关于客户画像、精准营销与数字化运营

2018年3月4日 0条评论 54次阅读 0人点赞 9suan

古语云，酒香不怕巷子深。但是，工业革命后生产力的爆发式增长，让商品空前琳琅满目。所以，有时候即便产品非常出色，也往往会因为营销不够科学，而陷入“酒香也怕巷子深”的困境。

于是，我们从原来的经营产品，转向了经营顾客，然后通过洞察客户的需求，再进行经营自己的商品。

而目前互联网的发展，是对传统产业的革命。互联网公司从诞生的第一天起就是数字化的。

所以，传统行业想做到江湖老大，只能做一件事——数字化转型。

而人人都在谈数字化转型，人人都在谈精准营销、数据化运营，可是真正做到精准营销的公司并不多。

目前有这样一个概念：CIO或CDO会取代公司的CMO，越来越多的公司将会不设置CMO。未来公司将以数据说话，以数据结果进行精准营销，不断的去“养”数据，以达到更好的营销效果。

精准营销的实施，需要注意以下几点：

1、维度尽可能多

若想要更加精确的定位自己的顾客，则需要更加详细的维度。其中不仅包括基础的自然信息，如：性别、年龄、生日、地区等信息，还应该将其购买信息进行关联如：购买品类偏好、最近购买时间、打折敏感度、客单价、购买地区等行为信息。另外，甚至对于其所在地的天气信息都可以与之关联，为精准营销做准备。

2、标签要有层级

在我们给客户打标签后，在精准营销的实施过程中如发短信、发微信的时候，我们要结合多个标签进行筛选。而这些标签之间要有标签层级，有一级标签、二级标签等。每一个级别的标签之间应当符合MECE原则，保证筛选的用户不重不漏。

3、关注系统性能

在系统建设时，要保证大规模发送短信或微信时候，调用接口的时间，以免信息无法及时触达客户。

4、分析触达结果

对于每次营销的结果，要进行复盘总结。该过程要对于指定画像的用户分别进行，若营销效果不好，则需及时的修正营销策略，保障下次营销达到更好的效果。

精准营销标签建立的模型方法：

说到精准营销的用户分类和标签的设置，目前有很多经典的分析方法，这里为大家总结了一些分析逻辑和方法，如图：

在数据分析的过程中，可以通过人、货、场的路径，通过RFM、客户生命周期、购买留存情况、周度分析、促销跟踪等多种手段和模型，进行不同维度的分析，而分析的路径则是通过对数据的感知，然后营销支持过程中一次一次的“养”数据，进而进行数据的深度挖掘。对于数据的处理，则要注重趋势的判断、对比的分析和细分的下钻。

总之，理解零售业务、配合合适的数据分析方法，不断的运营数据，零售的销售效益，必定会有所提升。

作者简介

☞张文迪，国内知名BI软件公司行业数字化解决方案专家，工信部认证高级数据分析师。熟悉大数据BI产品架构，在零售、供应链方面具有丰富的数据产品落地经验，参与BI大数据系统建设与企业指标体系建设项目。中国科技核心期刊论文作者，曾在零售行业应用购物篮模型和Apriori算法落地、设计零售行业异常会员用户筛选机制、建立零售行业及其供应链企业的标签指标体系、建立物流项目的配送中心测算模型等。