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？

都快2021年了，难道没有办法解决这个问题？

比如品牌投入A/B testing，小步试错，不断优化…但貌似依然卡在如何判断“有效性”这个问题上。

“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，而每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。

这好像成了一道无解题，困扰着我们每个市场营销人。

正好看到一组来自国外的调研数据，让我眼前一亮：

根据Aberdeen research的报告，根据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，通过技术手段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，并且可以预估宝藏种类、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，如果能够精准定位客户并深入了解需求，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。

我把这个过程称之为“精准定义客户”，今天我们就来谈谈这个话题。

01 传统营销时代的客户细分

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

“细分”起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。

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、推广等方面满足客户细分的需求。

消费品巨头（比如宝洁）因此研发出针对不同客户群的产品线（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研、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，社交媒体、公开信息等对于购买的影响越来越大。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。

02 B2C行业的消费者画像

客户画像一般来说会根据数据模型虚构一个典型人物形象。

并不真实存在，但是这些标签帮助企业更加形象化了解和模拟消费者的各种行为与习惯。

通常一个消费者画像要根据这些数据分析与提炼出来：

基础数据：姓名、性别、年龄段等，识别我们的客户是谁？

行为数据：包括用户实际的购买、收藏、网站停留时间等。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，解决我们该在什么时候推送与互动的问题。

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，怎样的产品、产品价格、促销活动是他们喜欢的。

关系数据：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…

有了画像，可以根据数据做场景模拟，优化产品既服务。营销也因此更具象化，准确率比大众营销一定更高。

说到这，也许有人会想到数据隐私问题。画像是通过技术手段提炼与分析数据，并不会涉及具体个人信息，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）。

03 B2B行业的客户档案以及用户画像

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不一定是使用者。

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：

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。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。

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。

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。