随着电商流量红利的消失，各大品牌也经历着在诸多挑战：拉新成本居高不下、品牌力弱无法留住消费者、消费者对价格敏感导致的价格战让品牌利润空间一降再降，消费者的猎奇的诉求也使产品的生命周期缩短，更多新兴品牌借助新兴渠道如：抖音、直播而快速成长，打的各大品牌措手不及等等。
所以，深入挖掘消费者资产，了解消费者的行为属性，并通过以消费者为中心的数字化转型更好的为品牌服务，创造更大的价值，成为摆在天猫面前，突破困局的首要任务，而数据银行就是破局的基础设施
过去，商家只知道卖了多少件商品，不知道购买这些商品的人是谁；现在，我们可以再数据银行里找到所有成交顾客的历史数据，获取品牌360度的消费者画像，将沉淀下来的消费者数据和阿里巴巴平台的大数据融合，我们就可以在整个阿里系的用户群中找到更多具有同样特征的潜在客户，添加收藏、加购、购买、年龄、兴趣偏好等标签，把自己想要的目标人群圈选出来将这些潜在的客户数据同步到客户关系管理系统里，我们就可以通过线上、线下的多种渠道向他们推送消息或权益。
过去，我们无法准确锁定目标消费者；而今，有了品牌数据银行，根据阿里大数据标签我们就能找到目标消费者，这样我们就可以准确地定位他们，把撒网式的广告投放变成点对点的靶向触达，这就是品牌数据银行的价值所在。
品牌数据银行目前有两套逻辑，一套是AIPL，一套是FAST
AIPL是消费者分层管理逻辑，主要为了消费者购买行为的闭环可以被清晰拆解
Aware 认知: 消费者相对被动与品牌接触。包括:曝光&点击、浏览（仅浏览一天）、观看等行为。
Interest 兴趣: 消费者主动与品牌发生接触。包括:会员、粉丝、互动、浏览、收藏/加购、领取试用装/样品等行为。
Purchase 购买：最近2年半（2*365天+180天），购买了品牌商品的所有消费者（包括预售付尾款的消费者、购买商品后淘宝彩蛋扫码人群、包括线下云POS支付的消费者、包括iStore小程序购买的消费者、购买商品后淘宝彩蛋扫码人群、包括淘鲜达购买的消费者）减去“Loyalty 忠诚”的消费者。
Loyalty 忠诚: 365天内有过正向的评论\正向的追评，或365天内购买过该品牌商品大于等于2天的消费者。
品牌消费者关系的转化：消费者从A阶段，认知阶段转到兴趣阶段，12%，好与不好，要看对标，从兴趣阶段转到购买阶段是29%，购买阶段转到忠诚43%，看到红绿灯晴雨表一眼看出消费者整个渗透力偏低，认知我的消费者并没有极大程度转到对我有兴趣的消费者，这块也是这个品牌接下去要做的工作。如果再进一步看整个品类购买时会发现到底聚焦提高客单价还是购买频次，这是一个诊断。
FAST是消费者资产管理指标：F是品牌认知度指标、A是运营效率指标、S是品牌忠诚度指标、T是消费者质量指标
我们可以通过这样的北极星指标，去看店铺整体的体量以及现阶段的状况，FA提现基础增长和转化，需要从品牌总体人群入手，找到提升手段，比如做超级风暴、品牌特秀，极大程度激发F人群，做营销活动，F转化，提升A,ST提现了品牌的高价值人群，需要我们从最基础的人群分析、人群偏好、来定位我们的主力人群、还有提升产品的丰富度，承接多样需求的人群，利用数据银行DMP等数据工具精准触达投放
