-
Tingkat ketiga: budidaya pelanggan
Mempertahankan satu pelanggan lama sama dengan mengembangkan lima pelanggan baru. Siklus hidup pelanggan yang disebutkan di atas lebih merupakan mekanisme pemasaran, namun cara benar-benar membina pelanggan dari mentah hingga matang sebenarnya lebih dari sekadar serangkaian mekanisme pemasaran. Kedua level yang disebutkan di atas adalah teknik, mudah diajarkan dan dipelajari, tetapi pemasaran data sebenarnya adalah teori, bukan keterampilan, dan dapat digunakan dalam semua aspek pemasaran. Sejauh ini saya hanya bisa memberikan contoh.
Mari kita lihat bagaimana data marketing dapat membina pelanggan dalam beberapa tahap, dengan menggunakan contoh supermarket online.
Non-pelanggan - pelanggan potensial - pelanggan penelusuran - pelanggan pembelian - pelanggan pembelian sekunder - pelanggan setia - pelanggan bernilai ARPU tinggi.
Tahap 1: Non-pelanggan – pelanggan potensial
Dari “non-pelanggan” menjadi “pelanggan potensial”, intinya adalah tentang diferensiasi dan positioning kelompok pengguna. Orang seperti apa yang mungkin menjadi pelanggan No.1. Tentu saja, di era pacuan kuda, ini bukanlah masalah yang paling penting, lalu lintas adalah raja, dan tingkat konversi adalah masalah kedua. Saluran mana pun yang dapat memperoleh lalu lintas besar adalah saluran yang bagus, itulah sebabnya kita bisa melihatnya sekarang Begitu banyak perusahaan B2C yang menempati hampir seluruh ruang iklan beranda di situs portal. Namun saya yakin ketika B2C semakin matang dan biaya lalu lintas semakin meningkat, penempatan beranda buta tidak akan mampu menghasilkan ROI yang wajar. Pada saat itu, B2C akan mulai mempertimbangkan siapa target pelanggan saya dan bagaimana menggunakan cara yang lebih akurat untuk berinteraksi dengan pelanggan . Ambil contoh B2C regional seperti Yihaodian (saya tidak tahu banyak tentang strategi promosi Yihaodian, saya hanya memberi contoh dari YY). Setelah 2 tahun akumulasi data, saya yakin mereka telah mampu menggambarkan beberapa kelompok pelanggan pada umumnya melalui analisis cluster dari data yang ada: yaitu, dari data 1 juta pelanggan, temukan beberapa yang memiliki karakteristik serupa . Proses penambangan data spesifik ini relatif rumit. Sederhananya, ini adalah menemukan beberapa grup dengan karakteristik spesifik dari tabel luas pengguna (dalam CRM) melalui distribusi probabilitas yang membeli di Beijing adalah wanita Beijing berusia 15 -25 tahun, kita dapat mengklasifikasikan mereka sebagai kelompok "pelajar perempuan Beijing". Dengan cara ini, mungkin efektif untuk menyediakan beberapa perlengkapan asrama dalam promosi berikutnya yang menargetkan kelompok orang ini. (China Mobile telah melakukan pekerjaan dengan baik dalam bidang ini. Paket mereka dirangkum melalui analisis cluster dan penilaian bisnis, dan dirancang untuk kelompok orang tertentu untuk memenuhi kebutuhan spesifik mereka. Misalnya, melalui analisis data, mereka menemukan bahwa banyak pengguna The tagihan telepon adalah 0 dari bulan Januari sampai Februari dan Juli sampai Agustus di pertengahan tahun, dan banyak orang akan kehilangan nomor telepon mereka selama waktu-waktu ini dan tidak akan pernah menggunakan nomor ponsel mereka lagi. Setelah penelitian dan analisis, ditemukan bahwa pelajar pergi pulang berlibur setiap tahunnya. Nomor telepon akan berganti sehingga mengakibatkan nomor-nomor kosong. Ketika mereka kembali ke sekolah, banyak orang tidak dapat lagi menemukan nomor aslinya, sehingga mengakibatkan hilangnya pelanggan sehingga pelajar tidak perlu mengganti nomornya setelah pulang ke rumah. Anda juga dapat melakukan panggilan telepon dengan tarif yang sama. Paket ini menjadi sangat populer segera setelah diluncurkan.)
Tahap 2: Pelanggan potensial—menjelajahi pelanggan
Masalahnya di sini adalah tingkat konversi promosi, atau rasio klik-tayang. Biasanya kita menyebutnya nilai CTR (rasio klik-tayang), artinya setelah email dibuka oleh 100 orang, X orang mengklik tindakan apa pun di halaman tersebut , lalu RKT=X/100. Ini merupakan indikator yang digunakan untuk mengukur efektivitas promosi. Indikator utama yang mempengaruhi CTR adalah apakah kelompok pelanggan sasaran akurat dan apakah konten pemasaran menarik bagi kelompok tersebut. Mengikuti contoh di paragraf sebelumnya, toko No. 1 ingin berpromosi di Beijing dan bekerja sama dengan NetEase Mailbox. Saat ini, seberapa baik akumulasi data NetEase Mailbox? Bisakah No. 1 memberikan segmentasi yang akurat? toko dapat Penggunaan segmentasi seperti itu telah menjadi kunci tingkat konversi pemasarannya. Dilihat dari contoh yang saya kutip di lapisan pertama pemasaran data, tampaknya setiap orang menerima email yang sama. Misalnya, pada tanggal 8 Maret, seorang gadis berusia 15-25 tahun menerima pesan "Kirimkan kain pel yang bagus untuk ibu", dan seorang wanita berusia 25-35 tahun menerima pesan "Nyamankan dirimu dan nikmati pesta camilan", apa yang pria berusia 25-35 yang diterima adalah "peduli pada wanita Anda dan lindungi kulitnya". Di sini, kemampuan akumulasi data saluran promosi telah memberikan kendala besar bagi pengiklan. Saat ini, iklan beranda situs web portal umum paling banyak hanya dapat akurat ke alamat IP, dan beberapa bahkan IP tidak dapat dibedakan cara untuk membicarakannya. Dalam hal ini, yang dapat dilakukan oleh para investor B2C besar hanyalah menggambarkan kelompok pelanggan sasaran dan kemudian menemukan tempat berkumpulnya kelompok pelanggan sasaran tersebut. Beberapa situs web dan forum vertikal menyediakan sumber daya yang bagus dalam hal ini. Jika Toko No. 1 menemukan bahwa kerumunan game di kafe internet adalah basis pelanggan utama supermarket online, maka temukan saluran game seperti pplive untuk mempromosikan mie instan dan sosis ham. itu harusnya cocok dengan Coke dan sejenisnya.
Tahap 3: Menjelajahi pelanggan – membeli pelanggan
Mulai tahap ini, dari luar situs web hingga ke dalam situs web, kemampuan pengendaliannya sangat ditingkatkan, dan apa yang dapat kami lakukan menjadi sangat meningkat. Jika kita membagi daya saing inti B2C menjadi "barang bagus, penjualan bagus, dan pengiriman bagus", mulai dari sini, dalam satu detail situs web, daya saing inti front-end (penjualan bagus) B2C akan dibentuk seleksi pada akhirnya menjadi faktor utama dalam pemilihan pelanggan. (Lain kali saya akan berbagi dengan Anda supermarket online Swiss dengan nilai ARPU lebih dari 20.000 franc Swiss per tahun. Pengalaman pelanggan sangat baik)
Mari kita mulai dengan entri pelanggan. Dalam situasi yang paling ideal, ketika pelanggan mengunjungi sebuah situs web, kita harus dapat mengetahui informasinya (seperti jenis kelamin, usia, preferensi) berdasarkan cookie yang dia tinggalkan, dan kemudian menunjukkan kepadanya pesan yang dirancang khusus untuknya berdasarkan pada karakteristiknya. Beranda khusus miliknya. Tentu saja, karena keterbatasan dalam akumulasi data dan pertimbangan biaya, hal ini masih mustahil dicapai dalam kondisi saat ini, namun kita masih dapat memikirkan hal ini:
1. Apakah ini pertama kalinya dia ke sini?
2. Apakah dia pernah membeli sesuatu?
3. Apakah dia sering menjadi pembeli?
Melalui tiga pertanyaan di atas, kita dapat mengklasifikasikan orang-orang yang datang ke beranda ke dalam beberapa kategori: pelanggan baru, pelanggan lama, dan pelanggan setia. Beranda yang baik perlu mempertimbangkan kebutuhan ketiga tipe orang di atas secara bersamaan.
Untuk pelanggan baru, kebingungan terbesar biasanya adalah tidak mengetahui apa yang harus dilakukan di sini. Ambil contoh Yihaodian. Jika saya adalah pelanggan baru, pertama-tama saya ingin mengetahui beberapa hal: Apa yang terutama dijual oleh situs ini? Apa bedanya dengan situs b2c lainnya? Mengapa saya tidak membelinya di Taobao? Saat ini, merupakan tantangan besar bagi situs web untuk membuat pelanggan merasa bahwa ini adalah supermarket melalui produk dan visual. Dalam hal ini, Yihaodian sebenarnya bisa berbuat lebih baik. Melalui produk dan visualnya, sekilas orang akan tahu bahwa ini adalah supermarket online yang menjual kebutuhan sehari-hari dan Dangdang. Pusat perbelanjaan ini membedakan dirinya, dan kemudian menekankan keunggulannya dibandingkan pengalaman pembelian supermarket online (murah, pengiriman dari pintu ke pintu). "Membeli kebutuhan sehari-hari secara online" adalah pasar yang sangat besar, dan loyalitas pelanggan juga sangat tinggi, dan Internet saat ini termasuk dalam samudra biru. Kemudian ketika pelanggan datang, dia merasa tertarik dengan supermarket online tersebut dan bersedia mencobanya. Pertanyaan selanjutnya yang dia pikirkan adalah: Apa yang harus dia beli? Saya telah mencoba sebaik mungkin untuk mengumpulkan 100 yuan untuk ongkos kirim di Yihaodian berkali-kali. Alasannya: barang konsumsi merupakan wilayah dengan permintaan yang cukup tersebar, dan terdapat puluhan merek utama di bidang makanan dan minuman saja. Bagi pelanggan baru, ketika dia datang ke Toko No. 1, dia tidak tahu apa yang ingin dia beli, dan jika dia melihat sesuatu yang menarik minatnya, dia tidak akan membelinya. Sangat sulit untuk membiarkan begitu banyak pelanggan menemukan sesuatu untuk dibeli dalam ruang halaman yang terbatas. Bagi pelanggan baru, pemasaran data tidak banyak membantu, dan naluri bisnis lebih penting daripada data. Berdasarkan positioning seluruh supermarket, temukan produk utama yang disukai pelanggan (seperti pasta gigi, sampo, kertas linting, dll.) dan beri mereka alasan untuk mencoba (seperti lebih murah dari supermarket, seperti tidak perlu memindahkannya. sendiri, dll.), mungkin merupakan cara yang baik untuk menarik pelanggan agar merasakannya untuk pertama kali. Selain itu, menunjukkan kepada mereka apa yang dibeli orang lain dan memiliki peringkat yang berbeda juga dapat membantu bagi mereka yang masih ragu-ragu.
Mari kita lihat pelanggan lama yang melihat halaman beranda, orang-orang ini sudah memiliki catatan pembelian. Jika mereka bisa kembali untuk kedua kalinya, berarti mereka puas dengan pengalaman pertama. Saat ini, sebagian orang sudah mempunyai niat yang jelas untuk membeli barang tertentu (misalnya sudah selesai makan biskuit di rumah), dan sebagian lagi ada yang ke sini untuk “berbelanja” (untuk melihat apa yang tersedia). Kedua tipe orang ini sangat berbeda dan membutuhkan pengalaman yang sangat berbeda. Bagi mereka yang memiliki niat jelas, pencarian adalah pilihan pertama, kategori adalah pilihan kedua, dan tampilan produk di beranda adalah hal yang paling penting. Bagi orang yang "berbelanja" itu ribet. Ada yang suka melihat berbagai aktivitas, ada yang suka memulai belanja dari kategorinya, ada yang suka melihat apa yang dibeli orang lain, dan sebagainya. Saat ini, melalui jejak yang ditinggalkannya saat menjelajah, kami dapat membantu dari waktu ke waktu: jika kami menemukan seseorang telah mengubah beberapa kata kunci dan masih belum menambahkan apa pun ke keranjang belanja, kami dapat memunculkan pencarian lanjutan dan bantu dia memperbaruinya. Jika kami menemukan seseorang telah menelusuri 6 halaman dalam kategori tertentu dan belum mengklik suatu produk, kami dapat memunculkan kotak pencarian atau bahkan memunculkan kotak dialog layanan pelanggan: "Produk apa yang Anda cari? Apakah Anda mau membantu?" Di sini Kita dapat membuat banyak skenario. Logika intinya adalah menilai tujuan pelanggan berdasarkan perilakunya, membantunya ketika dia membutuhkan bantuan, sehingga dia dapat menemukannya dengan cepat dan selamat berbelanja.
Bagi pelanggan setia, mereka sudah melakukan banyak pembelian dan pada dasarnya tidak membutuhkan banyak bantuan dari kami. Biarkan mereka terbang sebentar~~ Kita akan membicarakan cara meningkatkan nilai ARPU dan frekuensi pembeliannya nanti.
Tahap Empat: Pelanggan Pembelian – Pelanggan Pembelian Kedua
Jika pelanggan bisa datang untuk kedua kalinya, kemungkinan dia datang untuk ketiga kalinya akan sangat tinggi, dan churn rate antara pembelian pertama dan pembelian kedua paling tinggi. Alasan utamanya pasti ketidakpuasan terhadap pengalaman berbelanja, pengiriman lambat, barang rusak, barang salah, dll. Masalah rantai pasokan ini tidak dapat diselesaikan melalui pemasaran. Apa yang dapat dilakukan pemasaran digital adalah mempromosikan pembelian sekunder pelanggan ketika mereka pada dasarnya merasa puas. Mari kita cari titik kontaknya dulu. Tanpa titik kontak, tidak ada pemasaran. Setelah pelanggan membayar, titik kontak dapat berupa: pemberitahuan pengiriman, penerimaan barang secara langsung, unboxing produk, keluhan pelanggan, dll. Pemasaran berbasis data memperlakukan setiap titik kontak sebagai peluang untuk memasarkan kepada pelanggan, memahami kebutuhan pelanggan melalui data, dan memberikan pengalaman terbaik kepada pelanggan. Sebagian konten di sini sudah dibahas di tingkat kedua: manajemen siklus hidup pelanggan, jadi saya tidak akan mengulanginya. Ini lebih tentang memahami detailnya. Misalnya: jika pelanggan yang membeli dua botol Rejoice melihat kupon Safeguard Shower Gel ketika dia membuka paket, apakah dia akan cenderung membelinya untuk kedua kalinya? Jika pelanggan menelepon untuk mengeluh tentang pengiriman ekspres yang lambat, kami dapat memberinya hak pengiriman gratis untuk jangka waktu tidak terbatas dalam satu bulan. Apakah dia akan kembali lagi di lain waktu? Ini tidak ada habisnya. Bagaimana menghubungkan data dan naluri bisnis untuk menciptakan pengalaman pelanggan yang optimal adalah keterampilan inti yang diuji di sini. Ini juga merupakan kompetensi inti kompetisi front-end dalam homogenitas b2c yang semakin serius saat ini. Jika Anda tertarik dengan topik ini, kami dapat membahasnya dengan contoh spesifik, namun kami tidak akan membahas detailnya di sini.
Tahap 5: Pembelian pelanggan kedua kalinya—pelanggan setia
Ketika seorang pelanggan datang dua kali, bagaimana memupuknya menjadi pelanggan setia adalah tantangan utama yang dihadapi industri B2C. Biaya pengenalan pelanggan tunggal sebesar 100 yuan+ hanya dapat diperoleh kembali dengan mengubah pelanggan menjadi pelanggan setia. Topik ini tidak dapat dibicarakan selain dari industrinya. Mari kita ambil toko No. 1 sebagai contoh. Supermarket termasuk dalam industri barang konsumsi yang bergerak cepat. Dalam bahasa Inggris disebut dengan “fast moving Consumer Goods”, yaitu barang konsumsi yang bergerak dengan cepat. Bergerak cepat berarti banyak pembelian berulang, dan untuk B2C, ini berarti tingkat pengembalian yang tinggi. Benar-benar? Saya kira tidak. Kuncinya tergantung pada apakah kebiasaan konsumen telah dipupuk. Biasanya konsumen seperti saya membeli barang dari Yihaodian sangat acak. Misalnya, saya mengetahui bahwa saya kehabisan biskuit hari ini. Pilihan pertama saya pasti pergi ke supermarket di depan rumah untuk membelinya, jika tidak, saya tidak akan punya apa-apa untuk dimakan besok pagi. Di supermarket tradisional, berbagai kelompok masyarakat telah membentuk kebiasaan membeli yang relatif tetap. Ibu rumah tangga mungkin pergi ke sana setiap dua hari sekali, dan pelajar serta pekerja kantoran mungkin pergi ke sana seminggu atau dua minggu sekali. Namun, di Internet, kebiasaan ini pastinya tidak ada . Bagaimana Anda bisa mengembangkan kebiasaan ini? Kebiasaan = pengulangan perilaku. Pemasaran berbasis data adalah melakukan pemasaran yang ditargetkan dan membimbing mereka berperilaku dengan memahami kebutuhan masyarakat. Misalnya, kita menemukan melalui data bahwa 70% pelanggan yang membeli sampo 500ml dan melakukan pembelian kedua melakukan pembelian kedua dalam waktu 30-45 hari, maka kita dapat menetapkan aturan bahwa dalam waktu 30 hari Kadang-kadang hal itu memicu pemasaran utama dan memberi pelanggan beberapa promosi untuk pembelian sekunder. Logika dasarnya adalah mengetahui kebiasaan suatu kelompok tertentu dengan menganalisis data kelompok tertentu, kemudian memperkuat kebiasaan tersebut melalui pemasaran, sehingga semakin banyak pelanggan yang memiliki kebiasaan membeli tersebut. Ada dua poin penting di sini. Pertama, Anda tidak bisa menciptakan kebiasaan sendiri. Misalnya, menurut saya sampo tertentu akan habis dalam waktu sekitar 20 hari. Sebaliknya, Anda harus mencoba menggali kebiasaan pelanggan yang ada dari data. Hal ini sejalan dengan realitas situasi pelanggan.
Tahap Enam: Pelanggan Loyal—Pelanggan Bernilai ARPU Tinggi
Yang disebut ARPU adalah pendapatan rata-rata per pengguna (ARPU-Average Revenue Per User). Nilai ARPU yang tinggi disebabkan oleh dua faktor: frekuensi pembelian dan harga satuan pelanggan. Di atas kita telah membahas secara kasar tentang cara meningkatkan frekuensi pembelian melalui pemasaran data. Mari kita lihat cara meningkatkan harga satuan toko No. 1 melalui pemasaran data.
Rekomendasi terkait: "Rekomendasi terkait" dapat meningkatkan harga satuan pelanggan secara keseluruhan, dan dapat dilakukan oleh sistem atau secara manual. Penjual Taobao pada dasarnya melakukannya secara manual, dan efeknya bagus. Sekarang saya melihat rekomendasi terkait otomatis di Toko No. 1, tapi saya tidak tahu seberapa efektifnya. Dilihat dari pengalaman Taobao dalam membuat rekomendasi terkait, masih sangat sulit untuk melakukan pekerjaan dengan baik dalam rekomendasi otomatis. Manual merupakan model yang lebih efektif, dan juga dapat dikombinasikan dengan berbagai promosi. Kekurangannya adalah relatif memakan banyak tenaga dan hanya dapat dilakukan pada produk-produk utama.
Rekomendasi promosi: Faktanya, bagi orang yang "pergi ke" supermarket, membeli produk yang "lebih hemat biaya" merupakan kebutuhan psikologis yang sangat penting. Rekomendasi aktivitas lintas kategori atau rekomendasi produk promosi, terutama beberapa barang konsumsi, secara teori seharusnya baik Pasalnya, tidak banyak orang yang dapat menelusuri satu demi satu kategori, sehingga jika informasi promosi yang sedang dilakukan di website dapat disampaikan kepada pelanggan dengan lebih akurat, maka secara langsung akan mendatangkan penjualan. Misalnya, jika saya membeli biskuit, keripik kentang, susu, dan produk makanan lainnya, jika Anda memberi tahu saya bahwa produk kertas sedang dijual, dan sebungkus besar handuk kertas Qingfeng yang awalnya dihargai 35 yuan sekarang menjadi 20 yuan, hanya untuk satu hari , maka saya mungkin membelinya.
Memberikan perbandingan: Jika kita pergi ke supermarket, kita akan menemukan banyak orang membandingkan kemasan mana yang lebih hemat biaya saat membeli sesuatu. Di saat yang sama, dia juga menaikkan harga per pelanggan. Oleh karena itu, situs web harus memberikan kesempatan ini kepada pelanggan untuk melakukan perbandingan. Caranya sebenarnya sangat sederhana, Taobao sudah menyediakan perbandingan berat standar pada kategori makanan, namun belum menyediakannya pada kategori perlengkapan mandi:
Rekomendasi pengiriman gratis untuk pembelian di atas 100 yuan: Saat mengamati harga satuan Toko No. 1, Anda harus terlebih dahulu melihat kebijakan "pengiriman gratis untuk pembelian di atas 100 yuan". Kebijakan ini menentukan keuntungan psikologis pelanggan Anda membeli sekitar 100 yuan, pada dasarnya Anda dapat meneleponnya sehari. Jadi akan muncul 2 pertanyaan selanjutnya:
1. Bagi pelanggan yang optimis dengan produk dan harganya jauh lebih rendah dari 100 yuan, bagaimana cara merangsang dia untuk membeli lebih dari 100 yuan?
2. Bagi pelanggan yang optimis dengan produk dan harganya melebihi 100 yuan, bagaimana cara merangsang mereka untuk membeli lebih banyak?
Untuk tipe pertama, kami dapat merekomendasikan beberapa produk dengan ongkos kirim 10 yuan, ongkos kirim 30 yuan, dan ongkos kirim 50 yuan. Saat ini, tidak perlu hemat biaya dia di masa depan, efeknya bisa tercapai.
Untuk tipe kedua, kami dapat memberikan diskon tingkat lebih tinggi, nikmati *** saat Anda membelanjakan 200 atau lebih, dan nikmati *** saat Anda membelanjakan 400 atau lebih. Caranya sangat mudah, cukup pikirkan saja .
Banyak sekali yang sudah saya tulis, dan alasan saya mengambil Yihaodian sebagai contoh adalah di satu sisi supermarket merupakan industri b2c yang familiar dan mudah didiskusikan oleh semua orang investasi teknis. Secara umum, Toko Taobao dan B2C skala kecil belum begitu populer, jadi ini hanyalah sebuah contoh. Saya tidak tahu banyak tentang situasi spesifik Haodian No. 1. Saya salah di beberapa tempat. Mohon maafkan saya untuk teman sekelas saya di Haodian No. 1~~
Sumber artikel: Paidai.com harap sebutkan link sumbernya saat mencetak ulang.