会员数据化

《Python数据分析与数据化运营》学习笔记 本书作者:宋天龙

1 会员数据化运营概述

会员数据化运营辅助于客户关系管理,主要用于解决以下几方面的问题:

  • 会员的生命周期状态是什么;
  • 会员的核心诉求是什么;
  • 会员的转换习惯和路径是什么;
  • 会员的价值如何;
  • 如何扩大市场覆盖、获得更多新的会员;
  • 如何更好的维系老会员;
  • 应该在什么时间、采取何种措施、针对哪些会员采取哪些运营活动;
  • 在特定的运营目标下,怎样制定会员管理策略,包括行为管理、体验管理、增值服务、信息管理、营销管理、客户关怀等。

2 会员数据化运营关键指标

2.1会员整体指标

  1. 注册会员数 指的是企业已经注册会员的数量。
  2. 激活会员数 相对于注册会员有一个特定的动作,该动作决定了用户是否真的成为企业会员,常见的代表动作有:点击确认链接、手机验证、邮箱验证等。
  3. 购买会员数 有过购买行为的会员数量。

2.2会员营销指标

  1. 可营销会员数 指整体会员可通过一定方式进行会员营销以满足企业特定需求的会员数量。可营销的方式包括:手机号、邮箱、微信等具有可识别并可接触的信息点,具备这些信息中的任何一种便形成可营销会员。
  2. 营销费用 营销媒介费用、优惠券费用、营销收入
  3. 营销收入 通过营销活动获取的收入,在做会员营销时,一定要尽量让用户有特定的标志,这样才能区分营销效果。
  4. 用券会员/金额/订单比例
  • 用券会员比例:使用优惠券下单的会员占总下单会员的比例。
  • 用券金额比例:使用优惠券下单的订单金额占下单金额的比例。
  • 用券订单比例:使用优惠券下单的订单数占总订单数的比例。
  1. 营销费率 会员营销费率占营销收入的比例。
  2. 每注册/订单/会员收入
  3. 每注册/订单/会员成本

2.3会员活跃度指标

  1. 整体会员活跃度 用来评价当前所有会员的活跃度情况,通常以会员动作或关键指标作为会员是否活跃的标识。
  2. 每日/每周/每月活跃用户数

2.4会员价值度指标

  1. 会员价值分群 以用户价值为出发点,通过特定模型或方法将会员分为几个群体或层级。常见的分群结果例如:高、中、低;钻石、黄金、白银、青铜。
  2. 复购率 一定周期内购买2次或2次以上的会员比例。
    基本的逻辑有三种:
    第一种:1个月之内购买2次或2次以上的会员。
    第二种:一个月购买2次或2次以上,以及1个月之前有购买行为,在一个月之内又产生购买行为(也可能是1次)的会员
    第三种:1个月之前有购买行为,1个月之内又有购买行为的会员。
    3.消费频次 一定周期内消费的次数。
    4.最近一次购买时间 该指标可以作为会员消费价值黏性的指标。
    5.最近一次购买金额

3 会员数据化运营应用场景

3.1 会员营销

会员营销主要用于以下几个方面:

  • 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会员,并提高会员留存率。
  • 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,促进精准营销活动到的开展。
  • 从会员营销结果中寻找异常订单或转化,作为黄牛或VIP客户的识别。
  • 挖掘会员传播关系,找到口碑传播效应的关键节点。

3.2 会员关怀

  • 为预警事件设置阈值,自动触发应急处理机制。
  • 分析用户行为,为会员提供个性化、精准化和差异化的服务。
  • 通过会员喜好分析,提高客户忠诚度、活跃度和黏性。
  • 通过会员分析,预防会员流失并找回挽回已经流失会员的方法。
  • 基于会员群体行为,更好的划分会员群体属性并挖掘群体特性。
  • 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。

4 会员数据化运营分析模型

4.1 会员细分模型

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。

  • 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、产品类别、会员类别、会员性别、会员等级等。
  • ABC分类法
  • 聚类法

4.2 会员价值度模型

会员价值度用来评估用户的价值情况,是区分会员价值的重要模型和参考依据。
常用的会员价值度模型是RFM
R:最近一次购买的时间
F:购买频率
M:购买金额

4.2 会员活跃度模型

用户活跃度用来评估用户的活跃度情况,是会员状态分析的基本模型之一。
活跃度模型——RFE模型
RFE模型基于用户的普通行为产生
R 最近一次访问的时间:最近一次访问或到达网站的时间
F 访问频率:用户在特定时间周期内访问或到达的频率
E 页面互动度:根据不同企业的交互情况而定,例如可以定义为页面浏览量、下载量、视频播放量。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,907评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,987评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,298评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,586评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,633评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,488评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,275评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,176评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,619评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,655评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,265评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2 354

推荐阅读更多精彩内容