会员数据化运营

会员运营,数据分析,数据思维,精准营销,预测模型

会员数据化运营

• 关键指标
  • 整体指标
    • 注册会员数
      • 累计注册数
      • 新增注册数
    • 激活会员数
      • 累计激活数
      • 新增激活数
    • 购买会员数
      • 累计购买数
      • 新增购买数
    • 充值会员数
    • 转化率
      • 注册-购买转化率
      • 激活-购买转化率
  • 营销指标
    • 可营销会员数
      • 具有可识别和触达的信息点
        • 手机
        • 微信 QQ 微博
        • 邮箱
    • 营销费用
      • 营销媒介费用
        • 类似于 DM单页,流媒体广告投放,短信邮件 群发等
      • 优惠券费用
      • 积分兑换费用
    • 营销收入
      • 营销时有必要的渠道界定手段
      • 有明确的收入辨别才能完成界定
    • 用券会员
      • 订单比列
      • 金额比列
      • 会员数比列
      • 用券会员平均客单价
      • 用券用户复购率
    • 营销费率
      • 营销费用占营销收入的比例
      • 监督营销费用的支持情况,确保其不超出计划指标
      • 每订单收入
        • 每个订单带来的收入
    • 会员收入
      • 每注册收入
        • 每个注册的会员可以带来多少收入
      • 每会员收入
        • 每个活跃用户带来的收入
    • 会员成本
      • 每注册成本
        • 获得一个注册用户的成本
      • 每订单成本
        • 获得一个订单的成本
      • 每会员成本
        • 每个活跃会员的成本
  • 活跃度指标
    • 整体活跃度
      • 单个会员的活跃度指标
      • 不同端口的活跃度指标
      • 不同品类下的活跃度指标
      • 可以根据业务需求设计活跃度矩阵,根据业务类型设置不同的权重来计算
    • 单位时间活跃用户
      • 每日/每周/每月活跃用户数
  • 价值度指标
    • 会员价值分群
      • 结合业务,通过特定的算法给会员打标签,通过标签来显示用户的状态层次和价值
    • 复购率
      • 参考资料:复购率如何计算-百度经验 https://jingyan.baidu.com/article/9113f81b49562f2b3314c745.html
      • 计算逻辑
        • 1.一个月内购买了2次或2次以上的会员
        • 2.一个月之前有购买,本月内又有购买的会员
        • 3,第1种和第2种的总和
        • 时间周期可以根据业务需求细分 天/周/月/季度/年
    • 最近一次购买时间(R)
      • 在观察时间刻度下,会员的上次购买时间
      • 可以延伸为会员相邻购买周期的时间长度
    • 消费频次(F)
      • 统计在一定周期内消费的次数
      • 时间周期可以根据业务具体定制,一般以每月为周期
      • 和复购率相关,表示重复消费的指标,分析用户对企业消费的粘性
    • 最近一次购买金额(M)
      • 距离观察时间刻度下,最近一次消费的订单金额
      • 可以延伸为顾客平均订单金额
  • 终身价值指标
    • 会员生命周期价值
      • 总价值-消费总额
      • 总订单-订单数总和
      • 客单价-平均订单价值
    • 会员生命周期转化率
      • 会员消费的总订单数和会员触达消费场景总次数的比值
      • 衡量用户是否具有较高的转化率
    • 会员生命周期剩余价值
      • 预期未来某时间段内的转化率
      • 预期生命周期剩余订单价值
      • 预期7天内下单数量
      • 预期下一个订单的金额
      • 预期下次购买商品的品类
      • 预测指标:机器学习
  • 异动指标
    • 会员流失率
      • 流失会员和总会员的比值
      • 根据行业的不同各有差异,整体来说比列较小
      • 关注流失率的变化趋势,希望流失率处于平稳或者下跌状态
        • 会员运营的关键指标
    • 会员异动比
      • 会员异动比 = 新增消费会员/流失会员
      • 异动比的理想值是>=1,当小于1时说明企业会员流失增快,需尽快调整运营策略
• 应用场景
  • 会员营销
    • CRM系统的完善
    • 基于历史消费记录数据挖掘,发现消费需求和消费热点
    • 基于数据清洗沉淀的营销策略指导和建议
    • 异常客户识别
    • 挖掘会员传播关系,找到口碑传播的关键节点
  • 会员关怀
    • 客户生命周期的监控预警
    • 基于机器学习和深度学习的推荐系统,提高忠诚度和活跃度
    • 多重视角下的客户分类
• 分析模型
  • 会员细分模型
    • 基于属性的算法
      • 地域/性别/会员登记/会员类别等等
    • ABC分类法
      • 参考资料:ABC分类法 - MBA智库百科 https://wiki.mbalib.com/wiki/ABC%E5%88%86%E7%B1%BB%E6%B3%95
      • 将目标数据列倒序排列,计算累计百分比,将最终的累积结果按照0-80%(A类),80%-90%(B类),90%-100%(C类)来实现划分
    • 聚类算法
      • 非监督学习
  • 会员活跃度模型
    • RFE模型
      • Recency:最近一次访问时间
      • Frequency:访问频率
      • Engagements:页面互动度
      • 适用于线上的会员
    • 模型解释
      • 不强求用户是否发生交易
      • 即可做匿名用户的行为价值分析,也可以做实名用户分析
      • 常用来做用户活跃度分群或者价值区分
        • 论坛 新闻 咨询等
  • 会员价值度模型
    • RFM模型
      • Recency:截止观察点的时间差,数值越小得分越高
      • Frequence:截止时间点购买的订单数,总和越大得分越高
      • Monetary:截止时间点消费的总金额,总和越高得分越高
    • RFM的分类逻辑
      • 每个维度按照高中低三个维度分别设置三分制
        • 可以分乘321,313等类别
        • 也可以将得分求和 形成3-9分这么些类别
      • 可以按照每个维度两个类别形成8个分类
    • 参考资料:RFM模型 - MBA智库百科 https://wiki.mbalib.com/wiki/RFM%E6%A8%A1%E5%9E%8B
  • 会员流失模型
    • 流失模型属于分类预测算法,可以用随机森林/支持向量机/逻辑回归等
      • 因为流失客户肯定能都是少数类,要注意处理样本的不均衡性
      • 输入的数据需要有用户转化之前的行为记录,这样才能完整的描述特征
      • 流失模型是动态的可持续的 需要及时优化模型的参数
    • 流失客户一般分为永久性流失和暂时性流失
      • 具体的流逝特性需要根据用户的行为来评定
      • 通过算法预测分类的结果需要业务运营二次确认
  • 会员特征分析模型
    • 结果类型
      • 明确的结果,完整的业务行动细节
      • 模糊的结果,只是提供方向和选择
    • 适用场景
      • 1.没有前期积累,期望通过整体数据获得会员特征全貌
        • 聚类分析,通过聚类后发现每个类别的独特属性
        • 统计分析,通过统计量指标来划分会员特征
      • 2.业务方向和目标明确,期望通过数据找到特定形式的会员
        • 分类算法,泪涌分类规则判别
        • 关联分析,通过业务指标的关联度划分
        • 异常检测,找到一场数据然后进一步细分审查
  • 营销响应预测模型
    • 模型的功能
      • 基于模型找到可能转换会员的规则特征,精准营销推送
      • 基于模型预测可能的订单转化量和客单价,最为此次计划的量化指标和资源申请依据
    • 模型实现方法
      • 1从会员数据库中随机抽取一定的样本会员(至少在1000人以上)
      • 2.针对选择的会员通过选择的营销渠道(短信,邮件,微信等)推送活动信息
      • 3.收集活动数据,整理选择的样本不能会员活动期间的消费数据,通过分类算法进行二分类预测