数据化运营之会员数据化运营
会员数据化运营主要用来解决以下方面问题：
1、会员生命周期状态
2、会员核心诉求
3、会员价值如何
4、会员转换习惯与路劲
5、如何扩大市场覆盖、获取更多会员
6、如何维系老会员
7、应该在什么时间、采取什么措施、针对那些会员做那些活动
8、在特定运营目标下，应该如何指定会员管理措施
会员数据化运营关键指标
会员数据化运营关键指标主要包括：会员整体指标、营销指标、活跃度指标、价值度指标、终身价值指标和异动指标
会员整体指标
1、注册会员数
2、激活会员数–会员激活率
3、购买会员数–注册-购买转化率；激活-购买转化率
会员营销指标
1、可营销会员数
2、营销费用
营销媒介费用
优惠券费用
积分兑换费用
3、营销收入
4、用券会员/金额/订单比例
5、营销费率
6、每注册/订单/会员收入
7、每注册/订单/会员成本
会员活跃度指标
1、整体会员活跃度
2、每日/每周/每月会员活跃用户数
会员价值度指标
1、会员价值分群
2、复购率
3、消费频次
4、最近一次购买时间
5、最近一次购买金额
会员终身价值指标
1、会员生命周期价值/订单量/平均订单量
2、会员生命周期转化率
3、会员生命周期剩余价值
会员异动指标
1、会员流失率：流失率的数值和会员流失率的走向
2、会员异动比：新增购买会员 / 流失会员
会员数据化运营应用场景
主要应用与会员营销与会员关怀
会员营销
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会员拓展为企业会员，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求异常订单或转化，作为识别黄牛或者VIP用户的参考
挖掘会员传播关系，找到口碑传播效应的关键点
会员关怀
为预警事件设置阈值，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，提高用户忠诚度、活跃度和粘性
通过会员分析，预防会员流失，并找到挽回已流失会员的方法
基于会员群体行为，更好的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，促进用户终身价值最大化
会员数据化运营分析模型
主要有会员细分模型、会员价值度模型、会员活跃度模型、会员流失预测模型、会员特征分析模型和营销响应预测模型
会员细分模型
1、基于属性的方法：常用属性包括：会员地域、产品类别、会员类别、会员性别、会员消费等级、会员等级等
2、ABC分类法：由二八法则衍生
A类因素：发生累计0%-80%，是主要因素
B类因素：发生累计80%-90%，是次要因素
C类因素：发生累计90%-100%，是一般因素
3、聚类法
会员活跃度模型
1、RFE模型
最近一次访问时间R：会员最近一次访问或者到达网站的时间
访问频率F:用户在特定时间内访问或到达的频率
页面互动度E：互动度的定义可以根据不同企业的交互情况而定，如页面浏览量、下载量、视频播放次数等
得到用户的RFE得分后，与RFM模型类似，有两种应用思路：
１、基于３个维度值做用户群体划分和解读，对用户活跃度做分析
２、基于RFE的汇总得分评估所有会员的活跃度价值，并可以做活跃度排名
会员价值度模型
1、RFM模型
最近一次购买时间R
购买频率F
购买金额M
基本过程:
1)设置要计算时的截至时间节点,用来做基于该时间的数据选取与计算
2)在会员数据库中,以今天为时间界限向前推固定周期,得到包含每个会员的会员ID,订单时间,订单金额的原始数据集,一个会员可能产生多条订单记录
3)数据与计算
4)R,F,M分区
5)将三个组合或者相加得到总的RFM得分
得到用户的RFM得分后,有两种应用思路：
１、基于３个维度值做用户群体划分和解读，对用户活跃度做分析
２、基于RFE的汇总得分评估所有会员的活跃度价值，并可以做活跃度排名
会员流失预测模型
会员流失定义:
已经退订公司的促销活动
打电话要求将自己的信息加入黑名单
连续6个多月没有登陆过网站
针对会员关怀活动后没有任何有效的反馈与互动
近一年没有任何订单
模型算法:分类模型,如逻辑回归,支持向量机,随机森林等
会员特征分析模型
主要两种业务场景:
１、在没有任何前景经验或特定目标下触发,希望通过整体特征分布了解会员全貌
聚类
统计分析
2、有明确的业务方向,希望能找到达到事件目标的会员特征,用于做进一步的会员运营
分类
关联
异常检测
营销响应预测模型
分类算法:逻辑回归,支持向量机,随机森林等
通过营销响应预测模型得到的结果一般包含以下两个方向:
１、基于模型找到最可能产生购买转化行为的会员规则特征
2、基于模型预测可能产生的订单转化数量,转化率,以及转化客户的订单价,大体计算此次营销收入
会员数据化运营分析小技巧
１、使用存留分析做新用户质量分析
日存留
周存留
月存留
存留分析注意事项:
1)区别应用不同存留周期
2)在存留中注意观察和分析衰减比率
3)注意分析运营活动对存留的影响
2、使用AARRR做APP用户生命周期分析
AARRR模型:
1)获取用户
2)提高活跃度
3)提高留存率
4)获取收入
5)自传播
3、使用协同过滤算法为新会员分析推送个性化信息
会员数据化运营的一些内在含义
１、企业不差钱,为什么还要做精准营销?
主要有以下几个方面:
更好的用户体验
更高的营销回报
更低的成本支出
2、用户满意度取决于期望和给予的匹配程度
有以下应用场景:
1)在商品描述中同时出现原价,促销价,折扣价等多个价格,通过多个价格对比有效突出最终成交的折扣价
2)通过历史价格趋势对比,让用户感觉现有价格已经比历史价格低,加强现有价格更低的心理预期
3)通过与其他标杆企业对比,突出自身价格优势
4)在销售价格基础上,通过满减,满返等方式,让用户下单时看到更低的成交价格,促进商品购物车转化
通过以上方法,让用户感觉更便宜,从而促进商品销售转化
3、用户不购买并不等同与用户已经流失,因为用户还可能存在其他活跃行为
4、来自调查问卷的用户信息未必可信
5、不要盲信二八法则
参考:<