前言:
關於數智化轉型、數據中臺內容探討可掃碼加入數智化轉型俱樂部哦
阿里雲數據中臺官網 https://dp.alibaba.com/index
正文:
(作者:淵洛 )
一、前言
完善的數據分析體系,是企業數字化轉型必備的基礎,企業在發展過程中,無論規模、性質如何,都離不開對用戶(顧客/客戶)的洞察,在新零售行業更是如此。全域數據中臺能夠提供:用戶洞察數據模型、用戶洞察分析、用戶畫像體系,幫助企業更加深入的瞭解用戶,企業可以通過深度分析給用戶提供更好的服務,建立客戶關係管理,完善用戶運營。
二、用戶洞察
以往在企業中,通常是通過註冊、消費來分析用戶的狀態,隨著採集技術的發展以及大數據技術的支持,我們可以實現分析處理更多維度的數據,從而豐富企業自有數據庫。通過OneId的建設,企業內數據可以實現串聯,從而實現對用戶行為較為完整的數據分析。
產品方面,通過數據中臺產品Dataphin開發用戶洞察相關的底層模型,再在Quick BI上做相關的數據分析,結合Quick Audience進行人群洞察圈選。
三、分析介紹
用戶洞察分析,是企業全域數據中臺企業自有數據應用分析的一部分,也是關鍵的部分。在用戶洞察解決方案中,分析體系主要從三種分析框架入手,從不同的角度,幫助企業瞭解其用戶資產。企業通過用戶資產(用戶生命週期角度)、用戶旅程分析AIPL、用戶價值RFM分析三種分析思路幫助企業從不同角度瞭解其用戶資產,以適應不同場景下的分析需求。
企業可以選擇某種分析方法或者多種方法組合,實現以下內容的分析與洞察:
- 用戶的生命週期狀態
- 不同生命週期用戶的銷售洞察
- 用戶價值
- 用戶行為
3.1 企業用戶資產分析
“用戶”是企業另一種形態的資產,我們從兩方面瞭解用戶的基本概況,首先是用戶生命週期的劃分,或者說是用戶狀態的劃分,更加精細的用戶劃分可以將人群的特點分析更加全面,再有就是用戶消費洞察,可以幫助企業瞭解用戶處於不同狀態下時對銷售業績的貢獻,幫助企業進一步瞭解用戶特點。
3.1.1 用戶生命週期狀態分析-FULL分析
我們從用戶的互動時間長度結合互動深度做消費者的劃分,從互動時長上劃分準(潛)、新、老三種基本類型,從互動深度上劃分出活躍、非活躍2種類型,相互交叉後,給出全新的用戶生命週期狀態定義。通過用戶生命週期的劃分,更加精細運營維護消費者資產。當一名用戶與企業或者品牌等發生互動行為起,即可被認作為企業或品牌的潛在會員群體,成為拉新的目標群體。該用戶消費以後,成為企業或品牌的活躍用戶,直至用戶流失。
企業或品牌可以結合報表分析指標和相應用戶生命週期的標籤畫像,作出當下最為合適的運營決策。比如對新非活躍會員給予新人優惠券的發送,激活其成為活躍會員。
3.1.2 用戶銷售洞察
企業可以結合用戶生命週期狀態,對不同狀態用戶的消費進行探查,通過銷售的基礎指標如金額、件數、頻次,瞭解當前用戶消費概況。結合趨勢、同環比等對當前的業務業績進行進一步的洞察。從而制定更加合理的營銷活動,圈選更加合適的營銷人群。
銷售洞察會分為多個分析:整體用戶洞察、非會員銷售洞察、(活躍)會員銷售洞察、新活躍銷售洞察、現期活躍銷售洞察、持續活躍銷售洞察、迴歸活躍銷售洞察。由生命週期狀態人群洞察,到用戶銷售洞察,企業可以將人群及其貢獻更好的結合起來分析。對經營問題的診斷提供極大幫助。
3.2 AIPL分析
AIPL,把用戶劃分為認知、興趣、購買、忠誠四個階段,也被稱作消費者旅程分析。用於幫助品牌將消費者根據不同的行為階段進行分層管理,再依據不同的產品特性進行教育轉化,是品牌管理中經典的消費者行為理論。此模型更關心的是消費者與企業的互動深入程度,可以從消費者跟品牌的忠實程度劃分消費者資產,從這個角度對不同階段的客戶做不同的營銷活動。
A:Awareness 認知
I:Interests 興趣
P:Purchase購買
L:Loyalty 忠誠
用戶的購物行為描述為從認知到興趣,再從興趣轉化為購買,從購買轉化為忠誠的一連串先後發生的過程,這一過程被稱為消費者旅程。消費者可能會跳躍,比如從認知直接進入到購買,類似衝動型消費,或者從興趣直接到忠誠。AIPL模型,可以幫助企業瞭解潛在用戶有多少,忠誠客戶有多少,以及各個環節的轉化率。企業可以圈選出不同階段的人群做相關的營銷活動。
3.3 RFM分析
3.3.1 用戶價值分析
用戶價值的劃分,是根據用戶的購買行為對用戶進行分類,通過購買行為中的購買時間、購買頻次、購買金額三項指標來評估用戶的價值,根據不同維度的劃分將用戶劃分為不同類型。圈選出人群,做特定的營銷活動推送,比如給予重要價值用戶vip權益,提升用戶忠誠度;給予重要發展用戶一些滿送活動,提升客戶的購買興趣,增加用戶復購可能性等。
R:用戶最近一次購買時間
F: 在企業定義週期內的的購買頻次
M:在企業定義週期內的購買金額
若把RFM各分2檔,最終可以得到8種客戶類型,分檔後可以演化為RFM標籤,可以針對不同企業制定不同的時間週期,也可針對需要設置或用其他分類名稱。企業可以根據實際需要將RFM劃分成更多的類型,比如只將R劃分為3檔,可以得到12種類型,如果都劃分為3檔,則是27種類型,但並非類型越多越好,企業還是按照實際運營來合理劃分。
以RFM各分2檔為例:
某週期內重要價值用戶
某週期內重要潛力用戶
某週期內重要深耕用戶
某週期內新客戶用戶
某週期內重要喚回用戶
某週期內一般維持用戶
某週期內重要挽留用戶
某週期內流失用戶
3.3.2 用戶復購分析
提供消費者復購分析,可以對一段時期內消費者頻次進行分組或者篩選具體範圍、數值對消費者的價值進行更深層次的挖掘。通過購買頻次的劃分,對於不同人群給予不同的營銷策略,提升活躍度、忠誠度。