会员数据化运营概论

精益数据分析系列之一数据运营基础知识学习

    在开始本次文章阅读之前，请允许我先引用一本书中一句话：

        每个人都有数据，关键是找出哪些能提高你的学习和决策能力。每个人都知道他们需要指标，但要找出那些特别、可衡量、可操作、相关以及及时的指标，是一个巨大的挑战。
                                        ——扎克·尼斯，瑞力软件首席技术专家

一、背景

    本次的内容是关于会员数据化运营的内容，数据分析现在是我们比较热点的话题，但在我学习的过程中，让我发现我所学习的内容全都是手段，方法。给你一段数据让你如何使用python进行数据分析。然后一般的手段就是数据预处理，数据分析，数据建模，机器学习一系列高端的词语，技术手段向着数据上进行堆。当然我说的只是我个人的情况而已，不具备代表性，可能说很高大上，但一直以来接触不到地气，我们这样分析可以帮助我们去了解数据，但是真正的作用又是什么呢，所以我接触到一本书，强烈的安利一下《精益数据分析》，对数据分析、产品等有关的可以看看，满分推荐。对此在此用一个实际案列会员数据化运营进行了解一哈。

二、会员运营化概述

   在我们互联网软件时代中，基本上软件有着先运营在收费场景，那么会员运营自然可以明确化理解。对此我们解释是：
      产品利用会员体系，培养付费且忠诚用户，再通过会员权益建设，守住这群核心流量；进而为产品长线发展或业务延伸提供种子用户，同时避免受到商业竞争加速流失用户。

我们来举个例子：
      如同淘宝、京东两家电商平台竞争，但每家都拥有自己的付费会员，付费会员就是每家的产品底线。
京东通过某购物节全场199-100活动，吸引了很多原本是拼多多、淘宝的用户去消费时。淘宝并不会为此焦虑，因为淘宝有1W+的88vip，75%以上明年才会过期，京东还需要通过多次活动营销，才能持续发展这群用户。对于淘宝来说，这1W+的用户就是产品底线。
      这就是产品会员增长体系的逻辑，会员底层的价值和目的；因此，我们才需要会员体系。

三、会员数据化运营场景

1、会员营销
数据化运营应用于会员营销主要体现在以下几个方面：

• 以信息化的方式建立基于会员的客户关系管理系统，促进所有会员数据的信息化。
• 通过特定方法将普通用户拓展为企业用户，并提高新会员留存率。
• 基于用户历史消费记录，挖掘出用户潜在消费需求及消费热点。
• 基于历史数据，为会员营销活动提供策略指导和建议，促进精准营销活动的开展。
• 从会员营销结果中寻找异常订单或转化，作为识别黄牛或VIP客户的参考。
• 挖掘会员传播关系，找到口碑传播效应的关键节点。

2、会员关怀
数据化运营应用于会员关怀主要体现在以下几个方面：

• 为预警时间设置阈值，自动触发应急处理机制。
• 分析会员行为，为会员提供个性化、精准化和差异化服务。
• 通过会员喜好分析，提高客户忠诚度、活跃度和粘性。
• 通过会员分析，预防会员流失，并找到挽回已经流失会员的方法。
• 基于会员群体行为，更好地划分会员群体属性并挖掘群体性特征。
• 基于群体用户和内容相似度，发现有价值的会员互动方式。
• 基于会员生命周期的关怀管理，促进用户终生价值最大化。

对于上面我们收集数据，对我们需要进行业务进行数据分析时候，我们需要选取数据的时候，我们可以使用埋点方式，进行选取我们需要数据，当然埋点的方式使我们告诉开发人员，需要客户哪些信息，在网页上进行数据的埋点。有了数据之后，我们要做什么呢，肯定要对数据有一定的了解。在我们了解数据分析手段中，指标的选择可以说是数据分析进阶的一步。指标体系，那么在这里会员化的指标体系是什么呢。

四、会员数据化运营关键性指标

在这里我们简单了解几个重要指数，之后，我们总结了归类了一下会员数据化运营指标，如有详细了解，请直接百度搜索，或者参考会员数据化运营：

这些是互联网上常见的指数，如果我们必须且有必要的了解一下其中的含义，有的指数还需要我们去核算，当然不同的场景有着不同含义。当然下面指标也不是唯一的。

那什么是好的指标呢？
一个好的指标，一定是具有比较性的意义。（可以体会一下）

五、数据分析分析框架

      每一套框架对创业的生命周期都有着不同的视角，分别提出一系列值得关注的数据指标和领域。

• 戴夫·麦克卢尔的海盗指标说(简称AARRR)
• 埃里克·莱斯的增长引擎说(黏着式、病毒式、付费式)
• 精益创业画布
• 肖恩·埃利斯的创业增长金字塔（长漏斗）

以上是我们常见的数据分析框架，不仅仅有此类，还有其他的方式，只要一切以逻辑合理有效为标准。当然对于会员数据化运营也是可以使用这种的。
在这里对于会员数据化运营：会员细分

会员细分模型是将整体会员划分为不同的细分群体或类别，然后基于细分群体做管理、营销和关怀。会员细分模型常用于整体会员的宏观性分析以及探索性分析，通过细分建立初步认知，为下一步的分析和应用提供基本认知。会员细分也是做精准营销的基本前提。
常用的细分模型包括：基于属性的方法、ABC分类法、聚类法等。

基于属性的方法
      会员细分可以基于现有会员属性，常用的细分属性包括：会员地域（例如北京、上海、武汉等）、产品类别（例如大家电、3C数码、图书等）、会员类别（例如大客户、普通客户、VIP客户等）、会员性别（例如男、女、未知）、会员消费等级（例如高价值会员、中价值会员、低价值会员）、会员等级（例如钻石、黄金、白银）等。这种细分方法可以直接利用现有会员数据库数据，无需做二次开发和计算，是一种比较简单且粗浅的方法。

ABC分类法
      ABC分类分（Activity Base Classification）是根据实物的主要特征做分类排列，从而实现区别对待、区别管理的一种方法。ABC法则是由帕累托二八法则衍生出来的一种法则。不同的是，二八法则强调的是抓住关键，ABC法则强调的是分清主次，并将管理对象划分为A、B、C三类。
      在ABC分析法中，先将目标数据列倒序排序，然后做累计百分比统计，最后将得到的累积百分比按照下面的比例至划分为A、B、C三类。

• A类因素：发生累积频率为0%-80%，是主要影响因素。
• B类因素：发生累积频率为80%-90%，是次要影响因素。
• C类因素：发生累积频率为90%-100%，是一般影响因素。

最后如果本文对你有所帮助，希望一键三连哦