个性化营销浅谈——让每个人都成为唯一

个性化的字眼，事实上并非近几年才产生，最初应用于工业生产上，已经大行其道了数十年，然而企业希望做到的产品/服务个性化，事实上在全球范围内，一直没有真正达成当初理论上理想中的目标(笔者当年大学课本的个性化推送案例，隔了近十年才面世...)。

但在进入流量饱和的大数据时代，由于分析起来相对容易，加上移动支付，线上流量的普及，个性化营销在中国电商的横空出世下，成为了显学。

顺带一提，在海外，MarTech 相关的产品及应用，如基于演算法进行的精准推荐，这样的思维以及工具，曾被FLAG体系垄断了颇长一阵子。想想也是很合理的事，一个业主需要此类服务时，在广告投放上有Facebook，线上走货则是Amazon，SEO及流量获取则有google。精准营销的技术供给花了相对较长的时间，才开始外溢到四大黑洞外。而在国内，从BAT体系内的建置，以及Convertlab营销实验室创新导入MarTech峰会，到现在国内各种营销交互工具，哪怕做个普通CRM的也都开始大谈个性化推荐智能营销，整个周期也就几年不到的时间。(同时国内BAT的B，宰制力不像FLAG的G，然后微商这个地表最强的社交＋交易闭环部分取代，或者说强力压制了使用外部流量的电商体系。

根据美国马里兰大学威德尔（Wedel）与康纳（Kannan）教授的看法，个性化（personalization）可以使产品或服务更贴近个别使用者的需求。主要有三种类型(或说阶段)：
　

（1）拉式个性化（Pull personalization）

拉式个性化指的是，当顾客提出明确要求时，企业所提供的个人化服务。戴尔电脑（Dell）根据顾客预先所指定何种等级的CPU、多大的RAM，组合出顾客所需要的笔记型或桌上型电脑。

（2）被动个性化（Passive personalization）

被动个性化意指，当顾客虽然有要求，但要求却不明确时，企业所提供的个人化服务。例如美国大型零售业卡特琳娜透过分析旗下5万5000家零售店POS系统的交易纪录与会员资料，在结帐柜台提供个人化优惠券的服务。因为此时顾客希望有优惠券，但却不清楚自己需要何种优惠券。而卡特琳娜则利用购物者在其会员卡上记录的购买历史，送出个人化优惠券。

（3）推式个人化（Push personalization）

推式个人化，则是当顾客没有明确要求的情况下，所提供的个人化服务。举例而言，国内的QQ音乐网易云音乐都有此类服务，根据用户最初所选择的音乐，并从音乐资料库中，找出适合用户听的歌曲，为用户提供量身订作的服务。尽管此时用户并没有一定要求推荐何种歌曲，但服务商还是能推出行动、个人化广播电台。

笔者有个小范围调研结果是，国内的95后多半有个认知，刚下载网易云音乐或者QQ音乐之后，会刻意点播某些自己喜欢的音乐来“加速调教”服务商的音乐推荐AI，提高后续推荐歌单的精准度.....可以说国内的供需代谢率是相当高速，已经产生了对精准流量营销产生反应的世代。在海外，目前尚未听过消费者会大面积自行适应理解个性化推荐，并产生相对应行为的。

以上每一种个性化，皆可依“精细度”再分成三类：

（1）大规模个性化：

即所有消费者都接受相同产品行销组合，等于将品味取平均值后，再进行个人化。

（2）区隔层级的个性化：

企业先辨识出具有相同偏好的消费者群体，并且对于某个区隔市场中的所有消费者，进行相同行销组合的个人化。

（3）个人层级个性化：

每个消费者都能接收到依据其个人品味和行为，所订做出来的行销组合的产品或元素。

在国内，千人千面的精准营销概念，早已被互联网头部企业验证，并完成在地化周期。相关需求，也早已从大型头部企业外溢到颈部腰部企业。而在传统非互联网产业，即便有预算，也未必能在短时间内建立起此类解决方案(再说了，12年以前互联网增量野蛮增长时代，直观而言找一百个跳广场舞的BD比投资精准营销见效更快…而12~17年花数百万数字化转型的老板，财报会被杠杆十倍投资房地产的老板摁在地上摩擦…

因此未来数字营销服务商的聚焦点，就会落在推式个性化-个人层级个性化的攻击力突破以及覆盖范围上。

也就是若能让传统产业快速且确实的走到主动精准推送基于个人品味或者行为，所订制出来的行销组合或者产品搭配，将主宰下一阶段的数字营销。牵涉到智能的品类，内容分析，以及一大堆的数据分析师新鲜的肝，让我们拭目以待国内服务商的推进。

值得注意的是，在此类过程中，用行销信息科学产制出来的推荐系统占有很重要的地位，其中有两类推荐引擎分别是“内容过滤（content-based filtering）”与“协同过滤（collaborative filtering）”。内容过滤乃基于客户“过去”对某些产品和服务的偏好，提出推荐；而协同过滤则使用“同类客户”来进行客户偏好的预测。