虛擬與真實是互聯網的一體兩面。一方面，我們會自覺不自覺地掩飾自己，采用網名也好，對性別、年齡、職業、收入等等守口如瓶也好，都在下意識地讓自己不為別人知曉。另一方面，我們的行為——瀏覽網頁、觀看視頻、微博關注、搜索關鍵詞，又將我們真實關注的興趣點一一做了最詳盡的展現。當兩者結合，就是在互聯網上面目雖然模糊，內心最接近真實“我”的投影。
可以“看到”何必再去“猜想”
雖然每個用戶都會在互聯網上投射出一個“我”，但遺憾的是，長久以來對于互聯網用戶的認知，仍靠的是“猜”。傳統的媒體無論是綜合性的還是垂直的，無論是基于PC的或者基于其他終端的，或是更傳統的紙媒、屏媒、電視媒體，在定義媒體價值的時候，通常以傳統受眾人口學特征來做定義。以電視為例，統計收視率時，是通過每個城市的幾千個樣本戶進行抽樣調查去推及全國的收視率，并以此作為下一步推廣、營銷的基礎。這樣的抽樣方式只能獲取小部分用戶的信息及行為，絕大多數用戶是被這小部分用戶“代表”了。即使這樣，調查到的結果也往往是片面的，只能對用戶進行粗線條、片段式描述，如年齡、性別、收入等，然后以此對偏好和消費意愿進行倒推。當用戶在不同的時間、地點，狀態下的實時特征、需求發生改變時，就無法跟進了。
但正如前文所言，互聯網用戶真實的內心其實完全呈現在網絡上，通過有效的方式可以觀察出來。互聯網與傳統媒體不同，能夠對用戶行為進行實時的、全流量的監測，這意味著只要足夠多、足夠長的用戶數據，就可以將那個面目模糊而內心真實的“我”勾勒出來。正在進行這項工作的第三方數據機構締元信.網絡數據目前已推出網站用戶分群畫像解決方案。這一方案依托的DDMP平臺平均每天跨網采集2億網民、30億條網民行為數據，為每個用戶從人口屬性、興趣、產品行為等打上多維度的標簽，再對不同維度的標簽進行篩選、聚類，進行族群劃分、標簽描述、定性描述。
這樣的應用，將讓互聯網媒體及相關的網絡營銷產業改變以往費勁心力“猜”用戶的方式，而去“看”用戶，并進一步研究用戶、投其所好。
精準營銷基于了解用戶
無論媒體提供資訊也好，企業提供產品、服務也好，所面對的主體都是用戶，“用戶導向”的口號也早已盡人皆知，但在無法對用戶及需求識別進行細分、了解消費的偏好和意愿的時候，這樣的口號也就只能是口號。
用戶分群畫像對于網絡營銷環境最大的改變，在于打破數據孤島并真實了解用戶。在只掌握一家數據的情況下，用戶行為的偏差不可避免——現在的網絡環境下，誰會只在一家網站、平臺上完成所有活動?而在跨網數據的支持下，網站不僅知道用戶在這里愛看什么，還知道用戶在網站之外的行為、偏好、特征，從而全面了解消費者的購買行為、態度、生活形態和媒體接觸習慣。如果說傳統調研方法是找個體之間的共性，那么用戶分群畫像就是找到目標用戶消費者的個體差異和偏好，而且這個差異好偏好還是實時的、動態的。
在了解真實用戶的基礎上，網絡營銷就可以實現在恰當的時間、恰當的渠道，恰當的形式傳遞給恰當的人。用戶分群畫像系統中的TGI(Target Group Index，目標群體指數)，可以清晰反映目標群體在特定研究范圍內的強弱態勢，標示出媒體甚至廣告位的商業價值所在，使媒體與廣告主進行最適當的匹配。而通過對目標群體年齡、性別、地域、興趣等的條件設定，還可以更精準預定目標人群、對媒體進行篩選。比如，某紅酒類廣告主進行廣告投放，根據其原有數據認為愛喝紅酒的是時尚類人士，因此選擇了時尚網站進行廣告投放。但是采用締元信數據分析后發現，其愛買紅酒的用戶最愛看的是軍事新聞，當廣告投放由時尚網站轉向軍事網站后，用戶轉化率提升了17倍。
用戶分群畫像也可以更好地支持原生廣告生產，實現精細化的“集體關注”營銷。所謂“集體關注”營銷不應只去迎合熱點，而是要通過全網數據去精準預測、獲取目標人群的關注點，在第一時間發現目標用戶的集體關注點，將其與自身產品和服務進行有機拼接，從而使廣告內容、形式更能為目標用戶接受，讓“關注”更順暢地向消費轉化。
如果說，以往的營銷是從產品出發，去猜測受眾在哪里并去那里等待“偶遇”。那么在大數據時代，用戶的感受與偏好不用再去“猜”，而可以去“看”，然后提前抵達適當的地點、適當的時間，主動說一聲“你要的就在這里”。
京公網安備 11010502049343號