在市场营销的过程中，非常重要的一个因素就是研究目标消费者。采用什么内容，利用什么传播途径等，任何一个营销活动，都需要明晰地界定谁是品牌的目标消费者。

  研究和界定目标消费者的方法，也随着数据时代的来临，有了更进一步的发展，利用大数据的力量，我们有了更加科学和更加有威力的工具和方法，例如，我们可以根据营销活动的预算的大小，按照优先级的不同，输出不同规模的目标消费人群。

  在进一步阐述大数据时代的工具和方法之前，我们先回顾一下界定目标消费者的进化过程：

  1、传统媒介时代—TA

  在传统媒介时代，作为大众媒介，广告主是不能挑选消费者的，广告主不能让某一个消费者不看一档节目，也不能预测某一个消费者一定会看某一档栏目，那么我们如何衡量广告传播的效果呢？传统媒介的衡量指标REACH等都是针对TA人群的。

     TA人群的界定只能是针对比较广泛的人口属性，如城市级别，性别，年龄等，例如某个品牌的TA是F（女性）18-35岁，那么问题就来了，是不是18-35岁的女性都是目标消费者呢？而不是18-35岁的女性都不是目标消费者呢？所以，这个TA指标只是一个在大众媒介环境下的统计指标，用这个指标能够做出的决定非常有限，例如在电视媒体，也只能是对于频道和栏目做出选择。

  2、互联网媒介时代—Tag

  到了互联网媒介时代，很多规则都已经发生了变化，我们可以根据消费者在互联网上的行为去区别消费者，进行有选择性的媒介投放，例如大家会发现自己看到的广告会跟自己的搜索或浏览行为有关。

  这个环境中，广告主最重要的界定目标消费者的方法就是标签，这个标签是依据消费者在互联网中的搜索、浏览、社交、电商等行为表现而打上的。首先，这个标签已经比TA有了很大的一个进步，但是问题也依然存在，例如运动爱好者的标签可以打给浏览新浪体育的，可以打给参加马拉松比赛的，也可以打给足球爱好者，实际上这些在同一标签下不同行为的消费者对于不同的品牌的价值是有非常大的差异的，再例如，在天猫上同样30天本店铺浏览人群，也是有很大的差异的，转化率也很大的差异。

  标签存在两个比较大的问题：

  第一是同一标签下的更细维度的问题，当然，如果标签的维度越细，使用起来的困难也越大；

  第二是如果使用更多的标签组合，而标签组合是个交集的关系，越多的标签组合，能够得到的人群就越少，而且这个标签的组合更多是基于经验判断的，可推广性和可复制性非常差。

  3、大数据时代—look like

  到了大数据时代，前面的问题都有了更好的解决方法——通过机器学习分析已有消费者，从众多的人群属性维度和行为维度，来建立品牌的自己专属的消费者模型，然后通过数据挖掘，对亿万个消费者按照这个模型进行打分，分数表明消费者离品牌的远近程度。例如90分的消费者离品牌非常近，一次广告曝光可以立马实现转化；60分的消费者离品牌稍远，需要3次曝光才能转化。

  用Look like去界定目标消费者对市场营销的价值在于：

  （一）look like的方法，实际上体现了消费者和品牌之间的距离，距离越近也就越容易转化成为品牌的消费者。我们可以根据预算的大小，确定最佳的覆盖人群范围，例如50万的预算，可以覆盖80分以上的人群，而100万的预算就可以覆盖到60分以上的人群，我们能够一直覆盖在预算范围内的最佳转化人群；

  （二）消费者和品牌的距离不同，广告主给予消费者的广告的内容和REACH的次数也不同。距离近的消费者，可能只是一个促销的广告的就能导致消费者的转化，但是对于距离远的消费者，我们就需要从告知开始，然后是教育、活动、促销，一步步地缩短品牌与消费者的距离，最终转化成为品牌的消费者，我们找出了品牌和消费者的距离，就可以制定出更有针对性的广告营销计划；

  （三） 我们原来的市场营销计划大多停留在媒介指标上，很难用效果进行衡量，有了这个方法，我们就可以衡量有多少30分的消费者转化成为50分的消费者，又有多少直接转化为顾客等等，这样我们整体的市场营销计划就能在简单的媒介指标外建立起一整套可衡量的效果指标，更加精细化地管理市场营销计划，更重要的是这个指标可以兼顾销售和品牌建设的两个维度。

  在新的大数据时代，我们拥有了更多的方法，也具备了更强的能力去解决以前市场营销中难以解决的问题，这个问题的实质就是区分不同目标人群和品牌的距离以及规模，大数据正在重塑新的市场营销的框架，在大数据时代，我们能走多远或许真的取决我们的想象