[[182443]]

客戶畫像即客戶信息標簽化，***地抽象出一個客戶的信息全貌，可以看作企業應用大數據的根基。

每個行業每個企業都在提自己的客戶畫像，因為打造出了客戶畫像，一定意義上代表理解了客戶的需求，從而可以在市場上占盡優勢。

客戶畫像應是每個搞數據的人追求的核心的東西，筆者也如此，世上最難的事，莫過于懂人自己吧，而客戶畫像卻要把人的特征用數據標簽的形式表達出來。

當前大多企業的客戶畫像的打造都難言成功，真正讓客戶畫像發揮出價值的，卻往往是互聯網企業，為什么? 這里筆者就來談談自己的理解。

數據的廣度和深度決定了客戶畫像的潛力。

客戶畫像涉及人的數字化描述，也就互聯網、云計算及大數據時代的到來，才讓人類有了大規模采集數據的可能，以互聯網公司為代表的客戶畫像應該是應用最為廣泛的一類，但即使這樣，在人的各類行為中，這些數據也僅占到極小極小部分，在工業、醫療、化學、心理、基因等更多領域，我們基于數據來刻畫客戶也剛剛起步。

同時，從橫向的角度看，各類行業的數據短期內不可能有完全整合的機會，從縱向的角度看，每個垂直行業的數據在采集、建模等層面也僅僅是蜻蜓點水，數據的極度稀缺讓360度客戶畫像這種提法沒有現實意義。

任何企業只能說在打造一個屬于我這個行業這個場景的畫像，企業擁有的數據廣度和深度決定了你客戶畫像的潛力，動輒360度畫像是瘋狂的想法。

現實的客戶畫像要以業務為導向。

客戶標簽建設會涉及到雞生蛋和蛋生雞的問題，先建標簽還是先拿需求一直是BI糾結的事情，任何標簽都要針對行業某個具體應用場景，憑空去構造一個標簽體系，或者做了幾次調研就認為掌握了需求，那也是自欺欺人，標簽建設不可能畢其功于一役，但這個在很多傳統企業卻很常見。

很多時候總是糾結于標簽沒人用，一天到晚搞推廣，其實是在啟動項目的時候就埋下了禍根，即使建設的標簽符合了業務方向，但往往很難有實用性，業務的復雜性和多變性超過了大多數建設人員的想象。

舉個例子，比如很多運營商曾經基于上網數據做了一套上網偏好標簽，但對外變現的時候，發現全然不是這么回事，大多合作的企業都希望自己做或者定制做，為什么?

因為你想象的標簽too simple,too naïve，對于垂直行業不熟悉，導致了標簽完全沒有商業價值，比如自己打造的所謂的酒類標簽，廣告公司根本不需要，它需要某XX品牌的酒標簽，客戶的細節要求已經遠遠超過這些做標簽的想象。

很多調研都會問業務人員需要怎樣的標簽，業務人員往往說我需要判斷司機，我需要判斷商務人士等等，但到底業務場景如何，有些也說不出來，反正可能未來需要吧，要避免這種情況。

無論是服務于企業內，還是服務外部，必須先有業務場景，才能有標簽的打造，這是需要堅持的原則，當然有一種標簽是例外，就是原子屬性，比如收入、職業啥的，這是一種客戶的客觀描述，更多是作為組裝的要素。

對于互聯網企業來說，應用的驅動力本身非常強，而對于剛剛+互聯網的傳統企業來講，標簽更像是發出嫩芽還無人照顧的小草，初期非常容易陷入建設標簽的深淵而不可自拔。

客戶畫像建設少提體系化。

我們習慣于構造一個客戶畫像的分類藍圖，希望對于客戶的刻畫方方面面都能顧及到，比如基本屬性、短期偏好、長期偏好、位置屬性等等。

我們在構造這個藍圖的時候，也非常糾結，到底對于客戶描述應該分多少類呢，因此，東抄一個，西想一個，似乎從來沒有滿意的分類體系，對于這一點，大家都很糾結。

10個分類，100個分類，1000個分類?

判斷客戶畫像的分類就好比要去追根溯源的探究人類的本質應該分成多少類別那么難，筆者倒覺得沒必要糾結于所謂的客戶畫像分類管理，沒有哪個企業能說自己的分類體系是***的，只能說適合的就行。

比如運營商有個客戶畫像的類別是通話屬性，但是，大多數公司，根本沒必要，而運營商之所以設置了這個類別，僅是因為這個方面的標簽太多了，不搞個類別感覺頭重腳輕了而已。

同樣，也不要迷信互聯網公司的分類體系，其***的目的也就是讓廣告客戶能方便找到這些標簽。

比如，我們就可以自己搞幾套，一套按數據類別分，一套面向外部客戶，一套面向內部客戶，要走出屬于自己的路。

還有就是糾結客戶標簽的數量的，有些公司，說客戶標簽有幾百個，有些說上千個，這個時候，一些互聯網公司跳出來，說我有上百上千萬個。

沒必要糾結這個，因為大家的行業背景不同，比較往往失去了意義：

一是統計的維度不同，比如某些企業將某個客戶是否喜歡體育作為一個標簽，而有些企業則將某個客戶是否喜歡羽毛球作為一個標簽，由此類推，因此，單純比較數量沒有什么意義，大家并不在一個維度。

二是企業的性質不同，某些企業沒有那么多的客戶或業務，沒必要那么多的標簽，比如淘寶個性化推薦估計標簽數量要海量吧，但運營商商品有限，標簽肯定有量級的差別。

對于有***主義的建設規劃人員來講，我們有時的確有點強迫癥，但真的沒必要。

標簽運營是永恒的主題。

前一段時間聽到一線的關于某些標簽效果的反饋，更是振聾發聵，很多以前很好的標簽，無論當初構建的時候是如何轟轟烈烈，效果是如何的好，但一年以后，很多打回原形。

為什么?

打天下易，守天下難，只管建不管埋似乎成了標簽甚至是BI領域的通病，我們沒有領會IT領域運維的精髓，系統運行的是否良好是IT最關心的事情，但標簽運行效果是否良好卻很難成為BI領域核心工作，大家都忙于建設，忙于出數，卻鮮有人關心標簽運維的根本意義。

傳統企業在標簽運營上的人員投入比例，有沒有1:20?跟IT專業相比，估計是幾何級的差距吧，甚至可以問，除了項目和開發，有沒有標簽運營人員?

到底該是誰來為標簽效果的好壞負責?業務人員，建模人員，開發人員，運維人員?在傳統企業，這是值得思考的問題。

也許，在精細化管理還遠未成為企業的核心競爭力的時候，啟動標簽建設本是個錯誤，在熱情冷卻后，似乎每個標簽的命運在建設的時候就已經決定了。

但還是要往前看，標簽作為精益化運營的一個載體，未來的價值是毋容置疑的，既然做了投資，就需要持續的去運營，標簽的效果也是隨著一次次的迭代好起來的。

標簽如果找合作伙伴做，就要有長期合作的打算，不要搞什么項目，如果合作伙伴總是打一槍換一個地方，盡量不要采用吧，一般IT項目的上線是終點，但對于標簽卻是新的起點。

互聯網的在線運營甚至要求標簽按天迭代，這在傳統企業難以想象，以前還在為一個標簽一個月用幾次高興呢，我們與很多先進互聯網公司的差距，機制雖是導火線，但由此引起的思想和認知上的差距，進而在行動也也被越拉越遠，這是筆者最為憂慮的。

未來是BAT的，并不是聳人聽聞。

標簽團隊的建設任重而道遠。

標簽建設和運營是非常專業的事情，很多專做標簽的公司，聘用的都是在某個行業有深度背景的專業建模人員，因為即使你有所有的數據，沒有行業的業務理解，也很難創造價值。

但無論是數據建模師，亦或數據科學家，傳統企業這類人才卻非常稀缺，我們更多的是報表取數或者經營分析師。

以前總是對于互聯網公司動輒上百的數據建模師團隊感到驚訝，想著為什么要這么多人，有必要嗎?

但當大數據業務逐步起來的時候，當數據量從以前的T逐步到P,并快速躍升上雙的時候，就釋然了，標簽運營這個事情，沒有任何捷徑可走，如果要有所建樹，付出的代價并不比重建一個企業IT團隊少。

人工智能、因果的追求也許是客戶畫像的***方案。

為什么同樣的關聯交叉推薦，有些人樂于接受，而有些人則會覺得被偷窺了隱私而大罵一通，原因很簡單，你采集到的數據無法表征更多類型的人而已，再深一層次，即使再多的表征數據也僅是表征，我們也許需要直達核心，即知道因果。

很多大數據書在提大數據時代要關注關聯關系，而不要執著于因果關系，這句話有點現實意義，互聯網企業依靠關聯關系的確創造了很多應用，但諸如關聯推薦的算法再不錯，在可見的未來，如果對于人的研究沒有大的突破，要實現此類推薦的跨越式提升很難。

那么，***的推薦是什么?

通過無時不刻的連接，商家需要知道你是什么樣的人，處于什么樣的境況，在這種境況下會有什么樣的需求，這時對于你的推薦的準度是***的，甚至，你也許不再需要主動購物了，你要什么商店自動分發給你。

因此客戶畫像的下一個風口，估計就是人工智能吧，比如準確理解人的意圖是每個搜索公司的***目標，輸入關鍵字當然是一種理解意圖的方式，但顯然應該有更好的辦法，這也是百度發力人工智能的原因。

人工智能、深度學習大家現在也聽多了，從客戶畫像的角度看，它的現實意義是如此巨大。