客户行为”;第二,时间分布分析,可直观了解和掌握客户群在不同时间上的数据行为特征;第三,订单分析,可以有效分析客户交易行为的特征,如订单分析、退单分析及重复采购分析;第四,“漏斗”分析,主要用来衡量客户转化及客户流失情况,从而优化精准营销过程的设计,如“淘宝首页的广告入口点击率及下单率多少,下单率占点击率的比重是多少”;第五,路径及转化间隔分析,用以研究和了解客户群体消费行为发生次序,并对潜在关联性行为进行相关分析,如“客户的下单行为前后有哪些关联行为”、“微信公众号粉丝完成关注注册后,多长时间会下单”等。

参考文献

1.甄峰,王波,陈映雪等.基于网络社会空间的中国城市网络特征——以新浪微博为例[J].地理学报,2012(8)

2.倪鹏飞,刘高军,宋漩涛,等.中国城市竞争力聚类分析[J].中国工业经济,2003(7)

3.汪明峰,孙莹.全球化与中国时尚消费城市的兴起[J].地理研究,2013(12)

4.黄王丽,李帅.消费时代背景下的中国城市分级研究——基于11个中小城市的实证分析[J].区域经济评论,2015(2)

5.邓光宏,翁佳妮.基于社交网络的精准营销模式研究[J].中国市场,2014(26)

6.黄晓颖.社群经济、电子商务与新型营销模式的关联融合[J].商业经济研究,2019(7)

作者:李小青 单位:广州工商学院经济贸易系