漫谈CRM体系化建设3：如何留住客户(2)
|
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） |
《2021抖音私域经营白
副业刚需 一文带你全
小红书如何自建鱼塘获
物联网产品设计中Wi-F