用户画像是实现新零售的一个核心，没有一个个用户标签，就无法精准定位顾客，精准营销自然也就无从谈起，悦邻生鲜管理系统零售端定位于同城生鲜零售，高频刚需的消费场景注定了数据挖掘、清洗、推荐的高需求，也奠定了本文的基调，注定是以真实零售场景为出发点，结合多年系统迭代经验而成。
什么样的零售形式决定了什么样的客户群体，从而确定了我们有什么样的内容标签，除了零售行业的RFM和消费者生命周期外，其余均是基于我们零售业务场景本身设计，但标签内容体系的规划既要基于现在的运营需求，同时也要面向未来的扩展，所以如何搭建结构就分外重要，避免未来标签混乱，管理失控，最终大数据变成了大量数据。
悦邻生鲜管理系统用户标签体系
整体上悦邻新零售的用户画像标签体系有七大类，从RFM、身份象征、生活风格、消费行为、社交行为、商品偏好到用户自定义，主要服务于运营人员基于不同用户群体执行不同的营销策略，比如18年到今天都非常火爆的社区团购，如何筛选团长，是任何一个平台都存在的问题，在我们系统中就可以提取用户社交分享这个行为为运营人员发展团长提供数据支持，实际上运营场景很多，这里就不详细论述了。
消费者归类算法
建设了面向顾客的标签体系后我们就要开始给消费者归类了，目前最主流的技术方案是TF-IDF的方案，简单理解就是加权平均法，比如我每天都要买波斯顿龙虾，那我就可能是一个海鲜爱好者，更是一个相对购买能力比较高的人群，刚开始的时候我们需要人工定义波士顿龙虾，这个商品的购买者身上就贴上一个购买能力强的标签，购买多次后购买能力强这个标签出现的频率就非常高，这个时候我的消费者画像中就出现了高消费能力的标签，当下次卖家想要推广澳洲龙虾的时候，可以快速把具备爱吃海鲜，同时具备高购买能力的标签筛选出来，就可以快速圈定目标客户，进行精准营销了。
示例图反映出当我需要对一批电子产品爱好者做活动的时候可以在生鲜管理系统中通过这个数据筛选快速找到目标客户，不管是通过优惠券召回还是客服人员一个个电话外呼，都为精准营销建立了数据支撑的基础，提升了人效。
上面我们讲到了基本的数据标注方法和机器标注方法的结合，并通过TF-IDF的算法将人工标注和机器标注想结合采集到数据进行挖掘，从而找到目标客户，实现精准营销，在现实活动中，我们消费者并不是仅仅具备以上这些标签，消费者是人这个大类下的一个小类，人的本身属性也是具备非常强的挖掘潜力，只是基于我们目前消费场景，选取以上几个分类。
现实场景中比如性别，消费者位置，一天早中晚三个时间段的变化，一年四季春夏秋冬食材的变化都对消费场景影响非常大，典型的比如美团，早中晚打开美团，看到的食品和商家都各自不同，这很大程度上提升了美团流量的变现能力，这背后最核心的技术其实就是用户画像技术，基于这个技术衍生的细节，就不是本文的讨论范畴了。
悦邻供应链是一家为批发/零售类企业提供供应链数智化解决方案的技术服务商，为配送货企业提供商品管理、订单生成、采购汇总、进销存、智能分拣、打包配送、商户管理、商户运营、财务对账等全链路供应链数智化系统，助力零批商搭建自己的数字驱动业务体系，实现零批企业基于互联网实现的数智化经营，以技术创新助力客户实现业绩倍增。
想要了解更多关于生鲜配送干货知识，请关注悦邻供应链公众号。
