利用大数据做好消费者运营，你该了解这些
消费者是品牌最重要的资产，如何能够更好地留存消费者是企业制胜的关键。以阿里为代表的平台也提出了要从“流量运营”向“消费者运营”的转型。在信息技术发展日新月异的今天，各大企业与平台纷纷建立了自己的大数据平台，累积了海量的数据，如何利用这些数据来洞察消费者，做好消费者运营，成为企业必修的一个课题。本文将介绍三种目前最常用的消费者运营模型，希望能够给到品牌以及企业管理人员一些启发。
消费者生命周期管理模型
这个模型覆盖了消费者在品牌生命周期中从品牌潜在客人、到成为品牌新客人、到成为老客人、即将流失，流失等各个阶段，是一条比较完整的流程。它不需要太多的第三方数据，一般使用品牌的一方CRM数据就可以支持，在市场上使用率较高，是比较成熟的一个模型。
潜客：对品牌感兴趣，但是还没有过购买的客人，比如咨询过产品、关注品牌的粉丝、注册但还没有购买产品的会员等等。这些人往往受到品牌的忽略，但这些人转化为新客的成功率会更高、成本也会较低，所以企业应该给予更多的关注。
新客：第一次购买产品的客人。第一次购物的体验往往会决定客人对品牌的印象和感情，如果体验很不好的话，一般客人就不太会产生复购了，所以品牌一方面需要注重新客人的购物体验，另一方面要通过一些营销的方式来驱动客人复购：比如售后关怀、免费服务、设置复购权益等。一般复购大概率会发生在第一次购买后特定的时间段内，所以品牌需要对沟通时间点认真考量。
老客：不同行业对于客人成为老客的时间长度定义有所不同，比如快消品的时间可能很短，耐消品行业时间可能就比较长。在今天招新成本越来越高的情况下，如何维系老客，尤其是高价值的老客人，对品牌生意可持续性增长起到至关重要的作用。通常的做法是建立会员忠诚度计划，包括会员等级、积分、礼品、设置会员权益等，还有一些通过社交互动的方式，比如老带新获取优惠、签到、抽奖等来提高客人与品牌的粘性。我们需要让老客人感受到品牌对他们的关怀和重视，从品牌可以获得超出产品本身的价值，这样才能更好地维系住他们。
即将流失客：客人在沉寂一段时间以后，既没有过购买，也没有与品牌的任何互动，可能这个客人就会有流失的风险。流失有两种情况，一是品牌流失，就是客人去到了竞品购买，二是渠道流失，比如去了海购。不管是哪种情况，我们都需要及时地对客人做挽回的动作，比如增加品牌对他们的曝光，辅以权益和优惠活动，避免客人真正地流失。
流失客：当客人真的流失以后，品牌还需要对他们做重新唤醒的动作，因为唤醒流失客人还是要比招新的转化率要高，成本也会比较低，毕竟客人是曾经认可并购买过品牌的产品的。但是客人为什么会流失，就需要利用第三方数据做一些研究，或者市场调研了，这样才能做到对症下药。
消费者生命周期管理模型能帮助品牌比较清楚地了解客人处于生命周期的哪一个阶段，然后根据每个阶段的不同来和消费者进行沟通和管理。并且我们可以对这个模型进行细化，比如针对不同的渠道、区域、产品把模型扩展开，设置不同的沟通路径。另外要清楚这个模型不完全是线性的，比如一个即将流失的客人经过我们成功的挽回，又成为了品牌忠实的老客，当中可能会有循环。
AIPL 模型
AIPL是阿里发明的一套模型，也属于比较典型的消费者行为理论。它按照消费者和品牌发生关系的深浅定义了不同的层级，从对品牌有所认知、到对品牌产生兴趣、到购买品牌产品、到成为品牌忠诚的客人，按照不同的阶段对客人进行分层管理。
Awareness：认知，对品牌有所了解的人群，比如被品牌广告触达的人和品类词搜索的人
Interest：兴趣，对品牌产生兴趣的人群，比如点击过品牌广告、加购过产品、或者搜索过品牌关键词的人
Purchase：购买，购买过品牌产品的人群
Loyalty：忠诚，对品牌忠诚的人群，比如有过复购或者正向评论的客人
AIPL模型可以说是阿里一个伟大的发明，它不仅可以帮助品牌进行人群分层运营，还做到了不同层级人群的资产化管理。我们都知道消费者是品牌最宝贵的资产，比如可口可乐传奇总裁 Robert Woodruff 曾说过：“即使可口可乐的工厂都被大火烧掉，给我三个月的时间，我也能重建可口可乐”。可是人群资产如何量化一直是个难题。阿里不仅推出了AIPL的模型，还结合了阿里海量用户与产品数据，推出了业界第一套全域数据资产管理平台--品牌数据银行，来赋能企业打通内外部消费者数据、沉淀数据资产、激活数据价值。感兴趣的同学可以去万堂书院、淘宝大学等平台去深入了解和学习一下AIPL模型和品牌数据银行。
RFM 模型
RFM模型在CRM领域一直以来被广泛使用。它通过三项指标来衡量消费者对于品牌的贡献价值。
Recency：近度，消费者最后一次在品牌购买商品的时间
Frequency：频次，消费者在一段时间内购买商品的频次
Monetary：金额，消费者在一段时间内购买商品的金额
RFM模型中，三项指标综合在一起衡量，结果可以想象成是一个三维立方体。如果每项指标分成两档（M：高消费、低消费；F：高频率、低频率；R：最近购买、很久没购买），可以得到 2 * 2 * 2 = 8 个不同的象限。落在不同象限的客人可以制定不同的分层运营策略。比如消费金额高、最近有过很多次购买的客人，是品牌的高价值明星客人，需要重点维护；曾经消费金额很高、消费频次也高、但是很久没有再买过的客人就需要品牌去重点关注一下了。如果每项指标分成三档，就会得到27个不同的象限。具体分成几档要看企业具体的运营能力，也不是越多越好。
最后
本文介绍了当前最常用的三种消费者分析和运营模型，三种模型之间也并不是完全割裂，其实可以融合使用，比如在已流失客人中，我们可以按 M 值来区分高价值流失客和低价值流失客，从而给出不同的唤回力度。在AIPL人群中，我们也可以分成新增人群和存量人群，“深”P人群和“浅”P人群等等。总之分层运营是王道，具体怎样分可以结合业务场景灵活运用。
获取知识干货、增加面试经验、了解职场人生
欢迎关注微信公众号
以上是 利用大数据做好消费者运营，你该了解这些 的全部内容， 来源链接： utcz.com/z/534018.html
