新零售已经成为一个非常流行的定义。新零售的定义有很多，但两个关键词缺一不可:技术和客户。技术是指大数据、人工智能技术、微生物支付等技术的发展，为新零售的建立赋予了许多可能性，而客户是新零售与传统零售的关键区别。

在传统零售行业，一直存在着“商品为王”还是“渠道营销”的争议。但在新零售时期，随着消费升级，客户的要求越来越挑剔，“客户为王”成为大家广泛认可的新零售逻辑思维。如今，如何把握客户的要求？如何理解客户定向推广的多元化要求？大数据技术让每个人都有可能。

新零售时期，一个最高的特征就是线上和实体的结合，在这种结合中，数据和信息的巨大动能将被释放。

传统的线下推广店有完善的会员体系，而线上商城对客户的消费轨迹总是有清晰的数据信息印象。根据大数据技术，连接线上和实体数据信息，创建多层次的客户画像，可以保证“大数据比自己更了解自己”。

在创建客户画像的过程中，主要是利用标记对客户进行分组和建模。从人口统计、财产状况、机器设备特征、区位特征、成长阶段、爱好这六个基本标志来考虑。

拓宽兴趣爱好、群体构成、岗位情况、运动轨迹、性别、年龄等更为普遍的特征，根据不同标志再次细分，打造多层次人群画像标志，洞察客户的多样化需求。

首先，了解客户的真实要求

知道传统的数据阅读方式，无论是问卷还是焦点访谈视频；新的获取信息的方式是基于持续跟踪每一次自动跳转和转换的方式，尤其是在电子商务行业，需要从多个层面读取数据。在电商公司，有一个专业的BI单元，为营销中心抓取各种数据信息，为改进运营策略而给出的数据是适用的。

二、了解客户不买的原因和趋势

之前大家区分竞争对手，固定的逻辑思维是同一个行业。现在我们跳出原来的方式以后，你可以发现市场竞争不是同一个行业，可能是转移。区分竞争对手，不仅要从软件和品牌层面，还要从满足用户需求的层面。谁跟我抢客户，谁就是我的竞争对手。

能满足客户要求的设备都是竞争对手，大家的作用就是把竞争对手的粉丝变成客户。通过收集数据信息，分析数据，大概可以看出哪些没有交易量的知名品牌用户买了。

也有购买的原因。数据统计分析显示，没有交易量的客户经常犹豫的原因是什么？然后，整合这个原因制定营销策划方案。

事实上，在处理大量的数据信息时，不同角度的分析结果可能会有所不同，这会使我们的行为产生歧视问题。那么，在对数据进行统计分析的情况下，如何对数据进行统计分析才是有效的，值得我们持之以恒？

另外，评价数据的统计分析是否可行的标准要求是能否得到一套清晰可行的解决方案。大数据分析的最终结果是一样的。在深入了解用户需求后，得出可行的解决方案。告诉知名品牌你应该怎么做，知名品牌怎么优化，产品怎么改进，方法怎么选，内容是什么等等。