会员数据化运营概述

0 / 145

会员数据化运营辅助于客户关系管理(CRM),可以用来解决一下几方面问题:

  • 会员的生命周期状态是什么?
  • 会员的核心诉求是什么?
  • 会员的转化习惯和路径是什么?
  • 会员的价值如何?
  • 如何扩大市场覆盖、获得更多的新会员?
  • 如何更好地维系老会员?
  • 应该在什么时间、采取何种措施、针对哪些会员做哪些运营活动?)
  • 在特定运营目标下,应该如何制定会员管理策略(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?)

1 会员数据化运营关键指标

包括:

  • 整体指标
  • 营销指标
  • 活跃度指标
  • 价值度指标
  • 终生价值指标
  • 异动指标

1.1 整体指标

  • 注册会员数:已经成为企业注册会员的数量。根据注册时间周期的不同,又可以细分为累积注册会员数,新增注册会员数等。
  • 激活会员数:已经注册的会员中有多少会有已经激活。根据激活时间周期的不同,又可细分为累积激活会员数,新增激活会员数等。
    • 会员激活率:完成激活/注册会员
  • 购买会员数:有过购买行为的会员数量(可转化定义)。根据购买时间周期的不同,又可以细分为累积购买会员数、新增购买会员数等。
    • 注册 - 购买转化率:从注册到购买的会员转化比例。
    • 激活 - 购买转化率:从激活到购买的会员转化比例。

1.2 营销指标

  • 可营销会员数:指可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。方式包括:手机号、邮箱、QQ 号、微信等。
  • 营销费用
    • 营销媒介费:特定营销媒介而产生的费用,例如短信费用、会员渠道推广费用、电子邮件费用等
    • 优惠券费用:根据不同的使用条件和金额可以划分成多种,如 30 元红券、50 元店铺券等。企业促销时申请的优惠券费用是会员营销费用的重要组成部分。
    • 积分兑换费用:积分按一定比例可兑换一定价值。两种情况:1 积分可直接兑换人民币来支付订单;2 订单生成后会赠送一定数量的积分又形成可供兑换的金额
  • 营销收入
    • 通过会员营销渠道或会员相关运营活动产生的收入,包括电子邮件、短信、会员通知、线下二维码、特定会员优惠码等。
    • 可通过特定有标记的渠道或促销码而成交的数据能清晰分辨出来
  • 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总下单金额的比例。
    • 用券订单比例:使用优惠券下单的下单量占总下单量的比例。
    • 基于用券数据产生的用券用户平均订单金额、用券用户复购率等相关指标。
  • 营销费率:指会员营销费用占营销收入的比例。分析目的是:监督营销费用的支出情况,确保其不超出计划指标。
  • 每注册/订单/会员收入:监控会员营销的单位收入是评估收益效率的重要指标,包括以下几钟:
    • 每注册收入:每个注册用户带来多少收入。
    • 每订单收入:每个订单带来多少收入。
    • 每会员收入:每个会员带来多少收入。
  • 每注册/订单/会员成本:单位成本的考量是精细化业务动作的关键指标之一,包括以下几种:
    • 每注册成本:每获得一个注册用户需要多少成本。
    • 每订单成本:每获得一个订单需要多少成本。
    • 每会员成本:每获得一个会员需要多少成本。
    • 其他类型成本,如每挽回一个流失客户成本、每完成一个特定目标成本(例如下载企业白皮书)、每单位线索成本(例如获得一个联系方式)等。

1.3 会员活跃度指标

  • 整体会员活跃度
  • 每日/每周/每月活跃用户数:同一用户在阶段内产生的活跃度在仅记录一次。
    • 每日活跃用户(Daily Active Users, DAU):每天活跃用户的数量。
    • 每周活跃用户(Weekly Active Users, WAU):每周活跃用户的数量。
    • 每月活跃用户(Monthly Active Users daily,MAU):每月活跃用户的数量。

1.4 会员价值度指标

  • 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。常见的分群结果如:高、中、低,钻石、黄金...
    • 并非是一个真正的指标,而是给用户打标签用于显示用户的状态、层次和价值区分等。
  • 复购率:一定周期内购买多次的会员比例。
  • 最近一次购买时间(R):评估会员消费价值黏性
  • 消费频次(F):有效分析用户对企业的消费黏性
  • 最近一次购买金额(M)

1.5 会员终身价值指标

  • 会员生命周期价值/订单量/平均订单价值:用户整个生命周期内下单金额总和。无时间限制,能整体上获得会员的宏观状态,因此是重要的宏观价值衡量指标。
  • 会员生命周期转化率:用户整个生命周期内下单量总和。衡量用户是否有较高的转化率
    • 会员在完整生命周期内完成的订单和到达网站、企业、门店的次数比例
  • 会员生命周期剩余价值:用户整个生命周期内下单金额/下单量。
    • 预测性指标。用来预测用户在其生命周期内还能产生多少价值
    • 细分出很多相关指标:(基于算法模型做训练,包含回归和分类,或有些时候使用关联算法。)
      • 预期未来 30 天的会员转化率
      • 预期生命周期剩余订单价值
      • 预期 7 天内下单数量
      • 预计下 1 个订单的订单金额
      • 下一次购买商品的名称

1.6 会员异动指标

  • 会员流失率:流失会员数量/全部会员数量。该指标关注点:
    • 会员流失率的数值:正常情况下是较小的比例,制定符合行业特定的基准作为参考。
    • 会员流失率的走向:流失率处于平稳或下降状态,如果出现流失率上升的情况则需要引起警惕。
  • 会员异动比:会员异动比=新增购买会员/流失会员。指标:
    • 异动比 = 1:说明企业在异一定周期内新增会员与流失会员数相等;
    • 异动比 > 1:说明新增会员多于流失会员,这是良好的发展状态;
    • 异动比 < 1:说明会员增长不如六十块,企业面临会员枯竭的危机。

2 会员数据化运营应用场景

  • 会员营销
  • 会员关怀

2.1 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用户拓展为企业会员,并提高新会员留存率
  • 基于用户历史消费数据,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

2.2 会员关怀

  • 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,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、活跃度和黏性
  • 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。

3 会员数据化运营分析模型

  • 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
  • 营销响应预测模型

3.1 会员细分模型

将整体会员划分为不同的细分群体或类别,基于细分群体做管理、营销和关怀。

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值。

常用的细分模型包括:

  • 基于属性的方法
  • ABC 分类法
  • 聚类法

3.1.1 基于属性的方法

基于现有会员属性,如会员地域、产品类别、会员类别、会员性别、消费等级、会员等级等。直接利用现在会员数据库数据,无需二次开发和计算。

3.1.2 ABC 分类法

根据事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。例:根据订单金额做累积百分比统计,将会员划分为不同的分类。

3.1.3 聚类法

指定划分的群体数量即可。

3.2 会员活跃度模型

用来评估用户的活跃情况,是会员状态分析的基本模型之一。

RFE 模型,基于用户的普通行为(非转化或交易行为)产生,与 RFM 类似,都是使用 3 个维度做价值评估。RFE 模型是根据会员最近一次访问时间 R(Recency),访问频率 F(Frequency)和页面互动度 E(Engagements)计算得出 RFE 得分。

  • R:最近一次访问或到达网站的时间
  • F:在特定时间周期内访问或到达的频率
  • E:互动度的定义可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、下载量和视频播放次数等。

在该模型中,不要求用户发生交易,因此可做未发生登陆、注册等匿名用户的行为价值分析,也可以做实名用户分析。

该模型常用来做用户活跃分群或价值分群,可用于内容型(如论坛、新闻、资讯等)企业的会员分析。

得到用户的 RFE 得分后,与 RFM 类似,也可以有两种应用思路:

  • 思路 1:基于 3 个维度值做用户群体划分和解读,对用户的活跃度做分析。RFE 得分为 313 的会员说明其访问频率低,但是每次访问时的交互都非常不错,此时重点要做用户回访频率的提升,例如通过活动邀请、精准广告投放、会员活动推荐等活动提升回访频率。
  • 思路 2:基于 RFE 的汇总得分苹果所有会员的活跃度价值,并可以做活跃度排名。同时,该得分还可以作为输入维度与其他维度一起作为其他数据分析和挖掘模型的输入变量,为分析建模提供基础。

注意:无论 RFM 或 RFE,都不能忽略不同的消费频率、品类和周期对于结果的影响。由于不同品类的商品差异性很多,最终得分结果没有必然的可比性。

3.3 会员价值度模型

用于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,也是衡量不同营销效果的关键指标之一。 价值度模型一般基于交易行为产生,衡量的是有实体转化价值的行为。常用的价值度模型是 RFM

RFM 模型是根据会员最近一次购买时间 R(Recency),购买频率 F(Frequency),购买金额 M(Monetary)计算得出 RFM 得分,通过这 3 个维度来评估客户的订单活跃价值,常用来做客户分群或价值区分。该模型常用于电商(交易类)企业的会员分析。

RFM 模型基于一个固定时间点来做模型分析,因此今天做的 RFM 得分与 7 天前的结果可能不一样。原因是每个客户在不同的时间节点所得到的数据不同。

RFM 模型的基本实现过程

  • 1 设置要做计算时的截止时间节点,用来做基于该时间的数据选取和计算。
  • 2 在会员数据中,以今天为时间界限向前推固定周期(例如 1 年),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。一个会员可能会产生多条订单记录。
  • 3 数据预计算。
    • 从订单时间中找到各个会员距离截止时间节点最近的订单时间作为最近购买时间:R
    • 以会员 ID 为维度统计每个用户的订单数量作为购买频率:F
    • 将用户多个订单的订单金额求和得到总订单额:M
  • 4 R,F,M 分区。对 R,F,M 分别使用五分位(或三分位,分位数越多,划分越详细)
    • 对于 F 和 M 变量来讲,值越大越好。
    • 对 R 来讲,值越小越好。(注意,需要倒过来划分)
  • 5 3 个值组合或相加得到总的 RFM 得分。
    • 拼接:312,333,132
    • 汇总: 6,9,6

在得到不同的 RFM 后,产生的两种结果有两种应用思路:

  • 思路 1:基于 3 个维度值做用户群体划分和解读,对用户的价值度做分析。例如:
    • 212:针对购买频率低的客户应顶起发送促销活动邮件
    • 321:虽然购买频率高但是订单金额低,这些客户往往具有较高的购买黏性,可以考虑通过关联规则或搭配销售的方式提升订单金额。
  • 思路 2: 基于 RFM 的汇总得分评估所有会员的价值度,并作价值度排名。
    • 该得分可作为输入维度与其他维度一起作为其他数据分析和挖掘模型的输入变量,为建模提供基础。

3.4 会员流失预测模型

用来预测会员是否流失,是做会员生命周期管理的重要预防性应用。先定义好“流失”,即处于何种状态、具备哪些特征的会员属于流失会员。

流失区分为永久性和临时性流失。常见的属于流失的状态定义示例如下:

  • 会员退订公司的促销活动
  • 会员打电话要求将自己的信息加入通知黑名单。
  • 会员已经连续 6 个月没有登陆过网站。
  • 针对会员发送的关怀激励活动后没有得到任何有效的反馈和互动。
  • 会员最近 1 年内没有任何订单

上述流失状态归为两类:

  • 1 会员有明确的表达,不再希望接收到公司的相关信息;
  • 2 会员没有明确的表示,但是在业务关注的主要领域内没有得到有效反馈。

会员流失预测模型的实现方法属于分类算法,常用算法包括逻辑回归、支持向量机、随机森林等。

在做会员流失模型时要注意以下问题:

  • 流失会员的样本分类一定是少数类,需要注意处理样本不均衡问题。
  • 对于流失会员的预测结果,得到概率性的输出可以结合流失预测标签一起应用,因为业务方可以基于概率再结合业务经验做判断。
  • 对于参与训练模型的维度变量的选择,一定要结合业务经验,因为业务方对于特定场景的判断时影响训练模型和应用结果的关键因素之一。
  • 输入的维度变量中一定要包含发生转化前的行为数据,假如业务定义为最近 6 个月没有订单的客户为流失客户,那么在做预测模型时需要将用户的匿名访问、登陆 页面浏览、搜索、活动咨询等转化前的数据考虑在内,而不能只考虑订单转化本身。
  • 会员流失预警模型不是一次性的,而是周期性监视和运行的,例如每天、每周或至少是每月。

3.5 会员特征分析模型

针对现有会员做特征分析

  • 明确特征:具有极高落地价值
    • 分类
    • 关联规则
    • 异常检测
  • 模糊的特征:数据分析结果未提供详细的细节要素,仅指明了下一步行动方向或目标
    • 聚类:划分群组,分析群组间差异性和典型特征。
    • 统计分析:了解整体数据概括,包括描述性统计、频数分布等。

3.6 营销响应预测模型

针对营销活动展开的,通常在做会员营销活动之前,通过营销响应预测模型分析,找到可能响应活动的会员特征及整体响应的用户比例、数量和可能带来的销售额。 这对在会员营销之前的有关策略制定的辅助价值非常明显。

首先,需要手机训练所需的数据集:

  • 所有会员随机抽样,至少 1000 条以上(同时要兼顾总体会员数量)
  • 针对所选会员样本通过一定媒介和渠道发送营销活动信息,如:短信、邮件,需要记录好营销活动发送的时间、频率、信息等关键运营要素。
  • 收集营销活动数据。注意数据收集的周期。

最后通过分类模型(二分类)做营销响应预测,得到的结果一般包括以下两个方向:

  • 基于模型找到最可能产生购买转化行为的会员规则特征。
  • 基于模型预测可能产生的订单转化数量、转化率,以及有转化客户的客单价大体计算出此次发送能得到的营销收入。这些信息可作为营销活动计划提报的 数据量化指标和资源申请的数据支持。