大数据营销分析案例趣多多(大数据营销分析案例网易云)

1. 业务背景

电商与移动互联网的发展对传统零售渠道带来新的变革,零售业营销模式随之发生巨大变化。移动化、社交化、O2O以及云计算、人工智能等新兴技术,正从根本上改变全球消费者购买、使用产品以及服务的方式。渠道的多元化、终端的多元化、客户获取产品和服务信息的多元化,把零售企业推向数字化转型的最前沿。零售企业必须要建立数字化管理体系,推动从战略到运营的数字化转型。

这里把零售企业面临的新机遇或者挑战汇总如下,供读者或者零售企业数字化转型时参考:

(1) 线下门店流量少,线上及新零售业态不断分流

线上电商的蓬勃发展已经把线下零售门店的流量带走了一部分,这是必然的发展趋势。但不意味着零售门店不再需要,需要关注如何去整合线上、线下的联动营销模式。针对零售门店本身,需要规划好线下客户体验在整个联动营销模式中的定位。

亚马逊推出的线下体验式书店和三胞集团推出的宏图Brookstone为例,由于做到了明确把客户群定位在20岁至30岁的中青年,从零售门店的设计风格、服务模式等客户体验细节反而能够吸引目标客群。所以,线下门店的明确定位有助于提升品牌形象,带动线上电商业务量。

(2) 客户渠道分散,多渠道互动性差

客户会通过各个渠道了解到产品或服务信息。如果零售企业做不到与客户多渠道沟通的良好互动性,客户会在不同渠道获得不一致的产品、服务信息,从而获取差的客户体验。

全渠道零售(Omni-Channel retailing)是解决渠道分散的有效途径。零售企业采取实体渠道、电子商务渠道和移动电子商务渠道整合的方式销售商品或服务,提供给客户在任何时候、任何地点、任何方式购买产品和服务的无差别的客户服务体验。

(3) 客户粘性差,复购率低,缺少差异服务

客户粘性低是零售业态一直都存在的问题。比如传统商超,一般采用办理会员卡方式增加用户复购率,但是会员卡积分制吸引力较弱,难以培养忠实客户群体。客户粘性低带来的直观结果就是客户复购率低。

造成以上问题的主要原因,是线下零售门店基本无营销手段,缺少主动引导客户消费的营销方式。因此,零售企业充分进行客户行为分析等分析手段,更加科学地制定营销和服务策略。其次,要对客户进行细化分类管理,实现精准营销,差异化服务,提升销售转化和复购。

(4) 无法动态掌握客户消费行为

传统零售企业几乎无法掌握客户消费行为数据。只有在客户有购买行为时,这部分客户交易行为才是被掌握的,并不掌握除客户交易行为之外的客户行为数据,如客户消费习惯。也就是说,零售企业在掌握客户消费行为上是被动地的。这种被动局面带给零售企业的就是被动等客户上门,做不到主动营销。

零售企业迫切需要掌握客户消费行为数据,主动营销把潜客转化为交易客户。

(5) 零售企业迫切需要获取第一手客户信息

互联网和电子商务的发达促使了传统营销方式的创新和改变。有些商品的营销模式,比如保健品,传统通常采用经销商的渠道销售给终端客户。在数字化转型的推下,多数商家转向“直销模式”。“直销模式”就是去掉中间商,降低产品的流通环节成本并满足顾客利益最大化需求的一种效率高的营销方式。简言之,就是生产商不经过中间商而是直接把商品销售到顾客手中的、减少中间环节和销售成本的一种销售模式。

用电子商务的术语来讲,从原来的B2B2C营销模式,转变为B2C,或者B2C + B2B2C混合模式(图1)。这种模式上的转变,对产品商家的最大利好是能够获取终端客户的第一手信息(客户数字资产)。如果能在客户智能的辅助下,做好对客户数字资产的分析,可以很好地支持产品商家、经销商的客户营销和服务。

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图1 B2C + B2B2C混合营销模式

2. 零售业营销数字化转型方案

零售业全渠道营销数字化转型方案见图2。该数字化转型方案重点强调以下特点:

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图2 零售行业营销数字化转型解决方案

(1) 全渠道营销:

线上和线下双线营销,或称为OAO(Online And Offline)。面向零售门店、电商、经销商、社交媒体、呼叫中心、会员自助门户等所有客户接触渠道,向客户提供统一产品、信息等客户体验服务(如图3所描述)。在各渠道之间,做到客户信息共享。

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图3 统一客户体验

(2) 客户智能驱动的客户体验

建立以客户智能为驱动的客户体验提升机制,即对客户进行数据画像,以客户行为分析为基础挖掘客户价值,提供差异化客户服务策略建议。负责服务客户的全渠道前端根据差异化服务策略或者建议去营销服务,目标是预测客户行为,提供超出预期的客户体验服务。该机制可描述为图4。

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图4 客户智能驱动的客户体验提升机制

(3) 建立客户大数据平台

建立企业客户大数据平台,实现多渠道客户统一管理。

(4) 优化客户忠诚度模型

建立零售企业的多模式、多维度的忠诚度计划和会员积分体系,提升客户互动和客户忠诚度。

(5) 客户精准营销

根据客户智能结果进行目标客户细化,进行场景化、多体系的客户互动营销,以增加客户ROI,延长客户生命周期

3. 零售业数字化转型中的客户智能方案

3.1. 客户旅程驱动的客户智能方案

客户旅程正在成为管理企业客户和用户体验计划的关键工具,对于管理客户体验至关重要。客户旅程地图(Customer Journey Map)描述在客户端到端的触点旅程中,根据客户消费行为的上下文,提供针性的营销、服务活动指引,主动引导客户消费行为进程。更多有关客户旅程的描述请参考作者专著《客户智能》一书相关内容。

面对庞大的客户数量规模,要满足终端客户、经销商的个性化需求,除了要有数字化转型、客户智能分析的支持之外,更为重要的是能够做到客户旅程自动化、以客户旅程为引擎的客户营销和服务自动化。客户旅程的自动化还要考虑以下因素:

(1) 实现客户旅程的过程管理(阶段);

(2) 对客户旅程进行漏斗管理,提供从管理的视角对客户旅程进行实例化的操作;

(3) 把客户、产品、订单和经销商与客户旅程紧密关联;

(4) 线下(Offline)和线上(Online)的销售线索整合;

(5) 通过市场活动促进顾客的转化和进阶;

(6) 通过销售活动促进顾客的转化和进阶。

多年数字化转型的努力,使得零售业的主要业务线中有较大比例客户营销和服务业务已经线上化,且能够通过移动端完成。客户身份在线识别和行为追踪,为零售业产品商家实施以客户旅程为驱动的客户智能应用累积了个性化营销的数据基础。

客户数据基础结合人工智能算法赋能,可帮助实现个性化营销和智能化营销的场景。比如:

(1) 基于用户电商行为分析识别产品需求,向客户主动推荐商品;

(2) 比如通过完善相关业务系统为客户推荐适合的凑单商品,促进客户增购并顺利下单;

(3) 又比如通过电商端“订单未提交”和“订单未支付”提醒功能,主动跟进客户推进购买进程;

(4) 加强业务系统对经销商营运的决策支持能力,比如帮助经销商识别关键营销切入点和触达客户;

(5) 提升数据赋能能力,提升经销商识别客户、细化客户的能力。比如,经销商接洽了10个潜客,业务系统帮助识别出潜客优先级。

这些场景做到基于对用户数据的分析洞察,准确应对营销痛点、断点提供解决方案,有效提升购买转化。更多有关人工智能如何提升企业营销的实践,请参考作者专著《客户智能》一书相关内容。

3.2. 客户智能方案示例

这里以保健品行业为例,以线下体验、线上营销的潜客营销为场景描述客户智能方案。

3.2.1. 业务需求场景

· 业务需求场景 :

ü 针对现场体验中心或者体验门店(以下统称体验门店)参与现场健康检测项目的用户,根据检测结果推送相关产品推荐,刺激客户产生购买;

ü 分析客户在线上电商端的交易情况;

ü 针对在体验门店参与过现场检测项目、但是没有购买产品的客户,在指定周期后推送提醒消息。有选择地建议客户再次前往体验门店进行检测,了解身体各项指标的变化。

· 业务目的:

ü 通过商品推荐推送,提升指定商品的购买率;

ü 线上和线下双线营销(Online And Offline,OAO);

ü 获取客户交互行为,精准客户营销

3.2.2. 客户旅程设计

本章节描述覆盖以上业务需求场景的客户旅程设计。

(1) 场景1:D+0 体验门店检测+产品推荐:

ü 客户旅程:现场健康检测、产品推荐,见图5;

ü 目标客户:当天在体验门店内参与任意健康检测项目的客户;

ü 客户触点:健康检测、现场下单;

ü 推送渠道:线下;

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图5 D+0客户旅程设计(线下)

(2) 场景2:D+0 推送客户关怀消息+产品推荐:

ü 客户旅程:现场健康检测离场后,对现场未下单客户进行客户关怀,见图6;

ü 目标客户:当天在体验门店内参与任意检测项目、且现场未下单的客户;

ü 客户触点:点击商品链接、下单;

ü 推送渠道:线上(APP、公众号);

ü 数据抽取频次:每日;

ü 推送周期:D+0(当日);

ü 推送内容:

可选类型

要求

文本推送+产品链接

产品链接:点击文本中关键词,跳转产品页面

图片推送

图片限制:2M;支持格式:JPG

内容模板(示意)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图6 D+0客户旅程设计(线上)

(3) 场景3:D+3 推送客户关怀消息+产品推荐

ü 客户旅程:之前有关注过产品、但没有下单的客户进行客户关怀,以保持线索热度,见图7;

ü 沟通对象:D+0 沟通客户中,有点击推送图文消息但未购买推荐商品的客户;

ü 推送渠道:线上(APP、公众号);

ü 数据抽取频次:每日;

ü 推送周期:D+3(现场检测后第3天);

ü 推送内容:

可选类型

要求

文本推送+产品链接

产品链接:点击文本中关键词,跳转产品页面

图片推送

图片限制:2M;支持格式:JPG

内容模板(示意)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图7 D+3客户旅程定义

(4) 场景4:D+5推送客户关怀消息+产品推荐

ü 客户旅程:向一直没响应(包括没点击产品链接)的客户推送第2轮客户关怀和产品推荐(替代产品,认为客户对第1轮推荐产品无兴趣),保持线索热度,见图8;

ü 沟通对象:D+0 沟通客户中,没有点击推送图文消息且未购买推荐商品的客户;

ü 推送渠道:线上(APP、公众号);

ü 数据抽取频次:每日;

ü 推送周期:D+5(现场检测后第5天);

ü 推送内容:

可选类型

要求

文本推送+产品链接

产品链接:点击文本中关键词,跳转产品页面

图片推送

图片限制:2M;支持格式:JPG

内容模板(示意)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图8 D+5客户旅程定义

(5) 场景5:D+7推送客户回访消息

ü 客户旅程:定期回访已经购买产品客户,提升客户满意度,见图9;。

ü 目标客户:D+0 沟通客户中,已经购买推荐产品的客户;

ü 推送渠道:线上(APP、公众号);

ü 数据抽取频次:每日;

ü 推送周期:D+7(现场检测后第7天);

ü 推送内容:

可选类型

要求

文本推送+产品链接

产品链接:点击文本中关键词,跳转产品页面

图片推送

图片限制:2M;支持格式:JPG

内容模板(示意)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图9 D+7客户旅程定义

(6) 场景6:D+30 再次检测提醒

ü 客户旅程:向近一个月未购买产品客户再次发送健康复检的邀请,提升线索热度,见图10;。

ü 目标客户:上个月在体验门店内参与任意检测项目,但未购买产品的客户;

ü 推送渠道:线上(APP、公众号);

ü 数据抽取频次:每日;

ü 推送周期:D+30(现场检测后第30天);

ü 推送内容:

可选类型

要求

文本推送+产品链接

产品链接:点击文本中关键词,跳转产品页面

图片推送

图片限制:2M;支持格式:JPG

内容模板(示意)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图10 D+30客户旅程定义

3.2.3. 效果分析

客户旅程根据客户行为的上、下文定位目标客户,做到在不影响客户体验的情况下精准营销。即使这样,仍然需要量化每个客户旅程的实施效果,为下一步的客户旅程优化做准备。

(1) 效果分析模型

除场景1是线下外,其余是线上场景。线上场景可衡量以下指标(如图11所示):

· 点击率:衡量推送的线上推荐产品内容是否吸引目标客户、以及点击查看产品推荐链接的比率;

· 下单率:衡量下单客户数占目标客户的比率、推荐产品是否吸引目标客户;

· 人均下单金额:衡量目标客户群体的消费行为;

· 反馈率:衡量客户对推送的问卷调查、或者消费回访的参与程度;

· 返场率:衡量销售线索的热度。

大数据营销分析案例趣多多(大数据营销分析案例网易云)

图11 效果分析模型

(2) 效果分析结果(示例)

按场景的客户旅程效果分析(示例),见表1。

接下来,营销经理需要和渠道经理等部门一齐分析不同场景的实施效果,识别客户旅程优先改进的方向。

表1 按场景的客户旅程效果分析

场景

效果分析1

效果分析2

场景1

符合条件人数:1000

下单人数:200

下单金额:10000 元

下单率:20%

人均下单金额:500 元

场景2

符合条件人数:800

推送人数:800

点击人数:600

下单人数:200

下单金额:10000 元

点击率:75%

下单率:25%

人均下单金额:500 元

场景3

符合条件人数:400

推送人数:400

点击人数:200

下单人数:100

下单金额:5000 元

点击率:50%

下单率:25%

人均下单金额:500 元

场景4

符合条件人数:200

推送人数:200

点击人数:100

下单人数:80

下单金额:3200 元

点击率:50%

下单率:40%

人均下单金额:400 元

场景5

符合条件人数:200

推送人数:200

反馈人数:150

反馈率:75%

场景6

符合条件人数:420

推送人数:420

预约人数:210

返场率:50%

4. 小结

使用客户旅程作为设计器,对现场体验场景下客户的触点、响应、交易行为进行设计。同时,以客户旅程作为触发引擎,动态跟进客户交互行为并进行效果分析,提供下一步客户营销和服务的行动建议。最大化单个客户每个触点的产出直至赢得客户订单,同时又不降低客户体验。更多有关客户旅程在数字化转型中的实践,请参考作者专著《客户智能》一书相关内容。

该案例在以下方面有进一步提升的空间:

(1) 理想的推送内容管理(参考案例中的客户关怀内容模板)是建设在数字资产管理之上,做到内外部优秀内容资源的对接及自动化同步。同时,内容投放机制可支持自定义创建设置、自动化执行,以适应快速变化的市场需求。

(2) 推送内容需要基于客户细分。不同的客户细化群体,推送的内容(或者产品)会有不同。比如,如果适用于老年的产品或者内容同样被推送到年经人那里,会大大降低客户体验。

(3) 即使是同一个客户细化群体,推送内容也应该有差别。比如,可参考个体客户的历史购买产品或者行为,推送关联产品内容。

免费领取100个最新网创项目!添加 微信:80118303  备注:项目

本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 80118303@qq.com 举报,一经查实,本站将立刻删除。
如若转载,请注明出处:https://www.tuikar.net/383.html