聊聊零售業客群分類機制

0 評論 6070 瀏覽 29 收藏 8 分鐘

你了解客群分類嗎?怎樣選擇最優的客群分類方法?文章作者對比了企業A和企業B的分類機制,希望能給大家帶來一些啟發。

在市場調研和用戶研究中,企業通常會根據自己的定位和目標,選擇適合于自己的客群分類模型,不同類型企業分類依據各有不同。

過去半年,騰訊CDC有幸與客群分類方法非常不同的零售企業A和企業B分別進行了合作研究,發現企業A的客群分類簡單明了,企業B全面細致。

一、企業A

分類關鍵變量:客單價

客單價是衡量購買力的重要指標。企業A根據用戶過去一年的行為,計算出用戶過去一年的平均客單價,以400元客單價為界,劃分出客群,此后在高價值用戶中根據過去一年的購買頻次和注冊時間又細分出三種客群類型。

△企業A客群分類,來自騰訊智慧零售數據

這種以客單價為分界的分類機制簡單明了,清楚的界定了高價值用戶。但在調研中,CDC的研究員發現,低價值用戶中存在消費頻次高,客單價低的用戶(由于消費頻次高,客單價相對較低),他們的消費總額與高價值用戶相似,甚至高于某些高價值的用戶。

如果使用這種客單價一刀切的客群分類方式,這些低客單高頻用戶是否屬于被遺漏的高價值用戶?客單價高,但頻率非常低的用戶是否屬于被高估的低價值用戶?相比較,企業B的分類方式維度多,更為全面。

二、企業B

分類關鍵變量:上一次購買時間,購買頻次,訂單貢獻金額

企業B根據用戶首單時間先劃分大類,然后根據購買頻次和訂單金額綜合再細分有效、活躍、忠誠等維度客群。

△企業B客群分類,來自騰訊智慧零售數據

此后在忠客群體中根據人群特點,購買行為,訂單金額等進一步細分為上班族女,上班族男,健身達人,寶媽,家庭主婦/夫和其他群體。

△企業B客群分類,來自騰訊智慧零售數據

我們看到企業B的分類較企業A的分類維度多。在進行忠客的識別中,考慮了上一次購買時間,購買頻次和訂單貢獻金額,較為全面,與客群分類的RFM模型相符合。

在RFM模型中,R(Recency)表示客戶最近一次購買的時間有多遠,F(Frequency)表示客戶在最近一段時間內購買的次數,M (Monetary)表示客戶在最近一段時間內購買的金額。根據RFM,可以分析對企業價值高的用戶分別是哪些,例如:

  • 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
  • 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
  • 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
  • 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

△RFM客群分類示意,原圖片來自百度百科

基于RFM的用戶分類,可以針對不同的用戶群體制定相應的營銷目標和營銷方案,例如,對于重要的挽留客戶(最近消費時間較遠,消費頻次不高,但消費金額高的用戶),營銷的重點可以是如何觸發下一次購買,防止流失。

同時,對于每一類用戶群體,可以進一步細分(例如企業B對忠客進一步分為5組人群),理解各類用戶群體深層的需求,企業最核心價值的用戶是哪一群人,企業為他們提供了什么價值,以此可以協助企業發展狀態的判斷,企業發展目標戰略的制定等。

相對比企業A的客單價分類法,企業B的RFM分類法優勢突出,既識別了不同價值的用戶群體,亦無遺漏。那么如何才能實現RFM模型分類呢?

從數據來源來看, RFM分類需要更多的用戶行為數據,也就是更多數據的觸點;同時,RFM對用戶的分類不是一成不變,靜止不動的,高價值的忠實用戶可能因為營銷不當而流失,而流失用戶也可能再度被召回變成忠實用戶,需要對用戶的動態進行實時監測和更新。

這對傳統的,以線下業態為主的企業是一個巨大挑戰:數據觸點的不完善,難以對用戶進行較好的分類和價值識別。為了幫助零售企業解決這個難題,騰訊智慧零售通過多元化的解決方案協助零售企業提升數字化的能力,幫助零售企業精準的服務客戶。

除了RFM模型,還有其他許多幫助評估用戶價值的方法,例如CLV模型(客戶生命周期價值),因為客戶生命周期的影響因素非常多,CLV模型的計算公式非常多,例如:

CLV(客戶生命周期價值)=LTV(客戶終身價值)-CAC(獲客成本)-COC(客戶運營成本)

CLV(客戶生命周期價值)=P(客戶年度貢獻)/ r(年度流失率)

其中每個變量如何計算也有不同的方法。

還有根據會員最近一次訪問時間R(Recency)、訪問頻率 F(Frequency)和頁面互動度 E(Engagements)的RFE(用戶活躍度)模型等。

客群分類方法多樣,各有利弊,如何選擇,騰訊CDC團隊也在不斷的積累研究和實踐。

 

來源:騰訊CDC(https://mp.weixin.qq.com/s/ulRdmySkXBJIAz_RhuoszA)

本文來源于人人都是產品經理合作媒體@騰訊CDC

題圖來自Unsplash, 基于CC0協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!