导图社区 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
社区模板帮助中心,点此进入>>
互联网9大思维
电影院包场服务流程
组织架构-单商户商城webAPP 思维导图。
暮尚正常运转导图
域控上线
培训计划思维导图
车队管理
python思维导图
七夕活动策划
供应链类型
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