满足消费者需求是企业存在的基础。要满足消费者需求，首先要找到目标消费者，了解他们的消费行为和消费习惯。消费者画像则是锚定目标群体的有效工具。
最近看了一本《不做无用的营销》，里面关于消费者画像的描写，很受启发。
随着互联网、大数据技术的发展，一方面获取海量数据越来越简单，数据源也越来越多，搜索数据、社交数据、电商数据……等等；另一方面通过大数据技术，消费者画像也变得相对容易。
目前很多消费者画像的做法是，通过大数据，将消费者按照基本属性（区域、年龄、性别、职业等），结合消费行为（如购买的产品品类、品牌、购买频次等），形成消费者画像。
不可否认，消费者画像为企业寻找目标群体，制定有针对性的营销策略起到了一定作用，最起码也比原来的拍脑门决策科学有效的多。
但随着竞争的加剧，个性化消费趋势越来越强，很多人感觉消费者画像不那么有用了，更多的只是为了赶时髦，为了画像而画像。这背后的原因，可能是他们看到的消费者画像确实是不合格的。
归纳一下，不合格的画像主要分为两类：
一是简单粗暴型
只是以消费者的基本属性及直观的行为数据作为分析维度，简单描述目标消费者特征。
如：“一二线城市，30-40岁收入较高的男性白领”。
如果问是怎么确定的，回答是根据一段时期购买行为，挑选购买频次超过一定量的消费者，进行身份标签瞄定。
还有的更离谱，直接想当然，认为自己的产品适合这样的人群。
二、胡子眉毛一把抓型
恨不得把所有能收集到的数据罗列出来。比如下图：
当看到这样的消费者画像，市场部人员该哭了，该如何定义这样的用户呢？接下来该怎么做？
之所以出现不理想的消费者画像，主要原因是缺少消费者心理学数据的分析。
把所有有关消费者的数据进行梳理和分类，大致可分为三个层次：
一是基本属性数据
主要是指定义人群特征的数据，人口属性和社会属性均为基本属性数据。包括年龄、性别、职业、文化程度、收入、婚姻状况、区域等。
这类数据比较稳定，短期内不会发生大的改变。可以帮助公司标定特定人群的身份属性。
二是消费行为数据
指特定人群可被记录的消费行为的数据。包括购买行为、媒体接触习惯、品牌复购率、社交行为、出行行为、休闲娱乐行为、app下载使用行为等。
这类数据易获取、易识别、易分析。帮助公司理解和跟踪特定人群的行为特点。
三是态度数据
态度数据包括价值观、态度、动机、情感等。它是行为数据背后的原因。行为数据为果，态度数据才是因。态度数据主要反映的是主观意愿和态度，不易获取，不易识别。
目前通过网络大数据的基本属性和消费行为数据进行的消费者画像，由于缺少态度数据的分析，只能分析相关性而得不出因果性。
何为相关性，何为因果性？举个例子。在乡下住过的都知道，每天拂晓，在此起彼伏的公鸡打鸣声中，太阳冉冉升起。公鸡叫与太阳升起，只是时间顺序先后，是相关性，而非原因。即使公鸡有天集体发癔症，都不叫了，太阳还是照样升起。地球自转才是太阳升起的原因。
离开了态度数据，消费者画像就真的是一幅画像，只有表象的描述，而无背后原因，知其然不能知其所以然，导致消费者画像的不准确。
举个例子：
某护肤品品牌通过对现有用户近一年消费行为数据进行收集、分析，发现近一年购买频次超过5次的用户为2万人，将这2万定义为重度用户。该类用户的主要特征是：
“一线城市，初入职场的25-30岁女性”
按照一般思路，下一步应该是把这2万女性放入重度用户数据库，并以此为目标群体，加强宣传推广力度。
这样的结论，就是典型的只通过基本属性数据和行为数据推导出得出的。如果照此加强宣传力度，很有可能将本来对品牌有好感的消费者吓跑。
如果再深入一步，对这类人群进行消费态度调研，探索行为背后的原因：为什么这些消费者购买频次较高呢？，会发现如下几种购买动机的可能结果：
一、这个牌子是我能消费得起的比较便宜的一线品牌
这类人群是护肤品重度用户，但消费能力有限，又希望使用大品牌。相对来说，该品牌是她们能消费得起的相对便宜的大品牌。
二、因为喜欢代言人才购买这个牌子
这类人群只是因为喜欢代言人才购买的该品牌，不是该品牌的重度用户。
三、购买该品牌护肤品并非自用，而是代销
这类人群显然不能代表该品牌的目标用户，她们同时还会代销其它品牌。
四、真的是喜欢该品牌的护肤品
这类人群才是品牌的忠诚用户，才是公司要重点关注的对象。她们从行为到态度均对该品牌给予充分的肯定和支持。
需要对这类人群的基本属性数据、消费行为数据和态度数据进行详细的记录和追踪，详细了解人群的属性特征和态度动机。通过数据详细解构这类人群的品牌购买决策过程，详细了解认识、熟悉、购买、喜欢、忠诚过程中都发生了哪些重要的事情，如何能够更好的触发和优化这些过程。
通过对购买动机的调研，我们才发现，行为上数据并非真实反应消费者动机，如果盲目做决策，很可能适得其反。
综上所述，基本属性数据和消费行为数据只是在识别人群，只有消费态度数据才能解释背后的原因和动机。
那么如何才能实现有效的消费者画像呢？咱们下一篇再谈。
