新兴技术使得将细分和个性化模型从营销人物画像扩展到独特的、个体化的客户档案成为可能。
收集客户信息——并对其进行组织（即大数据）以及从中提取洞察（即机器学习）——使营销人员得以进化。
这种从买家画像到个人档案的演变能够为购物者提供卓越的个性化和更佳的体验，而零售商若能提供更个性化的购物体验，则可能销售更多产品。
营销人物画像
营销人物画像是您业务中最重要的客户细分群体的综合素描或代表形象。这些素描源于关于客户人口统计特征、行为和动机的信息。这些数据被收集、分析、汇总并组织成群体或队列。这些队列构成了买家人物画像的基础模块。
人物画像将购物者分组。尽管营销人员会以个人名字（如“Tom”）来称呼这些人物画像，但数据实际上是整个群体的综合体现。
例如，一家销售Carhartt、Walls、Dickies或Berne等品牌工装的工作服零售商，可能会拥有如下营销人物画像。
| 姓名： | Tom |
| 职业： | 建筑工长 |
| 收入： | 每年52,000美元 |
| 年龄： | 42 |
| 性别： | 男 |
| 关系： | 已婚，有子女 |
| 居住地： | 郊区房主 |
| 地区： | 太平洋西北地区 |
| 教育背景： | 高中学历，部分大学课程 |
| 目标： | 工作舒适、耐用性、在同龄群体中获得认可 |
“Tom”这一人物画像可以指导一些营销决策。
人物画像帮助我们理解客户和潜在客户群体，从而使我们能够：(a) 传递相关的营销信息；(b) 细分电子邮件列表；(c) 决定博客文章写什么内容。
事实上，人物画像如今仍是并将继续作为重要的营销工具，但它们并非客户理解的终点。
个性化
人物画像帮助营销人员理解或思考 shopper 群体。这种方法远比仅仅猜测 shoppers 想要什么要好得多。
不幸的是，猜测正是许多零售商的做法。
有了用户画像，营销人员就不必依赖轶事或某人的主观意见。相反，用户画像利用真实数据来洞察人群特征，这对营销和客户体验大有裨益。但这种方法往往还不够深入。
虽然“Tom”这一用户画像可能描述了该群体成员通常共有的特征——如职业或所在地——但它仍然忽略了群体内部的差异。用户画像几乎将客户群体刻板化了。
营销人员可能会认为，既然“Tom”用户画像中的人有一些共同点，他们就拥有所有共同点。但这并不一定成立。
因此，有必要超越将购物者分组的传统做法，转而以独特的方式针对个体进行营销。这一趋势有几个不同的名称，并存在多种细微差别。有人称之为“我商务”（me-commerce）、个性化、极致个性化或个体化。但其目标是一致的：将购物者视为独立的个体。
个人档案
从用户画像转向个人档案，始于在所有销售渠道和互动环节中收集更全面、甚至实时的客户信息，并将这些信息集中存储在一个单一数据库中，以便进行分析，从而得出关于具体个人的结论，而非关于某一人群的结论。
这将需要与客户进行更深入的互动，因为营销人员需要以承诺提升客户体验为交换，征求客户的个人信息。
所收集的信息与用于描述用户画像的要素类似。但营销人员不再将这些信息泛化以描述一个群体，而是将其存储于单个客户的档案中。
该档案可能包括：
- 客户的姓名、电子邮件地址和物理地址。
- 人口统计信息，如性别、年龄、婚姻状况等。
- 社交媒体身份，包括Facebook个人资料及类似平台信息。
- 行为数据——互动记录与交易信息。
- 基于评论和社交帖子的舆情推断。
- 所属群体或组织。
- 公开记录数据。
数据收集
现有技术能够收集和解读客户信息，但可能需要进行集成与开发。
例如，Amazon Web Services 和 Google Cloud Platform 等云服务提供了开发全面、个性化客户档案的工具，以便在零售渠道中直接向特定购物者进行营销。
此外，还有全面的软件解决方案能够实现客户个性化，开放客户档案并支持一对一营销。但这些解决方案仍处于新兴阶段，目前可能主要面向大型企业。
使用客户档案
客户档案可以实现全面、个性化的营销。
例如，想象一家拥有实体门店和电商网站的全渠道零售商。两位在线浏览了 Carhartt 棕色鸭绒工作夹克的购物者中，一位随后前往实体店购买了该夹克，而另一位没有购买。
该零售商可能希望通过站内商品展示和电子邮件向未购买的购物者重新推广 Carhartt 夹克；而对于已完成购买的购物者，零售商则可以通过互补产品（如裤子、衬衫或帽子）进行再营销。此时，零售商并非针对“Tom”这类虚拟人设进行营销，而是面向真实的个体。
同样地，如果那位尚未购买的购物者在 Facebook 上发帖提到参加了 Susan G. Komen “Race for the Cure” 跑步活动，零售商可能会发送一封电子邮件，表示愿意向该组织捐款。