需求報價
工具

需求報價工具

進入需求報價工具,算算開發您的項目需要多少預算

進入

在線咨詢

林經理:

張經理:

王經理:

包經理:

全國免費咨詢熱線: 0755-8860 8956

林經理:137 1426 5989   張經理:139 9761 9463

您當前的位置:首頁> 資訊動態> 媒體報道

電商CRM系統開發,該如何拆分和設計?

日期:2019-07-01 來源:眾利軟件 點擊:20 次

 

CRM做為客戶關系管理和維護的重要方面,在電商中顯得尤其重要,我們從各個渠道投放廣告花高成本去獲客,用戶進來以后卻不能及時的被留住,留存和復購數據不太理想,客戶不能被準確的定位和服務,基于這些問題,更加需要深入分析客戶行為,判斷每類客戶的喜好和習慣,不斷完善人群屬性,通過建立完善的CRM機制來升客戶的消費并實現二次購買。

 

一.明確CRM的目標

 

延長用戶生命周期,實現生命周期價值CLV(Customer Lifetime Value,也有稱LTV:Life Time Value)最大化
生命周期:CL:Customer Lifetime

生命周期價值:CLV(Customer Lifetime Value,也有稱LTV:Life Time Value)

 

二.剖析用戶生命周期和價值

 

讓用戶能在生命周期中產生商業價值,才是業務的最終使命。這里的商業價值,不單純是電商廣告游戲等賺錢模式。信息和數據這些無形且很難量化的也是商業資產。為什么要談用戶生命周期和價值?因為不得不接受的事實是,無論你是多么出色的運營和產品,都無法真正制止用戶的流失你可以延長它,但就是不能阻止它。當產品獲得足夠多的用戶時,最大的問題不是繼續獲取,而是從用戶身上賺回錢。成熟的產品都應該考慮CL,以及更重要的CLV。

只要用戶停留時間越長,對產品的使用粘性越大,就越有可能在我們的產品上產生價值,那么有一個公式大家一定并不陌生:

賺錢=CLV(用戶生命周期價值)-CAC(獲客成本)-COC(運營成本)

電商的CLV由一系列購買的指標決定,電商CLV指標:支付訂單量、GMV另外,我們通常說的用戶留存率,其實也是用戶忠誠度的體現,留存率對用戶的判定較為模糊,也不具備界定意義,因此我們可以轉化為用戶生命周期。

a6.jpg


用戶生命周期=周期/(1-周期內新增留存率)


如果一款產品新增用戶的月留存率是70%,那么估算出:平均用戶生命周期=1個月/(1-70%)=3.3個月。

運營的目標就是延長用戶生命周期從3.3個月到4個月、5個月乃至更長。并且在此期間產生商業價值。對于大部分產品,這個公式都是適用的。

如果需要更精準的指標,則可以將數據制作成頻數分布圖。

 

a5.jpg

 

來看看怎么精準的分析和運營:

 

用戶生命周期最少的那部分用戶,例如10天,有什么具體特征,為什么不用?
用戶生命周期最多的那部分用戶,有什么特點?
分布人數最多的用戶,怎么樣能想辦法抓住他們的痛點?延長他們生命周期
究竟是用的久的用戶(二八理論),還是分布人數最多的用戶(長尾理論),產生的商業價值大?

 

每個用戶的生命周期都能產生商業價值,但有些用戶注定更有價值。

用戶生命周期和流失是息息相關的,用戶流失,便是用戶生命周期的終止。

用戶不用APP,可能是比較忙,可能是出去旅游了,可能是大姨媽來了心情不好。那么運營應該怎么判定他是上述情況,還是卸載不用呢?也許我們需要幾個月后才會發現用戶最后登錄停留在某一天。高級運營和初級運營的分水嶺在于:初級運營經常事后補救,高級運營能夠防范于未然。
將用戶的流失可能扼殺在萌芽階段,是延長用戶生命周期的有效手段之一。這聽起來很玄乎,但舉個例子就會明白的。

 

一款社交應用,通過流失用戶的特征分析。發現了如下的幾個特點。

流失用戶中,40%的用戶沒有完善資料新增用戶沒有導入通訊錄好友;
流失概率比導入的高20%新增用戶;在第一周使用中,如果添加的好友低于3,則一個月后的流失概率超過一半。用戶流失前一個月,互動率遠低于APP平均值。這些特征很容易讀懂了解,運營也很容易針對性的采取策略。例如良好的新手引導、引入好友推薦(想想微博和各興趣向APP)、增加曝光量、乃至使用機器人等等。

 

如果數據化運營更徹底,可以運營和數據分析結合,將上述的特征建模,得出一個比較準確的流失概率預測。用模型計算出某一類人群流失概率在80%以上,和知道什么樣的人可能流失,在運營上是兩個層次。

 

我們可以構建決策樹模型,因為決策樹模型的可解釋性強,它是if-then的集合,運營非常容易理解。比如用戶完善資料低于50%,且沒有導入通訊錄好友,且好友數量低于3,則其一個月后的流失概率為80%。模型訓練出葉節點,運營用SQL就能跑出來可能流失的用戶群。

 

另外,發掘出變化性變量在運營中有奇效。比如完善資料,是否導入通訊錄好友,都是靜態、狀態型的特征,更多是產品上的優化。但是某一類用戶流失,能通過其他數據特征體現,比如上周打開了APP20次,本周打開了5次,下周打開了1次,趨勢是下降的,那肯定是要流失

 

三.流失率計算

 

1.數據的獲取

 

流失用戶是通過用戶的最近一次登錄距離當前的時間來鑒定的,所以要分析流失用戶,需要知道每個用戶的最后一次登錄時間,而對于不同網站而言,這個時間間隔會各不相同,最長可能會有1年或者更久,所以在數據獲取方面會有一定的難度。如果分析的是注冊用戶,那么一般網站都會在數據庫中建相應的表來存放用戶信息,所以建議在儲存用戶基礎信息的同時記錄用戶的最近一次登錄時間,這樣就能夠準確地計算用戶最近一次登錄距離當前的間隔時間,進而區分該用戶是否流失。

 

2,流失用戶變化趨勢

 

首先需要明確的是用戶的流失可能并不是永久的,也許用戶在一段時間內對網站確實沒有任何需求,那么他會遠離網站一段比較長的時間;或者流失用戶也會因為網站的某次營銷或者網站質量的改善而重新回來。網站總的流失用戶數的計算比較簡單,以超過1個月內登錄即為流失為例,那么總流失用戶數就是所有“當前時間點-用戶最近一次時間點>1個月”的用戶數量。但是單純的總流失用戶數量對于分析是沒有意義的,因為大部分情況下這個數值是一直遞增的,我們需要計算總流失用戶數占總用戶數的比例及新增流失用戶數,觀察它們的變化趨勢,如下表:

 

a4.jpg

 

新用戶流失率 我們可認為新用戶注冊后就完成首次登陸,那么簡單地定義新用戶流失,就是用戶在注冊后一段時間內都沒有登錄過游戲,即 當前時間點 – 用戶注冊時間點 > 流失臨界時間間隔 比如我們定義用戶的流失臨界時間間隔為1個月,也就是在注冊后的一個月內未登錄的用戶意味著已經流失,那么就可以計算每天的新用戶流失數,即注冊時間為1個月前的那一天,而從注冊到當前沒有登錄過的用戶數。這個用戶數與1個月前的那一天的總注冊用戶數的比例就是新用戶的流失率: 當天的新用戶流失數 / 當天的總注冊用戶數 = 新用戶流失率 計算出每天的新用戶流失率,并觀察它的變化趨勢:

 

a3.jpg

四.RFM評估

 

RFM定義:最近一次消費(Recency) 消費頻率(Frequency) 消費金(Monetary)

 

根據這個指標,我們又把客戶分成五等分,這個五等分分析相當于是一個“忠誠度的階梯”(loyalty ladder),其訣竅在于讓消費者一直順著階梯往上爬,把銷售想象成是要將兩次購買的顧客往上推成三次購買的顧客,把一次購買者變成兩次的。

 

以上三個指標會將維度再細分出5份,這樣就能夠細分出5x5x5=125類用戶,再根據每類用戶精準營銷……顯然125類用戶已超出普通人腦的計算范疇了,更別說針對125類用戶量體定制營銷策略。實際運用上,我們只需要把每個維度做一次兩分即可,這樣在3個維度上我們依然得到了8組用戶。

這樣,之前提的四個問題,就能很容易被解讀(編號次序RFM,1代表高,0代表低)

 

重要價值客戶:最近消費時間近、消費頻次和消費金額都很高,一般是VIP
重要保持客戶:最近消費時間較遠,但消費頻次和金額都很高,說明這是個一段時間沒來的忠實客戶,我們需要主動和他保持聯系。


重要發展客戶:最近消費時間較近、消費金額高,但頻次不高,忠誠度不高,很有潛力的用戶,必須重點發展。


重要挽留客戶:最近消費時間較遠、消費頻次不高,但消費金額高的用戶,可能是將要流失或者已經要流失的用戶,應當基于挽留措施。

 

a2.jpg

 

五.結合電商平臺設計功能

 

結合用戶生命周期和價值,觀察流失率曲線并預估是否用戶在持續累積還是流失,評估用戶的RFM,在了解了用戶的真正節點之后,結合數據,就可以設計搭建CRM大后臺了,這個后臺所要承載的功能就需要按照模塊進行分類和細化,這里只對大模塊做區分,并沒有細化用戶的生命周期節點,后臺可留有時間設置,來進行精準營銷,這個相信大家都明白怎么樣去利用數據設置任務,此處不做贅述,具體內容可參考下圖,基本可以覆蓋電商所需要的底層功能:

 a1.jpg

 

 

針對CRM,還有很多值得我們研究和探索的框架以及內容,做好CRM無非是為了更好的做到三點:

 

首先,建立、管理并充分利用客戶數據庫;


其次,通過客戶關懷提高客戶的滿意度與忠誠度;


同時可以通過商務智能分析模塊,分析客戶流失原因。為更好地滿足用戶的需求而做好服務。

 

另外,CRM客戶關系管理其實也分為2種,2B或者2C。我們上述內容講解全為2C端的,2B的CRM更多的是對銷售機會的管理,其中包括各個客戶的拜訪情況,意向,對方處于的狀態,對方的痛點等等。核心在對能把東西賣給他所需要的相關信息的管理。2C的CRM則更加大數據一些,這主要在零售公司比較常見。根據顧客購買情況,依據一些數據分析模型(比如RFM),我們可以描繪出各種典型顧客畫像,在將購買顧客分別套在畫像中,以進行后續的營銷活動(比如EDM電子郵件營銷)。無論是使用什么樣的方法,我們的目的很簡單,就是留住用戶,增加粘性,讓用戶信任我們,依賴我們。我們為用戶提供更好的體驗和關懷,用戶可以為我們提供更多的商業價值。

 

陕西快乐十分开奖结果查询今天