【原】BI數(shù)據(jù)分析-落地?cái)?shù)字化進(jìn)準(zhǔn)營(yíng)銷

CDA數(shù)據(jù)分析師 2023-08-07 發(fā)布于北京

展開全文

前面我們花了大量的篇幅給大家介紹了如何設(shè)計(jì)一個(gè)數(shù)字化精準(zhǔn)營(yíng)銷方案。我們從探索洞察、定義機(jī)會(huì)點(diǎn)、設(shè)計(jì)舉措、方案計(jì)劃維度分析了各個(gè)環(huán)節(jié)的特點(diǎn)和作用。當(dāng)我們完成這些設(shè)計(jì)方案后，就需要著手進(jìn)行方案的落地實(shí)施了，下面我們就如何落地一個(gè)數(shù)字化精準(zhǔn)營(yíng)銷進(jìn)行探討。

數(shù)字化精準(zhǔn)營(yíng)銷是基于大數(shù)據(jù)背后的營(yíng)銷手段開展的用戶運(yùn)營(yíng)工作，通過全渠道傳遞價(jià)值內(nèi)容，在數(shù)字化賦能下實(shí)現(xiàn)“快、狠、準(zhǔn)”的敏捷營(yíng)銷。而現(xiàn)在流行的元宇宙概念勢(shì)必會(huì)加速數(shù)字化營(yíng)銷的進(jìn)程，它會(huì)隱形的推動(dòng)市場(chǎng)不斷向前發(fā)展。隨著媒介形態(tài)與受眾偏好的改變，互聯(lián)網(wǎng)、消費(fèi)品、金融業(yè)、廣告業(yè)等都存在機(jī)遇和挑戰(zhàn)，數(shù)據(jù)化精準(zhǔn)營(yíng)銷的傳播是企業(yè)信息化再造和品牌的智能革命。

一、精準(zhǔn)營(yíng)銷的核心思想

這里的精準(zhǔn)包括精確、精密、可衡量的。精準(zhǔn)營(yíng)銷也比較恰當(dāng)?shù)伢w現(xiàn)了精準(zhǔn)營(yíng)銷的深層次寓意及核心思想。

1. 大數(shù)據(jù)與數(shù)據(jù)分析

實(shí)現(xiàn)精準(zhǔn)營(yíng)銷可以通過可量化的精確的市場(chǎng)定位技術(shù)突破傳統(tǒng)營(yíng)銷定位的局限性。

傳統(tǒng)營(yíng)銷眼中只有簡(jiǎn)單的交易額，用戶買了什么產(chǎn)品，買了多少產(chǎn)品等淺層意義上的分析來(lái)營(yíng)銷企業(yè)的產(chǎn)品和服務(wù)，對(duì)用戶的數(shù)據(jù)是局部的，對(duì)分析也只能點(diǎn)對(duì)點(diǎn)的展開處理。

精準(zhǔn)營(yíng)銷借助先進(jìn)的大數(shù)據(jù)技術(shù)、網(wǎng)絡(luò)通訊技術(shù)及現(xiàn)代高度分散物流等手段保障和用戶的長(zhǎng)期個(gè)性化溝通，使?fàn)I銷達(dá)到可度量、可調(diào)控等精準(zhǔn)要求。通過模型來(lái)構(gòu)建全方位的客戶描述，每個(gè)用戶身上的數(shù)據(jù)標(biāo)簽越多，針對(duì)用戶的營(yíng)銷策略就越廣，分析的邏輯層面就越深，帶動(dòng)數(shù)字化精細(xì)運(yùn)營(yíng)。反過來(lái)說，擺脫了傳統(tǒng)廣告的高成本束縛，使企業(yè)低成本快速增長(zhǎng)成為可能。

2. 流程與執(zhí)行

精準(zhǔn)營(yíng)銷的系統(tǒng)手段保持了企業(yè)和客戶的密切互動(dòng)溝通，從而不斷滿足客戶個(gè)性需求，建立穩(wěn)定的企業(yè)忠實(shí)顧客群，實(shí)現(xiàn)客戶鏈?zhǔn)椒磻?yīng)增值，從而達(dá)到企業(yè)的長(zhǎng)期穩(wěn)定高速發(fā)展的需求。

傳統(tǒng)營(yíng)銷中大部分ToB企業(yè)一般一年制定一次年度營(yíng)銷規(guī)化，一整年按照計(jì)劃執(zhí)行，不太可能執(zhí)行一半轉(zhuǎn)道，猶如瀑布一般。

而數(shù)字營(yíng)銷我們也稱作是敏捷式營(yíng)銷。因擁有客戶的大數(shù)據(jù)，就能在更短周期內(nèi)獲得市場(chǎng)洞察，通過數(shù)據(jù)波動(dòng)的變化進(jìn)行同期和往期的數(shù)值比較，制定可變化的營(yíng)銷策略從傳統(tǒng)一年一次縮短成類似一個(gè)月一次的營(yíng)銷規(guī)劃。

3. 組織與成員

精準(zhǔn)營(yíng)銷借助現(xiàn)代高效廣分散物流使企業(yè)擺脫繁雜的中間渠道環(huán)節(jié)及對(duì)傳統(tǒng)營(yíng)銷模塊式營(yíng)銷組織機(jī)構(gòu)的依賴，實(shí)現(xiàn)了個(gè)性關(guān)懷，極大降低了營(yíng)銷成本。

傳統(tǒng)營(yíng)銷在營(yíng)銷組織結(jié)構(gòu)中主要根據(jù)職能分成品牌、活動(dòng)、PR、SDR等，每個(gè)同事根據(jù)營(yíng)銷計(jì)劃，各司其職，缺少聯(lián)動(dòng)性和組織性。

數(shù)字營(yíng)銷主要是以客戶為中心的市場(chǎng)組織。核心就是依靠數(shù)字化理念開展客戶運(yùn)營(yíng)，因數(shù)字化孵化出很多新星職位和數(shù)字化系統(tǒng)，例如CRM、SaaS工具、BI系統(tǒng)、中臺(tái)等數(shù)字化轉(zhuǎn)型營(yíng)銷。

那么如何利用大數(shù)據(jù)為精細(xì)化運(yùn)營(yíng)和精準(zhǔn)營(yíng)銷服務(wù)。要實(shí)現(xiàn)這一總體目標(biāo)，首先必須創(chuàng)建一套完善的用戶畫像。

二、建立用戶畫像體系

用戶畫像最初是在電商領(lǐng)域得到應(yīng)用的，在大數(shù)據(jù)時(shí)代背景下，網(wǎng)絡(luò)中充斥著大量的用戶信息，將用戶的各個(gè)具體信息抽象成標(biāo)簽，利用這些標(biāo)簽將用戶形象具體化，從而為用戶提供有針對(duì)性的服務(wù)。

由此可知，用戶畫像的重點(diǎn)是給用戶貼上標(biāo)簽，而標(biāo)簽一般是高度簡(jiǎn)潔的特征標(biāo)簽，如年齡、性別、區(qū)域、行為偏好等。用戶的所有標(biāo)簽基本上都可以描繪用戶的三維畫像。此外，借助CRM框架，也可以輕松描繪用戶的畫像，例如：

1. 細(xì)分用戶特征。

對(duì)當(dāng)前用戶或潛在用戶的特征進(jìn)行梳理和分析。這些信息是多層次的，包括名稱、性別、年齡、聯(lián)系電話、詳細(xì)地址、職位、用戶序列號(hào)等基本信息。另外，企業(yè)也可以根據(jù)需要添加定制字段，并在用戶生命周期中逐步完善用戶數(shù)據(jù)，形成對(duì)用戶的立體認(rèn)知。

2. 用戶價(jià)值細(xì)分。

　　記錄用戶的交易記錄。比如用戶提交訂單的時(shí)間、購(gòu)買的產(chǎn)品品種、總數(shù)、價(jià)格、提交訂單的頻率等。

　　通過數(shù)據(jù)分析用戶的價(jià)值，判斷哪些用戶是一次性消費(fèi)，哪些用戶是持續(xù)消費(fèi)，哪些用戶從未消費(fèi)過。結(jié)合消費(fèi)金額和消費(fèi)頻率，用戶一般可以分為價(jià)值區(qū)段：高價(jià)值用戶、低價(jià)值用戶、中間用戶等。這種方法就是常用的RFM模型。

3. 用戶需求細(xì)分。

由于用戶數(shù)據(jù)在屬性上是相互獨(dú)立和結(jié)合的，企業(yè)可以根據(jù)需要進(jìn)行交叉數(shù)據(jù)統(tǒng)計(jì)分析。根據(jù)咨詢記錄、溝通和跟進(jìn)記錄、訂單信息記錄、付款記錄和合同記錄等。

舉個(gè)簡(jiǎn)單的例子，下面是根據(jù)理財(cái)用戶的不同的傾向分類成的兩大類用戶畫像：

1. 高流失傾向客戶

此類客戶到期后，大概率不會(huì)再交易任何產(chǎn)品且資金流失度高。用戶畫像屬性可細(xì)分為：

?平均行齡中高

?產(chǎn)品持有活躍

?信用卡高端客戶

?平均AUMXX萬(wàn)+

?最近X個(gè)月交易頻次高

?賬戶余額波動(dòng)性較高

?同名他行高資金往來(lái)

?歷史購(gòu)買定期、理財(cái)金額高

2. 資金閑置傾向客戶

此類客戶到期后，大概率不會(huì)再交易任何產(chǎn)品，資金閑置在活期賬戶上。用戶畫像屬性可細(xì)分為：

?平均行齡居中

?產(chǎn)品持有活躍度較低

?平均AUM在XX萬(wàn)- XX萬(wàn)之間

?歷史購(gòu)買定期、理財(cái)金額居中

?賬戶余額波動(dòng)較小

?歷史理財(cái)?shù)狡诤笃骄薪訒r(shí)間較長(zhǎng)

三、基于機(jī)器學(xué)習(xí)算法的用戶標(biāo)簽建模

實(shí)際上，用戶畫像的方法有很多，我們暫且將其分為兩種，一種是傳統(tǒng)機(jī)器學(xué)習(xí)算法，例如有監(jiān)督的多分類算法、無(wú)監(jiān)督聚類算法。這些方法需要手動(dòng)提取每個(gè)用戶的特征，用一個(gè)特征向量去代表一個(gè)用戶，我們把特征向量放到模型里，得到分類和聚類的結(jié)果。

另一種是深度學(xué)習(xí)方法，深度學(xué)習(xí)主要的功能也是對(duì)用戶特征向量進(jìn)行有監(jiān)督的分類，但是它還有一個(gè)更強(qiáng)大的應(yīng)用。那就是特征向量不用再手動(dòng)提取，而是深度學(xué)習(xí)模型根據(jù)數(shù)據(jù)信息自動(dòng)將其進(jìn)行線性和非線性的變換操作，這樣的模型能自動(dòng)得到用戶的特征，進(jìn)而得出分類結(jié)果。

我們?cè)谶@里主要給大家引出傳統(tǒng)的有監(jiān)督的分類算法的建模流程。該流程中各個(gè)步驟的順序可根據(jù)具體情況的不同進(jìn)行適當(dāng)調(diào)整，也可以根據(jù)需要重復(fù)某些步驟。

1. 數(shù)據(jù)獲?。喊ǐ@取存量客戶及潛在客戶的基礎(chǔ)變量數(shù)據(jù)。存量客戶是指已經(jīng)在金融企業(yè)開展相關(guān)融資類業(yè)務(wù)的客戶，包括個(gè)人客戶和機(jī)構(gòu)客戶；潛在客戶是指未來(lái)擬在金融企業(yè)開展相關(guān)融資類業(yè)務(wù)的客戶。

2. EDA（探索性數(shù)據(jù)分析）與數(shù)據(jù)描述：該步驟主要是獲取樣本總體的大概情況，以便制定樣本總體的數(shù)據(jù)預(yù)處理的方法。描述樣本總體情況的指標(biāo)主要有缺失值情況、異常值情況、平均值、中位數(shù)、最大值、最小值、分布情況等。

3. 數(shù)據(jù)預(yù)處理：主要工作包括數(shù)據(jù)清洗、缺失值處理、異常值處理，主要是為了將獲取的原始數(shù)據(jù)轉(zhuǎn)化為可用作模型開發(fā)的格式化數(shù)據(jù)。

4. 變量選擇：通過統(tǒng)計(jì)學(xué)的方法，篩選出對(duì)違約狀態(tài)影響最顯著的指標(biāo)。

5. 模型開發(fā)：主要包括卡方檢驗(yàn)、變量聚類和邏輯回歸估算三部分。

6. 主標(biāo)尺與模型驗(yàn)證：開發(fā)某類主體的主標(biāo)尺并進(jìn)行模型的驗(yàn)證與校準(zhǔn)。

7. 模型評(píng)估：是根據(jù)模型驗(yàn)證和主標(biāo)尺設(shè)計(jì)的結(jié)果，評(píng)估模型的區(qū)分能力、預(yù)測(cè)能力、穩(wěn)定性、并形成模型評(píng)估報(bào)告，得到模型是否可以使用的結(jié)論。

8. 模型實(shí)施：即模型的部署和應(yīng)用。

9. 監(jiān)測(cè)與報(bào)告：該步驟主要工作是定期監(jiān)測(cè)模型的使用情況，并關(guān)注和定期檢驗(yàn)?zāi)Ｐ偷膮^(qū)分能力與預(yù)測(cè)能力的變化及模型穩(wěn)定性的變化，在出現(xiàn)模型可能不能滿足業(yè)務(wù)需求的情況時(shí)，反饋至模型開發(fā)團(tuán)隊(duì)，及時(shí)進(jìn)行模型更新或重新開發(fā)。

四、針對(duì)不同客戶制定產(chǎn)品營(yíng)銷策略

關(guān)聯(lián)規(guī)則是交叉營(yíng)銷中最常用的方法。通過幾個(gè)指標(biāo)的計(jì)算，挖掘出客戶在所有產(chǎn)品間按照某種順序進(jìn)行選擇的可能性。

1. 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)分析（association analysis）是一種在大規(guī)模數(shù)據(jù)集中尋找有趣關(guān)系的非監(jiān)督學(xué)習(xí)算法。是利用一些有趣性的量度來(lái)識(shí)別數(shù)據(jù)庫(kù)中發(fā)現(xiàn)的強(qiáng)規(guī)則。

關(guān)聯(lián)規(guī)則挖掘過程主要包含兩個(gè)階段：第一階段必須先從資料集合中找出所有的高頻項(xiàng)目組(Frequent Itemsets)，第二階段再由這些高頻項(xiàng)目組中產(chǎn)生關(guān)聯(lián)規(guī)則(Association Rules)。

在描述有關(guān)關(guān)聯(lián)規(guī)則的一些細(xì)節(jié)之前，先來(lái)看一個(gè)有趣的故事："啤酒和尿布"的故事。

故事的時(shí)間跨度從上個(gè)世紀(jì)80年代到本世紀(jì)初，甚至連故事的主角和地點(diǎn)都會(huì)發(fā)生變化——從美國(guó)跨越到歐洲。認(rèn)真地查了一下資料，我們發(fā)現(xiàn)沃爾瑪?shù)?“啤酒與尿布”案例是正式刊登在1998年的《哈佛商業(yè)評(píng)論》上面的，這應(yīng)該算是目前發(fā)現(xiàn)的最權(quán)威報(bào)道?！捌【婆c尿布”的故事產(chǎn)生于20世紀(jì)90年代的美國(guó)沃爾瑪超市中，沃爾瑪?shù)某泄芾砣藛T分析銷售數(shù)據(jù)時(shí)發(fā)現(xiàn)了一個(gè)令人難于理解的現(xiàn)象：在某些特定的情況下，“啤酒”與“尿布”兩件看上去毫無(wú)關(guān)系的商品會(huì)經(jīng)常出現(xiàn)在同一個(gè)購(gòu)物籃中，這種獨(dú)特的銷售現(xiàn)象引起了管理人員的注意，經(jīng)過后續(xù)調(diào)查發(fā)現(xiàn)，這種現(xiàn)象出現(xiàn)在年輕的父親身上。在美國(guó)有嬰兒的家庭中，一般是母親在家中照看嬰兒，年輕的父親前去超市購(gòu)買尿布。父親在購(gòu)買尿布的同時(shí)，往往會(huì)順便為自己購(gòu)買啤酒，這樣就會(huì)出現(xiàn)啤酒與尿布這兩件看上去不相干的商品經(jīng)常會(huì)出現(xiàn)在同一個(gè)購(gòu)物籃的現(xiàn)象。如果這個(gè)年輕的父親在賣場(chǎng)只能買到兩件商品之一，則他很有可能會(huì)放棄購(gòu)物而到另一家商店，直到可以一次同時(shí)買到啤酒與尿布為止。沃爾瑪發(fā)現(xiàn)了這一獨(dú)特的現(xiàn)象，開始在賣場(chǎng)嘗試將啤酒與尿布擺放在相同的區(qū)域，讓年輕的父親可以同時(shí)找到這兩件商品，并很快地完成購(gòu)物；而沃爾瑪超市也可以讓這些客戶一次購(gòu)買兩件商品、而不是一件，從而獲得了很好的商品銷售收入，這就是“啤酒與尿布”故事的由來(lái)。通過對(duì)歷史交易記錄這個(gè)龐大數(shù)據(jù)庫(kù)進(jìn)行觀察，沃爾瑪還注意到，每當(dāng)季節(jié)性颶風(fēng)來(lái)臨之前，不僅手電筒銷量增加，而且美式早餐含糖零食蛋撻銷量也增加了。因此每當(dāng)季節(jié)性颶風(fēng)來(lái)臨時(shí)，沃爾瑪就會(huì)把蛋撻與颶風(fēng)用品擺放在一起，從而增加銷量。

2. 以規(guī)則為導(dǎo)向的關(guān)聯(lián)分析

以規(guī)則為導(dǎo)向，通過篩選購(gòu)買規(guī)則左邊產(chǎn)品的客戶群，來(lái)推薦其購(gòu)買右邊的產(chǎn)品。

如上圖。我們篩選出購(gòu)買了定期存款的客戶，然后向他們推薦保本理財(cái)，就如同套餐營(yíng)銷一樣。因?yàn)閺年P(guān)聯(lián)規(guī)則結(jié)果來(lái)看，保本理財(cái)和定期存款具有強(qiáng)關(guān)聯(lián)性，在客戶歷史購(gòu)買信息中，我們會(huì)發(fā)現(xiàn)購(gòu)買了定期存款的用戶，有很大的概率會(huì)購(gòu)買保本理財(cái)。

3. 以產(chǎn)品為導(dǎo)向的關(guān)聯(lián)規(guī)則

以產(chǎn)品為導(dǎo)向，通過待銷的產(chǎn)品，回溯規(guī)則的左邊，找到最有可能購(gòu)買的客戶。

如上圖。我們篩選出購(gòu)買了左邊產(chǎn)品的客戶，然后通過計(jì)算產(chǎn)品的關(guān)聯(lián)規(guī)則，找到活期存款和現(xiàn)金管理、信托類產(chǎn)品和資管計(jì)劃具有強(qiáng)關(guān)聯(lián)性。所以可以通過購(gòu)買過一種產(chǎn)品的用戶去推薦另一種強(qiáng)關(guān)聯(lián)性的產(chǎn)品。

五、制定營(yíng)銷策略

在一場(chǎng)活動(dòng)營(yíng)銷中，需要先對(duì)相關(guān)行業(yè)市場(chǎng)、內(nèi)容、競(jìng)爭(zhēng)對(duì)手、用戶喜好等因素進(jìn)行市場(chǎng)調(diào)研分析分析。了解市場(chǎng)動(dòng)態(tài)發(fā)現(xiàn)市場(chǎng)趨勢(shì)、洞察用戶需求、研究競(jìng)品活動(dòng)營(yíng)銷的優(yōu)劣勢(shì)，以此分析機(jī)會(huì)點(diǎn)在哪里，找出產(chǎn)品自身和市場(chǎng)之間差異化的地方，明確整體的營(yíng)銷策略該怎么走，根據(jù)不同的渠道來(lái)制定不同的策略。

這里我們以高流失傾向客戶為例，來(lái)進(jìn)行具體營(yíng)銷策略的制定。主要從以下三個(gè)要點(diǎn)進(jìn)行思考。

1. 營(yíng)銷要點(diǎn)

判斷客戶續(xù)存意愿，以較高收益理財(cái)、靈活申贖理財(cái)，增加溝通頻次，為客戶提供更多的產(chǎn)品選擇，盡量體現(xiàn)服務(wù)價(jià)值。

2. 產(chǎn)品方案

?產(chǎn)品的首選為T+0理財(cái)、高收益理財(cái)

?主推：XXX

3. 注意事項(xiàng)

在做好客戶挽留的同時(shí)，充分利用信用卡、專屬權(quán)益等提升客戶粘性，可以結(jié)合貸款產(chǎn)品進(jìn)行交叉銷售。

六、試點(diǎn)運(yùn)行

項(xiàng)目方案設(shè)計(jì)得再好，都是紙上談兵。由于營(yíng)銷策略方案受企業(yè)文化、企業(yè)規(guī)模、行業(yè)特點(diǎn)、員工素質(zhì)和地域差別等影響，不經(jīng)過實(shí)踐檢驗(yàn)證明是可行的方案，不能輕易下結(jié)論。也正是如此，策劃方案在試行過程發(fā)現(xiàn)問題也屬正常。

通過試行，除了發(fā)現(xiàn)項(xiàng)目方案設(shè)計(jì)的不足，還可能發(fā)現(xiàn)設(shè)計(jì)方案出現(xiàn)遺漏，比如有缺失的制度、缺失的流程圖或缺失的表格等等。

1. 試點(diǎn)選取

試點(diǎn)選拔原則考慮：

§ 試點(diǎn)意愿度高

§ 銷售人員迫切需要名單支持

2. 試點(diǎn)培訓(xùn)

§邀請(qǐng)?jiān)圏c(diǎn)的主管領(lǐng)導(dǎo)來(lái)總部，討論工作方案

§講解模型原理

§對(duì)名單進(jìn)行初步評(píng)價(jià)，發(fā)現(xiàn)問題及時(shí)修改

§督促提出支持力度，配合的支持措施

§名單下發(fā)

3. 對(duì)試點(diǎn)銷售人員進(jìn)行宣導(dǎo)

§分行下發(fā)文件、支行督導(dǎo)網(wǎng)點(diǎn)

§鼓舞銷售人員，通關(guān)演練

§總行領(lǐng)導(dǎo)現(xiàn)場(chǎng)督導(dǎo)

4. 試點(diǎn)數(shù)據(jù)收集、分析、模型優(yōu)化

§ 試點(diǎn)數(shù)據(jù)收集

§ 試點(diǎn)數(shù)據(jù)分析

§ 試點(diǎn)效果檢驗(yàn)

§ 模型優(yōu)化

七、效果評(píng)估

隨著數(shù)字化轉(zhuǎn)型和數(shù)字化建設(shè)的快速發(fā)展，效果評(píng)估已經(jīng)成為數(shù)字化精準(zhǔn)營(yíng)銷閉環(huán)中的關(guān)鍵環(huán)節(jié)，效果評(píng)估不僅僅是一份事后的匯報(bào)材料，還是能夠通過數(shù)據(jù)分析與洞察判斷營(yíng)銷環(huán)節(jié)中的優(yōu)缺點(diǎn)的關(guān)鍵步驟。完善科學(xué)的效果評(píng)估能夠反向指導(dǎo)營(yíng)銷活動(dòng)方案設(shè)計(jì)，形成有效的營(yíng)銷活動(dòng)模板，進(jìn)行常態(tài)化營(yíng)銷。

在精準(zhǔn)營(yíng)銷落地過程中，需要定期進(jìn)行效果評(píng)估。一般情況下評(píng)價(jià)可以多種形式并結(jié)合各個(gè)試點(diǎn)的具體情況選擇及展開。一般情況下評(píng)價(jià)方案可分為以下三種：

1. 一線調(diào)研示例

·客戶信息

·營(yíng)銷接觸信息

·申請(qǐng)信息

·合同信息

·拒絕原因

2. 設(shè)計(jì)指標(biāo)示例

·開展率

·營(yíng)銷響應(yīng)率

·是否有激勵(lì)

·是否營(yíng)銷前篩選

·單個(gè)網(wǎng)點(diǎn)最多/平均營(yíng)銷客戶數(shù)

·單個(gè)客戶經(jīng)理最多/平均營(yíng)銷客戶數(shù)

·單個(gè)客戶經(jīng)理單日最多/平均營(yíng)銷客戶數(shù)

·實(shí)地走訪營(yíng)銷率

·實(shí)地走訪營(yíng)銷響應(yīng)率

·電話營(yíng)銷率

·電話營(yíng)銷響應(yīng)率

·網(wǎng)點(diǎn)營(yíng)銷率

·網(wǎng)點(diǎn)營(yíng)銷響應(yīng)率

3. 效果評(píng)估的重要性

效果評(píng)估能夠從產(chǎn)品、用戶、渠道、權(quán)益四個(gè)方面幫助優(yōu)化營(yíng)銷活動(dòng)，然而很多企業(yè)在進(jìn)行營(yíng)銷活動(dòng)后并沒有充分重視效果評(píng)估這一環(huán)節(jié)，在該環(huán)節(jié)存在很多痛點(diǎn)，例如缺乏對(duì)全鏈路數(shù)據(jù)收集、僅僅關(guān)注關(guān)鍵指標(biāo)、缺少完善效果評(píng)估框架等。

1）定位活動(dòng)及產(chǎn)品設(shè)計(jì)優(yōu)缺點(diǎn)

產(chǎn)品設(shè)計(jì)是否滿足用戶需求？活動(dòng)流程是否符合用戶習(xí)慣？用戶體驗(yàn)是否流暢便捷？

2）選擇精準(zhǔn)用戶群

根據(jù)活動(dòng)ABtest分組，選擇效果最佳的用戶群或者剔除效果最差的用戶群，節(jié)省營(yíng)銷成本；

3）高效的觸達(dá)渠道

通過不同渠道活動(dòng)參與情況選擇高效的觸達(dá)渠道，了解用戶渠道偏好，增加活動(dòng)曝光率；

4）最具吸引力活動(dòng)權(quán)益

用戶核銷、使用優(yōu)惠券等數(shù)據(jù)反映了產(chǎn)品對(duì)用戶的吸引力，為了提高活動(dòng)參與率，應(yīng)該選擇更加具有吸引力的權(quán)益。

八、運(yùn)行成效

營(yíng)銷活動(dòng)運(yùn)行成效我們可以采用數(shù)據(jù)領(lǐng)域最常見的一種“程式化”數(shù)據(jù)分析方法。

漏斗分析是一種可以直觀地呈現(xiàn)用戶行為步驟以及各步驟之間的轉(zhuǎn)化率，分析各個(gè)步驟之間的轉(zhuǎn)化率的分析方法。漏斗分析模型已經(jīng)廣泛應(yīng)用于用戶行為分析中。在流量監(jiān)控、產(chǎn)品目標(biāo)轉(zhuǎn)化等日常數(shù)據(jù)運(yùn)營(yíng)與數(shù)據(jù)分析工作中應(yīng)用很廣泛。

1. 漏斗分析的作用

對(duì)于業(yè)務(wù)流程相對(duì)規(guī)范，周期較長(zhǎng)、環(huán)節(jié)較多的流程進(jìn)行分析，能夠直觀地發(fā)現(xiàn)和說明問題所在，可以更快地找出某個(gè)環(huán)節(jié)的轉(zhuǎn)化率出現(xiàn)問題。

1）企業(yè)可以監(jiān)控用戶在營(yíng)銷活動(dòng)的轉(zhuǎn)化情況降低流失是運(yùn)營(yíng)用戶的重要目標(biāo)，通過營(yíng)銷活動(dòng)具體情況，迅速定位流失環(huán)節(jié)，針對(duì)性分析可優(yōu)化點(diǎn)，提升用戶留存率。

2）多維度切分與呈現(xiàn)用戶轉(zhuǎn)化情況

科學(xué)的漏斗分析能夠展現(xiàn)轉(zhuǎn)化率趨勢(shì)的曲線，能幫助企業(yè)精細(xì)地捕捉用戶行為變化問題。漏斗能反映整體的轉(zhuǎn)化現(xiàn)狀，定位具體的問題環(huán)節(jié)。對(duì)于用戶為什么購(gòu)買、流失等具體情況，要知其所以然。

3）監(jiān)控漏斗轉(zhuǎn)化趨勢(shì)

不同屬性的用戶群體漏斗的對(duì)比分析是科學(xué)漏斗分析的重要一環(huán)。我們可以通過對(duì)不同屬性的用戶群體（如新注冊(cè)用戶與老客戶）各環(huán)節(jié)轉(zhuǎn)化率的差異對(duì)比，分析漏斗合理性，并針對(duì)轉(zhuǎn)化率異常環(huán)節(jié)進(jìn)行調(diào)整。

2. 常見的漏斗模型

在實(shí)際業(yè)務(wù)中，每個(gè)業(yè)務(wù)都有自己特有的漏斗。針對(duì)我們章節(jié)中所提到的高概率流失客戶營(yíng)銷案例，我們可以進(jìn)行如下構(gòu)建。