chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

　　編輯導(dǎo)語：為了提升企業(yè)的經(jīng)營利潤，采取精細化運營策略、做好用戶管理，已經(jīng)成為企業(yè)必然采取的舉措之一。而為了實現(xiàn)更好的用戶運營管理，提升用戶粘性，大多數(shù)企業(yè)都會選擇構(gòu)建會員分析體系。如何搭建數(shù)字化浪潮下的會員分析體系？不如來看看作者的經(jīng)驗總結(jié)。

　　本文基于在兩家鞋服零售頭部企業(yè)參與CDP和MA項目和會員相關(guān)數(shù)據(jù)產(chǎn)品工作，講下我理解的數(shù)字化浪潮下的會員分析體系構(gòu)建。

　　知其然知其所以然，用戶分析與管理的終極目標是在用戶身上獲取最多的利潤，即LTV-用戶終身價值最大化，故從企業(yè)整體經(jīng)營的目標看會員分析所處的位置再向下拆解，構(gòu)建實現(xiàn)目標為導(dǎo)向的會員分析體系（會員包含在用戶中）。

　　如圖所示會員分析體系向上需提供可支撐戰(zhàn)略制定的數(shù)據(jù)，向下需完成對會員運營的目標，這個目標可能在LTV基礎(chǔ)上增加戰(zhàn)略轉(zhuǎn)型目標，如品牌年輕化，那么用戶運營的目標中用戶年齡構(gòu)成、客單價等即對應(yīng)調(diào)整，故用戶分析體系必須是在明確用戶戰(zhàn)略目標的前提下設(shè)計或調(diào)整。

　　確認用戶運營的戰(zhàn)略目標后即應(yīng)部門的工作內(nèi)容與分工結(jié)構(gòu)和每個模塊的KPI，以此構(gòu)成分析體系。每個企業(yè)會員運營歸屬部門不同，但這個邏輯是相通的。根據(jù)管理和工作流可以抽象出三個板塊構(gòu)成會員分析體系，即策略規(guī)劃+周期/日常分析+執(zhí)行追蹤。

　　此部分目的是給企業(yè)層做經(jīng)營分析和相關(guān)決策時知曉現(xiàn)狀、趨勢；同時在確認策略目標后，以此定期復(fù)盤/考核目標達成情況。

　　其中用戶生命周期、價值分析和用戶畫像數(shù)據(jù)在周期/日常分析中也常用到；三個模塊的數(shù)據(jù)非完全獨立區(qū)分使用對象，站在使用者的角度有側(cè)重而劃分；同時在制定重要策略時，內(nèi)部數(shù)據(jù)不僅會用到所述部分，可能會拉取企業(yè)更長時間的用戶數(shù)據(jù)分析趨勢洞察機會。

　　確認戰(zhàn)略目標后即制定對應(yīng)指標作為目標達成的考核，是企業(yè)高層和部門管理關(guān)注的核心數(shù)據(jù)與業(yè)務(wù)風(fēng)向標。

　　會員核心指標通常可以拆解4部分考核“量”與“質(zhì)”，會員量和會員消費人數(shù)的是增長基礎(chǔ)，會員的質(zhì)量是可持續(xù)增長和利潤度保證；最后根據(jù)階段業(yè)務(wù)的方向與目標會有特有的考核指標，如拓展新渠道、新模式相關(guān)目標，分析維度指標結(jié)合同環(huán)比、增長率、目標完成度分析。

　　用戶生命周期以用戶首次與品牌有觸點為始，至企業(yè)無法再從用戶身上獲得商業(yè)價值為終。基于過程中用戶消費與互動數(shù)據(jù)，通過規(guī)則劃分以分層運營，獲得用戶化商業(yè)價值最大化。

　　根據(jù)公式LTV-CAC=LT*ARPU-CAC，劃分用戶生命階段運營的目的在于不斷擴大有價值用戶的數(shù)量和用戶在此價值區(qū)間時長和每次價值量。用戶生命階段可劃分為5個階段，培育、成長、成熟、沉默、流失，在每個階段下再分層以制定運營和資源分配策略實現(xiàn)運營效益最大化。

　　實際的劃分并非一定完全如此，劃分的階段和分層層級根據(jù)實際業(yè)務(wù)定，我經(jīng)歷的兩家公司的生命周期也非完全按此劃分，底層邏輯與目的是一致的。

　　如上圖所示，基于會員生命周期的分層會對應(yīng)每個階段的轉(zhuǎn)化考核指標，通過從增長率到流失率的分析可以判斷會員運營發(fā)展態(tài)勢，結(jié)合獲客成本和ROI分析運營效益。

　　生命周期分析的維度與價值如下，通過會員生命周期的構(gòu)成、趨勢、對比/分布進一步拆解分析緣由以制定提升方案。

　　會員等級體系是企業(yè)面向用戶，激勵用戶完成一定事項以提升商業(yè)價值，增強用戶黏度的運營方法。通過構(gòu)成、對比/分布，結(jié)合銷售數(shù)據(jù)分析可以了解判斷當(dāng)前的運營效果和等級體系設(shè)計的好壞并制定差異化提升策略，分析思路與目的價值如下圖。

　　通過對會員價值分層，匹配不同的運營策略，不斷提升鞏固核心價值用戶群，實現(xiàn)LTV和ROI最大化，并為策略的制定提供數(shù)據(jù)支持，會員價值分析常用的有RFM和LTV。

　　LTV是用戶獲取到流失給企業(yè)帶來的商業(yè)價值總和，是運營提升的終極商業(yè)目標，也是策略有效性驗證的核心指標，相對于ROI單次效果計算,LTV是基于用戶運營長期價值考量，以此標準是重量也重質(zhì)的分析計算，更有利于長期獲取更高用戶價值的良性運營北極星。

　　LTV的應(yīng)用分為預(yù)測LTV和現(xiàn)有LTV計算。現(xiàn)有的LTV計算根據(jù)已經(jīng)積累的幾個月到幾年的數(shù)據(jù)計算當(dāng)前用戶、活動、渠道的LTV值；預(yù)測LTV通過算法同樣根據(jù)積累歷史數(shù)據(jù)預(yù)測未來一段時間的LTV值。

　　LTV的計算：LTV并沒有一個通用的固定的公式，企業(yè)根據(jù)自身業(yè)務(wù)判斷擬定，常用的的計算公式有 LTV=LT*ARPU；LTV=MMR/churn rate。LTV預(yù)測：需要算法團隊基于用戶特征訓(xùn)練模型進行預(yù)測，通常根據(jù)數(shù)據(jù)情況準確性會有一定的用戶范圍，對應(yīng)數(shù)據(jù)越多的用戶群預(yù)測準確性越高。應(yīng)用：LTV的應(yīng)用從規(guī)劃到分析和執(zhí)行都有應(yīng)用，在規(guī)劃層的主要作用兩個：

　　衡量用戶價值和運營效果；輔助計算未來一段時期內(nèi)收益和輔助營收目標的制定。RFM零售運營中最常用的分析模型之一，根據(jù)用戶最近一次交易時間、交易金額、交易頻次將用戶劃分，詳細規(guī)則網(wǎng)上資料巨多不贅述，常見的使用分析方式有兩種。

　　通過RFM值評分進行用戶分類，單獨使用或組合其他標簽、數(shù)據(jù)使用；單獨使用R/F/M值，或者組合其他標簽、數(shù)據(jù)，如高M值用戶+性別年齡段。

　　人群畫像是對特定人群的特征聚合分析，以全面了解人群各維度信息輔助企業(yè)決策，運營策略等分析。

　　基于標簽系統(tǒng)下的人群畫像可以靈活組合人群，自定義分析維度滿足更多業(yè)務(wù)場景、業(yè)務(wù)目標的要求，此部分是基于CDP系統(tǒng)邏輯下可實現(xiàn)的畫像分析，如企業(yè)未搭建CDP可根據(jù)需求固化常用人群和分析模板進行畫像分析，人群畫像在“周期/日常分析”中也是高頻使用，此部分僅先對于策略規(guī)劃層面分析構(gòu)成說明。

　　畫像的構(gòu)建兩部分組成，“人群”和“畫像分析維度”，都基于用戶標簽體系?；跇I(yè)務(wù)使用場景構(gòu)建標簽體系對用戶進行打標，并沿用標簽體系的構(gòu)建邏輯數(shù)據(jù)處理于畫像分析維度，以此通過標簽圈定人群+畫像維度自定義分析模板，對不同人群進行自定義分析，下圖即對應(yīng)邏輯與基于人群畫像分析常用的分析維度。

　　人群畫像在策略規(guī)劃、周期/日常分析使用較多，區(qū)別在于人群和分析深度，周期/日常分析基本會涵蓋策略規(guī)劃的人群，但策略規(guī)劃分析會分析的更復(fù)雜深入和更多預(yù)測性分析，需要數(shù)據(jù)與算法團隊協(xié)同參與。

　　下圖為人群畫像在三個部分的應(yīng)用，其中的人群列的并不全面，舉了部分例子示意。

　　策略規(guī)劃部分人群畫像的目的/價值

　　全量用戶/會員：指導(dǎo)品牌用戶定位、戰(zhàn)略制定、目標實現(xiàn)驗證，如品牌希望做年輕化，可結(jié)合當(dāng)前用戶畫像明確調(diào)整后具體的目標年齡范圍，以增加目標的有效性，驗證同理；通過屬性、消費偏好、行為特征分析指導(dǎo)商品企劃、渠道和營銷資源分配等的策略制定。

　　特定人群：對全盤用戶有了解后基于與商業(yè)利益核心相關(guān)的用戶群畫像深入分析，在企業(yè)運營穩(wěn)定后，流失和高價值兩類人群是影響用戶收益的重要人群，通過分析以明確優(yōu)先級和指導(dǎo)策略制定。

　　渠道人群是針對近兩年的市場來說，很多新零售企業(yè)會做線上渠道如直播、小程序、社群、分銷場景，新渠道的開展會重點關(guān)注以及時跟進方案調(diào)整確保目標達成。

　　這是基于我個人的工作經(jīng)驗總結(jié)，根據(jù)企業(yè)業(yè)務(wù)人群選擇有所不同。

　　注意，人群畫像分析需要有TGI分析才可以真正分析人群特征。

　　周期/日常分析由5個部分構(gòu)成，會員構(gòu)成、會員消費、場景分析、畫像特征、預(yù)測分析，有部分維度與策略規(guī)劃層重疊，相對于規(guī)劃層分析層的數(shù)據(jù)是多維下鉆和更多交叉分析更加多維和詳細。

　　會員等級和生命周期的分析中，在周期/日常分析中的使用除了對全量會員構(gòu)成、對比/分布、趨勢的總體性分析外，區(qū)別有兩點。

　　更多的下鉆和交叉分析，以及時洞察當(dāng)前業(yè)務(wù)問題和支持營銷方案。呈現(xiàn)形式上，規(guī)劃層用于方向決策，更多的是總體數(shù)據(jù)以可視化+匯總的數(shù)據(jù)，分析層除了可視化和匯總外，會有更多更詳細報表數(shù)據(jù)。RFE是基于RFM的變形，對用戶的線上行為分析，用于渠道線上營銷，和線上線下融合，但使用相對沒有RFM普遍，個人認為線上+線下行為數(shù)據(jù)融合分析會越來越重要，舉例以下兩個場景。

　　在召回用戶選擇群體時，僅對線下數(shù)據(jù)分析，基于長期未消費用戶定義為流失，在做召回策略時需要進一步分群獲知成功率更大的用戶和擬定策略時如獲取其線上行為數(shù)據(jù)，即可對近期有線上RFE高的用戶+高價值用戶做策略提升轉(zhuǎn)化率。將REF的計算結(jié)合物聯(lián)網(wǎng)設(shè)備如face id相關(guān)系統(tǒng)，試衣掃碼系統(tǒng)等獲取的數(shù)據(jù)，加入計算，可以讓用戶活躍的數(shù)據(jù)更趨近真實情況輔助于商品推送、門店導(dǎo)購等場景提升轉(zhuǎn)化。但目前以我自己的工作經(jīng)驗看RFE與線下數(shù)據(jù)的結(jié)合較少，一般單獨線上團隊使用此模型數(shù)據(jù)，或通過標簽系統(tǒng)組合用戶特征與消費特征數(shù)據(jù)，與線下數(shù)據(jù)組合分析是個人認為是零售分析的一個小發(fā)展方向，適用于用戶量大，線上觸達建設(shè)完善的企業(yè)。

　　會員增長常用的維度指標在后文會員消費分析中一起說明，因為通常會員招募與消費會一起分析

　　RFE定義：最近一次訪問時間 R（Recency）：會員最近一次訪問或到達網(wǎng)站的時間；訪問頻率 F（Frequency）：用戶在特定時間周期內(nèi)訪問或到達的頻率；頁面互動度 E (Engagements)：互動度的定義可以根據(jù)不同企業(yè)或行業(yè)的交互情況而定，例如可以定義為頁面瀏覽時間、瀏覽商品數(shù)量、視頻播放數(shù)量、點贊數(shù)量、轉(zhuǎn)發(fā)數(shù)量等。

　　分析方式如圖：

　　應(yīng)用與RMF的邏輯一致：

　　通過RFE值評分進行用戶分類，單獨使用或組合其他標簽、數(shù)據(jù)使用；單獨使用R/F/E值，或者組合其他標簽、數(shù)據(jù)。

　　會員消費分析是基礎(chǔ)分析模塊，以報表或報表+可視化方式對會員消費的當(dāng)前情況、發(fā)展趨勢、分布、對比，通常會與相關(guān)指標的非會員數(shù)據(jù)如客流量、總銷售額等一起呈現(xiàn)，對比會員運營在整體運營中的作用，分析發(fā)現(xiàn)問題指導(dǎo)業(yè)務(wù)策略調(diào)整。

　　基于分析適用場景多也是工作報告中常用的數(shù)據(jù)，在BI系統(tǒng)上以自定義報表的形式保證靈活度，如前文所述會員增長目標常在一起分析，且衡量會員增長的指標少，故我整合一些常用分析如下。

　　零售運營工作落地圍繞場景展開，通過對這些場景的營銷策略和動作優(yōu)化達成目標，故需對應(yīng)場景的數(shù)據(jù)分析以科學(xué)支持運營決策動作。

　　我選取了5個零售中高頻的場景，說明分析維度和數(shù)據(jù)價值，其中營銷活動和商品因選取的維度因規(guī)則多變，數(shù)據(jù)處理系統(tǒng)支持度等影響可能按需取數(shù)計算并非固定。

　　社群分析通常會員獨立的模塊從獲客到轉(zhuǎn)化傳播和用戶畫像，所以只說明其中社群中會員數(shù)據(jù)分析。

　　畫像的定義與構(gòu)建在策略規(guī)劃部分已說明，這里主要說明人群畫像在工作周期/日常分析中常用分析人群和與策略規(guī)劃分析的區(qū)別。

　　分析的人群和畫像維度更細。人貨場是零售分析的基礎(chǔ)邏輯，人群畫像也是?；跇I(yè)務(wù)不同地區(qū)、門店、商品策略進行對應(yīng)的畫像分析支持運營策略制定?；跔I銷運營活動需求的分析，為了提高轉(zhuǎn)化，營銷推廣投放分析工作會基于活動渠道、時間、等分析用戶以支持精準營銷。流失人群和高價值人群的分析會更加深入以更有效應(yīng)用于營銷，如基于流失與消費次數(shù)、商品、渠道、加入會員時長、消費偏好的關(guān)系輔助制定營銷切入時間點、商品售賣推送策略和渠道評估與管理。從運營工作對人群畫像分析應(yīng)用的場景拆分常用人群如下：

　　預(yù)測分析有3個對業(yè)務(wù)提升非常有效的，但我算法方面知識薄弱只能說簡單說明下定義和用法，見諒。

　　LTV在前文中有過說明，此處說明下運營過程中的應(yīng)用場景：

　　運營前：算回報周期、營銷用戶總體價值、輔助營銷成本計算，通過LTV預(yù)測，單獨使用、結(jié)合其他維度數(shù)據(jù)或算法標簽對用戶分層，分配營銷資源，達到效果最大化，如結(jié)合流失預(yù)測，對高價值中高流失風(fēng)險用戶資源傾斜，增加營銷獲益。運營后：營銷效果驗證，驗證渠道質(zhì)量。魔法數(shù)字是輔助業(yè)務(wù)判斷的相關(guān)性指標，通過分析/算法發(fā)現(xiàn)業(yè)務(wù)關(guān)鍵點數(shù)字或數(shù)值，輔助業(yè)務(wù)判斷或策略制定，零售場景下的魔法數(shù)字如轉(zhuǎn)化忠誠用戶的購買次數(shù)/件數(shù)、成為會員多少時間最易流失、復(fù)購最多的用戶的客單價、多用多久未購物流失可能性最大。

　　但要注意的是這個數(shù)字并非表示因果關(guān)系，達到了值就一定可以達到目標，影響程度需結(jié)合業(yè)務(wù)經(jīng)驗一起判斷。

　　流失預(yù)測顧名思義通過積累的用戶行為數(shù)據(jù)和消費數(shù)據(jù)通過算法分析當(dāng)前存量用戶的流失風(fēng)險，再結(jié)合用戶畫像、價值分析等數(shù)據(jù)，減少流失，在運營中還有一點是識別基于品牌定位必然流失的用戶，如品牌年齡定位就必然導(dǎo)致部分用戶因人生發(fā)展不同流失，識別以減少無效營銷的投入和制定合理的流失率少目標。

　　會員營銷總體分析站在高層管理角度，匯總數(shù)據(jù)以全局視角對營銷總體和成本監(jiān)控分析以確保達成總計劃目標、控制風(fēng)險、降低成本，如下分三個部門組成，通常會后置建立，先建立單個營銷的分析體系，所以也放在了單個策略數(shù)據(jù)分析之后說明。

　　借用《數(shù)據(jù)化管理》書中的話“銷售是追蹤出來的，不是分析出來的”，同樣會員運營目標實現(xiàn)必然要依靠每次營銷觸達，每次活動、每日目標數(shù)據(jù)的追蹤，及時調(diào)整運營動作步步為贏達成最終目標。

　　以下基于過往MA、營銷工具、消費者端報表產(chǎn)品經(jīng)驗，總結(jié)基于追蹤執(zhí)行的分析體系搭建，也是基于IT系統(tǒng)建設(shè)上的。

　　營銷策略數(shù)據(jù)分析分為兩部分，營銷總體的數(shù)據(jù)分析和單個策略分析，總體分析更多屬于周期分析故放在了周期/日常分析部分，單營銷策略除了分析更多會在策略期間跟進營銷情況故屬于執(zhí)行/追蹤。

　　基于營銷鏈路拆解，首先營銷都會有明確的目標，如招募會員、提升銷售等等，故而分析維度需圍繞目標提供，對應(yīng)目標可得出營銷的效果衡量指標，第二部分基于營銷執(zhí)行即確認營銷對象后觸達用戶，并根據(jù)用戶反饋，方案設(shè)計等有鏈路數(shù)據(jù)，對其中的動作數(shù)據(jù)跟蹤分析監(jiān)控營銷推進和目標達成，最后根據(jù)整體的數(shù)據(jù)分析復(fù)盤不斷優(yōu)化策略和觸達。

　　由3個部分組成，但并非所有營銷都固定模板分析，如上所訴需根據(jù)營銷目標提供，精準營銷也需要精準數(shù)據(jù)分析，全量數(shù)據(jù)一起提供是對分析和業(yè)務(wù)的干擾，下方結(jié)合圖說明3部分的作用價值。

　　效果分析：主要為高層和運營策劃人員分析查看，通過核心指標知曉目標完成情況，通過效果數(shù)據(jù)分析驗證和驅(qū)動觸達渠道、營銷方案優(yōu)化。

　　鏈路觸達分析：主要為運營執(zhí)行人員，在營銷中監(jiān)控追蹤動作完成，分析動作轉(zhuǎn)化，驅(qū)動內(nèi)容和觸達渠道的優(yōu)化。

　　營銷對比：定期活動復(fù)盤，通過同類型營銷對比優(yōu)劣，再溯源策略區(qū)別，趨同整體水平提升。

　　此分析活動數(shù)據(jù)主要為線上活動，或者線上線下結(jié)合的導(dǎo)流活動，從四個方面分析，總數(shù)據(jù)、用戶參與數(shù)據(jù)、目標轉(zhuǎn)化數(shù)據(jù)、活動內(nèi)容數(shù)據(jù)，以下以抽獎、內(nèi)容類為例說明分析指標維度和作用，具體的指標設(shè)定需要根據(jù)活動具體形式方案而定，邏輯是一致。

　　門店通過PC或移動端BI跟進每日數(shù)據(jù)KPI，其中包括會員相關(guān)數(shù)據(jù)，以此落地追蹤每日目標完成及時發(fā)現(xiàn)問題，故在門店報表中為會員相關(guān)驅(qū)動性指標，一般不設(shè)會員獨立報表，在日報中一起。

　　會員招募：新增會員數(shù)、會員招募完成率；會員消費：會員消費人數(shù)、會員消費金額、會員客單價、會員連單率、會員單件數(shù)。

　　會員異常數(shù)據(jù)分析分為兩個部分，基于運營的異常監(jiān)控，保證業(yè)務(wù)目標達成；基于用戶行為的異常監(jiān)控，識別風(fēng)險，減少損失；除了運營/用戶行為異常還有活動、策略異常，一般會在系統(tǒng)層有對應(yīng)的報警設(shè)置，主要監(jiān)控分析指標維度如下。

　　因為是基于會員分析體系全局，內(nèi)容較多其中基于用戶標簽體系、人群畫像部分內(nèi)容未能展開詳說，可能不利于理解，后續(xù)有時間會單獨說這兩個方面。

　　至此為基于近些年做CDP、MA、會員數(shù)據(jù)相關(guān)產(chǎn)品與市場、會員運營相關(guān)部門合作總結(jié)的會員整體滿足戰(zhàn)略到執(zhí)行的分析體系內(nèi)容，有不完善的地方，后續(xù)工作有新認知會再修改迭代。

　　參考資料：《數(shù)據(jù)化管理》

　　作者：25號玩家；微信公眾號 : 25號玩家，專注數(shù)字營銷。

　　本文由 @25號玩家 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

　　題圖來自Unsplash，基于CC0協(xié)議