我来分享家居新零售如何应用大数据营销快速转型。

是否个性化，实际上是要预测每个个体消费者需要购买什么产品，或者是洞察消费市场的集体需求，然后制定相应的营销策略。这是两种截然不同的数据分析和应用方法。其本质的区别，在于我们看待市场的角度：是把市场看作是具有不同消费需求的群体（细分市场）呢，还是把市场看作是一个个完全具备不同个性化需求的个体？

不同的市场观，导致不同的数据观如何营销创新，也导致不同的数据应用。

下面我们来看一个有关大数据分析的目标和实现方法的描述：首先是数据分析的终极目标，是对消费者进行个性化的标签，实现千人千面的展示、推荐和服务。但作者也承认，目前还只能做到千人一面。而作者所推荐的实现方法，有以下几个步骤：

1）采集数据，包括线上和线下的数据；

2）建立标签。即给消费者打上各种标签。此举又称用户画像；

3）人群建模，也就是根据营销任务的需要，找到目标消费者人群；

4）重构人。即针对人群去匹配各类标签组合，为每个人建立非常清晰的画像，也即我们的人的全息画像！

以上1-3步分别描述了数据收集、分析和应用的内容。这是标准的依据市场细分理论所做出的小数据时代的分析方法。最后一个步骤才是关键，它实际上是一个给每个消费者贴上各个细分市场标签的过程。

说到这里，有必要介绍一下我们提出的“动态市场细分”的理论，这有助于我们理解最后一个步骤。

上世纪70年代市场细分理论提出后，给了我们一个正确看待市场的角度，即不是把市场看作是一个整体，而是要看到不同的需求。我们可以根据这些不同的需求来把市场细分为不同的部分，使得每个部分市场的消费者都有相同或相似的需求。然后针对细分的部分市场采取有效的营销手段。

理论很好，也很有效。但是在实践中却遇到一个问题：根据什么来细分市场呢？这个问题，在科特勒的营销管理书中也没有答案。

一般欧美公司的做法，是把能够有的数据变量都拿来做市场细分，然后找到相对而言有意义的细分市场结果，给数据库中的每个消费者都分配到某个细分市场，然后在以后的营销中，则针对不同细分市场的需求特点，有选择地进行目标细分市场的选择，然后再实行促销宣传。

比如说，我们对公司数据库里的用户进行了市场细分。我们要做一个营销活动，需要针对那些比较倾向促销活动购买的消费者。于是我们就在现有的细分市场中找到具有促销倾向较多比例的那个细分市场，来进行这次促销活动。

自从有了市场细分理论以来，似乎大家都是这么做的。

问题是：这样做有问题吗？当然有！而且问题还大了去了！

如果要了解这样做的问题在哪里，我们不妨问这样一个问题：我们为什么不直接根据消费者的促销倾向重新进行市场细分呢？

根据原来的市场细分结果，可能促销倾向最高的细分市场中，具有促销倾向的消费者也只占到50%。如果选择原有的市场细分结果来做促销活动，可能50%是浪费的。试想如果我们重新根据消费者的促销倾向来进行简单的市场细分，把消费者分成“具有促销倾向”与“缺乏促销倾向”两个细分市场，然后针对“具有促销倾向”的细分市场进行促销活动，那促销的有效性一定会大幅度地提高。

这就是我们提出“动态市场细分”思想的核心：市场细分不是一成不变的，而是要根据营销目标来动态地细分市场，从而极大地增强营销活动的有效性。

这个“动态市场细分”的理论，是一次我们在与某高校一帮子博士生导师以及他们的博士生一起讨论“一对一营销”时提出来的。那时他们正在研究“一对一营销”，认为“一对一营销”很前沿，很酷。我们就用“动态市场细分”的理论说明：所谓“一对一营销”，其实质并不是把每个消费者看作是不同的个体，而是依旧把消费者看作是具有相同需求的细分市场来处理。

也就是说，一些人企图推翻市场细分理论，而以“一对一营销”来取而代之。我们的“动态市场细分”理论却告诉他们：他们所谓的“一对一营销”，其本质还是市场细分，并且还是需要用到市场细分的理论和方法来实现。

比如说，如果促销某个产品，我们可以把消费者细分成“喜欢该产品的”和“不喜欢该产品的”两个细分市场，然后再针对“喜欢该产品的”细分市场进行促销活动。表面上看，这是“一对一营销”，而实际上这依旧是市场细分理论和方法的应用的结果。

前面所描述的第4步所谓“重构人”，应该就是应用“动态市场细分”的结果。所谓的“即针对人群去匹配各类标签组合，为每个人建立非常清晰的画像，也即我们的人的全息画像”，实际上就是进行N个市场细分（比如说针对N个产品如何营销创新，细分出“喜欢的”和“不喜欢的”），然后针对每个产品给每个消费者贴上“喜欢”或者“不喜欢”的标签。这可能就是所谓“千人千面”的用户画像。

即使是要实现个性化营销，实现“一对一”的产品或服务推荐，其基础其实还是市场细分的理论和方法。所以，我们建议新零售中的数据分析，不要把精力放在个性化营销的“预测”上，而是更多地通过数据分析，洞察消费者的需求，特别是消费者未被满足的需求，来进行产品和服务的创新。