CRM做為客戶(hù)關(guān)系管理和維護(hù)的重要方面，在電商中顯得尤其重要，我們從各個(gè)渠道投放廣告花高成本去獲客，用戶(hù)進(jìn)來(lái)以后卻不能及時(shí)的被留住，留存和復(fù)購(gòu)數(shù)據(jù)不太理想，客戶(hù)不能被準(zhǔn)確的定位和服務(wù)，基于這些問(wèn)題，更加需要深入分析客戶(hù)行為，判斷每類(lèi)客戶(hù)的喜好和習(xí)慣，不斷完善人群屬性，通過(guò)建立完善的CRM機(jī)制來(lái)升客戶(hù)的消費(fèi)并實(shí)現(xiàn)二次購(gòu)買(mǎi)。

一.明確CRM的目標(biāo)

延長(zhǎng)用戶(hù)生命周期，實(shí)現(xiàn)生命周期價(jià)值CLV(Customer Lifetime Value，也有稱(chēng)LTV：Life Time Value)大化

生命周期：CL：Customer Lifetime

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

二.剖析用戶(hù)生命周期和價(jià)值

讓用戶(hù)能在生命周期中產(chǎn)生商業(yè)價(jià)值，才是業(yè)務(wù)的最終使命。這里的商業(yè)價(jià)值，不單純是電商廣告游戲等賺錢(qián)模式。信息和數(shù)據(jù)這些無(wú)形且很難量化的也是商業(yè)資產(chǎn)。為什么要談?dòng)脩?hù)生命周期和價(jià)值?因?yàn)椴坏貌唤邮艿氖聦?shí)是，無(wú)論你是多么出色的運(yùn)營(yíng)和產(chǎn)品，都無(wú)法真正制止用戶(hù)的流失你可以延長(zhǎng)它，但就是不能阻止它。當(dāng)產(chǎn)品獲得足夠多的用戶(hù)時(shí)，大的問(wèn)題不是繼續(xù)獲取，而是從用戶(hù)身上賺回錢(qián)。成熟的產(chǎn)品都應(yīng)該考慮CL，以及更重要的CLV。

只要用戶(hù)停留時(shí)間越長(zhǎng)，對(duì)產(chǎn)品的使用粘性越大，就越有可能在我們的產(chǎn)品上產(chǎn)生價(jià)值，那么有一個(gè)公式大家一定并不陌生：

賺錢(qián)=CLV(用戶(hù)生命周期價(jià)值)-CAC(獲客成本)-COC(運(yùn)營(yíng)成本)

電商的CLV由一系列購(gòu)買(mǎi)的指標(biāo)決定，電商CLV指標(biāo)：支付訂單量、GMV另外，我們通常說(shuō)的用戶(hù)留存率，其實(shí)也是用戶(hù)忠誠(chéng)度的體現(xiàn)，留存率對(duì)用戶(hù)的判定較為模糊，也不具備界定意義，因此我們可以轉(zhuǎn)化為用戶(hù)生命周期。

用戶(hù)生命周期=周期/(1-周期內(nèi)新增留存率)

如果一款產(chǎn)品新增用戶(hù)的月留存率是70%，那么估算出：平均用戶(hù)生命周期=1個(gè)月/(1-70%)=3.3個(gè)月。

運(yùn)營(yíng)的目標(biāo)就是延長(zhǎng)用戶(hù)生命周期從3.3個(gè)月到4個(gè)月、5個(gè)月乃至更長(zhǎng)。并且在此期間產(chǎn)生商業(yè)價(jià)值。對(duì)于大部分產(chǎn)品，這個(gè)公式都是適用的。

如果需要更精準(zhǔn)的指標(biāo)，則可以將數(shù)據(jù)制作成頻數(shù)分布圖。

來(lái)看看怎么精準(zhǔn)的分析和運(yùn)營(yíng)：

用戶(hù)生命周期最少的那部分用戶(hù)，例如10天，有什么具體特征，為什么不用?

用戶(hù)生命周期最多的那部分用戶(hù)，有什么特點(diǎn)?

分布人數(shù)最多的用戶(hù)，怎么樣能想辦法抓住他們的痛點(diǎn)?延長(zhǎng)他們生命周期

究竟是用的久的用戶(hù)(二八理論)，還是分布人數(shù)最多的用戶(hù)(長(zhǎng)尾理論)，產(chǎn)生的商業(yè)價(jià)值大?

每個(gè)用戶(hù)的生命周期都能產(chǎn)生商業(yè)價(jià)值，但有些用戶(hù)注定更有價(jià)值。

用戶(hù)生命周期和流失是息息相關(guān)的，用戶(hù)流失，便是用戶(hù)生命周期的終止。

用戶(hù)不用APP，可能是比較忙，可能是出去旅游了，可能是大姨媽來(lái)了心情不好。那么運(yùn)營(yíng)應(yīng)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(gè)月后才會(huì)發(fā)現(xiàn)用戶(hù)最后登錄停留在某一天。高級(jí)運(yùn)營(yíng)和初級(jí)運(yùn)營(yíng)的分水嶺在于：初級(jí)運(yùn)營(yíng)經(jīng)常事后補(bǔ)救，高級(jí)運(yùn)營(yíng)能夠防范于未然。

將用戶(hù)的流失可能扼殺在萌芽階段，是延長(zhǎng)用戶(hù)生命周期的有效手段之一。這聽(tīng)起來(lái)很玄乎，但舉個(gè)例子就會(huì)明白的。

一款社交應(yīng)用，通過(guò)流失用戶(hù)的特征分析。發(fā)現(xiàn)了如下的幾個(gè)特點(diǎn)。

流失用戶(hù)中，40%的用戶(hù)沒(méi)有完善資料新增用戶(hù)沒(méi)有導(dǎo)入通訊錄好友;

流失概率比導(dǎo)入的高20%新增用戶(hù);

在第一周使用中，如果添加的好友低于3，則一個(gè)月后的流失概率超過(guò)一半。

用戶(hù)流失前一個(gè)月，互動(dòng)率遠(yuǎn)低于APP平均值。

這些特征很容易讀懂了解，運(yùn)營(yíng)也很容易針對(duì)性的采取策略。例如良好的新手引導(dǎo)、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(jī)器人等等。

如果數(shù)據(jù)化運(yùn)營(yíng)更徹底，可以運(yùn)營(yíng)和數(shù)據(jù)分析結(jié)合，將上述的特征建模，得出一個(gè)比較準(zhǔn)確的流失概率預(yù)測(cè)。用模型計(jì)算出某一類(lèi)人群流失概率在80%以上，和知道什么樣的人可能流失，在運(yùn)營(yíng)上是兩個(gè)層次。

我們可以構(gòu)建決策樹(shù)模型，因?yàn)闆Q策樹(shù)模型的可解釋性強(qiáng)，它是if-then的集合，運(yùn)營(yíng)非常容易理解。比如用戶(hù)完善資料低于50%，且沒(méi)有導(dǎo)入通訊錄好友，且好友數(shù)量低于3，則其一個(gè)月后的流失概率為80%。模型訓(xùn)練出葉節(jié)點(diǎn)，運(yùn)營(yíng)用SQL就能跑出來(lái)可能流失的用戶(hù)群。

另外，發(fā)掘出變化性變量在運(yùn)營(yíng)中有奇效。比如完善資料，是否導(dǎo)入通訊錄好友，都是靜態(tài)、狀態(tài)型的特征，更多是產(chǎn)品上的優(yōu)化。但是某一類(lèi)用戶(hù)流失，能通過(guò)其他數(shù)據(jù)特征體現(xiàn)，比如上周打開(kāi)了APP20次，本周打開(kāi)了5次，下周打開(kāi)了1次，趨勢(shì)是下降的，那肯定是要流失

三.流失率計(jì)算

1.數(shù)據(jù)的獲取

流失用戶(hù)是通過(guò)用戶(hù)的最近一次登錄距離當(dāng)前的時(shí)間來(lái)鑒定的，所以要分析流失用戶(hù)，需要知道每個(gè)用戶(hù)的最后一次登錄時(shí)間，而對(duì)于不同網(wǎng)站而言，這個(gè)時(shí)間間隔會(huì)各不相同，最長(zhǎng)可能會(huì)有1年或者更久，所以在數(shù)據(jù)獲取方面會(huì)有一定的難度。如果分析的是注冊(cè)用戶(hù)，那么一般網(wǎng)站都會(huì)在數(shù)據(jù)庫(kù)中建相應(yīng)的表來(lái)存放用戶(hù)信息，所以建議在儲(chǔ)存用戶(hù)基礎(chǔ)信息的同時(shí)記錄用戶(hù)的最近一次登錄時(shí)間，這樣就能夠準(zhǔn)確地計(jì)算用戶(hù)最近一次登錄距離當(dāng)前的間隔時(shí)間，進(jìn)而區(qū)分該用戶(hù)是否流失。

2，流失用戶(hù)變化趨勢(shì)

首先需要明確的是用戶(hù)的流失可能并不是永久的，也許用戶(hù)在一段時(shí)間內(nèi)對(duì)網(wǎng)站確實(shí)沒(méi)有任何需求，那么他會(huì)遠(yuǎn)離網(wǎng)站一段比較長(zhǎng)的時(shí)間;或者流失用戶(hù)也會(huì)因?yàn)榫W(wǎng)站的某次營(yíng)銷(xiāo)或者網(wǎng)站質(zhì)量的改善而重新回來(lái)。網(wǎng)站總的流失用戶(hù)數(shù)的計(jì)算比較簡(jiǎn)單，以超過(guò)1個(gè)月內(nèi)登錄即為流失為例，那么總流失用戶(hù)數(shù)就是所有“當(dāng)前時(shí)間點(diǎn)-用戶(hù)最近一次時(shí)間點(diǎn)>1個(gè)月”的用戶(hù)數(shù)量。但是單純的總流失用戶(hù)數(shù)量對(duì)于分析是沒(méi)有意義的，因?yàn)榇蟛糠智闆r下這個(gè)數(shù)值是一直遞增的，我們需要計(jì)算總流失用戶(hù)數(shù)占總用戶(hù)數(shù)的比例及新增流失用戶(hù)數(shù)，觀察它們的變化趨勢(shì)，如下表：

新用戶(hù)流失率 我們可認(rèn)為新用戶(hù)注冊(cè)后就完成首次登陸，那么簡(jiǎn)單地定義新用戶(hù)流失，就是用戶(hù)在注冊(cè)后一段時(shí)間內(nèi)都沒(méi)有登錄過(guò)游戲，即 當(dāng)前時(shí)間點(diǎn) – 用戶(hù)注冊(cè)時(shí)間點(diǎn) > 流失臨界時(shí)間間隔 比如我們定義用戶(hù)的流失臨界時(shí)間間隔為1個(gè)月，也就是在注冊(cè)后的一個(gè)月內(nèi)未登錄的用戶(hù)意味著已經(jīng)流失，那么就可以計(jì)算每天的新用戶(hù)流失數(shù)，即注冊(cè)時(shí)間為1個(gè)月前的那一天，而從注冊(cè)到當(dāng)前沒(méi)有登錄過(guò)的用戶(hù)數(shù)。這個(gè)用戶(hù)數(shù)與1個(gè)月前的那一天的總注冊(cè)用戶(hù)數(shù)的比例就是新用戶(hù)的流失率： 當(dāng)天的新用戶(hù)流失數(shù) / 當(dāng)天的總注冊(cè)用戶(hù)數(shù) = 新用戶(hù)流失率 計(jì)算出每天的新用戶(hù)流失率，并觀察它的變化趨勢(shì)：

四.RFM評(píng)估

RFM定義：最近一次消費(fèi)(Recency) 消費(fèi)頻率(Frequency) 消費(fèi)金額(Monetary)

根據(jù)這個(gè)指標(biāo)，我們又把客戶(hù)分成五等分，這個(gè)五等分分析相當(dāng)于是一個(gè)“忠誠(chéng)度的階梯”(loyalty ladder)，其訣竅在于讓消費(fèi)者一直順著階梯往上爬，把銷(xiāo)售想象成是要將兩次購(gòu)買(mǎi)的顧客往上推成三次購(gòu)買(mǎi)的顧客，把一次購(gòu)買(mǎi)者變成兩次的。

以上三個(gè)指標(biāo)會(huì)將維度再細(xì)分出5份，這樣就能夠細(xì)分出5x5x5=125類(lèi)用戶(hù)，再根據(jù)每類(lèi)用戶(hù)精準(zhǔn)營(yíng)銷(xiāo)……顯然125類(lèi)用戶(hù)已超出普通人腦的計(jì)算范疇了，更別說(shuō)針對(duì)125類(lèi)用戶(hù)量體定制營(yíng)銷(xiāo)策略。實(shí)際運(yùn)用上，我們只需要把每個(gè)維度做一次兩分即可，這樣在3個(gè)維度上我們依然得到了8組用戶(hù)。

這樣，之前提的四個(gè)問(wèn)題，就能很容易被解讀(編號(hào)次序RFM,1代表高，0代表低)

重要價(jià)值客戶(hù)：最近消費(fèi)時(shí)間近、消費(fèi)頻次和消費(fèi)金額都很高，一般是VIP

重要保持客戶(hù)：最近消費(fèi)時(shí)間較遠(yuǎn)，但消費(fèi)頻次和金額都很高，說(shuō)明這是個(gè)一段時(shí)間沒(méi)來(lái)的忠實(shí)客戶(hù)，我們需要主動(dòng)和他保持聯(lián)系。

重要發(fā)展客戶(hù)：最近消費(fèi)時(shí)間較近、消費(fèi)金額高，但頻次不高，忠誠(chéng)度不高，很有潛力的用戶(hù)，必須重點(diǎn)發(fā)展。

重要挽留客戶(hù)：最近消費(fèi)時(shí)間較遠(yuǎn)、消費(fèi)頻次不高，但消費(fèi)金額高的用戶(hù)，可能是將要流失或者已經(jīng)要流失的用戶(hù)，應(yīng)當(dāng)基于挽留措施。

五.結(jié)合電商平臺(tái)設(shè)計(jì)功能

結(jié)合用戶(hù)生命周期和價(jià)值，觀察流失率曲線(xiàn)并預(yù)估是否用戶(hù)在持續(xù)累積還是流失，評(píng)估用戶(hù)的RFM，在了解了用戶(hù)的真正節(jié)點(diǎn)之后，結(jié)合數(shù)據(jù)，就可以設(shè)計(jì)搭建CRM大后臺(tái)了，這個(gè)后臺(tái)所要承載的功能就需要按照模塊進(jìn)行分類(lèi)和細(xì)化，這里只對(duì)大模塊做區(qū)分，并沒(méi)有細(xì)化用戶(hù)的生命周期節(jié)點(diǎn)，后臺(tái)可留有時(shí)間設(shè)置，來(lái)進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)研究分析，這個(gè)相信大家都明白怎么樣去利用數(shù)據(jù)設(shè)置任務(wù)，此處不做贅述，具體內(nèi)容可參考下圖，基本可以覆蓋電商所需要的底層功能：

結(jié)語(yǔ)

針對(duì)CRM，還有很多值得我們研究和探索的框架以及內(nèi)容，做好CRM無(wú)非是為了更好的做到三點(diǎn)：

首先，建立、管理并充分利用客戶(hù)數(shù)據(jù)庫(kù);

其次，通過(guò)客戶(hù)關(guān)懷提高客戶(hù)的滿(mǎn)意度與忠誠(chéng)度;

同時(shí)可以通過(guò)商務(wù)智能分析模塊，分析客戶(hù)流失原因。為更好地滿(mǎn)足用戶(hù)的需求而做好服務(wù)。

另外，CRM客戶(hù)關(guān)系管理其實(shí)也分為2種，2B或者2C。我們上述內(nèi)容講解全為2C端的，2B的CRM更多的是對(duì)銷(xiāo)售機(jī)會(huì)的管理，其中包括各個(gè)客戶(hù)的拜訪(fǎng)情況，意向，對(duì)方處于的狀態(tài)，對(duì)方的痛點(diǎn)等等。核心在對(duì)能把東西賣(mài)給他所需要的相關(guān)信息的管理。2C的CRM則更加大數(shù)據(jù)一些，這主要在零售公司比較常見(jiàn)。根據(jù)顧客購(gòu)買(mǎi)情況，依據(jù)一些數(shù)據(jù)分析模型(比如RFM)，我們可以描繪出各種典型顧客畫(huà)像，在將購(gòu)買(mǎi)顧客分別套在畫(huà)像中，以進(jìn)行后續(xù)的營(yíng)銷(xiāo)活動(dòng)(比如EDM電子郵件營(yíng)銷(xiāo))。無(wú)論是使用什么樣的方法，我們的目的很簡(jiǎn)單，就是留住用戶(hù)，增加粘性，讓用戶(hù)信任我們，依賴(lài)我們。我們?yōu)橛脩?hù)提供更好的體驗(yàn)和關(guān)懷，用戶(hù)可以為我們提供更多的商業(yè)價(jià)值。

分享標(biāo)題：電商CRM如何拆分和設(shè)計(jì)
網(wǎng)站URL：http://m.rwnh.cn/news21/159821.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站設(shè)計(jì)、面包屑導(dǎo)航、網(wǎng)站導(dǎo)航、微信小程序、企業(yè)建站、網(wǎng)站內(nèi)鏈

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)