【案例】阿里巴巴G-Aliba消费者行为模型 全息大数据营销研究探索

消费者导向与消费者这一身份

消费者导向（Consumer Orientation），已经获得世界范围的学术界和主流品牌商广泛的认可，大量的研究、理论与实践围绕着消费者洞察展开，国际品牌商的营销战略和规 划，更是基于此。定性、定量的研究方法，专业的研究体系及系统，如： CMMS、CNRS、IuserTracker等等，甚至跨国品牌、4A代理商有专门的研究中心，大量的系统、理论、模型被每天应用在营销决策当中。

这些消费者研究主要基于样本调查，有效的合适数量的样本置信度（confidence）已被大量的研究证实，所以问卷、小组访谈被广泛的采用，结论用于品牌、营销、媒体传播等大预算支持的市场活动。

而实际情况是：这些数以亿万计的大量预算，往往是在“试错”，基于消费者研究确定的策略导向， 基于策略导向确定的媒体投放， 最后营销者在大量的投放数据中，选择效果好的继续投放，但随着品牌、产品、竞争、目标人群的改变， 这一切又会重来。曾有个很有名的问题“我知道我的广告费浪费了一半，但是却不知道哪一半浪费了？”，不管大家如何解释，可以确信的是和“消费者研究”有 关。让我们先来看冰山图：

如果被问到， 你前天做了什么？或许能回答上来，那么上个月呢？半年前呢？一年前呢？恐怕记性再好的人也难以准确回答了。

但是大数据可以，被遗忘的、忽略的、甚至是不经意的，都可以被还原。冰山上或许可以知其然，而巨大冰山下可知其所以然。

或许看到此，营销者会很自然的联想起那些熟悉的消费者研究，那些问卷、小组访谈的主持人（Coordinator）、单面镜（one-way mirror）、各种回答……在那个场景下，被研究的消费者，即是所罗门提到的，“消费者这一身份”。他们既然是“消费者这一身份”，给到的也是这一身份 的回答。

世界的规律之一即“平衡”，这里少了， 那里要补上，“试错”也就难免了。

大数据，还原消费者为之“人”， 还原营销之为“生活”

常用的消费者洞察维度，如下左图：目的、动机、态度、选择、评价、购物、行为、决策过程……这些耳熟能详专业词的背后是大量的理论、模型、消费者样本、数据、分析，不管有多少，多么专业，就是那样冷冰冰的存在。

而作为人的个体，他们喜欢什么、喜欢这个还喜欢什么、不喜欢什么、想什么、关注什么、和谁在一起、在哪儿、去哪、何时去、看什么、做什么……，本来是那样的生动和丰富。

将消费者当人看，就是那样温暖的存在。 源自关心和爱心，而非洞察。这个思考角度，写在大数据大营销具体阐述之前， 始为不谋于心者，不足以谋其大。

大数据、大营销，还原消费者为之“人”， 还原营销之为“生活”，实为“大”的本意。在具体阐述大营销之前，先来看下大数据，以及阿里的大数据。

大数据很火，且已经有一段时间了， 然后呢？好像有下文的不多， 前阵子腾讯的大数据峰会上，腾讯的高管问了与会嘉宾：大数据可有营销实效的成功案例？台下一片寂静。若真论数据之大，谷歌有之、百度有之，或者说很多媒体也有之。

然而对于营销而言，大数据的价值不仅仅是大，而是与消费者“人”与“生活”的关联。阿里科学家薛贵荣（大数）提出“大数据的核心在于建立数据之间的 整合和关联分析”。[5]买了某种饰品的用户，还买了什么，可以推知饰品真正的使用者和用途，明确品牌定位；喜欢什么，还喜欢什么，可以推知真正的家庭状 况和偏好，以探索用户需求；买了奶粉的妈妈，一年前如何开始关注、查询和判断，又在哪里、何时发生，以了解其购买前的全链路；哪个产品在哪个城市哪个小区 受欢迎？在电脑、pad还是手机屏？……当这许多的数据被关联和整合后，与此关联的一切被还原了，并可以数据、模型、产品、平台形式展现及应用， 这里将关联整合大数据的应用称之为全息大数据。

提到大数据关联和整合， 是阿里大数据独特所在。阿里陆续将可关联的“大数据源”整合起来了（淘宝、天猫、支付宝、聚划算、淘点点、淘宝旅行……这些是阿里大数据的基础，高德导 航、虾米、新浪微博、友盟、UC浏览器、快的、优酷……这些是各种功能的关联对接，宝洁、联想、AC尼尔森、电通……这些是无限的延展），并不断吸入第一 方（品牌客户）、第二方（代理商）、第三方（数据研究、开发）的数据，便是阿里的数据黑洞。黑洞里巨大的吸引力正是消费者的“人与生活”。

阿里大数据在全网有超过4亿的活跃用户，远超过门户、搜索、视频等主要媒体。[6]更重要的是，这些数据关联了从曝光、转化到销售的用户完整的路 径。门户和视频更侧重在曝光、搜索侧重在转化，阿里在电商十几年的用户网络购物积累， 可以帮助还原完整的用户行为路径，完成营销闭环。根据艾瑞的数据研究：2014年电商的媒体份额将超过多年来的搜索引擎，成为新的领袖。并保持每年超过 30%的高速增长。

全息大数据开启大营销

全息大数据驱动下的新营销革命。还原消费者为之“人”， 还原营销之为“生活”，对接企业从品牌研究、品效合一推广到全链路检测及优化的一体化需求。更将从1P（传播）到4P（涵盖产品、渠道、定价），全面帮助提升营销价值。

关于全息大数据的关键点：全链路、时光可逆、地理位置、全网、跨屏。后面两个比较好理解。主要阐述前面三个：

全链路，即G- Aliba消费者行为模型下的购买全链路。

多年的网络购物经验， 已经逐渐使消费者了解、熟悉、习惯网络购物， 这已经是人们生活的一个重要组成。大量数据和研究显示， 用户“逛”网络是个显著的特征，就像传统的逛街一样， 但是这里更大量的信息、对比、评论、搜索、询价、采购，甚至随时随地参与企业的推广活动， 他们的行为更具随机性，碎片化，以至于用原有的单链路的AIDMA[7]和AISAS[8]模型很难准确的解释用户的行为链路。而这些大数据与全网的对 接，更复杂。网络购物改变了传统的消费者行为模型，进而营销思维的改变和机会的增加。

G-Aliba消费者行为模型，核心在于基于网络购物消费者“逛”的特点，形成从看、挑、查、买、享全过程的网状结构，更好的还原的消费者的真实状况，可以从任何一点到另一点，将碎片化的行为及接触点还原为全息映像，以模型呈现出来。该模型的应用是在全网跨屏范围内。

而这对于营销的改变如下：

• 营销环境：从被动到主动-将改变原有营销因为缺乏精准的把握而“猜测和试错”

• 广告体验：从迫使到自然-广告和推广因为符合用户的特点和需求，更容易被认可

• 数据基础：从分散到全面-对于营销过程和结果的把控，相对轻松并可积累

• 投放模式：从片段到全链-可以进行更长期、更大范围的整合营销及品牌持续性传播

• 购买路径：从单一到灵活-对于碎片化营销更好的把握

地理位置：

数据扩展到三维空间，通过准确的对接用户的收货地址数据，通过大数据发现几线的城市是主力市场？哪个产品在哪个大区、城市、区县受欢迎？甚至开专卖 店应该选择靠近哪个商圈或者小区？哪个小区用户最为集中？哪几个公交车站的广告牌目标用户更为集中……在系统中，这些数据随时根据需求与其他的用户指标、 竞争情况、产品型号等进行交叉分析。

时光可逆：

数据进一步扩展到四维时空。如前文提到的场景：买了奶粉的妈妈，一年前如何开始关注、查询和判断；又在哪里、何时发生，以了解其购买前、中、后的全链路。这种数据的时光可逆性， 更好的支持全链路、全触点（全网媒体投放）及时间节点的研究。

基于阿里全网4亿用户数据，进行品牌、竞争、用户、销售研究的分析，即全景洞察。还在不断的与更多的数据源做整合， 并结合品牌的需求做更多的应用场景和模型展现的探索。

地理分析-通过地图展示目标用户的分布（精确到一公里），进行门店选址、线下招商、楼宇广告、户外广告投放研究；进行品牌、产品、渠道及推广，具体可以参看之前所述大数据“地理位置”说明。用于还原用户在生活空间中与品牌的关联。如图：展现了过去半年买3000元以上笔记本电脑用户在北京海淀区的分布， 可以发现红色部分一些商业区和小区的用户分布集中度。

交叉分析 –进行消费者特征、产品型号、产品属性、购买特征等数据的交叉研究，用于还原用户与产品的多维度关联。如图：研究消费者在不同级别市场的分布，哪些型号的产品在几线城市更受欢迎， 进一步进行营销的力量配比。

竞争网络-洞察不同品牌产品消费者属性之间的细微差异， 明确竞争关系及定位，用于还原消费者在竞争网络中的关联。如图：气泡大小代表销售状况， 灰色线越粗，代表对于消费者而言，品牌竞争度越强。根据大量的实践发现， 品牌主认为的竞争者，往往与用户真实购买过程品牌产生的竞争关系有差异， 特别对于细分化的产品。

趋势分析：展示各个品牌/商品型号的趋势变化，并且可进行各种维度的细分， 来挖掘趋势变化背后的原因。

品牌转换：第一时间洞察不同品牌、属性间的细微差异，洞察市场切入点。

接下来根据品牌研究的需求可以参考的研究方法及模型：

1、G-Aliba消费者行为全网触点及行为全链路模型 ：

通过大数据采集，锁定目标人群，根据其行为特征和消费过程，利用大数据时光可逆回溯到刚开始有购买意向、品牌对比、购买考虑及复购等全链路的关键时间节点、全网的消费者接触点（媒体渠道及页面）、决策过程等。

2、关注内容的语义模型：

通过对全网用户关注内容，包括网页文章关键字的抓取，来分析和判断用户的偏好和真实认知，关注内容的语义对比（帮助确定定位及未来诉求方向），展现其最重要的关注点， 以及关注点之间的关联性， 对品牌认知的影响。

3、品牌竞争定位模型（Perceptual Map）。

整合目标人群认知的品牌之间竞争的关联度及不同品牌之间的认知关键词的差异性，来进行品牌竞争定位的分析和研究。

如图：品牌（绿色字）的竞争关系，是由所在的位置决定的， 距离越近代表品牌竞争关系越强；产品的特点（兰色字），表示用户认为的该品牌的特点差异，之间的关系强弱是线段的长短以及和品牌的距离决定的， 越靠近某个产品特点的品牌，即具有这种特性的倾向性越明显。

4、更进一步还会包括CDI/BDI的品牌和产品的区域性竞争分析模型、媒体间用户路径及流向关系模型等等， 这里暂不详细阐述。

程序化购买（Programmatic Buy）前利用大数据进行品牌的研究，可以有效提升整体品牌推广效率。这方面阿里巴巴集团旗下的阿里妈妈走在了最前沿。具体涵盖品牌研究，包括消费者、竞 争、行业、定位、诉求方向等主要研究；整合阿里妈妈钻展、直通车、智无线、Tanx、外投外、视频等产品平台，并将品牌分析结果直接连接入达摩盘DMP投 放系统完成程序化投放管理；正在深度开发淘宝指数的企业营销功能，与数据魔方一起为全链路检测和优化服务。实现品效合一，全面提升客户品牌及营销效率。

案例：

案例一：大数据分析对于发掘目标人群、重新调整品牌定位、重新设计品牌战略和重新设置营销规划，最终大幅提升品效合一效率。

案例二：与代理商大数据合作提升研究能力， 帮助客户获得O2O项目的成功。

案例一：燕格格重定目标人群。

背景：2010年从互联网崛起专门从事燕窝及相关产品销售的品牌，2014年该品类淘宝销量第一；同时燕格格也面对严峻的市场现状：上有燕窝市场容量的瓶颈，下有竞争对手的蚕食。

目标：做大市场蛋糕！

问题：为什么广告效果不好呢？

【原有圈定人群】辣妈-操心老公、操心孩子、操心长辈，但同时追求保养，对美容、养身、抗衰老有强烈需求

【沟通内容】宝宝秀

分析过程：

通过全景洞察找原因：是否找对人？

通过【大数据时光可逆】对最近一个月购买燕窝的女客户进行分析，发现她们在过去六个月中的消费偏向给自己买东西，很少买宝宝用品；通过TGI查看她们购买的品类排序，发现她们更偏重补品、营养；对比已经有宝宝的妈妈，她们更多是买宝宝的东西，很少买给自己。

分析结论一：所以燕格格要找的人不是辣妈而是怀孕中的妈妈。

通过全景洞察找原因：是否说对话？数据魔方-淘词”孕妇”相关搜索词，发现孕妇到底关注什么话题？并分析兴趣购买词。如图。

分析结论二：所以燕格格要对目标人群说的话不是萌宝来袭而是一人吃两人补年龄冷冻剂。

结论：

【重定人群】孕妇

【重定沟通内容】让更多的孕妇了解燕窝的好处；为胎儿补充必备营养；为自己保持美丽健康；

整个效果：CTR提高60.64%；ROI提高45.6%

案例二：阿里妈妈电通金钻合作，联想O2O喜获成功

背景：2013年7月阿里妈妈携手电众数码，针对联想线下体验店初步尝试O2O模式推广并取得成效后，2013年10月双方达成战略合作打造O2O营销平台产品及解决方案。

2014年4月全面启动金钻品牌实效营销系统及解决方案项目。希望通过聚合双方优势，共同打造O2O解决方案及金钻营销系统，以系统化产品化完善落地合作，旨在为联想等品牌客户提供更为高效全面的营销服务。

产品说明和定位：

金钻品牌实效营销系统及解决方案是阿里妈妈广告市场细分化战略产品。金钻产品整合电通安吉斯集团-电众数码广告营销数据平台iDMP与阿里妈妈达摩 盘DMP，由代理商及Adchina联合定制设计开发的品牌消费指数与定制化精准、标签系统。整合了三方优势：运用阿里大数据和大淘宝商业流量资源、电众 数码整合客户品牌营销需求、AdChina定制技术，为大品牌企业实施品牌推广和全渠道的产品促销（而不仅仅是针对其淘宝店铺）的品效合一的创新合作模 式，提升了整体生态效能。

活动过程：联想O2O活动

活动还在进行中：活动上线15天（截至2014年9月28日），已取得令客户 “惊喜”的成绩已有超过16万人次线上预约到门店体验券/购买优惠券。（去年同期一个半月不到2万人次）

项目核心价值：

品效合一的新篇章：阿里妈妈整合体系内大量资源，为品牌企业进行淘宝推广而定制了全新的实效营销系统，满足品牌客户全链路的[整合电商营销服务]需求。

大数据全新应用场景：阿里大数据在品牌营销上的价值展现，全程平台化、程序化、数据化管理，建立和完善品牌私有数据，不断优化投放效果，指导改善营销策略。

创新合作模式：借助代理商擅长把握客户需求及品牌研究。加强我们对于客户需求的把握，并引导数据和产品的发展和应用，提升效率及销售同时扩大影响。电众数码此次合作的阶段性成功为后续的模式复制打下良好的基础。

品牌营销的升级：建立品牌专属用户数据库，根据营销需求生成专属的品牌指数报告，定义品牌专属的精准定向标签。通过大量的客户需求与大数据产品及服 务的对接，完善品牌营销支持体系，给品牌主及代理商带来全新的品牌营销。从1P（传播）到4P（涵盖产品、渠道、定价），全面帮助客户提升营销。

生态系统构建：涵盖品牌主、代理商、adtech公司等业务关联方在内的基于阿里大数据应用核心的生态体系的开放与互动，激发良性发展。

来自客户的寄语：

来自联想客户：

从2013到2014，阿里妈妈凭借DMP大数据的法眼，帮我们找到最精准的消费者，把他们从网络空间带到身边最近的联想店铺；我们想要带给消费者 的体验就是，不管他是在电脑前忙碌，还是在拿着手机消遣，在任何一种情境下，只要他需要联想的产品，我们就可以将最适合的产品和最方便他购买的店铺推送给 他；这样的构想，阿里已经帮我们实现了！从去年到今年，我们联想累计有三十多个城市的三百多家线下店铺藉由阿里妈妈的O2O营销解决方案获得了更充足的客 源，实现了销量的提升。感谢阿里妈妈！

来自电通安吉斯集团.电众数码：

一直以来，我们都将阿里平台的用户视若珍宝——阿里不仅是消费者购物的平台，同时也是人们发现生活和满足内心小期待的生活场所。我们希望在大阿里平 台上去发现消费者，将淘宝用户价值转化为客户的品牌价值。电众与阿里妈妈共同开发的金钻解决方案，通过双方DMP的合作，帮助我们实现了这一理想。金钻系 统的金指数模块，为联想O2O项目的4P营销（人群/产品/地点/促销）策略制定提供了非常有说服力的数据依据，金标签模块则帮助我们锁定城市，锁定商 圈，锁定对联想产品真正感兴趣的人，将他们带到身边最近的联想店铺。

在大阿里所打造的生态系统中，我们是为大品牌企业提供营销传播服务的公司，我们发展电商业务的基本战略，是藉由与阿里妈妈的大数据合作，充分开发阿里生活圈的消费者价值，帮助传统企业实现品效合一的全渠道营销引流。

最后借美国运通首席营销官约翰•海斯的话来结束此文，“我们正在经历一场与工业革命十分类似的营销革命”。“将消费者当人看，而不仅仅是消费者的这一身份”是世界新品牌营销“消费者导向”的必然扩展和提升， 大数据正在改变这一切， 并将改变未来。

作者：霍志刚|阿里妈妈品牌实效事业部总监、张陆|高级专家，via：阿里商业评论

原文始发于微信公众号（PPV课数据科学社区）：【案例】阿里巴巴G-Aliba消费者行为模型 全息大数据营销研究探索