http://www.pptjcw.com

品牌营销:用户分层、沟通策略、统计评估那些事

    编辑导语:如今市面上的品牌种类越来越多,各种新品牌不断的推出,也推动了新品牌用不一样的方式进行营销和定位。品牌营销对每一个企业的发展都起到至关重要的作用,好的品牌营销可以更好的促进品牌的销量,让品牌在市场中立于不败之地,给企业带来更多的经济效益。

    品牌营销:用户分层、沟通策略、统计评估那些事

    我认为数字化是天时地利人和。

    “天时”主要指组织架构:因为数据天然在业务这边有屏障,各个业务团队在运营过程中积累了很多数据,但业务团队拿到数据需要组织的驱动。我们当时的营销部隶属电商团队,我的领导是电商总监,所以在数字的控制权上有天然优势。

    “地利”主要指流程:在前 5 年的时间内,运营和数据这两个闭环天然隔开,一般运营有自己的专属闭环,如从商品、销售、预测、上架及最终的渠道分销等构成一个完整业务闭环。在数据这一端只能看到业务的最终呈现结果,从结果角度驱动业务,必然存在不相接的状态。

    因此,在后两年,公司在流程上做了一个调整,之前团队一般是业务团队出策略,数据越来越多后,我们希望数据团队来出策略。如在审批预算上,是否花钱由数据团队来决定。

    “人和”对数据团队有较高的要求:其要求在于,第一,懂数据,对数据有敏感度;第二,虽然不在业务圈内,但要知道业务体系是怎么跑和运转的。因此,这方面对人的要求极高。

    在最初做品牌营销时,我们团队做了三件事:

    数据收集整理,与各个团队一样,做好数据基础;

    数据的洞察分析,即收集的数据如何做洞察、如何赋能业务及支持业务的决策;

    数据营销应用,品牌营销三步法聚焦在第三件事情上,在基于数据、用户行为分析的基础上,如何做品牌营销,所有东西都是基于内部方法,就比较容易上手。

    当时面临的主要挑战也有 3 个:

    数据分散在不同的数据库,不利于统一管理、分析和再利用;

    2 个服务商的系统都属于 SaaS 版本,即标准化的产品,有新功能需求很难满足;

    线上数据报表繁多,各个部门做报表的时间花费较多,人工成分很多,效率低,易出错。

    我们的消费者电商触点分布涵盖市面上丰富的电商平台,如淘宝、拼多多、有赞等,相应的数据获取工具有京东九数、品牌数据银行、ERP 等,数据存储也会放在阿里服务器、京东服务器、聚石塔等,整体来说数据相对分散。

    同时,从品牌角度看数据,在做数据利用和效率分析时非常低效,业务部门会给我们提很多需求,这些需求几乎都是要人工做,但是业务对时效性要求很高。

    效率低就会直接引发一个思考,如何提升团队数据分析的效率?

    当时,公司有超 4000 万名消费者的订单与行为数据,但这些数据如果不产生价值就是成本。老板每天 challenge 我们的也是围绕这几个问题:数据怎么为业务赋能?怎么产生价值?如果数据就是存在在那里,每年都要付出存储、硬件等费用成本。

    所以,我们当时面临了四个问题:

    数据效率:

    各品牌数据量级庞大,现有系统运算速度低下,数据准确度受影响;

    各部门数据需求和处理频繁,易出错,需要提高数据处理与报表制作效率。基本上是手工出报表,整个业务加上数据团队,报告约在三四千个。

    数据分散:

    各销售平台、各系统、各业务线数据孤岛化,分散在不同系统,,难以管理,整合分析与应用;

    各平台格式不统一,全域品牌和用户分析受阻。同时,从品牌视角看,数据十分割裂。比如,当看用户画像时,有天猫用户画像、微信用户画像,导致在市场部做广告投放时,对以品牌为全视角的画像可参考性比较小,另外对消费者整个生命里程的周期偏差比较大。

    数据价值:

    用户与数据量级大,但数据价值挖掘不深,许多数据为沉睡数据资产,利用率不高。

    数据应用:

    现有工具未能满足新的用户归类与营销需求;

    用户营销渠道多样,需对用户营销手段整合规划以优化投入与效率。让数据能真正赋能业务,驱动业务增长。

    针对以上问题与挑战,下面主要分享数据应用实践这部分,我将其抽象为三步:

    第一步,做用户分层,品牌零售一定要进行用户分层,再看分层的差异性,及用户心智差别;

    第二步,制定沟通策略,即针对不同用户,在不同时机推不同商品;

    第三步,科学的统计评估方法,即用事实说话。

    具体来看:

    一、用户分层

    对于品牌快销,最重要的是回购周期,它决定了用户心智。

    1. 回购周期 RC(Repurchase Cycle):

    回购周期是指一个正常(平均)用户从第一次购买开始到再次购买之前的时间周期。

    回购周期有 2 种计算方式:

    1)正常用户计算法

    正常(平均)一次购买量

    正常(平均)每天使用量

    RC = 正常(平均)一次购买量/正常(平均)每天使用量

    2)现有数据归纳法

    根据品牌消费者购买信息,将所有回购用户的平均回购间隔天数制成分布柱状图

    累计 90% 用户的平均回购间隔天数即为 3RC

    RC = 累计 90% 用户的平均回购间隔天数/3

    下面举个小例子:

    提示:如果您觉得本文不错,请点击分享给您的好友!谢谢

    上一篇:十年之前和十年后,看社区营销的过去和现在 下一篇:B2B 企业如何制定营销计划,步步为“营/赢”?

    郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。