昆明品牌营销：用户分层、沟通策略、统计评估那些事
现在市面上的品牌品种越来越多，各种新品牌不断的推出，也推动了新品牌用不相同的办法进行营销和定位。品牌营销对每一个企业的开展都起到至关重要的作用，好的品牌营销能够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。
我以为数字化是地利地利人和。
“地利”首要指安排架构：由于数据天然在事务这边有屏障，各个事务团队在运营过程中堆集了许多数据，但事务团队拿到数据需求安排的驱动。咱们其时的营销部从属电商团队，我的领导是电商总监，所以在数字的控制权上有天然优势。
“地利”首要指流程：在前 5 年的时刻内，运营和数据这两个闭环天然隔开，一般运营有自己的专属闭环，如从产品、出售、猜测、上架及终究的途径分销等构成一个完整事务闭环。在数据这一端只能看到事务的终究呈现成果，从成果视点驱动事务，必定存在不相接的状态。
因而，在后两年，公司在流程上做了一个调整，之前团队一般是事务团队出战略，数据越来越多后，咱们期望数据团队来出战略。如在审批预算上，是否花钱由数据团队来决议。
“人和”对数据团队有较高的要求：其要求在于，第一，懂数据，对数据有灵敏度；第二，尽管不在事务圈内，但要知道事务体系是怎样跑和工作的。因而，这方面对人的要求极高。
在最初做品牌营销时，咱们团队做了三件事：
数据收集整理，与各个团队相同，做好数据根底；
数据的洞悉剖析，即收集的数据怎样做洞悉、怎样赋能事务及支持事务的决策；
数据营销运用，品牌营销三步法聚焦在第三件工作上，在依据数据、用户行为剖析的根底上，怎样做品牌营销，一切东西都是依据内部办法，就比较容易上手。
其时面对的首要应战也有 3 个：
数据涣散在不同的数据库，不利于一致办理、剖析和再利用；
2 个服务商的体系都归于 SaaS 版本，即标准化的产品，有新功用需求很难满意；
线上数据报表繁多，各个部门做报表的时刻花费较多，人工成分许多，功率低，易犯错。
咱们的顾客电商触点分布包括市面上丰厚的电商途径，如淘宝、拼多多、有赞等，相应的数据获取东西有京东九数、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，全体来说数据相对涣散。
一起，从品牌视点看数据，在做数据利用和功率剖析时非常低效，事务部门会给咱们提许多需求，这些需求几乎都是要人工做，可是事务对时效性要求很高。
功率低就会直接引发一个考虑，怎样提高团队数据剖析的功率？
其时，公司有超 4000 万名顾客的订单与行为数据，但这些数据假如不发生价值便是成本。老板每天 challenge 咱们的也是围绕这几个问题：数据怎样为事务赋能？怎样发生价值？假如数据便是存在在那里，每年都要付出存储、硬件等费用成本。
所以，咱们其时面对了四个问题：
数据功率：
各品牌数据量级庞大，现有体系运算速度低下，数据准确度受影响；
各部门数据需求和处理频繁，易犯错，需求提高数据处理与报表制作功率。基本上是手工出报表，整个事务加上数据团队，报告约在三四千个。
数据涣散：
各出售途径、各体系、各事务线数据孤岛化，涣散在不同体系，难以办理，整合剖析与运用；
各途径格局不一致，全域品牌和用户剖析受阻。一起，从品牌视角看，数据非常分裂。比方，当看用户画像时，有天猫用户画像、微信用户画像，导致在市场部做广告投进时，对以品牌为全视角的画像可参考性比较小，另外对顾客整个生命路程的周期偏差比较大。
数据价值：
用户与数据量级大，但数据价值发掘不深，许多数据为熟睡数据财物，利用率不高。
数据运用：
现有东西未能满意新的用户归类与营销需求；
用户营销途径多样，需对用户营销手段整合规划以优化投入与功率。让数据能真实赋能事务，驱动事务添加。
针对以上问题与应战，下面首要分享数据运用实践这部分，我将其抽象为三步：
第一步，做用户分层，品牌零售必定要进行用户分层，再看分层的差异性，及用户心智差别；
第二步，拟定交流战略，即针对不同用户，在不一起机推不同产品；
第三步，科学的核算评价办法，即用现实说话。
详细来看：
一、用户分层
关于品牌快销，最重要的是回购周期，它决议了用户心智。
1. 回购周期 RC（Repurchase Cycle）：
回购周期是指一个正常（均匀）用户从第一次购买开始到再次购买之前的时刻周期。
回购周期有 2 种核算办法：
1）正常用户核算法
正常（均匀）一次购买量
正常（均匀）每天运用量
RC = 正常（均匀）一次购买量/正常（均匀）每天运用量
2）现有数据概括法
依据品牌顾客购买信息，将一切回购用户的均匀回购距离天数制成分布柱状图
累计 90% 用户的均匀回购距离天数即为 3RC
RC = 累计 90% 用户的均匀回购距离天数/3
下面举个小比如：
公司的一个洗碗机洗涤剂品牌，在我国引入不久，暂时没有特别多数据的堆集，可是咱们能够看事务数据，顾客一次购买的 PCT 是 150 元，差不多能够运用 50 次（依照咱们的预算），假设均匀每两天洗一次碗，每天洗碗的次数是 0.5 次，咱们能够算出日常用户回购周期差不多在一百天。
然后看现在数据库中的 2 万左右的数据，用现有数据剖析法，其数据中心 90% 的用户在 450 天内完成回购，故 RC = 150 天，但对这个品牌来说，用户心智还没有构成，所以咱们这两种办法是有一种选择性。
关于不成熟品牌，便是用户心智还没有构成的时分，期望品牌输入一个强有力的心智，在适宜的时刻去触达它，咱们建议在不成熟品牌的时分，采用咱们推理正常用户的核算办法来界说回购周期。
关于成熟的品牌，其数据量、用户量的堆集已经有必定的规划，咱们仍是期望遵从用户心智，遵从核算的概括办法拟定回购周期。那么回购周期核算完对分层有什么用呢？下面介绍用户分层的分类就很明晰了。
2. 用户分层
1）用户分层：一重分类
依据客户最近一次购买时刻，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、睡觉用户、丢失用户（注：每位客户只会存在于 1 个分类中）。
潜力人群：品牌/品类的方针消费人群，且现在还没有购买咱们的品牌/品类的产品；
活泼用户（R ≤ 2RC）：最近一次购买时刻发生在 2 个 RC 内；
睡觉用户（2RC < R ≤ 3RC）：最近一次购买时刻发生在 2 个 RC 到 3 个 RC 之间；
丢失用户（R > 3RC）：最近一次购买时刻发生再 3 个 RC 以上。
这四类对品牌零售来说仍是比较粗放，所以咱们会进行二重细分。
2）用户分层：二重细分
咱们会依据客户 R 值进一步的分类，从潜力视点会分为品质潜力人群和竞赛品牌人群。前者是品牌/品类方针消费人群，现在还没有购买过品类产品；后者是品牌/品类方针消费人群，现在购买竞赛品牌产品的客户。
活泼用户：是要要点关注的用户，可依据最近一次购买时刻划分，分为高度清醒人群(R ≤ 1RC)、中度清醒人群(1RC < R ≤ 1.5RC)、接近入眠人群(1.5RC < R ≤ 2RC)；
睡觉用户：可分为轻度睡觉人群(2RC < R ≤ 2.5RC)、中度睡觉人群(2.5RC < R ≤ 3RC)；
丢失用户：可分为品牌丢失用户和品类丢失用户，前者是最近一次购买时刻在 3 个 RC 以上，且流入到竞赛品牌中；后者是最近一次购买时刻在 3 个 RC 以上，且后续不再购买品类产品。
3）用户分层：三重细分
新客、老客、忠粉是奉献咱们的 GMV 的这部分用户，三重细分是咱们从活泼用户里边再去切分一层的，再去切分的时分，除了购买时刻以外，还要依据购买频次、奉献客单价等进行细分。
假如咱们的老客第一次购买两次及以上便是老客，关于这样的快销品牌尤其电商促销氛围特别浓的场景来说，许多用户，它购买力只要 9.9，这或许就不算老客，界说中也能够对客单价有要求，这样我就会对新客、老客、忠粉重新界说来去辨认，究竟哪些是老客、哪些是忠粉（注：PCT2：用户第2次购买的客单价；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 且购买 PCT2 < V 的用户；
忠粉：活泼用户中 F ≥ 3 或 F = 2 且第2次购买 PCT2 ≥ V 的用户。
以上是通用的老客和忠粉的界说，而每个品牌也有其判定办法，有的以客单价，有的以产品品类数，有的用周期运用数来做判定，各个品牌也能够依照自己实际状况，对老客和忠粉进行界定。如 A 的 V = 200，是店肆均匀客单价的 2 倍，A 旗舰店均匀客单价为 100；B 是买到 4 瓶消毒液/除菌液的金额，V = 200。
做完整理后，整个部门营销方针就会变得比较明晰，咱们的用户营销方针 KPI 会变成提高活泼用户的质量，还有添加活泼用户的数量。
首要开源，去做拉新抢客；其次节省，做稳固、阻睡、唤醒、激活，让咱们整个活泼用户池子变得更大，质量更高，数量是新客、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。
详细在运用过程中其实还会有一个标签的概念在里边，最根底的分层做完，在营销过程中还会添加各种各样的标签，包括基本属性、人群偏好、行为特征、营销标签、RFM 模型标签等，并在实时改变。RFM 模型是经过客户购买行为，衡量客户价值的重要东西和手段。
R：Recency，最近一次消费时刻；
F：Frequency，消费频率；
M：Monetary，消费金额。
咱们期望把这个标签四宫格融入到分层里边，如下图：
针对 1a 品类潜力客户来说，会依照标签贴四宫格，比方说品牌潜在人群、品类场景人群、品牌高类似画像人群，里边的每一类人群用户心智都是不相同的，那么提供的内容、素材、交流的机遇都会不同，每一个小四宫格能够再去叠加标签，好处是当咱们做了一年营销活动，能够从全体上了解在新客、拉新、促活等事件上花费了多少钱。
之前我交流了许多职业品牌，他们去做标签叠加的时分都会比较散，或许今日用「客单价」这个标签，明日用「进店阅读」这个标签，可是我期望在底层的标签上做一个比较细的切分，再到上面去叠加标签，这样咱们会看的比较明晰。
相同，活泼用户也能够叠加标签，甚至开展到标签八宫格、十六宫格等详细运用。
此外，咱们还需求做一件工作，用户进行了细分，但资源有限，咱们还需求做优先级判别，假如这次只要 500 万的预算，这 500 万预算究竟给哪一个用户分层？
我建议可从两方面评价：一是重要性评价；二是可改变性评价。有的客户是很重要，可是可改变性没有那么高。这时分需依据实际状况做判别。
过去咱们的经验是首要会把资源要点投进在阻睡，如关于接近入眠客户，由于具有承上启下的作用，还没有熟睡，但又接近熟睡，所以咱们会花很多的资源和精力去维护，不让它熟睡和丢失。
二、交流战略
用户分层及优先级确认之后需拟定详细的交流战略，我这里是讲了一个办法的结构模型——6W3M 模型。
咱们做这个结构的时分，第一是把咱们逻辑进行整理，第二是想要把这种结构和逻辑变成产品的一种才能迭代，然后赋能给一些新员工。
（1）6W
6W，便是 Why、Who、When、What、Which、Where。
“Why”指我为什么要做这个工作，每一个营销必定要清楚它的交流意图，是为了去做拉新、稳固、忠粉，每一个意图不相同，后边选择的标签、触达的对应人群，还有你触达的办法都不相同。
“Who”要去挑选不同的标签，拉新有五个用户分层，你需求界说什么时分触达哪个圈层，是在活动的时分仍是在日销的时分，仍是在做某一个动作的时分做触达。
“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相同的，对价格比较灵敏或者喜欢促销的用户给他价格优惠的信息。比方方才的 Finish 会有高端人群关注地球和环境保护，此时会有品牌动机还有情感交流给到这些用户，有一些宣传案牍和内容。
“Which”指落地到拉新产品，其有必要要有很强的转化力、竞赛力，旗舰店或许比较认品牌，专营店或许会比较认活动，不同的途径定位和产品定位对应的人也不会不相同。
“Where”指你用什么样东西触达它，常见的是微信、短信，还会联动站内广告推广东西等。
（2）3M
3M，指 Money、Measurement、Monitoring。
“Money”指项目总预算多少？（投入主预算/合作投入预算）
“Measurement”指一些评价方针，如点击经过率、互动率、转化率 、人均 PCT、投入额、出售额、PC 额等。
“Monitoring”指交流战略实时调整：AB 测验分批次人群投进 、多重分时段人群投进。
咱们在选取人群交流时会有侧要点，大多数资源会投入到重要人群上，并设置合理的评价观测方针，下面举几个比如：
1）2c 日常阻睡交流战略
关于接近入眠的人群，做阻睡非常重要，咱们期望不惜一切成本把它留在活泼用户的池子里。因而，会规划一系列的营销战略影响它，如咱们一个月左右会有五重阻睡的交流机制，分别在 Day1、Day7、Day14、Day28、Day35。
针对不同交流节点，咱们会给到它不同的内容、利益点、途径等，这样咱们就会不断优化咱们案牍、途径、利益点，终究咱们尽一切或许让接近入眠的用户留在池子里边。
在这里，曾有人问，咱们的成本控制在多少？这个时分其实咱们会有一个核算的逻辑，依照整个用户的生命周期来算一个值。
2）1a 日常拉新交流战略
阻睡完了之后还会有一些日常拉新的动作，这会跟事务团队合作比较多。
由于像标签、人群包是由数据团队来挑选，终究履行和触达是由事务团队做运营，日常拉新时，咱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，判别交流战略：功用 > 情感 > 动机，并赠予开机套装扣头，在京东公域短信或钻展投进。
三、核算评价
核算评价，从全体上看，包含两种办法：一是单次数据营销活动评价，二是数据营销长时间方针评价。
由于用户运营不像做聚划算、抢购那样销量爆发比较快，用户运营是一个长时间的“润物细无声”的过程，需求你不断对顾客进行关怀和服务，对你的产品和品牌会有一些心智影响。所以在这时分咱们会有一些长时间方针评价。这两种评价是怎样做的呢？
1. 单次数据营销评价
单次数据营销活动的作用与功率，经过即时性或短期方针，评价投入功率，单次数据营销评价三要素：人群基数大、转化作用好、投入成本低。
1）人群基数
人群基数是指运用交流途径（where）成功触到达的用户总数，比方短信发送人数、钻展曝光（点击）人数等。
2）转化作用
转化作用即转化率，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交流的成本，如短信费用、钻展费用、派样费用等。
此外，还可进行无形财物的评价，在短期评价营销成果的 ROI 等方针之外，反应品牌堆集的人群价值，表现品牌与顾客联络、品牌建设状况；流量归于途径，而顾客财物归于品牌。
方针可选择品牌拉新，是培育高潜力的顾客转为已购客或爱好客，而非仅仅用广告触达更多的人。
我做了一年数据营销的活动去评价长时间的 KPI，比方说活泼用户的数量和活泼用户质量这件工作对品牌来说在正向地开展和运作。
咱们就会评价它长时间的作用，方才讲到 KPI 是活泼用户的数量，这个时分会看新客、老客加忠粉的全体数量，这在之前数量上有没有不断添加的趋势，哪些营销节点对营销会有比较大的帮助。
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，阐明咱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. 数据营销长时间方针评价
以长时间和开展的眼光追踪与剖析顾客方针，评价数据营销方向与长时间作用。
详细来看，相关 KPI 有三个：
拉新率高，活泼用户数量变大。即品类潜力和品牌潜力转化到咱们活泼用户的池子的转化率。
丢失率低，活泼用户数量变大。即 2C 转化成 3A，咱们接近入眠转换到轻度睡觉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。
只看这几个或许会比较片面，所以还需求看趋势、比对手，作为数据长时间评价的办法。
看趋势：
What : 核心方针的长时间追踪评价；如：出售额、品牌顾客财物、活泼用户数等；
How : 需求清晰方针在时刻维度上的改变状况，同比、环比、猜测模型；
Why : 对改变原因进行发掘剖析。
比对手：
What : 设定参考系，如职业大盘或竞品品牌方针比照；
How : 清晰与对手之间的距离，方针凹凸、方针改变率；
Why : 对改变原因进行发掘剖析。
终究总结一下，前面介绍的比较通俗易懂，易上手，总结起来便是 3 点：
把根底打得扎实，做用户分层，对用户进行愈加详细的了解，这要辅助于标签、回购周期等，依据品牌特性做比较粗根底的用户分层；
做完以后针对不同客户分层去拟定交流战略，不断让资源和预算得到一个比较优异的控制；
我做了交流以后，用科学办法评价它，除了有短期评价办法以外，仍是一个长时间的工作，或许还会有一些长时间评价办法，这时分咱们要更好地有观全局、明要点的思维在里边。
这 3 个步骤不必定是肯定的，能够在做的过程中不断进行优化。如在交流战略中对标签不断优化；在核算过程中对战略不断优化等，用人的智慧、体系的智能化及事务的反应，让这三件事愈加顺利，功率更高。