多数据分析书本、文章都提过人货场模型，但对于其中最核心的人货如何匹配，没有详细介绍。
人货匹配是非常底层的分析理论，涉及到转化率分析、用户分群、推荐算法训练等重要议题，无论互联网的电商、O2O、短视频、直播等产品都会考虑这点。
废话不多说，今天详细介绍一下。
设想一个最简单的场景：顾客站在柜台前，说“我想要个电风扇”。
此时顾客需求已经跋山涉水来到店里，成交意愿很高。
且需求已经表达得很清晰了。作为导购要确认的，就是：到底是啥样的电风扇。
这就是常见的：导购型匹配。
此时匹配的，主要是：具体商品信息，比如：
注意，这四点信息的匹配，是层层递进的关系。
使用场景决定了款式、价格、设计。
价格又决定了设计、做工等等细节。所以一个优秀的导购，一定是由大到小确认，这样更容易锁定顾客需求，提升匹配成功率。
这就是为啥名字要叫：导购（像向导一样引导购买），而不叫推销员的原因。
无脑的推销员才是一上来就blabla讲一堆：“我们的产品有十八项功能二十种专利好好好各种牛逼……”
当然，不同商品，导购提升匹配成功率的手段也不同。常见的手段包括：
所以理论上，场景式匹配是最佳的导购匹配模式。
但实际上，相当多快消品，消费者并没有耐心细细思考：到底为啥要买。消费者本身就是冲动消费。
因此不需要事事都场景匹配，体验、陈列、价格都很好用。
只有大件商品，才适合细细梳理场景，进行引导。
总结以上要素，可以推导出导购型匹配的分析模型（如下）：
设想一个略复杂的场景：
顾客在商场里逛，还没有决定去哪个店。
此时顾客成交意愿并不高（甚至都不确定他是不是来购物的），需求也不明确。
因此不可能一上来直接精准匹配到一件商品。
此时要做的匹配，本质上是：把有需求的用户挑出来，引导到店里。
注意：在这个场景，是无法准确获取用户信息的。
客人还在商场里晃来晃去的时候，就叨叨问一堆问题，不但啰嗦，而且会把客人吓跑。
此时更需要的是引流手段，能吸引有需求的客人来，同时尽量规避无需求的客人，避免浪费资源。
常用的手段，有：
由于既不确定顾客购买意向，又不确定需求，因此这个阶段的匹配成功率必然是大大降低的。
并且夹杂的影响因素太多，根本无法分析清楚：
到底是哪个环节出的问题导致不成交。
因此为了提高分析效率，一般拆成两段进行分析：引流到店、到店成交。
单独考核各种手段引流到店的质量，再看到店后怎么引导成交。
总结以上要素，可以推导出门店型匹配的分析模型（如下）：
设想一个更复杂的场景：
顾客在步行街里逛，还没有决定去哪个商场。
此时顾客成交意愿和需求非常不明确，甚至只是单纯路过而已。
注意：在这个场景里，商场和门店思考的问题是不一样的。
这种利益分歧，直接导致了后续分析思路的差异。
只有商场才在乎：如何把步行街的用户匹配到我这里来。
商品的匹配逻辑是非常简单粗暴的：
仔细观察就会发现：
这里几乎没有考虑用户需求。单纯地靠商业运作即可。
实际上，商场也是要考虑用户需求的，毕竟以上四点，只能把用户拉进来。
想进一步赚钱，还得吸引小商家入住。因此涉及：怎么把用户匹配给小商家的问题。
商场是完全不在乎某一个小商家的死活的（除非这是自己的亲儿子）。
所以商场处理用户与商家匹配的问题，也是非常简单粗暴：
这样就足够了。
然后还可以包装一些成功案例，给还没入驻的小商户看：“你看入住这里多赚钱呀，快来快来。”
有的同学会说：
陈老师，你这讲的都是传统开商场，可我们是互联网行业呀。
其实认真看了这三种匹配模型，大家发现什么没有……
所谓互联网，根本就是把传统商场搬到线上而已！
把导购换成网红，就是所谓直播电商玩法。
把导购换成加个人微信，就是所谓私域流量玩法。
把门店投在商场的广告，换成直通车，就是平台电商的玩法。
把门店投在路边的广告，换成加企微群，就是社群营销的玩法。
把门店VIP老带新有礼，换成裂变广告，就是裂变增长的玩法。
把商场换成XX平台，这帮互联网APP烧钱、派券、1元购，是不是很熟悉了。
把按区域分商家，换成按首次点击商品属性计算商品间距离函数，就是推荐算法里相似性推荐算法。
把按人群行为推活动，换成按相似点击行为分人群，再推荐商品，就是协同过滤算法。
所以，所谓电子商务，还是商务，本质上运作的逻辑是一样的。
不同的是，互联网上用户行为能留下充分的数据记录，因此能进行相对准确的分析。
再也不用像传统门店那样，靠研究人员现场肉眼观察消费动线了。
这也从另一个角度反映：
不要迷信所谓“大厂推荐模型”，不同角色、不同场景、推荐商品的思路和关键要素完全不一样，一味抄袭，只会画蛇添足。
作者：接地气的陈老师，微信公众号：接地气学堂
本文由 @接地气学堂 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自 Pexels，基于CC0协议。
关注微信
