下载文档原格式
新能源汽车行业报告新能源汽车行业市场环境1新能源汽车市场品牌表现3新能源汽车人群触媒网络5新能源汽车市场竞争现状2新能源汽车消费人群描绘4 1.1. 行业发展现状1.2. 市场发展水平1.3. 市场营销现状0.0 2.612.115.058.5115.4228.9521.5993.01024.92010201120122013201420152016201720182019新能源乘用车销量(单位：千台)行业蓄力向前，从政策驱动向市场驱动过渡行业历史发展阶段中国新能源汽车行业从无到有，并迎来高速发展。
自2010年新能源汽车被国务院确定为七大战略性新兴产业之一后，行业于2014年开始进入高速增长通道，伴随着2018年开始的政策性退潮，新能源汽车进入从2.0到3.0的过渡阶段，由政策驱动向市场驱动转变。
1.0培育期：2010至2012 3.0 成长期数据来源：国家发改委、乘联会2.0起步期：2013至2016退坡调整：2017至20202010年新能源汽车被国务院确定为七大战略性新兴产业之一，主要发展方向确定为插电式混动汽车[PHEV]和纯电动汽车[BEV]。
2013年财政部印发通知，规定2013-2015年继续对消费者购买新能源汽车给与补贴。
其中，乘用车每辆补贴3.5~6万不等。
伴随着骗补事件的增多，补贴申报日趋严格。
自2017年政策收紧后，2018年开始多次进行补贴政策退坡调整，并于2020年底后完全退出。
市场营销市场发展行业现状市场整体发展水平市场增速放缓，发展早期机会无限虽然在新能源汽车政策退坡的三年里，其市场渗透率在2019年有所下降，增速放缓。
截止到2019年，新能源汽车市场教育程度较低，且亟需提高教育成熟消费者转化率，因此，对品牌而言，处于市场发展早期的新能源汽车市场蕴藏着巨大的营销机会。
40.151.451.40.4 2.1 2.1201720182019汽车渗透率（汽车消费者占总体被访者的比例）新能源汽车渗透率（新能源汽车消费者占汽车消费者的比例）市场营销市场发展行业现状2017-2019年汽车渗透率及新能源汽车相对渗透率变化走势（%）两年复合增长率13.2%2019年新能源汽车及其他品类汽车市场发展成熟度对比（%）100.00100.0056.3054.9854.8538.8511.942.17 1.23 1.53轿车SUV跑车新能源汽车MPV品类市场教育程度品类教育成熟消费者转化率注：Q ：现有的汽车所属的类型、现有的汽车所属的类型-新能源汽车、知道的新能源汽车品牌、base1=总体/汽车消费者base2=总体/至少知道一个以上新能源汽车品牌的被访者；品类市场教育程度=知道该品类品牌大于1个的被访者比例；品类教育成熟消费者转化率=知道该品类品牌大于1个的被访者中，发生购买行为的比例；图左数据加权方式为household ，除特殊标注外均加权方式均为population 。
策划书消费者画像3篇篇一策划书：消费者画像一、策划背景随着市场竞争的加剧，了解消费者需求和行为已经成为企业制定营销策略的重要依据。
消费者画像就是通过对消费者的各种特征进行分析和描述，形成一个可视化的人物形象，帮助企业更好地了解消费者，从而制定更加精准的营销策略。
二、策划目的通过对消费者画像的分析，深入了解目标消费者的需求、行为和偏好，为企业的产品研发、市场营销和客户服务提供有力支持。
三、策划内容（一）消费者基本信息1. 年龄：消费者的年龄范围。
2. 性别：消费者的性别。
3. 地域：消费者所处的地理位置。
4. 收入：消费者的收入水平。
（二）消费者行为特征1. 消费习惯：消费者的购买频率、购买渠道、购买偏好等。
2. 品牌认知：消费者对品牌的认知度、忠诚度、美誉度等。
3. 信息获取：消费者获取产品信息的渠道和方式。
4. 决策因素：消费者在购买产品时考虑的主要因素。
（三）消费者心理特征1. 价值观：消费者的价值观和生活态度。
2. 兴趣爱好：消费者的兴趣爱好和娱乐方式。
3. 消费心理：消费者的消费动机、消费心理和消费行为模式。
（四）消费者需求分析1. 功能性需求：消费者对产品或服务的基本功能需求。
2. 情感性需求：消费者对产品或服务的情感需求，如品牌形象、身份象征等。
3. 体验性需求：消费者对产品或服务的体验需求，如购物体验、使用体验等。
四、策划执行1. 数据收集：通过市场调研、用户访谈、问卷调查等方式收集消费者数据。
2. 数据清洗：对收集到的数据进行清洗和整理，去除无效数据和重复数据。
3. 数据分析：运用数据分析工具和方法，对消费者数据进行分析和挖掘。
4. 画像构建：根据数据分析结果，构建消费者画像。
5. 验证和调整：对构建的消费者画像进行验证和调整，确保画像的准确性和可靠性。
6. 应用推广：将消费者画像应用于企业的产品研发、市场营销和客户服务等领域，提高企业的竞争力和市场占有率。
通过对消费者画像的分析，我们可以深入了解目标消费者的需求、行为和偏好，为企业的产品研发、市场营销和客户服务提供有力支持。
用数据给消费者“画像”：大悦城的大数据实践编者按在互联网改造一切实体经济的时代，大数据(big data)，这个专用的IT名词越来越多被实体零售业者所提及。
马云说，人不可与趋势为敌！在移动互联日益发达的时代，“大数据”将成为连接生活和商业的神秘通道。
究竟什么是大数据？实体零售商如何拥抱大数据？为此，《第三只眼看零售》携手客流分析神器——每人计联合推出“大数据时代的零售业抉择”专题。
我们走访了多家在大数据方面走在前沿的实体零售商，将它们的案例分享给诸位。
“大数据专题”将不定期推出，敬请期待！对于眼下火热的“大数据”而言，多数实体零售企业停留在叶公好龙的层面，嘴上喊得火热，在实际应用中却是一脸茫然。
这是因为数据在传统零售企业决策中只占到很少一部分，大多数企业家决策依然凭借“拍脑袋”。
在诸多实体零售企业中，大悦城算是一个“异类”，它是真把大数据当做一件事儿来做，并且用大数据来指导经营活动。
为什么是大悦城？在笔者看来，大悦城的一些先天条件决定了它在大数据上有所作为：▪大悦城成立于2007年，创办之初就以颠覆性的形象区别于传统购物中心，这使得它在经营思维上少了一些传统理念的干扰；▪大悦城管理层普遍很年轻，有不少总经理甚至都是80后。
管理队伍的年轻化使其不得不借助大数据来进行决策。
换言之，没有大数据，就无法支撑商业综合体的运营；▪大悦城属于中粮集团旗下产业，国企的雄厚财力使得它不为生存而过度分心，从而能够研究一些消费前沿的趋势；▪“大数据”为大悦城打上了一个创新的标签。
一些高科技设备商和服务商将大悦城作为“试验田”。
从而使得其在大数据方面的能接触到更前沿的玩法；3月26日，《第三只眼看零售》独家专访了上海大悦城研策部总监魏璞，在他看来，大数据对实体店最大的贡献在于利用数据对消费者的性别、工作、收入乃至购物喜好贴上标签。
换言之，就是用数据给消费者“画像”，以形成体验平台积累交互信息，这些信息被整理成顾客标签，再被应用进营销洞察的完整链条。
化妆品行业消费者画像分析与营销策略方案第一章概述 (2)1.1 行业背景分析 (2)1.2 研究目的与意义 (2)第二章消费者画像分析 (3)2.1 人口统计特征 (3)2.2 消费行为特征 (3)2.3 消费心理分析 (4)2.4 消费者需求与偏好 (4)第三章市场竞争格局 (4)3.1 行业市场规模与增长 (4)3.1.1 市场规模 (4)3.1.2 增长趋势 (5)3.2 竞争对手分析 (5)3.2.1 主要竞争对手 (5)3.2.2 竞争策略 (5)3.3 市场份额分布 (5)3.3.1 市场份额分布情况 (5)3.3.2 市场份额变化趋势 (6)第四章营销策略概述 (6)4.1 营销环境分析 (6)4.2 营销目标设定 (6)4.3 营销策略框架 (7)第五章产品策略 (7)5.1 产品定位 (7)5.2 产品组合与系列 (7)5.3 产品创新与研发 (8)第六章价格策略 (8)6.1 价格定位 (8)6.2 价格调整策略 (8)6.3 价格促销活动 (9)第七章渠道策略 (9)7.1 渠道选择与优化 (9)7.1.1 渠道选择原则 (9)7.1.2 渠道优化策略 (10)7.2 渠道管理与维护 (10)7.2.1 渠道管理策略 (10)7.2.2 渠道维护措施 (10)7.3 渠道拓展与整合 (10)7.3.1 渠道拓展策略 (10)7.3.2 渠道整合策略 (10)第八章推广策略 (10)8.1 广告宣传 (11)8.2 网络营销 (11)8.3 公关活动与品牌传播 (11)第九章客户关系管理 (12)9.1 客户识别与分类 (12)9.1.1 客户识别 (12)9.1.2 客户分类 (12)9.2 客户沟通与服务 (13)9.2.1 客户沟通 (13)9.2.2 客户服务 (13)9.3 客户忠诚度培养 (13)第十章营销效果评估与优化 (14)10.1 营销效果评价指标 (14)10.2 营销效果评估方法 (14)10.3 营销策略优化建议 (14)第一章概述1.1 行业背景分析化妆品行业作为现代服务业的重要组成部分，我国经济的快速发展和人民生活水平的不断提高，市场需求日益旺盛。
为消费者画像
在此之前，要么规模化，要么个性化，能否实现规模的个性化服务？这就是大数据解决的最实际的问题。
当用户到店时，一旦他用手机连接了商场的免费wifi网络，商场就可以推测出该用户属于哪个人群，该用何种销售策略与之沟通。
大数据的两个经典案例
用两个著名的营销案例来引出这次的话题。
第一个案例讲的是韩国一家大集团的副总裁到澳大利亚出差，住进了丽思·卡尔顿饭店（Ritz Carlton Hotel，1992年美国国家品质奖服务类奖得主），他要求将浴室内的润肤乳液换成另一种他常用的产品。
服务人员很快满足了他的要求。
三周后，当这位副总裁住进美国新墨西哥的丽思·卡尔顿饭店，他发现浴室的架子上已摆着他所熟悉的乳液，一种回家的感觉在他心中油然而生。
“凭借信息技术和多一点点的用心，丽思·卡尔顿饭店使宾至如归不再是口号。
”丽思·卡尔顿饭店澳大利亚地区品质训练负责人琴·道顿女士说。
另一个故事来自于美国第三大零售商塔吉特百货（Target）。
一天，一名男子闯入他家附近的一家塔吉特店铺抗议：“你们竟然给我17岁的女儿发放婴儿尿片和童车的优惠券！”店铺经理立刻向他承认错误，但是经理并不知道，这“错误”是总公
司运行数据挖掘的结果。
一个月后，这位父亲来道歉了，因为这时他才知道他的女儿的确怀孕了。
塔吉特比这位父亲知道他女儿怀孕的时间足足早了一个月！
运用数据挖掘技术，塔吉特能够通过分析女性客户购买记录，“猜出”哪些是孕妇，并推算出预产期，抢先一步将孕妇装、婴儿床等折扣券寄给客户，吸引她购买。
这两个例子，一个发生在酒店业，一个在零售业，前者通过对单个用户的细致关怀提升了品牌形象，后者通过深刻洞察创造了更多销售机会，生动地展示了大数据和数据分析技术对服务业的深刻影响。
在此之前，要么规模化，要么个性化，能否实现规模的个性化？这就是大数据解决的最实际的问题。
尤其是电商公司，数据储存比较丰富，通过大数据分析技术，准确勾勒消费者诸如年龄、收入、住处、外貌、消费偏好等特征，自动地、成规模地对用户分群、画像。
你对消费者的每一点数据累积，都让这个画像丰富、成长，更加具象。
当你的每一个顾客都被打上几百个标签之后，他的画像就会更准确，你会比他还了解他的需求。
消费者画像的工作原理
消费者已经光顾过你的网站，那么数据服务公司就能通过场景引擎技术，分析出用户的瞬时和长期消费偏好、阅读偏好，并
综合他/她的性别、年龄、婚姻状况、职业等人口统计学信息，构成一幅饱满而又生动的“用户画像”。
一旦这个消费者再次来到网站，你可以通过原先的画像，实时影响他的点击行为。
他每刷新一个页面，你都可以实时分析他的即时购物偏好，推测出他此时是否有明确的购买意向，处于购买中的哪个阶段，对什么样的产品有兴趣，而后结合网站的经营目标和业务特点，以及他的购买历史等信息，将最合适的商品展现在他面前。
假设一个用户已经购买了一款3000元的某品牌手机，现在打算为家人挑选一款手机，他在网站上的行为运作过程将如下表所示。
不难看出，推荐引擎会追踪用户的购物全过程，根据用户画像和零售行业经验，帮助他挑选商品。
消费者画像就是指路明灯
消费者在网上购物时，不同的点击代表着不同的意图，也包含着不同的信息，每一个点击就像DNA链条一样，包含了很多种复杂的信息，你需要准确地判定自己一厢情愿的定位是否符合事实。
1.男女比例，不是你定的
某服饰公司运营着两个电商网站，一个网站只卖男装，页面只推荐男装；另外一个网站只卖女装，页面只推荐女装。
不过，我们通过用户画像却意外地发现：两个网站的用户群
都呈现出很高比例的“情侣用户”或“家庭用户”特征，也就是当一个用户购买男装的时候，对女装也有需求。
于是，我们采取了在两家网站交叉推荐商品的策略，结果大大提高了顾客的黏性和客单价。
2.收入情况，不能想当然
国内一家时尚传媒集团觉得自己的读者都是“高端大气上档次，低调奢华有内涵。
奔放洋气有深度，狂拽炫酷屌炸天”。
所以当该集团做电子商城的时候，其对自己用户的定位是高端时尚达人，商品售价普遍都在1000元以上。
商城上线运营半年后，发现转化率一直非常低。
后来进行用户画像分析，发现用户并非主观认为的那样高端时尚，实际购买力其实大多分布在300元左右。
他们虽然是该传媒集团的时尚资讯粉丝，但是并不会购买其商城内的正品行货，而是跑去其他网站买仿款了。
这是多么悲催的事情！
3.来自哪里，不可臆测
这个例子发生在团购行业。
我们知道，用户在选择一个团单时，会重点考虑地理位置因素，所以某团购网站采用了这样的推荐策略：只推荐本商圈或邻近商圈的团单。
但数据分析发现，很多用户活跃于多个商圈。
以北京为例，很多在CBD地区购买团单的用户，也经常在通州购买，他们或许是在通州居住但在CBD工作。
所以，在推荐策略上，我们打破了
限定单一商圈的禁锢，结果大大提高了用户的转化率。
4.发什么促销短信，要有根有据
考虑一下这样的场景：一个商场的洗衣机做促销活动，我们可以通过用户画像，筛选出若干批符合这次活动的人群或会员。
假设用户群A最符合本次活动，用户群B次之，用户群C最后。
对A，商场发送频次不等的个性化短信；对B，发送个性化邮件；对C，则适当发送、投递宣传资料。
对于A，导购会直接向他们介绍洗衣机活动，并提供一个不错的折扣；对于B，导购会详细介绍洗衣机和其他家电，刺激他们的需求；对于C，则可能任由他们在店内自由闲逛。
5.搞调查，还是画像靠谱
以银行为代表的金融领域，是离消费最近，也是最需要消费数据支持的领域。
国内某知名银行的信用卡中心想全面了解其在线申请信用
卡和贷款用户的特征，了解哪些用户的消费能力高并且信用好。
传统做法是通过在线问卷和电话回访，评估用户的购买力和信用状况。
不过，这些问卷中涉及的数据很少，而且很多可以造假，很难做出准确的评估，而电话回访的代价又很高，不方便全面推行。
而用户画像正好可以派上用场：用户最近在衣、食、住、行、玩等各个方面的消费金额和消费频次，可以很客观地描述他的购
买力；用户经常访问的社区论坛、媒体网站，可以很全面地了解他的社会属性，比如属于哪个社交圈子、生活品位等等。
有了这些数据，银行可以对申请人做出更好判断，是否给他发信用卡，发什么类型的信用卡，透支额度多大；或是否为他提供贷款，贷款额度多大，贷款利率多少等等。
用户行为用户画像和偏好判断推荐策略
进入首页 1.无法判断用户有意还是无意进入网站
2.他曾经购买了手机全站热销品，辅以手机配件。
强化用户继续浏览的意愿。
进入手机列表页 1.他对手机感兴趣
2.他曾经够买了某品牌的手机
3.他可能在挑选配件，特别是他已购买品牌的配件手机配件，并且加强他所购买品牌的权重，刺激他的需求。
连续查看手机单品他有购买手机的需求，并且猜测出他偏好的手机属性最符合他偏好的手机。
加入购物车他进入结算流程与加入购物车手机最吻合的配件，搭配销售，激发新需求。
下单结算结算中不推荐任何信息，避免打乱决策流程。
订单确认本次购物结束，进入下个购物循环购买过手机的用户最常购买的商品，辅以全站热销品，刺激新需求。
