一方消費者資料對企業到底有什麼用？

所謂一方消費者資料(後面也可能簡稱為一方資料)，是企業自己獲取到，並能夠被企業自己有擁有的消費者的資料。在我們有網際網路有數字化之前，第一方資料就已經是企業的關鍵性資料。比如，在企業的客戶關係管理體系中，以訂單資料、交易資料為主的資料。

01、第一個用處，理解消費者

我用了理解，而沒有用洞察這個詞，因為對消費者的洞察常常是指比較全面的，有點像那種算卦的感覺，所謂360度的畫像，把你底摸得清清楚楚的。但是理解消費者不一樣，是在具體的一些情境上了解消費者意圖，它並不一定能夠非常全面，至少一方消費者資料很難全面地方方面面地瞭解某個消費者。

一方資料最大的價值不是搞什麼畫像，雖然它也可以作為幫助畫像的部分資料。一方資料本質上是描述使用者行為的，而行為又反映了他們的意圖。例如，某個使用者總是在你的電商平臺上對你的商品進行從價格高到價格低的排序，而且在高價格的商品上停留的時間更長。這樣一個簡單的行為資料，或許就能反應這個消費者的支付能力。

如果對一方消費者資料進行統計級別的分析，也往往能夠對大量消費者的具有共性的情況有所瞭解，還是剛才的例子，如果來自某個流量渠道的大部分消費者都更偏向於進入高價格商品的頁面，並花費更長時間停留在這些頁面上，就表明這個流量渠道的消費者可能更具消費能力。

我們會非常經常地使用一方消費者資料，為消費者做persona人群的劃分。比如，把產品的消費者劃分為五類人群：白領女性、家庭主婦、女學生等等。這種劃分方式本質上是透過對一方資料的聚類實現的。

判斷消費者所在的生命週期，也同樣需要一方資料的幫助。比如，某些客戶不再購買我的商品，是已經流失了嗎?還是仍然關注我，只是暫時還沒有再次購買?一方消費者資料都可以回答，或者至少可以提供線索。

一方資料還可以跟二三方資料相結合以更好地理解消費者。

一方資料背後都是企業自己獲取的消費者資料，企業可以把這些消費者人群中的部分人或者所有人的ID拿出來，與二三方資料進行匹配。之後，二三方資料會將匹配到的那部分的人群的畫像返回給企業。

這裡需要注意兩點。

第一，一方資料在跟二三方資料進行匹配時，要做加密，或者用隱私計算的方式。具體來講，是採用縱向聯邦學習的方式。這是為了避免侵犯個人資訊保護法中所規定的使用者的資料權利。

第二，二三方資料返回的畫像是人群畫像，也就是說是報告級別的畫像，而不是一個一個具體使用者的個體級別的畫像。

02、第二個用處，用於針對性的消費者溝通或互動

一方資料有一個很大的優勢，就是它通常都是個體級別的。也就是說，企業能夠藉助一方資料實現對每一個消費者的理解，從而進行針對性的消費者溝通或互動。

在剛剛講的那個更關注高價格商品的使用者的例子中，儘管我們並不知道這個消費者具體是誰，但我們有他的假名ID(也稱為化名ID)，也就是cookie或者各種裝置ID，能夠基於他的喜好(價格敏感度)與他進行針對性溝通。或是推薦給他他可能更感興趣的商品。

這一類的溝通或者互動，可以在一方資料的指引下，完全自動化的進行。

今天，在微信生態、簡訊營銷、個性化通知、智慧外呼、內容推薦、商品推薦、智慧化創意和互動介面等營銷陣地上，廣泛採用了基於一方資料的針對性營銷。我們常常說的千人千面，一方資料就可以幫上大忙。當然，千人千面也許在個性化推薦領域有意義，在大多數營銷場合中，五人五面，也就是分成五類不同的人，給不同類別的人不同的營銷策略和執行，已經非常有價值。或者，你說五人五面不夠，那十人十面也應該能解決大部分的問題了。

說個題外話，針對性的消費者溝通或互動，也被稱為針對性的消費者運營。

03、第三個用處，一方資料用於最佳化投放

目前數字廣告的投放普遍採用了機器自動最佳化的方法，最佳化師對廣告具體要投放給哪個消費者的干預越來越有限。絕大部分的機器自動最佳化，來自於一種被稱為監督學習的機器學習方法。

所謂監督學習，簡單講，就是不斷告訴機器：機器呀，你選擇對某個人投放是有轉化的，是對的，選擇另外一個人投放沒有轉化，也沒有其他效果，這個選擇是錯誤的。

不斷地告訴機器投放的結果是正確的和還是錯誤的，然後機器就能夠基於這些結果去修正它自己的投放的演算法，然後不斷實現更為最佳化的投放。這種方法就是基於監督學習的廣告投放。

這個過程看起來不復雜，但是告訴機器什麼是對的，什麼是錯的，其實需要大量的資料。你不可能只是告訴機器一兩個結果，機器就學會了。機器的智慧需要來自於大量的資料的訓練，而這些訓練往往會受到資料體量不夠的制約。

所以，一方資料就起到作用了。

比如，機器在投放我的廣告的時候，我在我的頁面上設定好，人來了之後，在我的頁面上做出什麼樣的行為算是有效的行為，是“好人”，若是沒有做出相關的行為，或者完全沒有行為，甚至連點選廣告都沒有點一下，那麼就是無效的人。

比如，我提前把已經轉化了的消費者的資料，提供給機器，讓機器事先就學習這些消費者有什麼樣的特徵，然後基於這樣的特徵去更廣闊的的受眾人群中去找相似的人，這種投放的方式，被稱為基於 look-alike的投放。所謂look-alike，就是找相似的意思。

甚至，我乾脆不讓機器學了，廣告主的一方資料足夠多的話，廣告主可以直接“指導”機器進行投放。讓機器在投放廣告給某個人之前，先徵詢廣告主的意見，說，我可以投放廣告給這個人嗎?廣告主再根據自己的一方資料的資料庫做判斷，把要不要給這個人投放他家的廣告的指令反饋給機器。

利用這些方法，廣告主可以很大程度上提升廣告的傳播效果，或者是降低廣告投放的成本。

04、第四個用處，結合其他資料產生業務價值

一方消費者資料的第四個應用，是把它作為更龐大資料應用的一個有機組成部分，讓它和企業其他的資料相結合，從而挖掘出更廣泛更多樣性的資料價值。

有幾種領域的結合很常見，很典型。

例如，一方消費者資料和產品的資料相結合。消費者的行為資料，往往能夠體現出消費者潛在的興趣。若消費者行為資料足夠多，就有可能體現出具有普遍性的對於產品某些特性或者對新產品需求的趨勢。這些資料可以幫助新產品的研發，或是為如何補貨提供依據。

一方消費者資料雖然不能直接作用於供應鏈，但卻可以對供應鏈的執行產生間接的影響。奶製品企業在網上進行銷售，消費者會關注牛奶的保質期嗎?他們對於臨期商品能夠接受的最底限的日期是多久?

汽車如何對不同的功能進行定價才能夠最大化自己的收益?比如，消費者對鐳射大燈這樣的配置有興趣嗎?如果有興趣，他們願意為鐳射大燈付出多少額外的價格?這些都可以透過消費者行為資料加上其他的一方資料給出儘可能準確的答案。

消費者行為資料也用於預測商品未來的銷量，或者判斷產品在它生命週期的什麼階段，或者應該如何設計對不同消費者的產品組合或捆綁搭售。

一方消費者資料也可以和場所相結合。例如，某國內的知名咖啡連鎖品牌會嘗試基於消費者的行為資料，對它的不同門店的選單進行定製化的配置，以滿足不同地域的消費群體的不同需求。

一方消費者資料還可以被應用在業務流程的改造中，或是企業的商業模式的改造上。

總之，上面列舉的這些，還遠遠不是一方消費者資料的全部應用領域。對於企業而言，一方消費者資料是非常有價值的金礦，值得認真去挖掘。