作者按：下文中的“客户”泛指营销触达的对象。包含了B2C的“顾客”、“消费者”；互联网的“用户”；B2B广义的“公司”以及具体的“决策者”、“使用者”。

  最近一直在和朋友们探讨一个话题：人人都知道做品牌很重要也很有用，但为何又要被短期的“投入产出无法量化、品效无法合一”这个魔咒牢牢困住？

  比如品牌投入A/B testing，小步试错，一直在优化…但貌似依然卡在怎么样来判断“有效性”这样的一个问题上。

  “到底是直播带货还是电梯广告更有效？关键词搜索和信息流广告哪个那个能带来持续的购买？…”

  无论B2C还是B2B，营销都是与人而不是机器打交道，而任何一个人都是理智与情感的综合体。

  品牌更是兼具客户心理认知与情感认同。就算短期有回报，也很难判断对品牌资产是利好还是损伤。

  根据Aberdeen research的报告，按照每个用户画像提供精准内容和购买体验的B2B企业，MQL的转化率比未使用用户画像的营销者高出73% (20% vs. 12%)。

  也就是说，既然死磕传播渠道不管用，那么不如换个角度，重新把目光回到客户身上。

  通过深入细致的把客户分类，精准了解需求，针对性的提供产品、服务及内容。当颗粒度越细，了解越深入，营销的效率越高。

  看到这，你可能会嘀咕，这个思路一点都不新鲜，几十年前就有。确实是，只不过在大数据时代，“精准”成了关键词，通过技术方法将客户样本扩大再扩大。

  就好比掘宝游戏（非常不喜欢用打仗的过程来形容市场营销，毕竟我们客户不是敌人），如果我们对宝藏位置的勘测能力可以精准到厘米，并能预估宝藏种类、数量、年代、保存状况甚至估值等，那么筹得资金、成功开采并获取回报的机率就会高很多。

  现代营销也一样，若能够精准定位客户并进一步探索需求，从战略上排好优先级，战术上更细致周到，那么投入产出比自然会高。

  我把这样的一个过程称之为“精准定义客户”，今天我们就来谈谈这个线 传统营销时代的客户细分

  在传统消费品营销年代，Customer segmentation客户细分就很重要的概念，20世纪50年代就有了。

  市场营销中经典的4P理论在这之后产生（60年代），从产品、渠道、价格、推广等方面实现用户细分的需求。

  消费品巨头（比如宝洁）因此研发出针对不一样客户群的产品线（categories)，尝试多品牌策略（海飞丝、潘婷的用户群并不同），一时间成为众多企业仰慕和学习的榜样。

  那个年代的细分维度主要是外在的，比如地理位置、性别、年龄等。客户分类的依据也是市场调查与研究、焦点访谈（focus group)、现场走访等。

  到了营销4.0年代，客户越来越追求个性化，社会化媒体、公开信息等对于购买的影响慢慢的变大。大数据技术让基于用户消费、行为的数据分析成了可能。

  这时候用在交互设计上的名词「用户画像」（customer persona）成了网络在线营销中客户细分的一种流行方式，并逐步在B2C和B2B领域推广使用。

  下图这个女孩吴贝并不真实存在，但是这些标签帮企业更加形象化了解和模拟消费者的各种行为与习惯。

  ：包括用户实际的购买、收藏、网站停滞时间等。也包括兴趣类数据，比如品类和风格偏好、浏览以及互动风格等。了解用户习惯，解决我们该在何时推送与互动的问题。

  ：购买频率、平均客单价、促销购买率等。了解客户要什么，怎样的产品、产品价格、促销活动是他们喜欢的。

  ：分享与介绍，一度、二度好友数量等。了解同样的产品、内容还能推送给谁的问题。

  比如一个初创的护肤品公司，用户画像可能有：外企白领Vivian、演艺圈小鲜肉小轩轩、全职宝妈思思妈妈、大学生小伍…

  说到这，也许有人会想到数据隐私问题。画像是通过技术方法提炼与分析数据，并不会涉及具体个人隐私信息，推广方式也不是一对一。（很多公司说的“千人前面”实际上也是“一千个用户画像”，而不是每个客户都有不同的推广方式）。

  B2B业务的主要目标是公司（一个组织），最终也是B2B2C。但是与B2C不同之处在于决策者并不全是使用者。

  先来说说以公司为单位的客户分类（customer profile）和决策者角色为画像的（customer persona)。比如下面的例子：

  ，比如行业、总部所在城市、规模、员工数、业务现状、现有设备/软件状况评估等。这些分类都是标签，可以管理、组合、继续拆分。在一个企业内部，决策者和使用者通常不同。彼此的专业领域、知识结构、购买需求、决策因素等也不同。

  比如某零售公司W，为越来越好把商场的人流变成自家店的忠实用户，想采购一套会员管理SaaS软件。那么提出需求和未来使用的是零售一线团队，但参与决策的也许有采购总监、首席财务官、CIO甚至CEO，而这些人正常情况下不会具体操作使用。

  比如下面的这个首席财务官画像，除了一些数据的总结，还会有痛点分析、购买的内因、对经营销售的方式的接受度等。

  比如，这家会员系统公司若是传递的信息仅仅是「能快速对接IT中台，未来可扩展性强」，那么除了IT部门，另外的角色可能都不明白。

  零售团队的人会问“你到底在说啥？我们只想能够记录会员信息，在收银的时候就能看到客户平时的喜好，知道会员积分，现场能兑换..CEO也许想的是“瑞幸做的那种挺好，我们也要差不多的就好..”

  比如针对中型企业的CEO或者业务总监，更关注IT对于业务的价值。经营销售的方式以分享白皮书、不超过10个人的闭门会议为营销手段，目标是找到业务或IT咨询的机会。

  而对于广大的IT经理，则是通过在技术类媒体上的广告、在CSDN等社群上的栏目来吸引注意，目标是为服务器、软件找到销售就会。

  上面简单说了下客户画像以及对应的经营销售的策略。但是还有一个维度，就是客户与企业的关系亲疏也需要做细分。

  比如对于B2C行业，以会员体系为例，金卡的会员忠诚度高，复购与口碑传播的能力强，普通会员也许就是想省点钱…

  对于B2B行业也一样，曾经购买过的客户和竞争对手已经拿下的客户的经营销售的策略并不同，offering（产品或解决方案）也不同，简单示意如下图：

  也就是说从客户关系这个维度上来看，B2C行业和B2B行业的分层营销都是希望

  持续培养客户忠诚，提升重复购买的频率，并且通过现有客户的口碑吸引更多新客户。

  营销技术的加快速度进行发展，现在无论是CDP、DMP都只能分析与管理有限的数据，而行为数据、消费数据等时时在变。

  。比如一位“会虫“拿着别人的名片参加了某B2B市场活动，那么他的虚假信息就进入了客户数据库，这种数据还很难清洗出来。

  因此，除了纯数据的分析之外，同样还需要电话、微信、面谈等沟通。也一定要通过传统的调研、客户拜访进一步探索购买动力、决策因素等。

  比如分析中判断华东中小型零售业潜力最大，那么未来优先的营销投入中，华东区、零售、中小型等标签需要先成为选择。

  框定了基本的客户特征之后，从用户的决策角度再细分。假如行业里企业采购部门和IT部门决策占比高，那么针对性的做采购以及IT部门的画像。分别按照他们专业领域的语言撰写内容、根据决策偏好做市场投入。

  B2C行业相对来说简单一些，选定了用户画像，设想消费场景以及用户体验过程，通过精准的媒体触点以及“正合我意”的内容，高效转化。

  由于篇幅有限，上面提到的都是蜻蜓点水，没有根据公司和客户的详细情况做深入分析，也没太多引入数字营销中技术部分的内容。