编辑导读：在营销推广中，传播渠道可能不是最重要的。成功的关键是通过用户画像实现对用户的精准营销。笔者基于营销客户细分的发展，对B2C和B2B行业客户细分进行对比分析，总结出准确界定客户过程中存在的问题，与大家分享。
作者：下面的“客户”一般是指营销所达到的目标。包括B2C的“客户”和“消费者”；互联网的“用户”;广义的B2B“公司”和具体的“决策者”和“用户”。
最近一直在和朋友讨论一个话题：大家都知道做品牌很重要，很有用，但为什么要被“投入产出无法量化，产品与效果无法结合”的短期魔咒所困？
快2021年了。难道没有办法解决这个问题吗？
比如A/B测试的品牌投入、小试错、持续优化……但似乎还是卡在了如何判断“有效性”的问题上。
“到底是直播投递还是电梯广告更有效？关键词搜索和信息流广告哪个能导致持续购买？…"
无论B2C还是B2B，营销都是在和人而不是机器打交道，每个人都是理智和情感的结合体。
品牌既有顾客的心理认知，也有情感认同。即使有短期回报，也很难判断对品牌资产是好是坏。
这似乎是一个没有解决的问题，困扰着每一个营销人员。
刚看到国外的一组研究数据就让我眼前一亮：
根据Aberdeen research的报告，对于基于用户画像提供精准内容和购买体验的B2B企业，MQL的转化率比不使用用户画像的营销人员高73% (20%比12%)。
也就是说，既然死磕沟通渠道不行，不如换个角度回头看看客户。
通过深入细致的客户分类，准确了解需求，提供有针对性的产品、服务和内容。粒度越细，理解越深，营销效率越高。
看到这里，你可能会嘀咕，这个想法一点都不新鲜，几十年前就有了。没错，没错，但是大数据时代，“精准”成为关键词，客户样本扩大，再通过技术手段扩大。
就像挖宝游戏一样(我不喜欢用打架的过程来形容营销，毕竟我们的客户不是敌人)，如果我们勘察宝藏位置的能力能够精确到厘米，能够估算出宝藏的种类、数量、年代、保存状况甚至估值，那么筹集资金、成功挖掘并获得回报的几率就会高很多。
现代营销也是如此。如果能准确定位客户，深入了解客户需求，在战略上分清轻重缓急，在战术上更加细致周到，那么投入产出比自然会更高。
我把这个过程叫做“准确定义客户”，今天我们就来聊聊这个话题。
01传统营销时代的客户细分在传统消费品营销时代，客户细分是一个非常重要的概念，从20世纪50年代就有了。
“细分”源于客户需求的差异化。强调在企业资源有限的情况下，集中资源获取竞争优势。
营销学中经典的4P理论就是在这之后(20世纪60年代)产生的，从产品、渠道、价格、促销等方面满足了客户的细分需求。
因此，消费品巨头(如宝洁；Gamble)为不同的客户群开发了产品线，并尝试了多品牌战略(Head & amp肩膀和潘婷的客户群体不同)，成为很多企业敬佩和借鉴的榜样。
那个时代的细分维度主要是外在的，比如地理位置、性别、年龄等。对客户的分类也是基于市场调研、焦点小组、现场访问等。
到了营销4.0，客户越来越追求个性化、社交媒体、公共信息等。对购买的影响越来越大。大数据技术使基于用户消费和行为的数据分析成为可能。
此时，交互设计中使用的“客户人物角色”一词已经成为网络营销中流行的客户细分方式，并逐渐在B2C和B2B领域推广使用。
2 B2C行业的消费者画像一般来说，会根据数据模型编造一个典型的人物形象。
下图中的女孩，吴蓓，其实并不存在，但是这些标签帮助企业更直观地理解和模拟消费者的各种行为和习惯。
通常，消费者画像会根据这些数据进行分析和提炼：
基本数据：姓名、性别、年龄等。来确定谁是我们的客户？行为：包括用户实际购买、收藏、网站停留时间等。它还包括兴趣数据，如类别和风格偏好、浏览和交互风格。了解用户习惯，解决什么时候应该推送和交互的问题。交易数据：购买频率、平均客单价、促销购买率等。了解客户需要什么，喜欢什么产品，产品价格和促销活动。关系：分享介绍，第一第二好友数量等。知道向谁推销同样的产品和内容。比如一家初创的护肤公司，用户画像可能包括外企白领薇薇安、全职宝宝妈妈小轩轩、大学生小武……
有了画像，就可以根据数据做场景模拟，优化产品和服务。所以营销更具体，准确率肯定比大众营销高。
说到这里，也许有人会想到数据隐私。画像是通过技术手段提炼分析数据，不涉及具体的个人信息，推广方式也不是一对一的。(很多公司说的“千人面前”其实是“千人用户画像”，而不是每个客户都有不同的推广方式)。
3B2B行业客户概况和用户画像B2B业务的主要对象是公司(一个组织)，最后是B2B2C。但与B2C不同的是，决策者不一定是用户。
让我们谈谈基于公司的客户概况和决策者角色的描述(客户角色)。比如下面这个例子。
：
首先会按照公司来细分，比如行业、总部所在城市、规模、员工人数、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。
在一个公司内部，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，为了更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、财务总监、CIO甚至CEO，而这些人一般不会具体操作使用。
因此要根据不同的决策角色做画像。比如下面的这个财务总监画像，除了一些数据的总结，还会有痛点分析、购买的内因、对营销方式的接受度等。
说到这，大家就会明白仅仅凭一套话术打动所有决策者，太难了。
比如，这家会员系统公司如果传递的信息仅仅是「能够快速对接IT中台，未来可扩展性强」，那么除了IT部门，其他角色可能都不明白。
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..”
早年IBM的市场部就有针对不同的决策角色的营销策略。
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。营销方式以分享白皮书、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。
04 B2C和B2B的客户关系细分
上面简单说了下客户画像以及对应的营销策略。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…
如果能够针对客户的层级做费用预算、精准的营销方式效果更好。
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营销策略并不同，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。
05 客户画像的局限性
营销技术的快速发展，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。因此，客户画像与细分需要不断的更新。
另外，数据并不一定真实。
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。也需要通过传统的调研、客户拜访深入了解购买动力、决策因素等。
利用数据，但不要100%依赖数据。
06 精准定义客户是战略选择
定义了客户，也分析了对于不同的客户用什么样的营销手段。但是在有限的资金资源以及时间压力下，战略选择就变得格外重要。
对于B2B行业来说，比较常用的方法是先根据客户profile的选择。
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。
07 总结
用户定义是非常复杂的体系，既涉及营销学，又与心理学等紧密相关。
由于篇幅有限，上面提到的都是蜻蜓点水，没有根据企业和客户的具体情况做深入分析，也没有太多引入数字营销中技术部分的内容。
仅仅抛砖引玉，提醒要在营销内容和形式上更精细。不要幻想“一招通杀”，不要不要盲目跟风试探，更不要在战术上勤奋、战略上偷懒…
最后，营销的核心永远是客户。无论是凭经验还是借助技术，对客户洞察的越深入，投入产出才会越高。
道理很简单，做到很不易。未来，我们一道探索同行。
