您有多了解您的客户？

这个问题看似简单，毕竟使用您产品的是您的客户。然而，许多品牌并不真正了解自己的买家。如何制定与时俱进的个性化方案？

年龄、位置和购买历史等数据存在于任何数据库中，但与真正的个性化不同，这些数据无法让人理解屏幕背后的人真正感兴趣和需要什么。

个性化在电子商务领域引发了革命，使在线商店焕然一新。自其出现以来，用户对零售商的要求变得更高，期望获得更高质量的服务。

核心逻辑很简单：品牌收集客户数据，根据不同参数对受众进行细分，并为每个细分群体在不同沟通渠道中创建个性化内容。然而，许多公司至今仍坚持传统的人口统计学（Demographic）营销，即仅根据性别和年龄提供建议。这在2018年或许有效，但在当下，缺乏深度的品牌建设举步维艰。

本文将解释为什么人口统计学营销已经过时，以及如何制定与时俱进的个性化方案。

人口统计学营销的局限

人口统计学营销是电子商务迈向个性化的第一个逻辑步骤。如今，当企业能够找到替代按年龄和性别对待客户的方法时，是时候客观审视这一传统方法了。

让我们从基础开始：

传统上，品牌会创建几个“人物画像”（Personas），以便根据年龄、性别、收入、地理位置等人口统计数据对受众进行细分。这样的人物画像可能如下所示：

• 姓名：瓦西里
• 年龄：21-29岁
• 收入：每月3万至4万卢布
• 性别：男性

为每个细分群体创建不同的电子邮件看似合理。例如，抗衰老化妆品更受中年女性欢迎，而年轻男性的需求则有所不同。然而，在电子商务中过度依赖人口统计数据，零售商看待客户就像透过磨砂玻璃：能看到轮廓，但细节模糊不清。

更进一步：心理统计细分

为了更深入地理解消费者，需要用基于购买动机的数据来补充个性化策略。因为人们访问您网站的原因，远比他们的性别和出生年份重要。

据咨询公司Gartner的数据，到2020年，实施个性化策略的品牌利润将比未实施该策略的公司高出15%。

此外，人口统计画像存在显著缺点：它们需要持续更新，并为营销人员带来大量工作。随着业务增长不断出现新的细分市场，都需要为其创建用户画像和“个性化”内容。

相比之下，心理细分能够评估更深层次的决策原因，从而使这些决策更具长期性。与人口统计画像不同，其数量被限制在一个合理的范围内，这有助于营销人员高效开展工作。

做更少的事，获得更好的结果

激励型角色大多已实现自动化，所需的时间和精力分析远少于其他类型，但个性化内容的效果远高于基于人口统计特征的内容。

许多人口统计特征的角色往往具有相似的动机。因此，当将焦点从人口统计转向动机时，您能够覆盖更大的受众群体，但所需角色数量更少。尽管如此，您的内容将更好地满足客户需求。

以两个角色为例进行分析：

角色：斯捷潘

• 兼职摄影师
• 年龄：31-45岁
• 收入：每月3-4.5万卢布
• 喜欢Netflix
• 在亚马逊上购买书籍

角色：亚历山大

• 公交车司机
• 年龄：25-31岁
• 收入：每月3万至4.5万卢布
• 居住在郊区
• 通过Twitter获取新闻
• 倾向于在线购买有声书

如果将斯捷潘和亚历山大视为人口统计特征的人物画像，首先需要考虑的是年龄和居住地，他们会被归入需要不同内容的人群。然而，考虑到这些人物的动机，可以根据以下特征将他们合并为一组：

• 提前分配有限的预算
• 首先看重购买的便利性
• 使用现代技术

为了更好地理解买家及其动机，您可以使用行为定向：收集用户在您平台上的行为数据。这样，您的动机人物画像将最大限度地接近真实客户。如今，合理使用行为定向和心理细分是电子商务个性化的巅峰。

深入挖掘：实施行为个性化推荐的三种方法

• 计划行为理论

实施个性化最简单的方法是利用客户的行为意图。也就是说，观察行为模式并利用这些数据来构建商品推荐。在这种情况下，推荐通常基于用户的浏览和购买历史，以及与其相似的其他买家的行为。

例如，Zarina网店在分类页面根据用户兴趣和浏览历史提供个性化推荐。

• 实时推荐

这或许是最有效的个性化方式。推荐系统的算法会根据用户的实时行为，自动确定其兴趣偏好。此外，该技术不仅可以在网站上使用，还可以用于电子邮件营销。

例如，新用户可能会收到商店最热门商品的推荐，但一旦他对特定商品或类别表现出兴趣，邮件就会根据其兴趣自动调整。

• 搜索栏智能推荐

另一种简单而有效的方法是利用搜索栏中的推荐功能。这不仅仅是搜索建议，而是根据用户的搜索历史、已浏览商品以及所表现出的兴趣动态生成的商品推荐。

Noon这家在线商店采用了这种方案，在用户搜索过程中即时提供可能感兴趣的商品推荐。

总结

人口统计营销至今仍在使用，但与动机个性化相比，它已彻底过时。如果您是电子商务领域的新手，不妨从它开始。

然而，为了最大限度地贴近客户并理解他们，动机个性化是必要的。77%的用户选择该品牌是因为其提供个性化推荐，消费者也愿意为其产品支付显著更高的价格。

作者：斯韦特兰娜·佐洛塔尔，Retail Rocket数字营销负责人