咨询散记：购物者研究，终端生动化的助推器

零售的决定性瞬间

很久没有写关于市场研究方面的文字了，颇有点“手生”，更何况是关于线下零售卖场购物者研究方面的文字。当以天猫大数据分析为代表的大厂立足于各种前沿技术以各种SAS应用技术分析平台建立各种数据银行和各种数据应用解决方案的时候，线下传统的市场研究方法显得有点“寂寞”。

在和一个头部市场研究咨询公司的总监沟通的时候，对方毫不讳言，线上无论是PC平台的电商，还是移动端的各种APP、微信小程序在消费支付的全链路上具有天然的数据获得性和技术上的易分析性，但是线下卖场对于品牌商而言就算是在电商快速增长的时间里面依然具有决定性的影响力量。

特别是对于快速消费品行业而言，基于消费的偶发性和冲动性，品牌商和零售商都非常重视线下零售渠道的建设。希望在终端建设的三大要素：购物者沟通、竞品区隔和终端拦截方面取得质的突破，希望三者拥有其一、或者三者同频共震爆发出决定性的力量。

对于这种力量，我们称之为“零售的决定性瞬间”。

洞察：从“价廉物美”的1.0到场景体验营销的2.0

对于电商的崛起，应该说零售商的态度是非常“彷徨”的，我们可以从前些年对某两大厂“破坏性的建设”和“建设性的破坏”的描述中得出结论。无论是何种描述，不可否认的是在社会零售品总量增长相对有限的情况下，线上对线下零售行业带来的相当大的冲击。

同时，本界青年“能赚又能花”，在“人民群众有追求幸福生活的权利”之下，对零售行业也提出了更高的要求。当购物者从购物的单纯“找”货过程，升级成“找”货、“选”货和“逛”店的复合型需求的时候，品类聚集型门店家乐福、沃尔玛等KA主张的品牌心智“低价”、“好货”、“品全”就不能完全满足当下购物者，特别是“Z时代”购物者的需求。

在这种新的消费趋势之下，一些新兴的门店，从“品类集合店”“一站式配齐”的认知中跳了出来，希望在生活场景体验消费中获得质的突破。

例如，宜家的各种场景空间体验，通过“有限空间、无限可能”的设计让购物者在近乎实景中获得难得的消费体验；化妆品集合店调色师通过完美色系的搭配还原女孩子的完美童话消费印记；日系的茑屋家电延续茑屋书店的美学格调，通过“还原生活趣味，提供多样化生活选择”让购物者在“逛”的同时能够“找”货和“选”货；万家City超市和华润的ole精品超市则突出“惊喜的体验式消费购物场所”的品牌心智，通过一体化的场景空间设计，激发购物者在逛店时的冲动购物。

以上这种“邂逅式的、生活方式的场景消费体验”对于当下社交网络成长起来的“视觉动物”型的购物者而言，在各种空间设计、内部动线、美陈和POSM设计方面提出了更高的需求，谁能够在品质、格调、功能和情感上获得购物者的青睐，谁就能获得市场的认同。

购物者研究：品牌商和零售商的必然选择

这些年，聚特为可口可乐、百威、康师傅等全球头部品牌和元气森林等国产新锐品牌提供过终端售点营销解决方案。在提供服务的过程中，基于购物者的购物驱动因素、路径驱动因素和触点内容因素构建了相对比较完善的购物者研究模型，并以此为基础逐步建立起自己的数据分析和应用管理闭环体系，以帮助品牌商和零售商更前瞻地洞察购物需求，从而打造卓越的终端售点服务。

同时，随着新兴技术的发展，海量数据的不断获得，聚特开始探索升级售点投放策略的优化迭代解决方案，将购物者研究分析这一市场研究分析技术和微信等技术平台结合，以获得更为前瞻，更为全面，并和品牌商投放财务回报价值更紧密联系的购物篮洞见。并以此建立和品牌商需求无缝衔接的定制售点营销解决方案。这样可以更好的理解购物者，为品牌商和零售商解决在售点中可能出现的问题。

如、软饮品牌商客户可以对购物者的购物路径进行研判，可以就触点的内容对购物者的决策做出合理的预测研究。零售商客户可以对购物者的品类需求做出更为清晰的预测，以利于场景化体验营销的实现。

购物者数据分析平台的建设

市场研究和分析体系能够通过一手的市场研究，获得购物者在消费之旅中的各个驱动因素的满意情况和其它相关分析指标，帮助品牌商和零售商获得核心痛点和优化解决方案。但是基于线下调研的局限性：样本有限和事后行为，无法在项目启动之前获得有效的投放策略。这样，当研究分析方法打磨成熟后，立足于新兴技术的大数据分析平台成为了行业领军企业的必然选择。

01、数据仓库的建立

首先，定期获得全国范围内不同类型渠道（KA/MA/CVS）内不同类型购物者的购物驱动数据、路径研究和内容分析数据。通过购物者细分、购物篮研究、购物驱动动线研究、内容创意分析研究等维度进行梳理和分析跟踪购物者的购物行为。这样的持续性的数据研究将获得全国性的客群数据并覆盖多数购物者的购物全旅程，从而揭开购物者售点购物驱动力的奥秘。

02、售点营销策略的制定

通过统计方法在数据仓库的基础上进行数据分析，以方便不同类型的品牌商差异性的投放策略带来的不同投放效果，以方便获得了解影响投资回报的关键投放因素（渠道、内容和点位）。

这样的算法会依据不同类型的购物者的购物倾向进行预测性的判断，基于不同类型购物者的评分预判不同类型购物者的购物价值以及相应的购物转换价值。如、价格敏感性购物者在没有品牌提及情况下在多个点位多次POSM接触后的品牌转换率。在此基础上，可以评估售点投放方案的ROI，并将投放和KPI直接联系。

03、数据驱动引擎的建设

上规模的企业都有信息建设，如ERP、MIS和CRM等信息管理软件。通过公司间数据API接口的联系，可以在商业上通过数据的输出实现资产的轻量化。当行业或者某个品类（如、果汁啤酒）的购物者研究数据以及预测性分析结果通过图表可视化的方式实现品牌商和零售商的共享，并以此为依据实现不同渠道的购物者售点优化投放解决方案的时候，则会为企业的各项营销活动提供充足的源动力。

写在后面的话

当下绝大多数的售点营销方案或者投放策略大多都是基于小规模调研的结果，甚至根本就是基于经验的判断，而且行业内也没有这样的公司提供持续有效的跟踪数据服务。这无疑是一种商业上的机会。可以试想数据驱动的售点营销解决大数据平台的建设将极大的改善这一低效的状况，在财务上实现高质量的回报。