本次介绍电商实现门店接待式推荐的关键事项及趋势。优秀店员之所以能提供卓越服务，在于针对每位顾客提供合适方案，即接待本身就是个性化。
O2O、大数据、全渠道、营销自动化及人工智能等营销趋势，归根结底是实现个性化的不同方法。实现如导购般的“最佳推荐”，本质即是理解消费者并将商品进行个性化匹配。
实现“最佳推荐”的营销
利用技术实现“最佳推荐”营销，大致可分为三类：
- 面向全体的营销
- 面向个体的营销
- 面向中间层级的集群或类别营销
面向全体营销中创意比重更大；而面向个体或集群营销则是技术大显身手的领域。无论是大数据还是全渠道（Omni-channel），目标均在于增加深入理解用户的输入点，因为用户信息越多，高精度个性化越易实现。
需注意，用户信息的重要性差异巨大，购买历史与浏览历史在价值上存在显著差距。据全渠道先驱沃尔玛数据：基于购买历史增加10个受众数据进行个性化准确率为90%，而仅用非购买历史的1000个数据准确率仅为70%。
此外，电商网站中的商品搜索查询词极为重要。作为“正在寻找特定条件商品”的直接反馈，其时效性甚至胜过购买历史，是理解用户画像的关键信息。
营销自动化是向用户输出的策略，全渠道则承担多触点同步输出作用。鉴于高价商品难以一次性完成从接触到转化的完全个性化定制，“持续影响用户”的客户旅程（Customer Journey）和归因分析（Attribution）变得尤为重要。
最大化投资回报率（ROI）的营销中，分类至关重要
收集信息并按重要性利用以提升消费心态，这一系列流程的理想状态本是针对每个用户进行个性化。但营销讲究回报，即便预测完美，也不应投入超过毛利的成本。沃尔玛案例表明，利用购买历史不仅准确率高，计算成本也较低。
为此需要引入“分类”。与其为百万用户单独建档，不如先分类再按类别个性化，这在某些情况下能显著提高ROI。对于食品、生活用品等个人偏好差异较小的商品，效果尤为显著。
关键在于，虽然个性化是技术应用场景，但“分类”才是技术真正展现实力的核心。将用户和商品分类并探讨关联方式，是IT营销大趋势的根本。目前电商尚未充分进行此类元数据化和分类，这与市场规模较小有关。
随着全渠道扩展和营销自动化普及，除提升个性化精度外，重视通过大数据方法提高投资回报率将愈发重要。