客户关系营销(数据分析+转换跟踪).docVIP

客户关系营销（数据分析+转化跟踪） B2C本质上是零售，客户是最宝贵的资源！ 应该怎样管理好这个资源？ 这里，首先要有一个前提： 1.让一个已经知道我们网站、已经在网站购物过的消费者再次购物，比引入一个陌生的用户、说服他购物要容易； 2.让一个刚刚流失的客户回头，比劝服一个已经流失了很长时间的客户回头购买我们东西要容易（可能连联系方式已经变更） 这样看来，我们应该要做的是： 1.优先向已有客户做营销（投资回报率较高——尤其是在预算相对有限的情况下） 2.向那些流失客户做营销 3.在客户流露出“流失”信号时，马上做营销 那么，核心的问题就是：应该怎样去了解哪些客户“就快流失了”？ 我们来看一看一般的客户成长曲线： （横轴是时间，纵轴是购物频率，仅是示意图，曲线坡度无意义） 一般来说，一个客户第一次接触我们的网站之后，他会有一段时间的适应期，购物频率较低；等到慢慢熟悉了我们网站的功能应用和产品线之后，购物频率会上升，慢慢稳定下来…… 直到某一天，他的需求减弱，或者找到了其他的方式满足需求，或者我们的某方面服务让他不满意了，他的购物频率会降低（缓慢或者直接陡降都可能），直至完全流失。 所以，我们要关心的客户有两类： A: 新客户，但是没能成功转化为稳定客户 B: 稳定客户，刚刚转化为了流失客户 我们要解决的问题是： 1.怎么找到这些客户？ 2.找到之后我们要做什么？ 首先，怎么找到这些客户？ 1.对A组人来说： 给定一个购物次数来定义“新客户”，这个会根据我们网站商品类别的不同而不同。 假设我们定义这个数字为“4”，定义购物小于4次的都叫“新客户”； 然后进行简单的数据挖掘，看看已有的老用户（购物次数大于等于4）前4次购物的间隔分别是多少，如果数据的差异性不大，可以用数据的平均值，如果差异性很大，则需要进一步分析（如：我们网站商品品种很多，其中有“书”和“数码产品”，买“书”的客户购物频率和买“数码产品”的客户购物频率必然差很多，需要分开对待） 这样我们就得到了“新用户”的“前四次购物正常间隔”，假设是P1, P2, P3（例如60天，30天，和15天）； 如果一个新用户在第一次购物后，经过P1天，还没有进行第二次购物，我们就知道他在“转化为稳定客户”上遇到了困难； 同样道理，第二次购物后P2天没有购物，第三次购物后P3天内没有购物，同样说明他遇上了问题，我们没有成功的稳定下这个客户，他将落入A组； P的值可以根据市场预算，以及客户价值来调整。如果觉得该客户非常重要，平时可以用0.8*P1, 0.8*P2, 0.8*P3来作为判断条件（这样会更快把客户放入A组），同样的，如果市场预算不够，只能花在少量“确认流失”的客户身上，可以把P1, P2, P3改成2*P1, 2*P2, 2*P3 （意思是等更长时间再把客户放入A组）。 2.对B组人来说： 这些人都不是“新用户”，所以都有至少4次购物经验， 取Trap Wire（数据结果）= Max {P1, P2, P3, P4, …, PN}（定义Trap Wire等于过去所有间隔中最大的那个，当然我们也可以定义它等于之前所有购物间隔的平均值，根据效果进行相应微调） 假如今天距离该客户上次购物已经有了T时间，如果T Trap Wire，则该客户呈现出了“流失”的信号。 同A组数据一样，可以根据实际情况调整Trap Wire的值，预算足够的时候用0.8*Trap Wire，预算不足的时候用1.5*Trap Wire。 如果要进一步进行转换跟踪的话，可以引入更复杂的参数，假设网站老客户平均的购物频率是F（频繁），平均每个老客户购买过价值M（金额）的产品；而该名客户的购物频率是F1，购买过价值M1的产品，那么针对他的Trap Wire可以设置为M1*F1/(M*F)——即:购物次数多、花钱多的客户，我们更积极的去挽回；购物次数少，花钱少的客户，我们可以更耐心一点多等几天再挽回。 根据这两个定义，每天（或者每周，每个月）--我们就可以得到两个列表: A, B。 下一步： 1．我们可以监控A，B组占网站客户数的百分比，可以知道当前的网页设计、营销活动对于保留新老客户的作用大小、好坏。例如：如果发现最近两个月A, B组的数量都翻了一倍，这就是一个直观的数据在告诉我们“客户在快速流失！”，我们就需要尽快把原因查找出来。 2.我们可以了解到最新的消费者动态，并做出相应改进。比如我们可以让客服或市场人员给所有落在B组，并且M1M，F1F的客户打电话（根据实际情况来决定），询问他们对于我们网站的印象（主要目的是含蓄的问“为什么不来买东西了？”）。问刚流失的客户比问一个流失了几年的客户更有意义——我们还可以根据客户的回答来相应做些弥补（比如：他说我们的购物流程变了他不会用了，我