會員資料化運營主要用來解決以下方面問題：
1、會員生命週期狀態
2、會員核心訴求
3、會員價值如何
4、會員轉換習慣與路勁
5、如何擴大市場覆蓋、獲取更多會員
6、如何維繫老會員
7、應該在什麼時間、採取什麼措施、針對那些會員做那些活動
8、在特定運營目標下，應該如何指定會員管理措施
會員資料化運營關鍵指標主要包括：會員整體指標、營銷指標、活躍度指標、價值度指標、終身價值指標和異動指標
會員整體指標
1、註冊會員數
2、啟用會員數–會員啟用率
3、購買會員數–註冊-購買轉化率；啟用-購買轉化率
會員營銷指標
1、可營銷會員數
2、營銷費用
營銷媒介費用
優惠券費用
積分兌換費用
3、營銷收入
4、用券會員/金額/訂單比例
5、營銷費率
6、每註冊/訂單/會員收入
7、每註冊/訂單/會員成本
會員活躍度指標
1、整體會員活躍度
2、每日/每週/每月會員活躍使用者數
會員價值度指標
1、會員價值分群
2、複購率
3、消費頻次
4、最近一次購買時間
5、最近一次購買金額
會員終身價值指標
1、會員生命週期價值/訂單量/平均訂單量
2、會員生命週期轉化率
3、會員生命週期剩餘價值
會員異動指標
1、會員流失率：流失率的數值和會員流失率的走向
2、會員異動比：新增購買會員 / 流失會員
主要應用與會員營銷與會員關懷
會員營銷
以資訊化的方式建立基於會員的客戶關係管理系統，促進所有會員資料的資訊化
通過特定方法將普通會員拓展為企業會員，並提高新會員留存率
基於使用者歷史消費記錄，挖掘出使用者潛在消費需求及消費熱點
基於歷史資料，為會員營銷活動提供策略指導和建議，促進精準營銷活動的開展
從會員營銷結果中尋求異常訂單或轉化，作為識別黃牛或者vip使用者的參考
挖掘會員傳播關係，找到口碑傳播效應的關鍵點
會員關懷
為預警事件設定閾值，自動觸發應急處理機制
分析會員行為，為會員提供個性化、精準化和差異化服務
通過會員喜好分析，提高使用者忠誠度、活躍度和粘性
通過會員分析，預防會員流失，並找到挽回已流失會員的方法
基於會員群體行為，更好的劃分會員群體屬性並挖掘群體性特徵
基於群體使用者和內容相似度，發現有價值的會員互動方式
基於會員生命週期的關懷管理，促進使用者終身價值最大化
主要有會員細分模型、會員價值度模型、會員活躍度模型、會員流失**模型、會員特徵分析模型和營銷響應**模型
會員細分模型
1、基於屬性的方法：常用屬性包括：會員地域、產品類別、會員類別、會員性別、會員消費等級、會員等級等
2、abc分類法：由二八法則衍生
a類因素：發生累計0%-80%，是主要因素
b類因素：發生累計80%-90%，是次要因素
c類因素：發生累計90%-100%，是一般因素
3、聚類法
會員活躍度模型
得到使用者的rfe得分後，與rfm模型類似，有兩種應用思路：
１、基於３個維度值做使用者群體劃分和解讀，對使用者活躍度做分析
２、基於rfe的彙總得分評估所有會員的活躍度價值，並可以做活躍度排名
會員價值度模型
1、rfm模型
最近一次購買時間r
購買頻率f
購買金額m
基本過程:
1)設定要計算時的截至時間節點,用來做基於該時間的資料選取與計算
2)在會員資料庫中,以今天為時間界限向前推固定週期,得到包含每個會員的會員id,訂單時間,訂單金額的原始資料集,乙個會員可能產生多條訂單記錄
3)資料與計算
4)r,f,m分割槽
5)將三個組合或者相加得到總的rfm得分
得到使用者的rfm得分後,有兩種應用思路：
１、基於３個維度值做使用者群體劃分和解讀，對使用者活躍度做分析
２、基於rfe的彙總得分評估所有會員的活躍度價值，並可以做活躍度排名
會員流失**模型
會員流失定義:
已經退訂公司的**活動
打**要求將自己的資訊加入黑名單
連續6個多月沒有登陸過**
針對會員關懷活動後沒有任何有效的反饋與互動
近一年沒有任何訂單
模型演算法:分類模型,如邏輯回歸,支援向量機,隨機森林等
會員特徵分析模型
主要兩種業務場景:
１、在沒有任何前景經驗或特定目標下觸發,希望通過整體特徵分布了解會員全貌
聚類統計分析
2、有明確的業務方向,希望能找到達到事件目標的會員特徵,用於做進一步的會員運營
分類關聯
異常檢測
營銷響應**模型
分類演算法:邏輯回歸,支援向量機,隨機森林等
通過營銷響應**模型得到的結果一般包含以下兩個方向:
１、基於模型找到最可能產生購買轉化行為的會員規則特徵
2、基於模型**可能產生的訂單轉化數量,轉化率,以及轉化客戶的訂單價,大體計算此次營銷收入
會員資料化運營分析小技巧
１、使用存留分析做新使用者質量分析
日存留周存留
月存留存留分析注意事項:
1)區別應用不同存留週期
2)在存留中注意觀察和分析衰減比率
3)注意分析運營活動對存留的影響
會員資料化運營的一些內在含義
１、企業不差錢,為什麼還要做精準營銷?
主要有以下幾個方面:
更好的使用者體驗
更高的營銷回報
更低的成本支出
2、使用者滿意度取決於期望和給予的匹配程度
有以下應用場景:
1)在商品描述中同時出現原價,**價,折扣價等多個**,通過多個**對比有效突出最終成交的折扣價
2)通過歷史**趨勢對比,讓使用者感覺現有**已經比歷史**低,加強現有**更低的心理預期
3)通過與其他標桿企業對比,突出自身**優勢
4)在銷售**基礎上,通過滿減,滿返等方式,讓使用者下單時看到更低的成交**,促進商品購物車轉化
通過以上方法,讓使用者感覺更便宜,從而促進商品銷售轉化
3、使用者不購買並不等同與使用者已經流失,因為使用者還可能存在其他活躍行為
4、來自調查問卷的使用者資訊未必可信
5、不要盲信二八法則
參考:< 第10章 響應 分類 模型的應用和技術小竅門 正如上篇文章所說的本書的重點是商業 模型，本章節中關於演算法的一些描述我覺得有些不妥，例如介紹決策樹 dt 的優缺點的時候，文中指出 如果目標變數是連續型變數，那麼決策樹就不適用了，最好改成線性回歸 其實dt演算法也是可以解決回歸問題的，例如網際網路廣告... 前段時間，boss推薦 資料探勘與資料化運營實戰 思路 方法 技巧與應用 買來看了一下，覺得裡面有很多乾貨，儘管有關怎麼建模，如何建模等深入到演算法層面的東西講的比較少，但是該書站在商業化，業務 技術的角度闡釋了該如何做資料探勘，以下我是用思維導圖的方式記錄了的筆記 直接從雲筆記裡面copy過來 第... 1.資料化運營的概述 資料化運營是指通過資料化的工具 技術和方法，對運營過程中的各個環節進行科學的分析 引導和應用，從而達到優化運營效果和效率 降低運營成本 提高效益的目的。包括會員運營 商品運營 流量運營和內容運營四方面的內容。2.資料化運營的意義 資料化運營的核心是運營，資料化運營的價值體現在對...資料化運營 2
資料化運營 1
資料化運營概述