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”，同样的，基于客户数据分析我们更可以做到培养新客户，留住老客户。本篇就为大家介绍基于数据分析的新客培养策略。
首先，我们拆分几个数据维度。第一个数据维度是购物前的数据，分为询单数据、静默购买数据、催付数据。针对询单数据，我们还可以进行关联性钻取，看我们的个性化打招呼的响应数据、商品标签敏感数据、关联商品点击率等数据。那么针对这些数据，我们可以做的实施只要遵循几个原则，对于特殊商品需要询问特殊场景；做到对客户的有求必应并且及时响应；做好关联推荐提升客单价，并且落实购买理由。对于静默购买数据，主要看下单关怀的响应率，如果数据状况差，可用下单关怀H5模板，短信推荐3款关联商品，提升客单价。然后是催付数据，主要看跟单和自动催付的转化率数据，并依据数据分析结果进行别样的催付，如旺旺等。
第二个是购物中的数据，分为旺旺端和天猫后台数据。旺旺端主要看会员权益的宣传效果以及新客对于感谢语等反馈活动做出的回复等动作的响应率数据。因为会员权益数据的状况良好可以为二次购买埋下伏笔。后台端数据只要看流程关怀如发货、付款、退款等流程的关怀反馈数据即可，记住要精细化数据营销，对于购物环节全人群全覆盖，提升整体体验，新客户要有单独文案。
第三个是购物后数据，主要看签收数据，看签收后的重复购买或评价数据，如若没有任何响应，可以做以下分析后实施。比如快消品，可以2天——商品贴士，7天——使用调查，15天——引导微信，30天——满月礼，45天——店铺文化，100天——百天礼，365天——周年纪念。并且可以用定期的电话关怀来培养忠实粉丝。对于美妆类目，重点看关联商品购买数据，因为，美妆产品往往不是单独使用的，水乳霜面膜等都可依据数据分析结果进行有效打包，提高客单价。
Comments | NOTHING