實體零售企業,如何實現存量用戶的數字化運營?

易觀 2019-12-05 1022

電商興起時,實體不行的謠言滿天飛。等到互聯網流量觸頂了,線下反倒又成了大家爭搶的香餑餑。線上線下之爭,不過是渠道的此消彼長,企業最終還是要回到對用戶資源的絕對掌控上。

電商興起時,實體不行的謠言滿天飛。等到互聯網流量觸頂了,線下反倒又成了大家爭搶的香餑餑。線上線下之爭,不過是渠道的此消彼長,企業最終還是要回到對用戶資源的絕對掌控上。

雙11的熱勁過去,對于賣家和買家其實都是一場大考。賣家焦急客服、配送和營收額,買家則在各大平臺的魔性紅包玩法中抓腦。線上玩得嗨?線下聯動更能營造全民狂歡的節日氛圍。

 冷靜下來,我們再來看看,隨著新零售模式的興起,線上-線下聯動的全域營銷已經成為企業們的新戰略。市場開始進入商業模式創新求變的活躍時期,而任何模式創新帶來的不僅是一個新的增長點,更是一個流量消耗的出口,試圖不斷分割傳統市場這塊蛋糕的邊角。

當“增量市場”轉變為“存量市場”(現在喜歡把“存量用戶”叫自己的“私域流量”),如果缺乏數字化的營銷手段、精準的目標客群和足夠明確的需求場景定位,在觸目驚心的紅海廝殺中被曾經忠誠的消費者拋棄在所難免,用戶沉默也只是時間問題。顯然,實體零售不缺存量私域,缺的只是守住流量腹地的能力。

為了穩住存量用戶,商家不得不開始對消費者(用戶)更加重視上心,想方設法來滿足他們越來越細分的個性化需求。從客戶購買價值理論出發,我們可以知道二十多的女孩買鞋買的是時尚和社交,但媽媽們買鞋則買的的是耐用和舒適。然而,對個性化需求的滿足是建立在對用戶的深入洞察之上,面對龐大的線下用戶群體和交易業務數據,如果不能形成更加高效、便捷的多渠道銷售網絡,以傳統實體零售的坪效,將無法覆蓋隨之攀升的線下運營成本。

 企業S早在兩千年初期就已經創立,并逐步成為國內知名的百貨運營商,同時也是最早一批意識到市場變革的科技創新型企業。企業S其實早在2008年就已經開始布局數字化零售,依托其現有實體店連鎖體系,讓賣場在進行實體營銷的同時發揮出“網絡庫房”(前置倉模式)優勢,結合品牌官網與APP的線上下交互,開創了中國百貨商店-網絡商場模式,實現了“零庫存”和“虛實一體化”。

企業S作為實體零售向互聯網轉型的百貨運營商,其實發展出了相當成熟的線下通路,同時擁有一批高價值高粘性的忠實用戶。但與此同時,數據管理經驗的匱乏,也在執行過程中為其帶來了巨大的業務挑戰,主要表現為以下兩點:

用戶轉化之痛:用戶消費習慣仍以線下為主,無法輕易引導向線上轉化,變為可長期運營的私域流量;

數據管理之痛:空有豐富的業務數據,卻找不到優化業務的有效切入點,以進一步挖掘用戶價值。

為了突破數字用戶管理瓶頸,企業S最終在2018年最選擇與易觀合作,希望通過易觀方舟打通用戶數據,洞察用戶行為數據,從而指導產品迭代,和產品渠道的精細化運營。針對企業S的經營現狀,易觀的數據服務團隊確定了以下3條改進線索:

1、如何處理陳舊而龐雜的歷史數據,實現線上線下與平臺間的數據互通,為數據一體化管理提供便利?

2、如何明確用戶的轉化路徑和各環節的流失情況,對不同的用戶群體進行體系化的分群管理,以制定針對性的運營策略?

3、如何對渠道投放帶來的流量和留存狀況進行評估,通過及時的數據反饋篩選出優質渠道,提升ROI?

易觀方舟是如何解決上面這些問題的呢?

  

1、清洗線下歷史數據  構建用戶分層基礎

 作為運營近20年的老牌百貨運營商,企業S通過優質的到店體驗吸納了大量的線下用戶,但由于沒有統一的信息采集渠道和梳理框架,基層上報形式不規范,業務體量卻不斷增大,在分類標準尚不明確的情況下,形成了嚴重的無效信息沉淀,相關字段高達上百,結構盤根錯節,讓缺乏數據分析經驗的從業人員感到無從下手,使寶貴的真實數據信息長期處于得不到開發的混沌狀態。

對于陳舊的歷史數據,需要刪繁就簡,歸并同類字段,去除無效字段,根據核心業務需求整理出一套較為明確有效的分類標準,讓客戶信息結構化、系統化,使其易于檢索、提取和二次利用。

 價值、創利能力和忠誠度是我們評估既有客戶的重要標準,因此我們首先引入了業界認可度較高的RFM模型以構建評價體系,從最近消費(Recency)、消費頻次(Frequency)和消費金額(Monetary)三個維度對客戶的消費表現進行評估,通過劃分區間把只能定量的數字轉換為可以定性的指標: 

利用RFM模型梳理用戶評價維度

通過設定各項指標的數值標準,用戶的粘性和價值維度會交疊形成以下9個象限,并根據用戶歷史數據自動生成不同的用戶分層。例如,對于消費頻率較低而消費金額較高的客戶,即高價值低粘性客戶,可以通過進一步分析其消費偏好進行差異化管理,通過社群、評級等手段反復促活增加粘性,培養消費習慣。而對于低價值高粘性的客戶,各類優惠券促銷活動能夠激發其消費潛力,提高客單價。初步的層級判定能夠對歷史數據進行分門別類,降低入手難度,以方便進一步使用易觀方舟進行精細化的用戶分群管理。

 利用大顆粒用戶分層對歷史數據做初步處理

 

2 、細化用戶分群管理  加速平臺優化迭代

 線下歷史消費數據,大致能夠勾勒出我們對用戶的基本認識,而通過企業S的購物官網和App來的用戶行為數據,就能夠推進我們展開更精細化的用戶運營。由于用戶的消費頻次與消費金額很大程度上與其偏好的品類特點呈現出相關性,而消費場景的變動和銷售策略的更改也會影響其在不同時段的活躍度,我們需要制定更多的細分規則,對用戶的消費偏好與關聯性做出診斷,并逐步完善用戶標簽,為營銷策略提供更加具體的指導。

 例如,我們發現曾2次以上購買過運動用品的用戶,在最近7天內觀看運動用品的相關頁面也達到5次以上,但是加入購物車的商品并未下單,我們就可以為其打上“運動達人”的細分標簽,并歸入需要進行消費激勵的人群,在相應的促銷活動中也為其定向推送運動品牌優惠券,鼓勵其完成下單操作。

 

根據消費偏好細化用戶分群

 對用戶的行為數據的追蹤,同樣可以進一步細化我們依據RFM模型得到的價值判斷。如下所示,若顧客在模型分析中被歸為低價值低粘性的待考核區域,而平臺數據又顯示其領取優惠券的操作次數遠遠多于瀏覽頁面的次數,則基本可判定為是“薅羊毛”用戶。

前段時間B站某UP發起的薅羊毛團,洗劫薅光某農民電商引發了一波輿論熱議。常規來說,這類“羊毛黨”用戶只會關注平臺為了促進注冊轉化而下放的讓利政策,并不會進入后續使用,運營人員可以停止再向此類用戶推送優惠券信息,防止低價值留存帶來的隱形虧損。相反,若我們發現用戶曾經支付的訂單金額較高,而近期搜索商品和下單頻次較低,則可評定為潛在高價值用戶,需要進一步完善其興趣標簽并進行定向促活。

 

利用易觀方舟的用戶行為追蹤功能進行分群管理和推送

另一方面,用戶的轉化漏斗分析,能夠幫助我們找到用戶流失的主要路徑,為產品迭代與平臺優化提供線索,從提升引流效果和投入產出比ROI。從下圖我們可以看到,用戶在獲得了良好的線下體驗后,被引導瀏覽頁面或者下載手機App,然后注冊賬號,在線上商店進行搜索,直到再次下單并支付,最終又回到線下進行復購,其實是一個完整的用戶生命旅程。

 然而任何一個節點的體驗若沒有達到預期,都會造成用戶的流失,無法形成線上下重復交互的良性閉環。因此我們需要通過漏斗分析發現用戶流失觸點,進而逆推出產品流程設計的隱藏缺陷,進行產品細節的持續優化,提高用戶的留存率。

利用易觀方舟的漏斗分析功能找到用戶流失路徑

智能路徑分析與事件分析同樣是我們進行平臺優化的重要線索。離開轉化流程后,用戶去了哪些頁面,在不同的功能區塊間用戶的行動路徑又是如何轉換的?通過智能路徑分析功能,可以找到大部分用戶的App使用習慣,利用流量拆分了解導航頁中對用戶造成分流的內容,進而優化界面組成,引導用戶沿著能迅速帶來下單的期望路徑行動。而事件分析的作用是幫助我們對比關鍵模塊和二級功能的使用狀況,調整不同功能的展示優先級,改善日常使用體驗,最終提升用戶粘性。

在下圖中我們可以看到,智能路徑與事件分析指導我們進行了界面邏輯的優化,將積分、換券、線上下交互和付款等模塊提升至首頁主菜單,使App從改版前作為會員積分沉淀的附庸,轉換為用戶進行商品選購的重要窗口,新用戶在90日內的留存率從15%提升至25%,而線上交易量在3月內也實現15%的增長,APP的平均使用時長也得到了顯著的提升。

易觀方舟的智能路徑和事件分析幫助上品進行APP平臺優化

 

3、構建渠道分析模型  改進媒介投放策略

數據反饋不僅能為用戶管理和產品迭代提供改進決策依據,也能為渠道投放的選擇提供指導。傳統的廣告投放由于缺乏數據反饋手段,往往根據運營人員個人經驗,通過各種渠道進行推廣,以最終的業務結果進行評估,無法量化轉化效果,甄別假流量來源,即使造成了量資金浪費,也無可靠憑據改進投放策略。

 利用易觀方舟的自定義模型搭建功能,我們根據企業S的具體投放情況建立了針對性的數據分析模型,通過一系列的自定義變量、指標與多功能組合,幫助企業進行渠道轉化分析。得益于給外發營銷和導流鏈接添加的UTM參數,用戶從每個渠道的注冊,都可通過標識進行追蹤。與此同時,我們設定了包括新增、活躍、付費等在內的統計指標,每天在平臺上自動生成報表監測流量轉化情況。最后通過“末位淘汰制”,質量較低的渠道被加入黑名單,逐步減少至不再合作,從而保證了投放的ROI。

 

利用易觀方舟的渠道分析功能自定義設定指標變量

嚴密的四象限渠道優化原則幫助進行渠道篩選

 由于短信是企業S觸達用戶的重要形式,我們直接通過API對接了其慣用的短信平臺,讓業務人員建立分群體系后,直接在產品內生成短信推送,通過即時的數據反饋分析每波推送的轉化成效,再次生成用戶分群,并且自動化進行二次推送。在歷史業務中梳理出的大顆粒用戶分群,在自動推送、成效反饋、策略優化的運營閉環中不斷迭代,實現了更加精細化的媒介運營。

 

短信平臺優化閉環,自動化提升投放ROI

 一方面,通過清洗線下歷史數據得到初步的用戶層級分類,利用線上數字手段增補用戶行為信息,逐步構造各垂直門類下的用戶分群,給分段營銷計劃提供更加具體的線索;對新舊平臺的智能路徑分析、事件分析和轉化漏斗分析,從而了解到用戶的使用習慣和各功能模塊的使用權重,借以優化界面構成邏輯,縮短核心使用路徑,增加了用戶粘性和下單率。線上線下數據的交互性明顯提升,得益于信息來源的下探和構成的系統化,運營策略變得更加明確而有針對性,平臺從單純的線下延伸轉變為重要的流量觸點

 另一方面,數據反饋也給用戶觸達和渠道投放提供了可靠的依據。運營人員不再單純依靠行業經驗和第三方信息進行渠道選擇,而是在每一波投放后即時獲取各渠道的轉化效果,辨別低質渠道和虛假流量,及時止損、有的放矢,根據具體的用戶分群和投放階段特征,自動優化渠道配比,實現以數據驅動為主導的動態運營。

 企業S利用易觀方舟智能數據分析平臺,通過一系列的業務重構突破了數字化轉型的瓶頸,從以線下為絕對主導的單向導流,過渡到以線下存量為用戶基礎、以線上轉化為重要陣地的創新型新零售平臺,用戶的破冰率、留存率和復購率均得到顯著提升,且初步培養了其App的用戶使用習慣,建立起更加良性的數據生態。

小結:傳統實體零售行業在數字化升級上的優勢和阻礙均十分明顯,往往坐擁龐大的線下用戶基礎,卻因為缺乏有效可實施的數字手段,而難以實現精細化的用戶分群、平臺迭代和渠道優化,因此需要在專業的數據服務團隊指導下,利用易觀方舟這樣的數據智能平臺,實現線上線下交互的一體化運營。

登錄易觀方舟官網,可查看針對品牌零售的行業性解決方案;當然,你也可以通過易觀方舟Argo,免費體驗案例分享中提到的數據分析功能。

网赌大数据