??分析背景

隨著互聯(lián)網(wǎng)發(fā)展日益成熟，競(jìng)爭(zhēng)愈發(fā)明顯，流量紅利逐漸收縮，商家運(yùn)營(yíng)陣地逐步轉(zhuǎn)向消費(fèi)者精細(xì)化運(yùn)營(yíng)。消費(fèi)者精細(xì)化運(yùn)營(yíng)的基礎(chǔ)是需要對(duì)消費(fèi)者進(jìn)行解析，對(duì)其進(jìn)行分層，形成消費(fèi)者資產(chǎn)。對(duì)分層下的資產(chǎn)規(guī)模進(jìn)行評(píng)估，確定分層運(yùn)營(yíng)目標(biāo)；對(duì)分層資產(chǎn)狀態(tài)流轉(zhuǎn)的評(píng)價(jià)，分析資產(chǎn)增值的能力；通過營(yíng)銷策略，促進(jìn)資產(chǎn)增值流轉(zhuǎn)的效率，而通過評(píng)價(jià)營(yíng)銷渠道對(duì)資產(chǎn)增值的貢獻(xiàn)，可以幫助廣告主優(yōu)化營(yíng)銷策略。因此如何建立合適的消費(fèi)者分層，評(píng)估消費(fèi)者資產(chǎn)的變化，衡量廣告對(duì)資產(chǎn)正向變化的貢獻(xiàn)，便是消費(fèi)者資產(chǎn)分析需要解決的問題。

??基本概念

消費(fèi)者資產(chǎn)

消費(fèi)者資產(chǎn)也稱為顧客資產(chǎn)（customer equity) ?，是所有消費(fèi)者終身價(jià)值的綜合。通過消費(fèi)者關(guān)系管理，積累消費(fèi)者資產(chǎn)，產(chǎn)生更多高價(jià)值的忠誠(chéng)客戶，為品牌創(chuàng)造更多價(jià)值。根據(jù)消費(fèi)者與品牌關(guān)系的強(qiáng)度由淺至深，可以分為認(rèn)知-興趣-購(gòu)買-忠誠(chéng)，也就是AIPL模型，也有其他的原理類似的劃分方式， 比如WPP集團(tuán)的BrandDynamics品牌動(dòng)力金字塔。淺層消費(fèi)者還未產(chǎn)生花費(fèi)，僅僅認(rèn)知品牌，或者僅有過幾次互動(dòng)，營(yíng)銷人員會(huì)通過營(yíng)銷活動(dòng)促使他們往更深關(guān)系上流轉(zhuǎn)，創(chuàng)造價(jià)值。

用戶分層

用戶分層是根據(jù)用戶的特征和行為對(duì)用戶進(jìn)行區(qū)隔劃分，生成不同的用戶群體，進(jìn)而制定不同的產(chǎn)品和運(yùn)營(yíng)策略，優(yōu)化資源分配，提升效益。用戶分層是消費(fèi)者資產(chǎn)管理和精細(xì)化運(yùn)營(yíng)的基礎(chǔ) 。

??常見消費(fèi)者資產(chǎn)模型

根據(jù)業(yè)務(wù)類型和目標(biāo)不同，運(yùn)營(yíng)人員建立用戶分層方案，形成不同的消費(fèi)者資產(chǎn)模型。比如對(duì)所有與店鋪有互動(dòng)關(guān)系的用戶依其行為對(duì)店鋪貢獻(xiàn)的強(qiáng)弱進(jìn)行分層，劃分為潛新老用戶，制定拉新促活策略；對(duì)店鋪已經(jīng)購(gòu)買的會(huì)員進(jìn)行價(jià)值分層，制定忠誠(chéng)度計(jì)劃。而對(duì)品牌方而言，品牌根據(jù)消費(fèi)鏈路由淺至深的行為劃分不同狀態(tài)的消費(fèi)者形成消費(fèi)者資產(chǎn) ，比如AIPL模型， DEEPLINK模型。品牌需要了解各層資產(chǎn)規(guī)模及流轉(zhuǎn)路徑，制定深度運(yùn)營(yíng)策略，提升客戶體驗(yàn)。

以AIPL為例， 從“認(rèn)知-興趣-購(gòu)買-忠誠(chéng)”的狀態(tài)劃分，依據(jù)的是指定周期內(nèi)消費(fèi)者與品牌的互動(dòng)行為：

• A（Awareness），品牌認(rèn)知人群。包括被品牌廣告觸達(dá)和品類詞搜索的人

• I（Interest），品牌興趣人群。包括廣告點(diǎn)擊、瀏覽品牌/店鋪主頁(yè)、參與品牌互動(dòng)、瀏覽產(chǎn)品詳情頁(yè)、品牌詞搜索、領(lǐng)取試用、訂閱/關(guān)注/入會(huì)、加購(gòu)收藏的人

• P（Purchase），品牌購(gòu)買人群，指購(gòu)買過品牌商品的人

• L（Loyalty），品牌忠誠(chéng)人群，包括復(fù)購(gòu)、評(píng)論、分享的人

??解決方案

我們針對(duì)消費(fèi)者資產(chǎn)的建立和應(yīng)用設(shè)計(jì)了從用戶自定義分層到資產(chǎn)狀態(tài)變化分析、營(yíng)銷活動(dòng)對(duì)資產(chǎn)變化貢獻(xiàn)評(píng)估的消費(fèi)者資產(chǎn)分析解決方案，包括多種用戶分層模型、用戶狀態(tài)流轉(zhuǎn)模型、用戶流轉(zhuǎn)歸因模型。

用戶分層模型

方案1：行為分層模型

行為分層是依據(jù)用戶在產(chǎn)品使用中的行為對(duì)用戶進(jìn)行劃分，并根據(jù)行為對(duì)產(chǎn)品貢獻(xiàn)的強(qiáng)弱關(guān)系進(jìn)行最終歸類，一個(gè)用戶在一個(gè)分層模型中只會(huì)屬于一個(gè)分層。

分層方法

用戶分層通常分為以下幾個(gè)步驟：

1. 明確業(yè)務(wù)目標(biāo) ：

業(yè)務(wù)目標(biāo)就是本次想解決什么問題，對(duì)分層人群做什么，達(dá)到怎樣的目標(biāo)。這樣才能選擇合適的分層模型去制定對(duì)應(yīng)的運(yùn)營(yíng)方案。

2. 確定分層范圍：

分層對(duì)象的范圍，是圈定參與分層的人群所屬的范圍，是某店鋪還是某品牌相關(guān)的人群。定義分層發(fā)生的截面時(shí)間，即計(jì)算的是用戶哪天的分層狀態(tài)。

3. 定義分層行為

• 基準(zhǔn)行為：基準(zhǔn)行為是用戶在分層對(duì)象范圍內(nèi)發(fā)生的有價(jià)值的行為，是分層劃分的基本元素，如：瀏覽、收藏、成交等。

• 行為周期：對(duì)用戶基準(zhǔn)行為設(shè)置生命周期，它定義了用戶在分層范圍內(nèi)指定行為的統(tǒng)計(jì)時(shí)長(zhǎng)，超過時(shí)長(zhǎng)的用戶行為不會(huì)用于分層。不同的行為會(huì)定義不同的行為周期。比如店鋪內(nèi)的瀏覽定義為15天內(nèi)，成交定義為365天則365天前的成交行為不會(huì)進(jìn)入統(tǒng)計(jì)。

• 行為深度：行為深度表示在設(shè)定的行為生命周期內(nèi)用戶基準(zhǔn)行為發(fā)生的數(shù)量，通常通過用行為發(fā)生的頻次進(jìn)行區(qū)分，如15天內(nèi), "店內(nèi)瀏覽=1次"為淺度進(jìn)店，"店內(nèi)瀏覽>=2次"為深度進(jìn)店。

4. 用戶分層與歸類

基于各行為的與終極目標(biāo)行為（比如成交）的轉(zhuǎn)化強(qiáng)弱分析, 將各行為由淺至深排列，越淺層的行為表示僅做該行為的用戶與分層對(duì)象關(guān)系越弱。比如消費(fèi)者與店鋪行為關(guān)系由淺至深為：曝光->點(diǎn)擊->瀏覽->加購(gòu)->成交。

將不同分層行為定義對(duì)應(yīng)到不同的資產(chǎn)分層 ，比如把曝光放在潛客層， 成交放在老客層。

在初始行為定義中，一個(gè)用戶可能發(fā)生多種行為，會(huì)屬于不同的分層。最終我們會(huì)將用戶進(jìn)行層級(jí)歸類，將資產(chǎn)分層關(guān)系進(jìn)行由淺至深依次排列，同一用戶會(huì)被優(yōu)先匹配在順序靠后的關(guān)系更深的分層中，比如一個(gè)用戶既有新客行為又有老客行為，由于老客層級(jí)關(guān)系更深， 他最終會(huì)被歸為老客。

分層模型舉例

以下是以分層范圍為某店鋪，分層方式為潛新老模型的分層方案，運(yùn)營(yíng)人員填寫分層定義行為后即可生成某天的潛新老分層模型。或者對(duì)模型進(jìn)行調(diào)整，生成其他分層方案。

方案2：價(jià)值分層模型

價(jià)值分層是指通過關(guān)鍵用戶行為用戶進(jìn)行價(jià)值評(píng)分后，用價(jià)值評(píng)分對(duì)用戶進(jìn)行分層， 我們提供RFM分層，客戶參與價(jià)值分層。

RFM模型

品牌運(yùn)營(yíng)多年，市場(chǎng)滲透逐漸飽和，獲取新會(huì)員和流失會(huì)員挽回的成本越來越高。新會(huì)員和忠誠(chéng)會(huì)員對(duì)品牌有不同的價(jià)值貢獻(xiàn)，往往忠誠(chéng)會(huì)員有更高的客單價(jià)，更頻繁的購(gòu)買頻次，是貢獻(xiàn)品牌銷量的主力。因此，需要根據(jù)消費(fèi)行為的不同，將用戶進(jìn)行分層，針對(duì)不同層級(jí)的會(huì)員指定不同的運(yùn)營(yíng)策略，優(yōu)化資源分配。通過分層找到高價(jià)值用戶，對(duì)品牌目標(biāo)客群的了解和潛力用戶的發(fā)掘至關(guān)重要。RFM模型是會(huì)員價(jià)值分層的重要模型。

分層方法

RFM由三部分指標(biāo)衡量：

• R值：Recency(最近購(gòu)買時(shí)間），最近一次消費(fèi)距今時(shí)間，R越小往往意味著會(huì)員活躍度越高，R值大于購(gòu)買周期，用戶流失可能性增大。

• F值：Frequency(購(gòu)買頻次), ?用戶在統(tǒng)計(jì)周期內(nèi)購(gòu)買的次數(shù)。不同的品類統(tǒng)計(jì)周期受購(gòu)買周期影響，快消品通常為1年，耐用品可以放寬到3、5年。

• M值：Monetary(購(gòu)買金額），用戶在統(tǒng)計(jì)周期內(nèi)的購(gòu)買總金額。在價(jià)格帶單一的店鋪中，M和F往往有很強(qiáng)的正相關(guān)關(guān)系，因此可以用次均購(gòu)買金額來替代，以獲取更多的信息。

步驟

對(duì)現(xiàn)有會(huì)員進(jìn)行RFM分段打分，可以按照均值、等寬、等頻、自定義等分段閥值劃分方式，對(duì)R 、F、M三個(gè)指標(biāo)進(jìn)行分段，并標(biāo)記分段得分R_Score, F_score ,M_score。

根據(jù)三種得分對(duì)用戶進(jìn)行分層，分層有兩種方式：基于閥值劃分、基于總得分。

• 根據(jù)得分或?qū)嶋H數(shù)值的閥值分層，每位用戶都將份到一個(gè)分層中。下圖設(shè)定了RFM切分的閥值為實(shí)際數(shù)值均值， 用戶將分成2×2×2=8組。

• 用三種得分的重要性作為權(quán)重進(jìn)行加權(quán)獲得綜合評(píng)分。

  RFM_score = R_score * R權(quán)重 + F_score * F權(quán)重 + M_score * M權(quán)重?比如: R、F、M分箱個(gè)數(shù)分別為5、5、5，權(quán)重均為10，則R、F、M各自的分?jǐn)?shù)范圍：10分-50分，綜合評(píng)分范圍在：30分-150分。分箱與分箱權(quán)重依業(yè)務(wù)需要進(jìn)行調(diào)整，若在意活躍情況，則可為R_score賦予更多權(quán)重，將三個(gè)得分加權(quán)后相加得到RFM總分，根據(jù)總分排序按期望比例將用戶分層。

應(yīng)用案例

護(hù)膚品公司現(xiàn)有會(huì)員一年內(nèi)的行為進(jìn)行RFM分層，通過RFM總得分排序的方式，以類似“二八原則”的判斷方式，將用戶劃分高價(jià)值用戶（占20%），中價(jià)值用戶（占30%），低價(jià)值用戶（占50%）。

從總價(jià)值來看，高價(jià)值用戶雖然人數(shù)僅占20%，但貢獻(xiàn)了67%的總購(gòu)買金額。而低價(jià)值用戶雖然人數(shù)占了50%，但總價(jià)值僅占7.78%。

高價(jià)值用戶人均價(jià)值280元、人均頻次6.4次遠(yuǎn)高于其他用戶，是忠誠(chéng)度最高的群體。從平均最近購(gòu)買時(shí)間來看，高價(jià)值用戶為110天，也比其他兩類用戶更加活躍。

客戶參與價(jià)值模型

客戶參與價(jià)值分層模型（CEV, customer engagement value）分層，是指基于消費(fèi)者的終身成交價(jià)值（customer lifetime value，CLV）、推薦價(jià)值（customer referal value，CRV）、社交影響價(jià)值（customer influencer value，CIV）、知識(shí)反饋價(jià)值（customer knowledge value，CKV）進(jìn)行綜合評(píng)分，對(duì)評(píng)分生成分層的模型。客戶參與價(jià)值分層模型常用于對(duì)店鋪中人群高中低價(jià)值的區(qū)分,也稱為超級(jí)用戶模型，應(yīng)用于：

• 識(shí)別發(fā)掘優(yōu)質(zhì)客戶

• 為營(yíng)銷服務(wù)提供分析與決策

• 客戶價(jià)值的衡量和提升創(chuàng)利、投產(chǎn)能力

分層方法

應(yīng)用案例

某客戶基于客戶參與價(jià)值分層方式將用戶分為超級(jí)用戶(即高價(jià)值消費(fèi)者)、中價(jià)值消費(fèi)者、低價(jià)值消費(fèi)者三層；對(duì)CEV分?jǐn)?shù)從大到小排序后進(jìn)行切分分層：按行業(yè)經(jīng)驗(yàn), 對(duì)該客戶的消費(fèi)者數(shù)量按 15:30:55的切分方式進(jìn)行切分，即該客戶下的消費(fèi)者15%屬超級(jí)用戶，30%屬中價(jià)值消費(fèi)者，55%屬低價(jià)值消費(fèi)者。

方案3：用戶流轉(zhuǎn)模型

用戶流轉(zhuǎn)是指，在指定用戶分層模型下,對(duì)兩個(gè)時(shí)間節(jié)點(diǎn)之間用戶分層狀態(tài)變化情況的分析，也叫鏈路流轉(zhuǎn)模型。比如在AIPL模型中，7月1日狀態(tài)是A認(rèn)知的用戶，在7月7日變成了P行為狀態(tài)。通過用戶流轉(zhuǎn)模型，我們可以定位不同階段消費(fèi)者的流轉(zhuǎn)規(guī)模和效率，解析高效流轉(zhuǎn)的路徑，定位促成流轉(zhuǎn)的機(jī)會(huì)點(diǎn)，進(jìn)行精細(xì)化營(yíng)銷，促成人群在品牌鏈路上的正向流轉(zhuǎn)，加快品牌資產(chǎn)的積累。 用戶流轉(zhuǎn)模型中的主要指標(biāo)有：

• 初態(tài)人數(shù)/終態(tài)人數(shù)：起始和截止兩個(gè)截面上各分層下的人群數(shù)量

• 流轉(zhuǎn)率：終態(tài)相對(duì)于初態(tài)，某一層用戶流轉(zhuǎn)到另一層的比例，比如I興趣->P行動(dòng)流轉(zhuǎn)率，即初態(tài)是興趣終態(tài)是行動(dòng)的用戶數(shù)/初態(tài)是興趣的用戶數(shù)。

• 整體加深率：終態(tài)相對(duì)于初態(tài)，分層關(guān)系加深的人數(shù)/初始狀態(tài)品牌分層模型中的總?cè)藬?shù)

• 分層加深率：初始狀態(tài)I興趣層的加深率為例，興趣層加深率= （ 初態(tài)是興趣層的人中，終態(tài)是P或L的人數(shù)之和 ）/ 初態(tài)是興趣層人數(shù)

應(yīng)用案例

某品牌的對(duì)比7月1日和7月7日的AIPL狀態(tài)流轉(zhuǎn) ，該時(shí)段內(nèi)整體加深率為24.47%。每個(gè)分層下的流轉(zhuǎn)規(guī)模和數(shù)量如下表所示。

方案4：用戶流轉(zhuǎn)歸因模型

用戶流轉(zhuǎn)歸因模型，是指在指定客戶關(guān)系下，以狀態(tài)流轉(zhuǎn)為轉(zhuǎn)化行為，衡量營(yíng)銷觸點(diǎn)對(duì)轉(zhuǎn)化的貢獻(xiàn)。比如在DEEPLINK模型中，品牌渠道對(duì)D到E人群轉(zhuǎn)化的觸達(dá)和轉(zhuǎn)化貢獻(xiàn)是多少。通過對(duì)比不同流轉(zhuǎn)路徑上各個(gè)渠道的貢獻(xiàn)和效率， 發(fā)現(xiàn)適合促進(jìn)對(duì)應(yīng)分層流轉(zhuǎn)的高效渠道和渠道組合，優(yōu)化策略，提升流轉(zhuǎn)效率。用戶流轉(zhuǎn)歸因模型中使用到的關(guān)鍵指標(biāo)為：

• 流轉(zhuǎn)轉(zhuǎn)化人數(shù)：歸因于對(duì)應(yīng)營(yíng)銷觸點(diǎn)的消費(fèi)者的狀態(tài)轉(zhuǎn)化的人數(shù)

• 觸達(dá)量(人數(shù))：營(yíng)銷觸點(diǎn)對(duì)初始態(tài)人群的觸達(dá)次數(shù)(人數(shù))

• 流轉(zhuǎn)轉(zhuǎn)化率：流轉(zhuǎn)轉(zhuǎn)化人數(shù)/觸達(dá)人數(shù)

模型步驟

1.定義流轉(zhuǎn)歸因模型

流轉(zhuǎn)歸因模型主要包括兩部分輸入：流轉(zhuǎn)轉(zhuǎn)化與營(yíng)銷觸點(diǎn)。

• 分層流轉(zhuǎn)行為數(shù)據(jù)，即一段周期內(nèi)消費(fèi)者的從A狀態(tài)到B狀態(tài)的流轉(zhuǎn)明細(xì)數(shù)據(jù)；

• 營(yíng)銷觸點(diǎn)數(shù)據(jù)，觸點(diǎn)可以是曝光或點(diǎn)擊。

2. 歸因

將消費(fèi)者分層流轉(zhuǎn)行為用最后互動(dòng)方式歸因給營(yíng)銷觸點(diǎn)。

3. 模型輸出

輸出各流轉(zhuǎn)行為下，分渠道的觸達(dá)量、觸達(dá)人數(shù)、流轉(zhuǎn)人數(shù)、流轉(zhuǎn)率數(shù)據(jù)，用于對(duì)比評(píng)價(jià)。

應(yīng)用案例

在DEEPLINK模型下，評(píng)價(jià)某營(yíng)銷活動(dòng)前后，不同渠道對(duì)初始狀態(tài)為D發(fā)現(xiàn)層的用戶流轉(zhuǎn)到其他狀態(tài)的貢獻(xiàn)和效率。

關(guān)于我們

我們是阿里媽媽SDS(Strategic Data Solutions)團(tuán)隊(duì)，致力于用數(shù)據(jù)讓商家和平臺(tái)的增長(zhǎng)戰(zhàn)略更加科學(xué)有效。我們?yōu)榘⒗飲寢屓€廣告客戶提供營(yíng)銷洞察、營(yíng)銷策略、價(jià)值量化及效果歸因的技術(shù)服務(wù)。歡迎感興趣的同學(xué)加入我們~??投遞簡(jiǎn)歷郵箱：alimama_tech@service.alibaba.com

END

【阿里媽媽營(yíng)銷科學(xué)系列】持續(xù)更新，歡迎關(guān)注！

【阿里媽媽營(yíng)銷科學(xué)系列】開篇：C.M.O——“人群.渠道.機(jī)會(huì)”營(yíng)銷分析導(dǎo)論

瘋狂暗示↓↓↓↓↓↓↓

總結(jié)

以上是生活随笔為你收集整理的【阿里妈妈营销科学系列】第一篇：消费者资产分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。