电子新闻网

RFM模型、精准营销详解社交电商等零售业均适用

  中国国际航空通过建立精准用户画像,通过3个月国际化社交媒体的投放,实现73%的销售额增长;小米通过建立智能精准营销体系帮助自身及合作品牌实现了高度的品牌曝光。

  精准营销成为企业营销的必然。然而我们的现有用户是谁?用户流失如何挽回?大多数企业还是处于迷茫的状态,没有精准的顾客数据就就无法做到精准营销。如何建立精准的顾客数据?首先,需要通过大数据、云端CRM管理系统等零售技术系统支持以收集数据;其次,这些数据收集之后通过RFM模型进行分析;最后,根据分析后的数据,进行顾客精准的营销。下面我们先来分析RFM模型和基于RFM模型上的精准营销怎么做?

  1、 RFM模型:是众多客户关系管理(CRM)分析方法中的一种,能够方便快速有效的量化用户价值和创利能力。

  2、 RFM模型有三个要素,分别是:Recency(最近一次交易距今时间)、Frequency(交易频率)、Monetary(交易金额)。

  用户最近一次交易距今的时间。间隔时间越短,则值越大,这类客户也是最有可能对活动产生反应的群体。

  用户的交易金额,可以分为累计交易金额和平均每次交易金额,根据不同的目的取不同的数据源进行建模分析。

  R值、F值、M值分别计算出均值,然后根据用户的数据就可以填入相应的客户类型。“↑”表示大于均值,“↓”表示小于均值。

  CRM实操时可以选择RFM模型中的1-3个指标进行客户细分,如下表所示。切记细分指标需要在自己可操控的合理范围内,并非越多越好,一旦用户细分群组过多,一来会给自己的营销方案执行带来较大的难度,而来可能会遗漏用户群或者对同个用户造成多次打扰。

  店铺的客户基数:在店铺客户一定的情况下选择的维度越多,细分出来每一组的用户越少。对于店铺基数不大(5万以下客户数)的店铺而言,选择1-2个维度进行细分即可。对于客户超过50万的大卖家而言可以选择2-3个指标。

  店铺的商品和客户结构:如果在店铺的商品层次比较单一,客单价差异幅度不大的情况下,购买频次(F值)和消费金额(M值)高度相关的情况下,可以只选择比较容易操作的购买频次(F值)代替消费金额(M值)。对于刚刚开店还没形成客户粘性的店铺,则可以放弃购买频次(F值),直接用最后一次消费(R值)或者消费金额(M值)。

  除了直接用RFM模型对用户进行分组之外,还有一种常见的方法是利用RFM模型的三个属性分别对客户进行打分,通过打分确定每个用户的质量,最终筛选出自己的目标用户。

  策略:这类客户属于沉默的中度贡献的老客,需减少推送频率,提升优惠力度,结合促销商品和折扣活动。

  策略:这类客户属于睡眠的中高贡献的成熟客户,需结合形象商品/品牌活动,对其进行大型活动的营销推送。

  策略:这类客户已经属于流失的高贡献的成熟客户。这类客户流失了,对于企业来说非常可惜。那么如何唤醒呢?企业需要结合形象商品/品牌活动,推送超大型活动(比如双十一),传递会员活动和权益信息。权益这块,可以是会员权益,比如赠送爱奇艺会员、送货上门、跨界服务、车位预留等服务。为什么会员权益来挽回高贡献的老客?首先这类顾客对品牌是认可的,但是也可能同时认可竞争对手的品牌,而将注意力转向竞争对手。通过差异化服务,做出品牌区隔,拉回老客户,成为会员权益设计的最终目的之一。

  以优衣库为例,从2016年至今连续三年蝉联天猫双十一服饰品类冠军、2016年双11,2分53秒破亿。2017年双11,一分钟内破亿。2018年双11,35秒破亿。业绩活便离不开其在营销方面的会员权益设计:免单机会、优品体验、设计师合作款抢先体验和会员服务等。这是在同质化竞争的当下,作出与其他服装企业的品牌区隔,也是精准营销的重要一步。

  通过RFM模型充分挖掘用户购买的行为习惯,再结合精准营销策略、会员权益持续锁客,帮助企业拨开迷雾,寻找到用户,挽回老客。这适用于社交电商在内的零售行业。返回搜狐,查看更多

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。