数据化客户营销的核心是多样的人群标签


在这个大数据时代,很多行业都开始挖掘企业自身的大数据价值,而在数字化竞争越来越白热化、同质化的今天,对于企业的客户尤其是C端客户,如何让辛辛苦苦引进来的新客变成老客,老客不流失成了一大难题,尤其是电商行业。不仅如此,在数字化交易的背景下,越来越多的商家开始使用诸如DataFocus、集客CRM等做数据分析,以想要做数据化营销。但无论工具怎么先进,分析还是得靠数据分析师的人脑和思维,以思维驱动工具。我们认为,数据化客户营销的核心是多样的人群标签。

我们参考DataFocus的某一家美妆客户人群数据标签,但其实对很多行业都是通用的,主要为大家分享思路,以互通有无。首先是标签分类,我们可以分为三个分类:人口统计学标签、平台总体行为和关系标签。

第一是人口统计学标签,细分为年龄、性别、地理位置、职业、兴趣爱好等基本属性,注意其中年龄以18-50岁为好,并每5岁为一个分组,18岁以下和50岁以上分别为一个分组;对于地理位置来说细到省份即可;兴趣爱好尽量简短,比如花卉一族、网络一族、果粉、车友派、装修一族等等。后面要写上标签含义,比如职业是以收货地址等规则构建的训练集,以购买行为作为特征建立数据分类模型,并将模型预测结果跟规则融合成最终结果。兴趣爱好则是根据用户半年在平台的购买,用检索行为计算的特征。

接下来是平台总体行为,可分为综合购买力、折扣敏感度、聚划算属性、店铺VIP等级、买家淘宝等级等。前两个的标签内容直接以高中低写明即可。

最后是关系标签。可以分为交易关系、加购关系、收藏商品关系、收藏店铺关系、访问关系。标签内容都可以以时间周期为基准,比如近30天有无购买/加购/收藏……。

注意,每个人群的标签最好在1-2个范围之内,人群占全店客户的比例要在20%以上,否则数据太少会影响效果,特别是老客户最好是结合用“交易关系”标签去做。这样一来,整个数据化客户营销的人群标签基础就可以基本搭建完成。

相关内容推荐

声明:DataFocus|版权所有,违者必究|如未注明,均为原创|本网站采用BY-NC-SA协议进行授权

转载:转载请注明原文链接 - 数据化客户营销的核心是多样的人群标签


让数据分析像搜索一样!