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。而且,对于这部分企业来说,还有很大一部分数据是商品数据,那么本篇就为大家介绍在数据分析的基础上如何将新客和商品进行有效的连接。

话不多说,对于新客首先当然是产品关联推荐。这个关联商品的对比或响应用很多平台都可以很容易的抓取并且用一些BI工具分析出结果,举个例子,A产品,选出关联率最强B、C、D;B产品,选出关联率最强E、F、G。根据这些关联率最强的商品,定期的用邮件和短信推荐关联品,促成销售,注意在此过程中需要不断地进行实时数据分析,实施方面如每月执行1次。选3-5主推品。

第二是消耗周期提醒。比如根据数据分析结果,A产品,平均回购周期45天;B产品,平均回购周期57天,这样一来,我们就可以配置好产品消耗周期,长期给快消耗完X品的人,推荐买新的产品,也是一样,需要实时的进行数据分析,以防万一决策失误成本的不断无意义增加。

第三是根据活动的商品购买数据进行策略实施。包含聚划算、淘抢购、新风尚、店庆以及年中促,分别分析活动商品的价位数据、优惠数据、品类数据。比如新风尚,分析后发现优惠力度大,价位高,那么就可以按照数据筛选出高客单价的新客以及对新品敏感和重视服务的客户群体,并提前三天邮件预热,提前1天或当天短信通知。其他活动同理。

这样一来,对于商品和新客的连接就会比较的立体和全面。

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/26053.html
上一篇:
下一篇: