如今市面上的品牌种类越来越多，各种新品牌不断的推出，也推进了新品牌用不一样的方式进行营销和定位。品牌营销对每一个企业的发展都起到至关重要的作用，好的品牌营销可以更好的促进品牌的销量，让品牌在市场中立于不败之地，给企业带来更多的经济效益。
我以为数字化是天时地利人和。 “天时”主要指结构架构：由于数据自然在业务这边有屏障，各个业务团队在运营过程中积累了许多数据，但业务团队拿到数据需要结构的驱动。我们当时的营销部隶属电商团队，我的领导是电商总监，所以在数字的管理权上有自然优势。 “地利”主要指流程：在前 5 年的时间内，运营和数据这两个闭环自然隔开，一般运营有自己的专属闭环，如从商品、销售、预计、上架及终极的渠道分销等构成一个完整业务闭环。在数据这一端只能看到业务的终极展示结局，从结局角度驱动业务，必定存在不相接的状态。 因此，在后两年，公司在流程上做了一个调换，之前团队一般是业务团队出手段，数据越来越多后，我们但愿数据团队来出手段。如在审批预算上，是否花钱由数据团队来决择。 “人和”对数据团队有较高的要求：其要求在于，第一，懂数据，对数据有敏感度；第二，固然不在业务圈内，但要知道业务体系是怎么跑和运转的。因此，这方面对人的要求极高。 在最初做品牌营销时，我们团队做了三件事： 数据收集收拾，与各个团队一样，做好数据底层； 数据的洞察解析，即收集的数据如何做洞察、如何赋能业务及支持业务的决策； 数据营销利用，品牌营销三步法聚焦在第三件事情上，在基于数据、用户行为解析的底层上，如何做品牌营销，所有东西都是基于内部想法，就对照容易上手。 当时面临的主要挑衅也有 3 个： 数据分散在差异的数据库，不利于统一控制、解析和再应用； 2 个服务商的系统都属于 SaaS 版本，即尺度化的产品，有新性能需求很难知足； 线上数据报表纷繁，各个部分做报表的时间消费较多，人工成分许多，效率低，易犯错。 我们的花费者电商触点分布包含市面上充沛的电商平台，如淘宝、拼多多、有赞等，相应的数据获取工具有京东九数、品牌数据银行、ERP 等，数据存储也会放在阿里服务器、京东服务器、聚石塔等，整体来说数据相对分散。 同时，从品牌角度看数据，在做数据应用和效率解析时非常低效，业务部分会给我们提许多需求，这些需求几乎都是要人工做，但是业务对时效性要求很高。 效率低就会直接引发一个思索，如何提升团队数据解析的效率？ 当时，公司有超 4000 万名花费者的订单与行为数据，但这些数据假如不发生价值就是成本。老板每日 challenge 我们的也是环绕这几个疑问：数据怎么为业务赋能？怎么发生价值？假如数据就是存在在那里，每年都要付出存储、硬件等费用成本。 所以，我们当时面临了四个疑问： 数据效率： 各品牌数据量级巨大，现有系统运算速度低下，数据精确度受阴碍； 各部分数据需求和处置频繁，易犯错，需要提高数据处置与报表制作效率。根本上是手工出报表，整个业务加上数据团队，报告约在三四千个。 数据分散： 各销售平台、各系统、各业务线数据孤岛化，分散在差异系统，难以控制，整合解析与利用； 各平台形式不统一，全域品牌和用户解析受阻。同时，从品牌视角看，数据十分割裂。比如，当看用户画像时，有天猫用户画像、用户画像，导致在市场部做广告投放时，对以品牌为全视角的画像可参考性对照小，另外对花费者整个性命里程的周期偏差对照大。 数据价值： 用户与数据量级大，但数据价值发掘不深，很多数据为沉睡数据资产，应用率不高。 数据利用： 现有工具未能知足新的用户归类与营销需求； 用户营销渠道多样，需对用户营销策略整合安排以优化投入与效率。让数据能真正赋能业务，驱动业务增长。 针对以上疑问与挑衅，下面主要分享数据利用实践这部门，我将其抽象为三步： 第一步，做用户分层，品牌零售一定要进行用户分层，再看分层的不同性，及用户心智分别； 第二步，制定沟通手段，即针对差异用户，在差异机会推差异商品； 第三步，科学的统计考核想法，即用事实开口。 具体来看： 对于品牌快销，最重要的是回购周期，它决择了用户心智。 1 回购周期 RC（Repurchase Cycle）： 回购周期是指一个正常（平均）用户从第一次买入开端到再次买入之前的时间周期。 回购周期有 2 种计算方式： 1）正常用户计算法 正常（平均）一次买入量 正常（平均）每日采用量 RC = 正常（平均）一次买入量正常（平均）每日采用量 2）现有数据归纳法 依据品牌花费者买入信息，将所有回购用户的平均回购距离天数制成分布柱状图 累计 90 用户的平均回购距离天数即为 3RC RC = 累计 90 用户的平均回购距离天数3 下面举个小范例： 公司的一个洗碗机洗涤剂品牌，在中国引入不久，暂时没有特别多数据的积累，但是我们可以看业务数据，花费者一次买入的 PCT 是 150 元，差不多可以采用 50 次（依照我们的估计），假设平均每两天洗一次碗，每日洗碗的次数是 05 次，我们可以算出日常用户回购周期差不多在一百天。 然后看目前数据库中的 2 万左右的数据，用现有数据解析法，其数据中央 90 的用户在 450 天内完成回购，故 RC = 150 天，但对这个品牌来说，用户心智还没有形成，所以我们这两种想法是有一种抉择性。 对于不成熟品牌，就是用户心智还没有形成的时候，但愿品牌输入一个强有力的心智，在适合的时间去触达它，我们建议在不成熟品牌的时候，使用我们推理正常用户的计算想法来定义回购周期。 对于成熟的品牌，其数据量、用户量的积累已经有一定的规模，我们还是但愿遵循用户心智，遵循统计的归纳想法制定回购周期。那么回购周期计算完对分层有什么用呢？下面介绍用户分层的分类就很清楚了。 2 用户分层 1）用户分层：一重分类 依据客户最近一次买入时间，进行人群归类一重分类，这里用回购周期数字 RC 做第一重的切分，并可分为潜力人群、活泼用户、安眠用户、流失用户（注：每位客户只会存在于 1 个分类中）。 潜力人群：品牌品类的目的花费人群，且目前还没有买入我们的品牌品类的产品； 活泼用户（R ≤ 2RC）：最近一次买入时间产生在 2 个 RC 内； 安眠用户（2RC R ≤ 3RC）：最近一次买入时间产生在 2 个 RC 到 3 个 RC 之间； 流失用户（R 3RC）：最近一次买入时间产生再 3 个 RC 以上。 这四类对品牌零售来说还是对照粗放，所以我们会进行二重细分。 2）用户分层：二重细分 我们会依据客户 R 值进一步的分类，从潜力角度会分为品质潜力人群和竞争品牌人群。前者是品牌品类目的花费人群，目前还没有买入过品类产品；后者是品牌品类目的花费人群，目前买入竞争品牌产品的客户。 活泼用户：是要重点关注的用户，可依据最近一次买入时间划分，分为高度清醒人群(R ≤ 1RC)、中度清醒人群(1RC R ≤ 15RC)、濒临入睡人群(15RC R ≤ 2RC)； 安眠用户：可分为轻度安眠人群(2RC R ≤ 25RC)、中度安眠人群(25RC R ≤ 3RC)； 流失用户：可分为品牌流失用户和品类流失用户，前者是最近一次买入时间在 3 个 RC 以上，且流入到竞争品牌中；后者是最近一次买入时间在 3 个 RC 以上，且后续不再买入品类产品。 3）用户分层：三重细分 新客、老客、忠粉是功劳我们的 GMV 的这部门用户，三重细分是我们从活泼用户里面再去切分一层的，再去切分的时候，除了买入时间以外，还要依据买入频次、功劳客单价等进行细分。 假如我们的老客第一次买入两次及以上就是老客，对于这样的快销品牌尤其电商促销气氛特别浓的场景来说，许多用户，它买入力只有 99，这可能就不算老客，定义中也可以对客单价有要求，这样我就会对新客、老客、忠粉重新定义来去辨别，究竟哪些是老客、哪些是忠粉（注：PCT2：用户第二次买入的客单价；V：某一个固定金额，因品牌而异）。 新客：活泼用户中 F = 1 的用户； 老客：活泼用户中 F = 2 且买入 PCT2 V 的用户； 忠粉：活泼用户中 F ≥ 3 或 F = 2 且第二次买入 PCT2 ≥ V 的用户。 以上是通用的老客和忠粉的定义，而每个品牌也有其判定想法，有的以客单价，有的以商品品类数，有的用周期采用数来做判定，各个品牌也可以依照自己实际场合，对老客和忠粉进行界定。如 A 的 V = 200，是店铺平均客单价的 2 倍，A 旗舰店平均客单价为 100；B 是买到 4 瓶消毒液除菌液的金额，V = 200。 做完梳理后，整个部分营销目的就会变得对照清楚，我们的用户营销目的 KPI 会变成提升活泼用户的质量，还有增加活泼用户的数目。 首先开源，去做拉新抢客；其次节流，做巩固、阻睡、唤醒、激活，让我们整个活泼用户池子变得更大，质量更高，数目是新客、老客和忠粉的三个之和，整个活泼用户的质量，是老客和忠粉的占比。 具体在采用过程中其实还会有一个标签的概念在里面，最底层的分层做完，在营销过程中还会增加各种各样的标签，包含根本属性、人群偏好、行为特性、营销标签、RFM 模型标签等，并在实时变化。RFM 模型是通过客户买入行为，衡量客户价值的重要工具和策略。 R：Recency，最近一次花费时间； F：Frequency，花费频率； M：Monetary，花费金额。 我们但愿把这个标签四宫格融入到分层里面，如下图： 针对 1a 品类潜力客户来说，会依照标签贴四宫格，比如说品牌潜在人群、品类场景人群、品牌高类似画像人群，里面的每一类人群用户心智都是不一样的，那么提供的内容、素材、沟通的机会都会差异，每一个小四宫格可以再去叠加标签，优点是当我们做了一年营销活动，可以从整体上了解在新客、拉新、促活等事件上消费了多少钱。 之前我切磋了许多行业品牌，他们去做标签叠加的时候都会对照散，可能今日用「客单价」这个标签，明天用「进店阅读」这个标签，但是我但愿在基础的标签上做一个对照细的切分，再到上面去叠加标签，这样我们会看的对照清楚。 同样，活泼用户也可以叠加标签，甚至发展到标签八宫格、十六宫格等具体利用。 此外，我们还需要做一件事情，用户进行了细分，但资源有限，我们还需要做优先级判断，假如这次只有 500 万的预算，这 500 万预算究竟给哪一个用户分层？ 我建议可从两方面考核：一是重要性考核；二是可变更性考核。有的客户是很重要，但是可变更性没有那么高。这时候需依据实际场合做判断。 过去我们的经历是首先会把资源重点投放在阻睡，如对于濒临入睡客户，由于具有承上启下的作用，还没有沉睡，但又濒临沉睡，所以我们会花大批的资源和精神去维护，不让它沉睡和流失。 用户分层及优先级确认之后需制定具体的沟通手段，我这里是讲了一个想法的框架模型——6W3M 模型。 我们做这个框架的时候，第一是把我们逻辑进行梳理，第二是想要把这种框架和逻辑变成产品的一种才干迭代，然后赋能给一些新员工。 （1）6W 6W，就是 Why、Who、When、What、Which、Where。 “Why”指我为什么要做这个事情，每一个营销一定要清晰它的沟通目标，是为了去做拉新、巩固、忠粉，每一个目标不一样，后面抉择的标签、触达的对应人群，还有你触达的方式都不一样。 “Who”要去筛选差异的标签，拉新有五个用户分层，你需要定义什么时候触达哪个圈层，是在活动的时候还是在日销的时候，还是在做某一个动作的时候做触达。 “What”指我给他的内容是什么，刚刚讲到说每一个细分用户他的心智都是不一样的，对价钱对照敏感或者喜欢促销的用户给他价钱优惠的信息。比如刚才的 Finish 会有高档人群关注地球和环境保卫，此时会有品牌动机还有感情切磋给到这些用户，有一些宣传文案和内容。 “Which”指落地到拉新商品，其必要要有很强的转化力、竞争力，旗舰店可能对照认品牌，专营店可能会对照认活动，差异的渠道定位和商品定位对应的人也不会不一样。 “Where”指你用什么样工具触达它，常见的是、短信，还会联动站内广告推销工具等。 （2）3M 3M，指 Money、Measurement、Monitoring。 “Money”指项目总预算多少？（投入主预算配合投入预算） “Measurement”指一些考核指标，如点击通过率、互动率、转化率 、人均 PCT、投入额、销售额、PC 额等。 “Monitoring”指沟通手段实时调换：AB 测试分批次人群投放 、多重分时段人群投放。 我们在选取人群沟通时会有侧重点，大多数资源会投入到重要人群上，并设置合乎逻辑的考核观察指标，下面举几个范例： 1）2c 日常阻睡沟通手段 对于濒临入睡的人群，做阻睡非常重要，我们但愿不惜一切成本把它留在活泼用户的池子里。因此，会设计一系列的营销手段阴碍它，如我们一个月左右会有五重阻睡的沟通机制，差别在 Day1、Day7、Day14、Day28、Day35。 针对差异沟通节点，我们会给到它差异的内容、益处点、渠道等，这样我们就会不断优化我们文案、渠道、益处点，终极我们尽一切可能让濒临入睡的用户留在池子里面。 在这里，曾有人问，我们的成本管理在多少？这个时候其实我们会有一个计算的逻辑，依照整个用户的性命周期来算一个值。 2）1a 日常拉新沟通手段 阻睡完了之后还会有一些日常拉新的动作，这会跟业务团队配合对照多。 由于像标签、人群包是由数据团队来挑选，终极执行和触达是由业务团队做运营，日常拉新时，我们会给到许多标签和人群包的建议，做精准触达。如给已购洗碗机未购 Finish 客户，判断沟通手段：性能 感情 动机，并赠送开机套装折扣，在京东公域短信或钻展投放。 统计考核，从整体上看，涵盖两种方式：一是单次数据营销活动考核，二是数据营销长期目的考核。 由于用户运营不像做聚划算、抢购那样销量爆发对照快，用户运营是一个长期的“润物细无声”的过程，需要你不断对花费者进行关心和服务，对你的产品和品牌会有一些心智阴碍。所以在这时候我们会有一些长期目的考核。这两种考核是怎么做的呢？ 1 单次数据营销考核 单次数据营销活动的功效与效率，通过即时性或短期指标，考核投入效率，单次数据营销考核三要素：人群基数大、转化功效好、投入成本低。 1）人群基数 人群基数是指采用沟通渠道（here）胜利触到达的用户总数，比如短信发送人数、钻展曝光（点击）人数等。 2）转化功效 转化功效即转化率，转化率 = 成交人数人群基数。 3）投入成本 投入成本是指在数据营销活动中与用户沟通的成本，如短信费用、钻展费用、派样费用等。 此外，还可进行无形资产的考核，在短期考核营销结局的 ROI 等指标之外，反映品牌积累的人群价值，体现品牌与花费者接洽、品牌建设场合；流量属于平台，而花费者资产属于品牌。 指标可抉择品牌拉新，是培育高潜力的花费者转为已购客或嗜好客，而非只是用广告触达更多的人。 我做了一年数据营销的活动去考核长期的 KPI，比如说活泼用户的数目和活泼用户质量这件事情对品牌来说在正向地发展和运作。 我们就会考核它长期的功效，刚才讲到 KPI 是活泼用户的数目，这个时候会看新客、老客加忠粉的整体数目，这在之前数目上有没有不断增加的趋势，哪些营销节点对营销会有对照大的辅助。 另外活泼用户的质量，老客加忠粉的占比，它的质量占比越高，说明我们活泼顾客质量越高，即后续老客和忠粉的 GMV 占比就会更大。 2 数据营销长期目的考核 以长期和发展的眼光追踪与解析花费者指标，考核数据营销方向与长期功效。 具体来看，相关 KPI 有三个： 拉新率高，活泼用户数目变大。即品类潜力和品牌潜力转化到我们活泼用户的池子的转化率。 流失率低，活泼用户数目变大。即 2C 转化成 3A，我们濒临入睡转换到轻度安眠这样的用户占比要低。 活泼度强，老客与忠粉的比例大。即用户的互动要更大。 只看这几个可能会对照片面，所以还需要看趋势、比对手，作为数据长期考核的想法。 看趋势： What 核心指标的长期追踪考核；如：销售额、品牌花费者资产、活泼用户数等； Ho 需要领会指标在时间维度上的变化场合，同比、环比、预计模型； Why 对变化原因进行发掘解析。 比对手： What 设定参考系，如行业大盘或竞品品牌指标对比； Ho 领会与对手之间的差距，指标高矮、指标变化率； Why 对变化原因进行发掘解析。 终极结算一下，前面介绍的对照通俗浅易，易上手，结算起来就是 3 点： 把底层打得扎实，做用户分层，对用户进行更加详细的了解，这要帮助于标签、回购周期等，依据品牌特征做对照粗底层的用户分层； 做完以后针对差异客户分层去制定沟通手段，不断让资源和预算得到一个对照优异的管理； 我做了沟通以后，用科学想法考核它，除了有短期考核想法以外，还是一个长期的事情，可能还会有一些长期考核想法，这时候我们要更好地有观全局、明重点的思维在里面。 这 3 个步骤不一定是绝对的，可以在做的过程中不断进行优化。如在沟通手段中对标签不断优化；在统计过程中对手段不断优化等，用人的聪明、系统的智能化及业务的反馈，让这三件事更加顺畅，效率更高。
一、用户分层
二、沟通手段
三、统计考核