王曦

【摘 要】新零售是以消費(fèi)者體驗(yàn)為中心、數(shù)據(jù)驅(qū)動(dòng)的泛零售形態(tài)。在新零售環(huán)境下，重構(gòu)“人-貨-場(chǎng)”場(chǎng)景時(shí)消費(fèi)者是重點(diǎn)關(guān)注的因素。新零售環(huán)境下用戶畫像的構(gòu)建是圍繞消費(fèi)者的基本屬性、消費(fèi)行為和基于時(shí)間空間特征3個(gè)維度，為新零售平臺(tái)提供精準(zhǔn)營(yíng)銷，如推送內(nèi)容的個(gè)性化和推送時(shí)間的個(gè)性化具有重要意義。文章以“校區(qū)樂購(gòu)”新零售平臺(tái)為對(duì)象，從消費(fèi)者基本特征、消費(fèi)行為和時(shí)間空間特征3個(gè)維度構(gòu)建用戶畫像，并開展畫像標(biāo)簽分析。結(jié)果表明，構(gòu)建的用戶畫像能反映出新零售環(huán)境下的消費(fèi)者基本屬性、行為、購(gòu)物周期等特征，并對(duì)“校區(qū)樂購(gòu)”新零售生活服務(wù)平臺(tái)具有一定應(yīng)用價(jià)值。

【關(guān)鍵詞】用戶畫像;新零售;標(biāo)簽

【中圖分類號(hào)】F713.32 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1674-0688（2021）01-0228-03

0 引言

新零售是隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展而產(chǎn)生的一種超越電子商務(wù)、移動(dòng)商務(wù)、地產(chǎn)零售的全新業(yè)態(tài)，是以消費(fèi)者體驗(yàn)為中心、數(shù)據(jù)驅(qū)動(dòng)的泛零售形態(tài)，包含新零售、新電商、本地O2O、泛娛樂、新媒體、新金融、新物流、新制造等范疇[1]。新零售最大的特點(diǎn)是線上線下融合、多場(chǎng)景多維度、技術(shù)和數(shù)據(jù)賦能、線上和線下相互導(dǎo)流和彼此疊加，帶來全新的場(chǎng)景模式。面對(duì)新零售用戶數(shù)量的激增和信息的巨量增長(zhǎng)，如何更好地在新零售時(shí)代為用戶提供個(gè)性化的服務(wù)，使用戶獲得最佳用戶體驗(yàn)，是一個(gè)急需解決的問題。

1 用戶畫像

用戶畫像是用來勾畫用戶的背景、特征、性格、行為場(chǎng)景等內(nèi)容，旨在從海量用戶行為數(shù)據(jù)中“煉銀挖金”，通過數(shù)據(jù)分析后獲取的用戶基本屬性、購(gòu)買能力、行為特征、社交網(wǎng)絡(luò)、心理特征和興趣愛好等方面的標(biāo)簽?zāi)Ｐ?，貼近地抽象出一個(gè)或一類用戶的信息全貌，從而幫助互聯(lián)網(wǎng)企業(yè)解決將數(shù)據(jù)轉(zhuǎn)化為商業(yè)價(jià)值的問題[2]。

可從消費(fèi)者的基本屬性、消費(fèi)行為和基于時(shí)間空間特征3個(gè)維度設(shè)計(jì)一套具體、可操作的用戶畫像構(gòu)建流程，包括數(shù)據(jù)采集、處理與建模、用戶畫像生成3個(gè)階段，從而為用戶畫像在新零售平臺(tái)的應(yīng)用提供支撐。本文以“校區(qū)樂購(gòu)”新零售平臺(tái)為對(duì)象，從消費(fèi)者基本特征、消費(fèi)行為和時(shí)間空間特征3個(gè)維度構(gòu)建用戶畫像，并開展畫像標(biāo)簽分析。結(jié)果表明，構(gòu)建的用戶畫像能反映出新零售環(huán)境下消費(fèi)者的基本屬性、行為、購(gòu)物周期等特征，并對(duì)“校區(qū)樂購(gòu)”新零售生活服務(wù)平臺(tái)具有一定應(yīng)用價(jià)值。

2 基于新零售環(huán)境下用戶畫像構(gòu)建

2.1 用戶畫像構(gòu)建框架

新零售的“新”主要體現(xiàn)在新業(yè)態(tài)、新人群、新品牌、新技術(shù)[3]。我們主要關(guān)注新零售環(huán)境下新人群的用戶畫像的構(gòu)建。消費(fèi)者在O2O平臺(tái)上的購(gòu)買過程大概包括商品搜尋、商品比較、下單、體驗(yàn)和分享4個(gè)階段。企業(yè)對(duì)消費(fèi)者的用戶資料和購(gòu)物過程的數(shù)據(jù)進(jìn)行跟蹤與積累后，構(gòu)建用戶畫像。用戶畫像有助于企業(yè)了解用戶深層次的需求和對(duì)用戶的喜好進(jìn)行推薦，在整個(gè)購(gòu)買過程中與消費(fèi)者互動(dòng)，幫助企業(yè)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。

在新零售“人-貨-場(chǎng)”的環(huán)境下，構(gòu)建的用戶畫像框架如圖1所示。

2.2 用戶畫像構(gòu)建流程

第一步：數(shù)據(jù)采集。在新零售環(huán)境下，時(shí)時(shí)刻刻都在產(chǎn)生大量的消費(fèi)者數(shù)據(jù)，例如交易數(shù)據(jù)、用戶屬性和行為數(shù)據(jù)、網(wǎng)絡(luò)日志數(shù)據(jù)等，且數(shù)據(jù)的存儲(chǔ)形式多是結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。

第二步：數(shù)據(jù)處理和建模。海量的數(shù)據(jù)要經(jīng)過抽取、轉(zhuǎn)換、“清洗”后才能夠成為可用的數(shù)據(jù)，成為用戶畫像模型的輸入數(shù)據(jù)。應(yīng)用數(shù)據(jù)挖掘、聚類算法、自然語言處理、機(jī)器學(xué)習(xí)、特征工程等技術(shù)構(gòu)建用戶多維度模型，分析挖掘用戶特征。

第三步：用戶畫像生成。通過數(shù)據(jù)處理和建模后的結(jié)果，畫像生成標(biāo)簽。生成的畫像維度為基于基本屬性的用戶畫像、基于消費(fèi)行為特征的用戶畫像、基于社交特征的用戶畫像，這3個(gè)維度的畫像將應(yīng)用于新零售具體場(chǎng)景，做好精準(zhǔn)營(yíng)銷、個(gè)性化推薦和個(gè)性化搜索等。

3 基于“校區(qū)樂購(gòu)”新零售平臺(tái)的用戶畫像構(gòu)建案例

3.1 研究目的

“校區(qū)樂購(gòu)”是一個(gè)多校區(qū)定位的B2C多用戶新零售電商生活服務(wù)平臺(tái)，有線下門店和線上網(wǎng)店。網(wǎng)店可以支持電腦平臺(tái)、手機(jī)移動(dòng)端、微信小程序訪問，有眾多創(chuàng)新功能。本研究以“校區(qū)樂購(gòu)”新零售平臺(tái)的用戶為研究對(duì)象，圍繞用戶畫像模型的基本屬性特征、消費(fèi)者行為特征和基于時(shí)間空間特征3個(gè)維度，通過基于新零售環(huán)境下的用戶畫像構(gòu)建流程探究并輸出用戶畫像。

3.2 數(shù)據(jù)收集

本研究從用戶的基本屬性、消費(fèi)行為特征和基于時(shí)間空間特征3個(gè)維度開展數(shù)據(jù)收集。

3.2.1 用戶基本屬性的數(shù)據(jù)收集

通過平臺(tái)用戶注冊(cè)提交的信息，具體包括性別、年齡、星座、血型、職業(yè)、收入等。在“校區(qū)樂購(gòu)”的會(huì)員列表中我們選取了12 192個(gè)記錄作為數(shù)據(jù)收集樣本。其中，男性會(huì)員有6 498人，占53.3%;女性會(huì)員有5 694人，占46.7%。按年齡段來分，18～30歲有12 024人，占98.6%;31～50歲有155人，占1.3%;50歲以上有12人，占0.1%。

3.2.2 用戶消費(fèi)行為特征數(shù)據(jù)收集

本研究收集了“校區(qū)樂購(gòu)”平臺(tái)上的數(shù)據(jù)日志，得到有關(guān)消費(fèi)者的訂單列表37 650條記錄。通過這些記錄，為提取購(gòu)買行為、瀏覽行為、評(píng)論行為、收藏行為、取消收藏行為、加入購(gòu)物車行為、搜索行為做準(zhǔn)備。通過用戶消費(fèi)行為特征分析，可以幫助商家和消費(fèi)者建立強(qiáng)關(guān)系。消費(fèi)者和商家的關(guān)系大致有隨機(jī)關(guān)系、強(qiáng)關(guān)系和弱關(guān)系3種。隨機(jī)關(guān)系指消費(fèi)者隨便進(jìn)店逛一下只看不買，或者是有過一次購(gòu)買后再也沒來，無法獲取顧客聯(lián)系方式。弱關(guān)系指消費(fèi)者會(huì)因?yàn)閮r(jià)格因素選擇其他品牌，雖然商家獲取了消費(fèi)者的聯(lián)系方式，但與消費(fèi)者的關(guān)系較弱。強(qiáng)關(guān)系指的是消費(fèi)者對(duì)商家的品牌很忠誠(chéng)，復(fù)購(gòu)率高，樂于分享購(gòu)物體驗(yàn)和給出評(píng)論，并能帶來潛在新客戶。新零售以消費(fèi)者為中心，必須對(duì)每個(gè)消費(fèi)者進(jìn)行精準(zhǔn)營(yíng)銷，大量獲取隨機(jī)關(guān)系消費(fèi)者，用心轉(zhuǎn)化成為強(qiáng)關(guān)系客戶，還可以通過線上線下會(huì)員等級(jí)、積分、消費(fèi)和服務(wù)，進(jìn)行標(biāo)簽化，實(shí)現(xiàn)個(gè)性化推送。

3.2.3 基于時(shí)間和空間特征數(shù)據(jù)收集

新零售時(shí)代，吸引消費(fèi)者從線上走進(jìn)線下實(shí)體店，必須對(duì)消費(fèi)者的需求、消費(fèi)習(xí)慣和偏好有一定認(rèn)知，這樣才能有針對(duì)性地提供對(duì)其有吸引力的產(chǎn)品、服務(wù)和場(chǎng)景，因此基于時(shí)間和空間特征數(shù)據(jù)信息尤為重要。本研究收集了“校區(qū)樂購(gòu)”平臺(tái)上的包含時(shí)間和空間特征的數(shù)據(jù)37 650條記錄，通過消費(fèi)者交易時(shí)間和交易地點(diǎn)的信息，可以對(duì)該消費(fèi)者的未來購(gòu)買行為等內(nèi)容進(jìn)行推測(cè)。

3.3 用戶畫像標(biāo)簽

3.3.1 基于用戶基本屬性維度下的用戶畫像標(biāo)簽

“校區(qū)樂購(gòu)”平臺(tái)上用戶的基本屬性標(biāo)簽有性別、年齡等。本研究選取性別作為消費(fèi)者基本特征的評(píng)價(jià)依據(jù)。利用SPSS22.0軟件環(huán)境下進(jìn)行數(shù)據(jù)分析（見表1），可以得到聚類1為金牌會(huì)員，聚類2銅牌會(huì)員，聚類3為普通會(huì)員。

3.3.2 基于用戶消費(fèi)行為特征維度下的用戶畫像標(biāo)簽

根據(jù)消費(fèi)者歷史訂單和瀏覽行為數(shù)據(jù)，基于用戶消費(fèi)行為特征維度下的用戶畫像標(biāo)簽?zāi)軌驅(qū)崿F(xiàn)推送內(nèi)容的個(gè)性化，實(shí)現(xiàn)千人千面。利用SPSS22.0軟件環(huán)境下進(jìn)行K-Means數(shù)據(jù)分析，對(duì)商品類別進(jìn)行用戶偏好聚類分析（見表2），得出基于用戶偏好的4類用戶：聚類1為偏好休閑零食客戶，聚類2為偏好冰品飲料客戶，聚類3為偏好方便速食客戶，聚類4為偏好日用百貨的客戶。

3.3.3 基于時(shí)間和空間特征維度下的用戶畫像標(biāo)簽

在合適的時(shí)間，通過最佳的運(yùn)營(yíng)渠道，給消費(fèi)者傳遞最感興趣的內(nèi)容?；谙M(fèi)的歷史瀏覽和購(gòu)買時(shí)間，推測(cè)出消費(fèi)者最容易被營(yíng)銷觸動(dòng)的時(shí)間和地點(diǎn)，在合適的時(shí)間和地點(diǎn)給用戶發(fā)送營(yíng)銷消息?；跁r(shí)間和空間特征維度下的用戶畫像標(biāo)簽幫助實(shí)現(xiàn)推送時(shí)間的個(gè)性化。將“校區(qū)樂購(gòu)”平臺(tái)上的數(shù)據(jù)進(jìn)行基于空間特征分析，生成的3種聚類（見表3）。其中，聚類1為重要保持客戶，聚類2為重要發(fā)展客戶，聚類3為低價(jià)值客戶。

RFM模型中有3個(gè)重要的消費(fèi)者行為指標(biāo)，其中R（Recency）指當(dāng)時(shí)用戶最近一次交易時(shí)間的間隔，F(xiàn)（Frequency）指用戶在最近一段時(shí)間內(nèi)交易的次數(shù)，M（Monetary）指客戶在最近一段時(shí)間內(nèi)交易的金額。將“校區(qū)樂購(gòu)”平臺(tái)收集的數(shù)據(jù)對(duì)消費(fèi)者進(jìn)行聚類，生成用戶畫像，從而對(duì)不同類別的消費(fèi)者采用不同的營(yíng)銷手段。

R、F、M評(píng)分都很高，說明該用戶最近消費(fèi)時(shí)間近，消費(fèi)頻次和消費(fèi)金額都很高，稱為重要價(jià)值客戶，客戶等級(jí)為A級(jí)。R很低，F(xiàn)、M很高，說明該用戶最近消費(fèi)時(shí)間較遠(yuǎn)，但消費(fèi)頻次和金額都很高，稱為重要保持客戶，客戶等級(jí)為B級(jí)。R、M低，F(xiàn)高，說明該用戶最近消費(fèi)時(shí)間較遠(yuǎn)，金額也不高，當(dāng)消費(fèi)頻次高，稱為一般價(jià)值客戶，客戶等級(jí)為C級(jí)。利用SPSS22.0軟件進(jìn)行數(shù)據(jù)分析，對(duì)用戶進(jìn)行用RFM分析和聚類分析（見表4）。

通過分析，聚類1為重要價(jià)值用戶，需要重視高價(jià)值用戶，可以通過提高服務(wù)滿意度來防止此類用戶流失。聚類2為重要保持用戶，這類用戶需要維護(hù)，分析其偏好，更精準(zhǔn)地推送商品。聚類3為一般價(jià)值用戶，一般價(jià)值用戶需要營(yíng)銷推廣方式，如通過發(fā)放優(yōu)惠券、短信互動(dòng)等折扣方式來提高購(gòu)買金額。

4 結(jié)語

在新零售領(lǐng)域下的用戶畫像因?yàn)槠脚_(tái)的不同，所以給出一個(gè)普遍適用的數(shù)據(jù)畫像模型并不容易。本文以“校區(qū)樂購(gòu)”新零售平臺(tái)數(shù)據(jù)為基礎(chǔ)來構(gòu)建用戶畫像，提出了基于用戶畫像的構(gòu)建方法和標(biāo)簽體系。本文的主要貢獻(xiàn)是結(jié)合新零售環(huán)境下用戶特點(diǎn)，將用戶畫像劃分為3個(gè)維度，即基于用戶基本屬性維度下的用戶畫像、基于用戶消費(fèi)行為特征維度下的用戶畫像和基于時(shí)間和空間特征維度下的用戶畫像，并以“校區(qū)樂購(gòu)”平臺(tái)上的數(shù)據(jù)為例，通過數(shù)據(jù)分析生成了3個(gè)維度的用戶畫像結(jié)果。本文所述研究?jī)?nèi)容還有需要完善的地方，如需要給出更多維度的用戶畫像模型，結(jié)合推薦算法還需要進(jìn)一步驗(yàn)證用戶畫像的適用性，這也是下一步的研究重點(diǎn)。

參 考 文 獻(xiàn)

[1]杜睿云，蔣侃.新零售：內(nèi)涵、發(fā)展動(dòng)因與關(guān)鍵問題[J].價(jià)格理論與實(shí)踐，2017（2）：139-141.

[2]趙樹梅，徐曉紅.“新零售”的含義、模式及發(fā)展路徑[J].中國(guó)流通經(jīng)濟(jì)，2017，31（5）：12-20.

[3]鄢章華，劉蕾.“新零售”的概念、研究框架與發(fā)展趨勢(shì)[J].中國(guó)流通經(jīng)濟(jì)，2017（10）：12-19.