從一號店看數據營銷——第三層：客戶培育-淘寶營銷引流淘寶干貨

本文主題淘寶數據營銷,淘寶聚類分析,淘寶客戶管理,淘寶營銷引流。

第三層：客戶培育留住一個老客戶等于開發(fā)五個新客戶，上面說的客戶生命周期更多的是一套營銷的機制，但如何把真正的把客戶從生培養(yǎng)到熟，其實內涵遠遠大于一套營銷機制。上面講的兩層都是術，好教好學，但數據營銷其實是一種理，不是一種技能，可以運用在整個營銷的各個環(huán)節(jié)，方方面面。到這里就只有舉例子啦。我們分幾個階段來看數據營銷如何來培養(yǎng)客戶，還是以網絡超市的例子。非客戶—潛在客戶—瀏覽客戶—購買客戶—二次購買客戶—忠誠客戶—高ARPU值客戶。階段一：非客戶—潛在客戶從“非客戶”到“潛在客戶”核心講的是用戶群的區(qū)分和定位。什么樣的人有可能成為一號店的客戶。當然，在跑馬圈地的年代，這不是最主要的問題，有流量就是王道，轉化率是后一位的問題，任何能夠獲得大流量的渠道都是好渠道，這也是為什么我們現(xiàn)在能看到這么多的B2C把門戶網站幾乎所有的首頁廣告位都包了。但我相信，當b2c成熟之后，隨著流量成本的進一步提高，盲目的首頁投放將無法帶來合理的ROI，那時候，B2C們就會開始考慮我的目標客戶是誰，如何用更精準的方式和客戶進行交互。以一號店這樣的區(qū)域性B2C為例（我對一號店的推廣策略并不了解，只是YY的舉個例子）。在經過了2年的數據積累之后，我相信他們已經能夠從現(xiàn)有數據中通過聚類分析，做出一些典型客戶群體的畫像：也就是從100萬條客戶的數據中，找出一些具有類似特征的客戶的群體。這個具體的數據挖掘的過程比較復雜，簡單說就是從用戶的寬表中（CRM中），通過概率分布，發(fā)現(xiàn)一些具有特定特征的群體，如我們發(fā)現(xiàn)北京來購買的人群中5%都是15-25歲北京女性，我們就可以把他們歸為“北京女學生”的群體。這樣在后續(xù)針對這個人群進行推廣的時候提供一些宿舍用品也許就會效果不錯。(移動在這一塊做得很好，他們的套餐都是通過聚類分析及商業(yè)判斷后總結出來，針對特定人群，為滿足其特定需求而設計出來的。比如他們通過數據分析發(fā)現(xiàn)很多用戶在一年中的1-2月和7-8月話費為0，而且在這些時間里有很多人會流失，以后再也不使用移動的號碼。經過調研和分析發(fā)現(xiàn)，學生每年放假回家的時候就會換號，導致號碼的空置，而當他們再回學校時，很多人已經找不到原來的號，導致客戶的流失。于是他們就推出了一個學生卡長途套餐，使學生回家后不用換號也可以用差不多的資費打電話，這個套餐一推出就非常受歡迎。)階段二：潛在客戶—瀏覽客戶這里的問題是推廣轉化率，或者叫點擊率，我們通常把這個值稱為CTR（clickthroughrate），也就是說一封郵件被100人打開后，有X人點擊了頁面上的任意一個行動按鈕，那CTR=X/100。這是一個用來衡量推廣效果的指標，影響CTR的主要指標是目標客戶群是否精準，營銷內容對這個群體是否有吸引力。沿著上一段的例子，一號店要在北京做推廣，和網易郵箱進行了合作，那這時網易郵箱的數據積累做得怎樣，能否提供客戶群的精準細分，1號店是否能夠利用這樣的細分，就成為了其營銷轉化率的關鍵。從我數據營銷第一層中引用的那個例子來看，貌似所有人收到的是同樣的郵件。假如在三八節(jié)，一個15-25歲的女孩收到的內容是“給媽媽送個好神拖”，25-35歲的女性收到的是“慰勞一下自己，來一份零食大餐”，25-35的男性收到的是“關心你的女人，保護她的肌膚”，這是多么的和諧與美好啊。這里，推廣渠道的數據積累能力給了廣告主很大的制約，現(xiàn)在一般的門戶網站首頁廣告投放，最多也就精準到IP地址，有些甚至IP都不能區(qū)分，在這樣的情況下，精準營銷就無從談起了。在這種情況下，我們B2C的大金主們能做的，就只有自己圈定好目標客戶群，再去找這些目標客戶群聚集的地方了。一些垂直化的網站和論壇就提供了這方面的很好資源，假如一號店發(fā)現(xiàn)網吧里的游戲人群是網絡超市的一大客戶群，那找pplive這類的游戲頻道推點方便面，火腿腸，可樂之類的搭配應該不錯。階段三：瀏覽客戶—購買客戶從這一階段開始，就從網站的外部來到了網站的內部，可控性大大加強，而我們能做的事，也就大大增加了。如果我們把B2C的核心競爭力分為“貨好，賣好，送好”的話，從這里開始，在一個又一個的網站細節(jié)當中，b2c的前端（賣好）的核心競爭力將被塑造，比較，挑選，最終成為客戶選擇的一大因素。（下回給大家分享一家ARPU值20000多瑞士法郎一年的瑞士網絡超市，客戶體驗很不錯）我們從客戶進站說起。在最理想的情況下，當一個客戶來到一個網站的時候，我們應該能夠根據他留下的cookie知道他的信息（如性別，年齡，偏好），再根據他的特點展現(xiàn)給他一個專門為他定制的首頁。當然，由于數據積累的限制和成本的考慮，這在目前的條件下還是不可能實現(xiàn)的，但我們還是可以沿著這個思路想想：1.他是第一次來嗎？2.他有沒有買過東西？3.他是一個經常買東西的人嗎？通過以上3個問題，我們可以把來到首頁的人分為幾種：新客戶，老客戶，忠實客戶。一個好的首頁需要同時兼顧到以上三種人的需求。對于新客戶來說，最大的困惑通常是不清楚能在這里干什么，以一號店為例，如果我是新客戶，我首先想知道幾點：這個網站主要是賣什么的？和其它的b2c網站有啥區(qū)別？我為啥不在淘寶上買？這時候網站如何通過產品和視覺讓客戶第一時間就產生這里是個超市的感覺就是個很大的挑戰(zhàn)。在這一點上一號店其實可以做得更好，通過產品和視覺讓人第一眼就知道這里是個賣生活必須品的網上超市，這樣就把一號店跟京東和當當之類的全品類商場區(qū)分開了，然后再把自己相對線上超市購買體驗的優(yōu)勢強調出來（便宜，送貨上門）。“在網上買生活必須品”是一個非常大的市場，客戶粘度也非常高，且目前在網上屬于藍海，這樣的定位不占可惜。然后客戶來了之后覺得對這個網上的超市有興趣，愿意嘗試，接下來他想的問題就是：那買點啥呢？我在一號店曾經多次為了湊那100塊的郵費，繳盡腦汁，我相信碰到這個問題的不止我一個。原因是：生活消費品是一個需求相當分散的領域，光食品中的飲料一項就會有幾十個主打品牌。對于一個新客戶來說，在來到一號店的時候腦子里是完全沒有想到自己要買什么的，而如果他看到他剛好感興趣的東西也就不會購買。在如此有限的頁面空間中要讓如此眾多不同的客戶找到點能買的東西，實在是挺難的。對全新客戶來說，數據營銷幫不上什么忙，商業(yè)sense比數據重要。根據整個超市的定位，找到那些客戶喜聞樂見的主流商品，（比如牙膏啊，洗發(fā)水啊，卷紙啊之類的），給他們一個嘗試的理由（比如比超市便宜，比如不用自己搬等等），可能是個吸引客戶初次體驗的不錯辦法。另外，給他們看看其它人都在買啥，搞點各式各樣的排行榜對于那些拿不定主意的人也會很有幫助。我們再來看看到首頁的老客戶，這些人已經有過購買記錄，能第二次來說明第一次的體驗比較滿意。這時一部分人已經有了明確的購買某些商品的意向（比如家里餅干吃完了），有些人是來“逛”的（看看有啥可買的）。這兩種人有非常大的區(qū)別，需要的體驗也非常不同。對于有明確意向的人，搜索是第一選擇，類目是第二選擇，首頁的產品展示是錦上添花。對于“逛”的人，就復雜了，有人喜歡看看各種各樣的活動，有人喜歡從類目里開始逛，有人喜歡看別人買什么，等等。這時通過他瀏覽時留下的軌跡，我們可以時不時的幫點忙：如果我們發(fā)現(xiàn)一個人換了多個關鍵字，還是沒有把東西加入購物車，我們可以把高級搜索彈出來，幫他更精準的找。如果我們發(fā)現(xiàn)一個人在某類目下翻類目翻了6頁還沒點商品，我們可以彈個搜索框，甚至蹦個客服對話框：“您在找什么商品呢？要幫忙嗎？”這里我們可以想出非常多的場景，核心邏輯就是根據客戶的行為判斷他的目的，在他需要幫助的時候幫他一把，讓他找的快捷，逛的開心。對于忠實客戶來說，他已經有過多次購買的體驗，基本不需要我們太多的幫助，讓他們飛一會吧~~后面我們會談到如何增加他們的ARPU值和購買頻度的問題。階段四：購買客戶—二次購買客戶如果一個客戶能來第二次，那么他來第三次的可能性將非常之大，第一次購買到第二次購買之間的流失率是最高的。其中最主要的原因肯定是對于購物體驗的不滿意，貨送慢了，東西破了，貨發(fā)錯了等等，這些供應鏈上的問題不是通過營銷能解決的。數據化營銷能做到的是在客戶基本滿意的情況下，促進客戶的二次購買。我們先來找接觸點，沒有接觸點就沒有營銷。當客戶付款之后，接觸點可能有：發(fā)貨通知，收貨當面，拆箱看到商品，客戶投訴等。數據化營銷就是把每一個接觸點都當成是一個給客戶營銷的機會，通過數據了解客戶的需求，給客戶最好的體驗。這里的一部分內容已經在第二層：客戶生命周期管理里講過，就不重復了。更多的是對細節(jié)的把握，比如：如果一個買了兩瓶飄柔的客戶拆開包裹的時候看到有送舒膚佳沐浴露的優(yōu)惠券，是不是會更有可能二次購買呢？如果一個客戶在打來投訴電話抱怨快遞送貨慢的的時候，我們就能夠送他一次1月內不限金額直接免郵的權利，他是不是下次更有可能再來呢？這些沒法窮盡，如何把數據和商業(yè)sense串聯(lián)起來，創(chuàng)造最優(yōu)的客戶體驗，是這里考驗的核心技能。也是b2c同質化越來越嚴重的今天在前端競爭的核心能力。這一塊如果大家有興趣，我們可以就具體的例子來探討，就不展開了。階段五：二次購買客戶—忠誠客戶當一個客戶來了兩次以后，如何培養(yǎng)其成為一個忠誠客戶，是b2c行業(yè)面臨的終極挑戰(zhàn)。100元+的單客引入成本，只有把客戶變成忠誠客戶，才有可能收回。這個話題沒法離開行業(yè)來討論，我們還是以一號店為例子來看一下。超市是快速消費品行業(yè)，英文叫“fastmovingconsumergoods”，就是走得很快的消費品。走得很快，意味著大量的重復購買，對于B2C來說，意味著高回頭率。真的嗎？我覺得不一定，關鍵得看消費者的習慣是否得到了培養(yǎng)。通常像我這樣的消費者在一號店買東西，偶然性非常大。比如我今天發(fā)現(xiàn)餅干吃完了，我的第一選擇肯定是去家門口的超市買，否則明天早上就沒得吃了。在傳統(tǒng)超市，不同的人群已經形成了相對固定的購買習慣，家庭主婦可能2天得去一次，學生和上班族可能一周或兩周去一次，而在網絡上，這種習慣無疑是不存在的。如何才能培養(yǎng)出這樣的習慣呢？習慣＝行為的重復。數據化營銷就是通過對人的需求的了解，進行針對性的營銷，引導他們產生行為。比如，假設我們通過數據發(fā)現(xiàn)70%買了500ml洗發(fā)水的客戶且有二次購買行為的客戶，第二次購買的時間在30－45天，那我們就可以設定一條規(guī)則，在30天的時候觸發(fā)一次營銷，給客戶一些二次購買的促銷?；镜倪壿嬀褪峭ㄟ^分析某個群體的數據，發(fā)現(xiàn)某個群體的習慣，然后通過營銷，強化這種習慣，從而使更多客戶有這樣的購買習慣。這里很重要的有兩點，一是不能自己拍腦袋創(chuàng)造習慣，比如我覺得某洗發(fā)水大概20天會用完，而要盡量從數據中去挖掘客戶現(xiàn)有的習慣，這才符合客戶的真實狀況。階段六：忠誠客戶—高ARPU值客戶所謂ARPU就是每用戶平均收入(ARPU-AverageRevenuePerUser)。高arpu值和兩個因素有關：購買頻度，客單價。上面我們已經大致講了如何通過數據營銷增加購買頻度，我們再來看看如何通過數據營銷增加一號店的客單價。關聯(lián)推薦：“關聯(lián)推薦”是可以整體提升客單價的，可以系統(tǒng)做也可以手動做。淘寶的賣家基本是手動在做，效果也不錯，一號店現(xiàn)在看到有自動的關聯(lián)推薦，不知效果如何。從淘寶做關聯(lián)推薦的經驗來看，自動推薦要做好難度還是很大的。手工是一種更容易見效的模式，還可以跟各種促銷相結合，缺點是人力耗費比較大，只能對重點商品做。促銷推薦：其實從“逛”超市的人來說，買“更劃算”的商品是個很重要的心理需求，跨類目的活動推薦或促銷商品推薦，尤其是一些生活消費品，理論上應該會不錯，原因是會一個類目接一個類目逛的人實在不多，所以當前網站正在進行的促銷信息如果能更精準的推送到客戶，就會直接帶來銷售。比如我買了餅干，薯片，牛奶等食品類目的商品，這時候如果告訴我紙品正在打折，原價35元一大包的清風紙巾現(xiàn)在20元，僅限1天，那我買的可能性會很大。提供比較：如果我們去超市走走，就會發(fā)現(xiàn)很多人買東西的時候都會比較一下哪種包裝更劃算，500ml的牛奶10元，800ml的牛奶才13，賺了!同時他也提高了客單價。所以網站一定要給客戶提供這種比較的機會。做法其實也很簡單，淘寶在食品類目已經提供了標準重量的比較，洗化用品上還沒提供：滿百包郵推薦：觀察一號店的客單價，首先得看一下“滿百包郵”的政策，這個政策決定了客戶的心理底線，買夠100元左右就基本可以收工了。所以接下來就會出現(xiàn)2個問題:1.對于看好了商品，價格遠低于100元的客戶，如何刺激他買滿100元？2.對于看好了商品，價格超過100元的客戶，如何刺激他買得更多？對于第一種，我們可以推薦一些10元湊郵費商品，30元湊郵費商品，50元湊郵費商品，這時候都不需要高性價比，只要這些東西是他以后一定用得到的，就可以達到效果。對于第二種，我們可以給予一些更高層的優(yōu)惠，滿200享受***，滿400享受***，做起來很簡單，只是有沒有想到做而已。寫了這么多，之所以拿一號店來舉例，一方面主要是因為超市是一個大家比較熟悉的b2c行業(yè)，容易討論，另一方面b2c做數據營銷也需要比較大的技術投入，一般的淘寶店和小型b2c還不大做得了，所以正好拿來舉例。我自己對一號店的具體情況也不大了解，有些地方講的不對的，請一號店的同學擔待~~

幕思城為您更新最近最有用的電商資訊、電商規(guī)則淘寶數據營銷,淘寶聚類分析,淘寶客戶管理淘寶營銷引流。了解更多電商資訊、行業(yè)動向，記得關注幕思城！

這個問題還有疑問的話，可以加幕.思.城火星老師免費咨詢，微.信號是為: msc496。

更多資訊請關注幕 思 城。