電商CRM如何拆分和設(shè)計(jì)

CRM做為客戶關(guān)系管理和維護(hù)的重要方面，在電商中顯得尤其重要，我們從各個(gè)渠道投放廣告花高成本去獲客，用戶進(jìn)來以后卻不能及時(shí)的被留住，留存和復(fù)購數(shù)據(jù)不太理想，客戶不能被準(zhǔn)確的定位和服務(wù)，基于這些問題，更加需要深入分析客戶行為，判斷每類客戶的喜好和習(xí)慣，不斷完善人群屬性，通過建立完善的CRM機(jī)制來升客戶的消費(fèi)并實(shí)現(xiàn)二次購買。

一.明確CRM的目標(biāo)

延長用戶生命周期，實(shí)現(xiàn)生命周期價(jià)值CLV(Customer Lifetime Value，也有稱LTV：Life Time Value)大化

生命周期：CL：Customer Lifetime

生命周期價(jià)值：CLV(Customer Lifetime Value，也有稱LTV：Life Time Value)

二.剖析用戶生命周期和價(jià)值

讓用戶能在生命周期中產(chǎn)生商業(yè)價(jià)值，才是業(yè)務(wù)的最終使命。這里的商業(yè)價(jià)值，不單純是電商廣告游戲等賺錢模式。信息和數(shù)據(jù)這些無形且很難量化的也是商業(yè)資產(chǎn)。為什么要談用戶生命周期和價(jià)值?因?yàn)椴坏貌唤邮艿氖聦?shí)是，無論你是多么出色的運(yùn)營和產(chǎn)品，都無法真正制止用戶的流失你可以延長它，但就是不能阻止它。當(dāng)產(chǎn)品獲得足夠多的用戶時(shí)，大的問題不是繼續(xù)獲取，而是從用戶身上賺回錢。成熟的產(chǎn)品都應(yīng)該考慮CL，以及更重要的CLV。

只要用戶停留時(shí)間越長，對產(chǎn)品的使用粘性越大，就越有可能在我們的產(chǎn)品上產(chǎn)生價(jià)值，那么有一個(gè)公式大家一定并不陌生：

賺錢=CLV(用戶生命周期價(jià)值)-CAC(獲客成本)-COC(運(yùn)營成本)

電商的CLV由一系列購買的指標(biāo)決定，電商CLV指標(biāo)：支付訂單量、GMV另外，我們通常說的用戶留存率，其實(shí)也是用戶忠誠度的體現(xiàn)，留存率對用戶的判定較為模糊，也不具備界定意義，因此我們可以轉(zhuǎn)化為用戶生命周期。

用戶生命周期=周期/(1-周期內(nèi)新增留存率)

如果一款產(chǎn)品新增用戶的月留存率是70%，那么估算出：平均用戶生命周期=1個(gè)月/(1-70%)=3.3個(gè)月。

運(yùn)營的目標(biāo)就是延長用戶生命周期從3.3個(gè)月到4個(gè)月、5個(gè)月乃至更長。并且在此期間產(chǎn)生商業(yè)價(jià)值。對于大部分產(chǎn)品，這個(gè)公式都是適用的。

如果需要更精準(zhǔn)的指標(biāo)，則可以將數(shù)據(jù)制作成頻數(shù)分布圖。

來看看怎么精準(zhǔn)的分析和運(yùn)營：

用戶生命周期最少的那部分用戶，例如10天，有什么具體特征，為什么不用?

用戶生命周期最多的那部分用戶，有什么特點(diǎn)?

分布人數(shù)最多的用戶，怎么樣能想辦法抓住他們的痛點(diǎn)?延長他們生命周期

究竟是用的久的用戶(二八理論)，還是分布人數(shù)最多的用戶(長尾理論)，產(chǎn)生的商業(yè)價(jià)值大?

每個(gè)用戶的生命周期都能產(chǎn)生商業(yè)價(jià)值，但有些用戶注定更有價(jià)值。

用戶生命周期和流失是息息相關(guān)的，用戶流失，便是用戶生命周期的終止。

用戶不用APP，可能是比較忙，可能是出去旅游了，可能是大姨媽來了心情不好。那么運(yùn)營應(yīng)該怎么判定他是上述情況，還是卸載不用呢?也許我們需要幾個(gè)月后才會發(fā)現(xiàn)用戶最后登錄停留在某一天。高級運(yùn)營和初級運(yùn)營的分水嶺在于：初級運(yùn)營經(jīng)常事后補(bǔ)救，高級運(yùn)營能夠防范于未然。

將用戶的流失可能扼殺在萌芽階段，是延長用戶生命周期的有效手段之一。這聽起來很玄乎，但舉個(gè)例子就會明白的。

一款社交應(yīng)用，通過流失用戶的特征分析。發(fā)現(xiàn)了如下的幾個(gè)特點(diǎn)。

流失用戶中，40%的用戶沒有完善資料新增用戶沒有導(dǎo)入通訊錄好友;

流失概率比導(dǎo)入的高20%新增用戶;

在第一周使用中，如果添加的好友低于3，則一個(gè)月后的流失概率超過一半。

用戶流失前一個(gè)月，互動率遠(yuǎn)低于APP平均值。

這些特征很容易讀懂了解，運(yùn)營也很容易針對性的采取策略。例如良好的新手引導(dǎo)、引入好友推薦(想想微博和各興趣向APP)、增加曝光量、乃至使用機(jī)器人等等。

如果數(shù)據(jù)化運(yùn)營更徹底，可以運(yùn)營和數(shù)據(jù)分析結(jié)合，將上述的特征建模，得出一個(gè)比較準(zhǔn)確的流失概率預(yù)測。用模型計(jì)算出某一類人群流失概率在80%以上，和知道什么樣的人可能流失，在運(yùn)營上是兩個(gè)層次。

我們可以構(gòu)建決策樹模型，因?yàn)闆Q策樹模型的可解釋性強(qiáng)，它是if-then的集合，運(yùn)營非常容易理解。比如用戶完善資料低于50%，且沒有導(dǎo)入通訊錄好友，且好友數(shù)量低于3，則其一個(gè)月后的流失概率為80%。模型訓(xùn)練出葉節(jié)點(diǎn)，運(yùn)營用SQL就能跑出來可能流失的用戶群。

另外，發(fā)掘出變化性變量在運(yùn)營中有奇效。比如完善資料，是否導(dǎo)入通訊錄好友，都是靜態(tài)、狀態(tài)型的特征，更多是產(chǎn)品上的優(yōu)化。但是某一類用戶流失，能通過其他數(shù)據(jù)特征體現(xiàn)，比如上周打開了APP20次，本周打開了5次，下周打開了1次，趨勢是下降的，那肯定是要流失

三.流失率計(jì)算

1.數(shù)據(jù)的獲取

流失用戶是通過用戶的最近一次登錄距離當(dāng)前的時(shí)間來鑒定的，所以要分析流失用戶，需要知道每個(gè)用戶的最后一次登錄時(shí)間，而對于不同網(wǎng)站而言，這個(gè)時(shí)間間隔會各不相同，最長可能會有1年或者更久，所以在數(shù)據(jù)獲取方面會有一定的難度。如果分析的是注冊用戶，那么一般網(wǎng)站都會在數(shù)據(jù)庫中建相應(yīng)的表來存放用戶信息，所以建議在儲存用戶基礎(chǔ)信息的同時(shí)記錄用戶的最近一次登錄時(shí)間，這樣就能夠準(zhǔn)確地計(jì)算用戶最近一次登錄距離當(dāng)前的間隔時(shí)間，進(jìn)而區(qū)分該用戶是否流失。

2，流失用戶變化趨勢

首先需要明確的是用戶的流失可能并不是永久的，也許用戶在一段時(shí)間內(nèi)對網(wǎng)站確實(shí)沒有任何需求，那么他會遠(yuǎn)離網(wǎng)站一段比較長的時(shí)間;或者流失用戶也會因?yàn)榫W(wǎng)站的某次營銷或者網(wǎng)站質(zhì)量的改善而重新回來。網(wǎng)站總的流失用戶數(shù)的計(jì)算比較簡單，以超過1個(gè)月內(nèi)登錄即為流失為例，那么總流失用戶數(shù)就是所有“當(dāng)前時(shí)間點(diǎn)-用戶最近一次時(shí)間點(diǎn)>1個(gè)月”的用戶數(shù)量。但是單純的總流失用戶數(shù)量對于分析是沒有意義的，因?yàn)榇蟛糠智闆r下這個(gè)數(shù)值是一直遞增的，我們需要計(jì)算總流失用戶數(shù)占總用戶數(shù)的比例及新增流失用戶數(shù)，觀察它們的變化趨勢，如下表：

新用戶流失率 我們可認(rèn)為新用戶注冊后就完成首次登陸，那么簡單地定義新用戶流失，就是用戶在注冊后一段時(shí)間內(nèi)都沒有登錄過游戲，即 當(dāng)前時(shí)間點(diǎn) – 用戶注冊時(shí)間點(diǎn) > 流失臨界時(shí)間間隔 比如我們定義用戶的流失臨界時(shí)間間隔為1個(gè)月，也就是在注冊后的一個(gè)月內(nèi)未登錄的用戶意味著已經(jīng)流失，那么就可以計(jì)算每天的新用戶流失數(shù)，即注冊時(shí)間為1個(gè)月前的那一天，而從注冊到當(dāng)前沒有登錄過的用戶數(shù)。這個(gè)用戶數(shù)與1個(gè)月前的那一天的總注冊用戶數(shù)的比例就是新用戶的流失率： 當(dāng)天的新用戶流失數(shù) / 當(dāng)天的總注冊用戶數(shù) = 新用戶流失率 計(jì)算出每天的新用戶流失率，并觀察它的變化趨勢：

四.RFM評估

RFM定義：最近一次消費(fèi)(Recency) 消費(fèi)頻率(Frequency) 消費(fèi)金額(Monetary)

根據(jù)這個(gè)指標(biāo)，我們又把客戶分成五等分，這個(gè)五等分分析相當(dāng)于是一個(gè)“忠誠度的階梯”(loyalty ladder)，其訣竅在于讓消費(fèi)者一直順著階梯往上爬，把銷售想象成是要將兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。

以上三個(gè)指標(biāo)會將維度再細(xì)分出5份，這樣就能夠細(xì)分出5x5x5=125類用戶，再根據(jù)每類用戶精準(zhǔn)營銷……顯然125類用戶已超出普通人腦的計(jì)算范疇了，更別說針對125類用戶量體定制營銷策略。實(shí)際運(yùn)用上，我們只需要把每個(gè)維度做一次兩分即可，這樣在3個(gè)維度上我們依然得到了8組用戶。

這樣，之前提的四個(gè)問題，就能很容易被解讀(編號次序RFM,1代表高，0代表低)

重要價(jià)值客戶：最近消費(fèi)時(shí)間近、消費(fèi)頻次和消費(fèi)金額都很高，一般是VIP

重要保持客戶：最近消費(fèi)時(shí)間較遠(yuǎn)，但消費(fèi)頻次和金額都很高，說明這是個(gè)一段時(shí)間沒來的忠實(shí)客戶，我們需要主動和他保持聯(lián)系。

重要發(fā)展客戶：最近消費(fèi)時(shí)間較近、消費(fèi)金額高，但頻次不高，忠誠度不高，很有潛力的用戶，必須重點(diǎn)發(fā)展。

重要挽留客戶：最近消費(fèi)時(shí)間較遠(yuǎn)、消費(fèi)頻次不高，但消費(fèi)金額高的用戶，可能是將要流失或者已經(jīng)要流失的用戶，應(yīng)當(dāng)基于挽留措施。

五.結(jié)合電商平臺設(shè)計(jì)功能

結(jié)合用戶生命周期和價(jià)值，觀察流失率曲線并預(yù)估是否用戶在持續(xù)累積還是流失，評估用戶的RFM，在了解了用戶的真正節(jié)點(diǎn)之后，結(jié)合數(shù)據(jù)，就可以設(shè)計(jì)搭建CRM大后臺了，這個(gè)后臺所要承載的功能就需要按照模塊進(jìn)行分類和細(xì)化，這里只對大模塊做區(qū)分，并沒有細(xì)化用戶的生命周期節(jié)點(diǎn)，后臺可留有時(shí)間設(shè)置，來進(jìn)行精準(zhǔn)營銷研究分析，這個(gè)相信大家都明白怎么樣去利用數(shù)據(jù)設(shè)置任務(wù)，此處不做贅述，具體內(nèi)容可參考下圖，基本可以覆蓋電商所需要的底層功能：

結(jié)語

針對CRM，還有很多值得我們研究和探索的框架以及內(nèi)容，做好CRM無非是為了更好的做到三點(diǎn)：

首先，建立、管理并充分利用客戶數(shù)據(jù)庫;

其次，通過客戶關(guān)懷提高客戶的滿意度與忠誠度;

同時(shí)可以通過商務(wù)智能分析模塊，分析客戶流失原因。為更好地滿足用戶的需求而做好服務(wù)。

另外，CRM客戶關(guān)系管理其實(shí)也分為2種，2B或者2C。我們上述內(nèi)容講解全為2C端的，2B的CRM更多的是對銷售機(jī)會的管理，其中包括各個(gè)客戶的拜訪情況，意向，對方處于的狀態(tài)，對方的痛點(diǎn)等等。核心在對能把東西賣給他所需要的相關(guān)信息的管理。2C的CRM則更加大數(shù)據(jù)一些，這主要在零售公司比較常見。根據(jù)顧客購買情況，依據(jù)一些數(shù)據(jù)分析模型(比如RFM)，我們可以描繪出各種典型顧客畫像，在將購買顧客分別套在畫像中，以進(jìn)行后續(xù)的營銷活動(比如EDM電子郵件營銷)。無論是使用什么樣的方法，我們的目的很簡單，就是留住用戶，增加粘性，讓用戶信任我們，依賴我們。我們?yōu)橛脩籼峁└玫捏w驗(yàn)和關(guān)懷，用戶可以為我們提供更多的商業(yè)價(jià)值。

名稱欄目：電商CRM如何拆分和設(shè)計(jì)
文章轉(zhuǎn)載：http://muchs.cn/news/159821.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信小程序、網(wǎng)站設(shè)計(jì)公司、用戶體驗(yàn)、域名注冊、網(wǎng)站策劃、ChatGPT

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)