设为首页 - 加入收藏 ASP站长网(Aspzz.Cn)- 科技、建站、经验、云计算、5G、大数据,站长网!
热搜: 数据 手机 公司
当前位置: 首页 > 运营中心 > 产品 > 正文

漫谈CRM体系化建设3:如何留住客户(2)

发布时间:2017-04-24 01:34 所属栏目:30 来源:woshipm.com
导读:从纵向客户分析深度的视角来看,通过基础属性、交互行为、业务数据、社交网络四个维度,可以得到客户最全面的线上线下信息。 基础属性是静态数据,描述了客户的基本情况。大多数时候企业难以收集到完整的客户资料,

从纵向客户分析深度的视角来看,通过基础属性、交互行为、业务数据、社交网络四个维度,可以得到客户最全面的线上线下信息。

基础属性是静态数据,描述了客户的基本情况。大多数时候企业难以收集到完整的客户资料,有时候需要根据客户行为或交易猜测部分客户属性,例如假如客户经常买母婴用品和女性用品,就可以推测是有小孩的年轻母亲,完成客户基础属性的补全。交互行为,狭义上讲是客户在网络环境下的所有动作、轨迹等等,广义上讲还包括线下发生的行为,例如卖场内客户行进动线,在不同陈列区的停留时间,与销售人员的沟通内容。交互行为体现了客户的真实诉求,是分析潜在营销机会的最关键数据来源。线上环境的交互行为最容易收集,这也是线上渠道的最重要的特点和优势;线下渠道,也可以通过一些手段采集,但是成本较高。例如,有新闻报道,北京的品牌卖场上品折扣,通过摄像头捕捉和RFID技术,追踪记录持有会员卡的客户,来分析客户的逛店行为。但具体效果如何,没有看到更多的报告。业务数据,主要指交易数据,同时也包括客诉、服务(例如保险理赔,基金赎回)等OLTP系统产生的数据。社交网络,包括体系内和体系外的社会化运营数据,体系内包括分享、评价、点赞、兴趣话题等,体系外包括微信、微博、知乎等。通过社交网络的数据,可以分析客户的情绪反应,喜好憎恶,以及更加全面的社会关系信息。社交网络的数据获取和分析,对技术的要求较高,并且不一定能直接产生高价值的应用。当然这也不是绝对的,例如有报道今日头条正是通过分析用户的微博数据,识别其兴趣点,从而推送更准确的文章和话题。

通过以上四个维度的基础信息,可以组合出若干场景或主题下的客户分析思路,其中有10个经典的分析思路,值得大家关注,了解。

下边的章节,我们介绍客户分析的经典模型和设计思路。

3、客户细分与建模

客户细分和客户建模是两个不同的概念,客户细分目标很明确,基于各种诉求将客户区分成不同的子群体,进行业务分析,或制定对应的业务策略。客户细分可能是临时性的一次性分析,也可能是需要长期固化的标准。客户建模是对客户基于某些固定的、经典的主题,进行确定性的标准设计,多数情况下会固化到系统。客户建模通常会形成对客户的分群、分组,所以实际上很多时候客户建模也完成了一次客户细分。少数情况下客户建模不会产生客户细分效果,例如客户的积分模型,成长值模型,信誉值模型。

单纯的客户细分方法形式多样,用途非常广泛,例如基于流量来源的留存分析,基于关键行为分群的的下单特性分析,属于数据分析的范畴。本文只关注客户建模而不关注客户细分,因为本文介绍的常见客户模型,已经代表了经典的客户细分思路。对于其他主题或领域的客户细分方法,本文不做介绍。

客户建模没有明确的定义,因为其形式、方法多样,没有数学建模严谨、严格。核心的要点是通过抽象和定量分析,产生具有某种业务诉求的需要固化的规则输出。接下来,我们介绍十套经典的客户模型,代表了常用的十种客户分析思路。需要注意的是,客户建模工作开展之前,一定要明确其价值和意义,要么作为企业经营决策分析的重要参考,要么对业务产生影响。在不同的发展阶段,对模型丰富程度的诉求不同,要在合适的阶段结合业务,建设合适的模型。

(1)基础模型

基础模型主要基于基础属性维度建设,用来呈现客户的基本情况。C端用户基础模型相对简单,丰富的字段属性即可满足要求。B端的客户相对复杂,要通过复杂的逻辑模型,呈现出B端企业的组织架构,人员架构等。基础模型是对现实世界人或物的抽象描述,通常用ER模型来实现逻辑层的客户抽象定义。通过基础模型,可以做基于客户内外在属性的细分,例如客户类型,地区,性别,年龄,收入情况等。下图是一个简化的C端客户和B端客户的基础模型ER示意图。

(2)RFM模型

RFM是最经典的客户消费行为特征分析模型,RFM代表Recency(最近一次消费时间),Frequency(某一个时间范围内的消费频次),Monetary(某一个时间范围内的平均客单价或累计交易额)。根据公司实际数据情况,将这三个指标划分成几档,可以形成多种组合(假设每个指标分五档,则可产生5x5x5个组合),对这些组合进行聚类分析,提炼出行为模式类似的多个群体,实现对客户消费特征的群体细分。

RFM的应用方向包括业务分析,客户消费特征分析,以及营销策略输出。RFM可以协助实现客户生命周期分析,例如,如果大多数成熟客户每个月稳定下单频次F是15次,即稳定一天下两单,如果R值变成了4,即最后一次下单距今已超过4天,则认为客户进入睡眠期(衰退期),需要唤醒策略激活。如果R值变成了15,则认为客户进入流失状态(离开期),需要二次激活。至于如何定义R和F,从而定义衰退和离开,需要结合实际业务以及数据分布来制定。

RFM在所有商业领域通用,是每个售卖产品或服务的企业,必须实现的第一个客户细分模型。针对RFM的介绍资料非常多,建议读者进行深度学习。

(3)价值模型

企业的资源是有限的,对有限的资源进行合理的分配,让高价值客户得到优先的服务和特权,是每个企业都会做出的选择。例如,假设有两个客户A和B,A平均一个月下20单,客单价20元;B客户平均一个月下5单,客单价200元。一个月内A客户贡献了400元营收,B客户贡献了1000元营收,显然B客户对企业的价值更大,要更加关注,保证留存。

价值模型通常从消费额的角度来建设,输出方向主要是对不同贡献程度的客户提供差异化服务。价值模型通常和客户等级共同建设,通过会员等级定义差异化服务。

需要注意的是,有些互联网APP在某些阶段不以营收为目的,对客户价值或用户价值的丈量,会采用其他指标或方式,例如登陆次数,交互行为等。

(4)忠诚度模型

忠诚度模型通常用交易频次来量化定义。以价值模型中提到的A、B客户为例,A客户虽然贡献度较小,但下单频次高,是一个高频忠诚客户。对于这类客户,企业可以通过礼包或部分特权的形式给予鼓励。

有些时候,企业会综合考虑客户的价值模型和忠诚度模型来设计会员等级,提供差异化增值服务。但对于企业来讲,本质上贡献度更高的客户更重要。例如,支付宝、携程等公司,在客户等级的规则描述中提到,会同时考虑消费、投资金额和交互行为。但我相信最终的计算公式,更多考核的是消费或投资金额。

(5)生命周期模型

前文已经对客户的生命周期做了很多介绍,定量界定客户生命周期的最重要目的,是对获取期和提升期的客户进行激活和留存,对衰退期和离开期的客户进行及时挽回。

同样,生命周期的定义方法要结合实际业务,如果是不以营收为目标的互联网公司,或变现的方式不是依赖于交易而是广告投放,此时对用户生命周期的定义可能会通过登录、交互行为来切入。

(6)偏好模型

偏好模型通过分析用户的交互行为和交易数据,来判断客户的需求偏好。偏好模型更多的时候通过客户画像和打标签来实现。

(7)信誉模型

信誉模型的设计必须配合实际的业务动作,例如对低信誉客户进行部分限制。如果没有配套的业务动作,创建信誉模型没有太大价值。信誉模型多数时候由风控团队负责。

(8)客户画像

(编辑:ASP站长网)

网友评论
推荐文章
    热点阅读