深度挖掘客户价值—分析角度篇
2016-09-21 17:33
309 查看
CRM(客户关系管理系统)多个层级的级别依次是:
(1) 建立客户个人信息档案;
(2) 建立客户消费行为档案;
(3) 建立客户行为轨迹档案。
客户管理层级示意图
客户生命周期模型:
潜伏期:当客户第一次访问你的网站或者第一次接触你的产品,这个生命周期就开始了,可以把这些客户判定为潜在客户;
转化期:刚从潜伏期一直到客做第一次购买之间的阶段。
活跃期:而当客户开始购买产品或频繁访问你的网站的时候,就处在活跃期。而正式进入活跃期的客户就是活跃客户。
流失期:活跃了一段时间或完成了第N次购买之后,如果客户在一定的时间内没有再回来访问,那么这个客户就处在流失期。时间较短的(因产品而异)称为短期流失期,此时的客户就称为短期流失客户。而流失的时间较长的称为长期流失期,相对应的客户也称为长期流失客户。
衰退期:因为兴趣的转移或者搬家等其他原因,最后客户迟早会淡化乃至忘记你的产品,这样客户生命周期就陷入衰退期。此时的客户是“死亡客户”,当然也可以归并到“长期流失客户”中去
对于客户四个生命周期(活跃期、沉默期、睡眠期和流失期,除了潜伏期和转化期)采取措施:
活跃期(一个月内):保证接触频率,但不做促销刺激,如果客户回头,我们可以保证利润刺激;
沉默期(两到四个月):保证接触频率,给予少量的营销折扣;
睡眠期(五到10个月):控制有限接触,通过活动,给予较大折扣挽回客户;
流失期(11个月以上):只在例如“双十一”之类的大活动时通知客户
一般而言,让客户再次回来的理由:
新的商品
吸引人的内容
有价格下降的可能等
RFM模型:
消费间隔时间R:客户最近一次购买商品的时间与今天的间隔;一般来讲,上一次消费时间越近的顾客的客户价值越大,因为距离时间越近,消费者对公司产品的印象越深;
消费频率F:表示客户在一定时期内购买的次数,消费频率较高的顾客大量重复地购买公司产品,说明这些顾客对公司的产品认同度很高;
消费金额M:表示客户在一定时期内每次购买的平均金额。衡量一个客户的价值最终还是要看他给公司带来了多少收入,所以消费金额是客户价值最直接的体现。帕累托规则告诉我们,一个公司80%的收入都是由消费最多的20%客户贡献的,在任何的行业几乎都是这样的,所以消费金额大的客户自然应该更加受到我们的关注
使用该三个指标进行kmeans聚类得出关注的客户类别
做客户流失分析预警:
老客户的活跃度进行实时监控,做一个VIP客户的危险系数表(“客户流失预警表”)。一般而言,上次购买时间离得越远,上次登录时间离得越远,流失的可能性越大。
建议:对于潜在的流失客户名单,可设定一个“挽留体系”
有关客户指标:
1、基于访客系统属性的分析模型:
(1) 访客采用的操作系统;
(2) 访客使用的浏览器
(3) 访客的访问速度
2、客户访问信息模型:
访问人群属性特征,包括性别、年龄、学历等
访问地域属性,包括访客的iP地址、所在城市,以及IP地址属性等;
访问时间属性;
访问特征,包括停留时间、点击的URL等;
访问来源特征,包括网络内容信息类型、内容分类、来访URL、搜索的关键字和网站联盟的创意等;
产品特征,包括所访问产品的编号、产品目录、产品颜色、产品价格、产品利润、产品数量和特价等级
3、客户五个方面的表现:客户当前贡献度、客户未来贡献度、客户信用度、客户忠诚度和客户成长潜力
客户最近一次在本商城及其他竞争商城或者网店购买距当前的时间;
客户在一段时间内购买本商城商品的频率以及其他网购的频率;
客户每次交易平均客单价和中间值客单价;
客户单次购买最高支付金额;
客户在本商城总购买金额;
客户单次购买所覆盖的商品种类;
客户平均下单和最终成交比例;
客户平均访问商城和下单比例;
客户给评价和反馈的频率;
客户使用客服的频率和每次沟通的平均对话数。
4、客户是否活跃,需要看几个关键数据点:
平均访问次数;
平均停留时间;
平均访问深度
5、其他:
(1)、客户的数据包括客户规模、客户特性、客户行为、客户购买商品的转化率和客户反馈等
(2)、能够抓住一个老客户的心,其中一个量化标准是CSAT(客户满意度),可量化之一为:多少比例的老客户愿意推荐你的商品或者服务
(3)、客户替换率:现有客户停止购买或者使用你的商品的比率
重要idea:
1、当客户在一定时间内第N次访问某一件商品时,我们可以认为客户对于这件商品有一定的兴趣,我们可以给这个客户送一张价值10元的抵价券,仅限这件商品,促使客户产生购买行为;当客户单次购买超过一定金额的时候,可以给其寄一张手写的感谢卡和抵扣券。从每一件事情出发增强客户的黏度和忠诚度。
2、美国市场分析公司Clickfox在2012年对于品牌忠诚度的调查。调查表明,忠诚客户养成的前四个原因中88%是由于商品的质量,72%是由于服务,50%是由于价格,45%是由于便利。
3、对多个CRM数据做分析,有以下发现:
(1) 随着每个客户购买次数的增加,客户的平均客单价与平均成交单包含件数都会逐渐提升;
(2) 通过促销唤醒一个回头客户能够比新客户创造更多的盈余;
(3) 从一次购买到二次购买的回访率,是最需要提升的环节;
从一次购买到二次购买时一个客户真正成为老客户的开始。
4、我们发现,40%的客户在首次购买后的一个月内进行复购,而复购发生在一年以上的只占5%,这说明距离首次购买的时间越长,复购的可能性越少。
5、通过页面分析,找出客户在我们网站上感兴趣的内容,增加类似内容或者合理编排组织页面,使得这部分内容更加醒目。
其他拓展:
(1) 用推荐系统提高客单价:
电子商务推荐,一般使用关联和协同算法,挖掘不同商品间的关联度;
(2) 采用推荐系统给客户提供个性化推荐;
(3) 用关联算法做商品匹配:
基于关联规则的推荐方式不失为一个好的策略;
(4) 用序列算法分析商品上下架时间;
(5) 用聚类算法对商品聚类;
(6) 用决策树分析商品在网站上的受欢迎程度
等
(1) 建立客户个人信息档案;
(2) 建立客户消费行为档案;
(3) 建立客户行为轨迹档案。
客户识别 | 客户转化 | 客户分类 | 客户管理 | 客户关系 |
客户生命周期模型:
潜伏期:当客户第一次访问你的网站或者第一次接触你的产品,这个生命周期就开始了,可以把这些客户判定为潜在客户;
转化期:刚从潜伏期一直到客做第一次购买之间的阶段。
活跃期:而当客户开始购买产品或频繁访问你的网站的时候,就处在活跃期。而正式进入活跃期的客户就是活跃客户。
流失期:活跃了一段时间或完成了第N次购买之后,如果客户在一定的时间内没有再回来访问,那么这个客户就处在流失期。时间较短的(因产品而异)称为短期流失期,此时的客户就称为短期流失客户。而流失的时间较长的称为长期流失期,相对应的客户也称为长期流失客户。
衰退期:因为兴趣的转移或者搬家等其他原因,最后客户迟早会淡化乃至忘记你的产品,这样客户生命周期就陷入衰退期。此时的客户是“死亡客户”,当然也可以归并到“长期流失客户”中去
对于客户四个生命周期(活跃期、沉默期、睡眠期和流失期,除了潜伏期和转化期)采取措施:
活跃期(一个月内):保证接触频率,但不做促销刺激,如果客户回头,我们可以保证利润刺激;
沉默期(两到四个月):保证接触频率,给予少量的营销折扣;
睡眠期(五到10个月):控制有限接触,通过活动,给予较大折扣挽回客户;
流失期(11个月以上):只在例如“双十一”之类的大活动时通知客户
一般而言,让客户再次回来的理由:
新的商品
吸引人的内容
有价格下降的可能等
RFM模型:
消费间隔时间R:客户最近一次购买商品的时间与今天的间隔;一般来讲,上一次消费时间越近的顾客的客户价值越大,因为距离时间越近,消费者对公司产品的印象越深;
消费频率F:表示客户在一定时期内购买的次数,消费频率较高的顾客大量重复地购买公司产品,说明这些顾客对公司的产品认同度很高;
消费金额M:表示客户在一定时期内每次购买的平均金额。衡量一个客户的价值最终还是要看他给公司带来了多少收入,所以消费金额是客户价值最直接的体现。帕累托规则告诉我们,一个公司80%的收入都是由消费最多的20%客户贡献的,在任何的行业几乎都是这样的,所以消费金额大的客户自然应该更加受到我们的关注
使用该三个指标进行kmeans聚类得出关注的客户类别
做客户流失分析预警:
老客户的活跃度进行实时监控,做一个VIP客户的危险系数表(“客户流失预警表”)。一般而言,上次购买时间离得越远,上次登录时间离得越远,流失的可能性越大。
VIP客户危险系数示意表 | ||||
客户 | VIP等级 | 上次购买时间 | 上次登录时间 | 危险系数 |
A | 2 | 2015/9/10 | 2015/10/3 | *** |
B | 3 | 2015/11/10 | 2015/11/10 | ** |
C | 3 | 2015/12/1 | 2015/12/12 | * |
D | 2 | 2015/8/15 | 2015/8/22 | ***** |
有关客户指标:
1、基于访客系统属性的分析模型:
(1) 访客采用的操作系统;
(2) 访客使用的浏览器
(3) 访客的访问速度
2、客户访问信息模型:
访问人群属性特征,包括性别、年龄、学历等
访问地域属性,包括访客的iP地址、所在城市,以及IP地址属性等;
访问时间属性;
访问特征,包括停留时间、点击的URL等;
访问来源特征,包括网络内容信息类型、内容分类、来访URL、搜索的关键字和网站联盟的创意等;
产品特征,包括所访问产品的编号、产品目录、产品颜色、产品价格、产品利润、产品数量和特价等级
3、客户五个方面的表现:客户当前贡献度、客户未来贡献度、客户信用度、客户忠诚度和客户成长潜力
客户最近一次在本商城及其他竞争商城或者网店购买距当前的时间;
客户在一段时间内购买本商城商品的频率以及其他网购的频率;
客户每次交易平均客单价和中间值客单价;
客户单次购买最高支付金额;
客户在本商城总购买金额;
客户单次购买所覆盖的商品种类;
客户平均下单和最终成交比例;
客户平均访问商城和下单比例;
客户给评价和反馈的频率;
客户使用客服的频率和每次沟通的平均对话数。
4、客户是否活跃,需要看几个关键数据点:
平均访问次数;
平均停留时间;
平均访问深度
5、其他:
(1)、客户的数据包括客户规模、客户特性、客户行为、客户购买商品的转化率和客户反馈等
(2)、能够抓住一个老客户的心,其中一个量化标准是CSAT(客户满意度),可量化之一为:多少比例的老客户愿意推荐你的商品或者服务
(3)、客户替换率:现有客户停止购买或者使用你的商品的比率
重要idea:
1、当客户在一定时间内第N次访问某一件商品时,我们可以认为客户对于这件商品有一定的兴趣,我们可以给这个客户送一张价值10元的抵价券,仅限这件商品,促使客户产生购买行为;当客户单次购买超过一定金额的时候,可以给其寄一张手写的感谢卡和抵扣券。从每一件事情出发增强客户的黏度和忠诚度。
2、美国市场分析公司Clickfox在2012年对于品牌忠诚度的调查。调查表明,忠诚客户养成的前四个原因中88%是由于商品的质量,72%是由于服务,50%是由于价格,45%是由于便利。
3、对多个CRM数据做分析,有以下发现:
(1) 随着每个客户购买次数的增加,客户的平均客单价与平均成交单包含件数都会逐渐提升;
(2) 通过促销唤醒一个回头客户能够比新客户创造更多的盈余;
(3) 从一次购买到二次购买的回访率,是最需要提升的环节;
从一次购买到二次购买时一个客户真正成为老客户的开始。
4、我们发现,40%的客户在首次购买后的一个月内进行复购,而复购发生在一年以上的只占5%,这说明距离首次购买的时间越长,复购的可能性越少。
5、通过页面分析,找出客户在我们网站上感兴趣的内容,增加类似内容或者合理编排组织页面,使得这部分内容更加醒目。
其他拓展:
(1) 用推荐系统提高客单价:
电子商务推荐,一般使用关联和协同算法,挖掘不同商品间的关联度;
(2) 采用推荐系统给客户提供个性化推荐;
(3) 用关联算法做商品匹配:
基于关联规则的推荐方式不失为一个好的策略;
(4) 用序列算法分析商品上下架时间;
(5) 用聚类算法对商品聚类;
(6) 用决策树分析商品在网站上的受欢迎程度
等
相关文章推荐
- 数据挖掘实例(航空公司客户价值分析)
- 数据挖掘实战:带你做客户价值分析(附代码)
- 数据挖掘——航空公司客户价值分析(代码完整)
- Python数据挖掘-航空公司客户价值分析
- Python数据挖掘:利用聚类算法进行航空公司客户价值分析
- python数据分析与挖掘学习笔记(5)-公司客户价值判断分析与聚类算法
- Python数据挖掘-航空公司客户价值分析
- 大数据分析,利用向外扩展技术深入挖掘商业价值
- 深度:大数据分析对于中国医疗保险管理的价值(N多案例分析+附下载)
- 数据挖掘的价值:寿险行业数据挖掘应用分析
- 银行金融领域,如何利用数据挖掘对客户进行深入分析?
- 数据挖掘对客户进行深入分析
- 《互联网产品之美》,深度挖掘产品的价值之美、设计之美、运营之美和营销之美!
- 利用数据挖掘实现电信行业客户流失分析
- 机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率和模糊逻辑的常见问题解答
- 客户价值的充分挖掘和品牌产品延伸
- KNIMI数据挖掘建模与分析系列_003_利用KNIMI做客户细分
- 深度挖掘分析网站原创内容
- 数据分析 深入挖掘QQ空间的商业价值
- GA谷歌分析高级细分案例–找出高价值的客户