我们以前讲过新零售的人货场重构,旨在基于大数据环境,使用AI等现代化技术赋能企业管理和决策。那么对于大数据来说,智能或是专业的分析是必不可少的。很多企业已经开始使用DataFocus、Tableau等大数据分析工具对企业大数据进行分析和洞察,以提供最精准的数据结论或可视化视图来辅助决策。那么对于很多TO C企业来说,客户数据是企业大数据的重要组成部分,对于客户数据的利用效率关乎整个企业的运营成果。我们以前介绍过需要让客户数据“动起来”,比如对于只购买过一次便长时间未曾购买的新客,应依照既定的数据分析结果实施精准化的策略。

我们首先应该看三个数据,人群基数、购买时间、商品数据。对于人群基数数据,我们可以筛选出上一次购买距离当时较长一段时间比如60-999天的客户,找准他们的利益点。利益点可以包含敏感的活动、敏感的优惠等。那么购买时间或是商品,就可以进行数据分析后的分层,主要利用的是交叉分析的分析手法。举个例子,我们可以把最近购买时间分为四个维度,60天-1年、1-2年、2-3年、3年以上,商品数据分为ABCD类商品,进行交叉分析,得出16个“带商品”的人群。

最后就可以进行实施了,注意需要进行分别实施。我们需要明确特征的同时进行营销,比如60天-1年*A类宝贝:挽回可能高,可直接短信刺激,服务+营销同时进行;1-2年*A类宝贝:挽回可能低,先邮件关怀,再短信营销刺激。于此同时,数据方面同时可划分客单价,高、中、低分别不同的优惠刺激方式,如分别5、10、20元无门槛优惠券,其他时间、产品、客单价的细分维度同理可实施。

标签: , , , , ,
版权声明:除非注明,否则均为DataFocus企业大数据分析系统 原创文章,转载请以链接形式标明本文地址。否则将追究法律责任。
转载请注明来源:https://www.datafocus.ai/26024.html
上一篇:
下一篇: