-
第三層:客戶培育
留住一個老客戶等於開發五個新客戶,上面說的客戶生命週期更多的是一套行銷的機制,但如何把真正的把客戶從生培養到熟,其實內涵遠大於一套行銷機制。上面講的兩層都是術,好教好學,但數據行銷其實是一種理,不是一種技能,可以運用在整個行銷的各個環節,方方面面。到這裡就只有舉例啦。
我們分幾個階段來看數據行銷如何培養客戶,還是以網路超市的例子。
非客戶—潛在客戶—瀏覽客戶—購買客戶—二次購買客戶—忠誠客戶—高ARPU值客戶。
階段一:非客戶—潛在客戶
從「非客戶」到「潛在客戶」核心講的是用戶群的區分與定位。什麼樣的人有可能成為一號店的客戶。當然,在跑馬圈地的年代,這不是最主要的問題,有流量就是王道,轉換率是後一位的問題,任何能夠獲得大流量的管道都是好頻道,這也是為什麼我們現在能看到這麼多的B2C把入口網站幾乎所有的首頁廣告位都包了。但我相信,當b2c成熟之後,隨著流量成本的進一步提高,盲目的首頁投放將無法帶來合理的ROI,那時候,B2C們就會開始考慮我的目標客戶是誰,如何用更精準的方式和客戶進行互動。以一號店這樣的區域性B2C為例(我對一號店的推廣策略並不了解,只是YY的一個例子)。在經過了2年的資料累積之後,我相信他們已經能夠從現有資料中透過聚類分析,做出一些典型客戶群的畫像:也就是從100萬條客戶的資料中,找出一些具有類似特徵的客戶的群體。這個具體的資料探勘的過程比較複雜,簡單說就是從使用者的寬表中(CRM中),透過機率分佈,發現一些具有特定特徵的群體,如我們發現北京來購買的人群中5%都是15 -25歲北京女性,我們就可以把他們歸類為「北京女學生」的群體。這樣在後續針對這個人群進行推廣的時候提供一些宿舍用品也許就會效果不錯。 (移動在這一塊做得很好,他們的套餐都是透過聚類分析及商業判斷後總結出來,針對特定人群,為滿足其特定需求而設計出來的。例如他們透過數據分析發現很多用戶在一年中的1-2月和7-8月話費為0,而且在這些時間裡有很多人會流失,以後再也不使用移動的號碼。會換號,導致號碼的空置,而當他們再回學校時,很多人已經找不到原來的號,導致客戶的流失。號也可以用差不多的資費打電話,這個套餐一推出就非常受歡迎。
階段二:潛在客戶—瀏覽客戶
這裡的問題是推廣轉換率,或叫點擊率,我們通常把這個值稱為CTR(click through rate),也就是說一封郵件被100人打開後,有X人點擊了頁面上的任一行動按鈕,那CTR=X/100。這是一個用來衡量推廣效果的指標,影響CTR的主要指標是目標客群是否精準,行銷內容對這個族群是否有吸引力。沿著上一段的例子,一號店要在北京做推廣,和網易郵箱進行了合作,那這時網易郵箱的數據積累做得怎樣,能否提供客戶群的精準細分,1號店是否能夠利用這樣的細分,就成為了其行銷轉換率的關鍵。從我資料行銷第一層所引用的例子來看,似乎所有人收到的都是同樣的郵件。假如在三八節,一個15-25歲的女孩收到的內容是“給媽媽送個好神拖”,25-35歲的女性收到的是“慰勞一下自己,來一份零食大餐” ,25-35的男性收到的是“關心你的女人,保護她的肌膚”,這是多麼的和諧與美好啊。這裡,推廣管道的資料累積能力給了廣告主很大的限制,現在一般的入口網站首頁廣告投放,最多也就精準到ip位址,有些甚至IP都不能區分,在這樣的情況下,精準行銷就無從談起了。在這種情況下,我們B2C的大金主們能做的,就只有自己圈定好目標客群,再去找這些目標客群聚集的地方了。一些垂直化的網站和論壇就提供了這方面的很好資源,假如一號店發現網吧裡的遊戲人群是網絡超市的一大客戶群,那找pplive這類的遊戲頻道推點方便麵,火腿腸,可樂之類的搭配應該不錯。
階段三:瀏覽客戶—購買客戶
從這個階段開始,就從網站的外部來到了網站的內部,可控性大大加強,而我們能做的事,也就大大增加了。如果我們把B2C的核心競爭力分為「貨好,賣好,送好」的話,從這裡開始,在一個又一個的網站細節當中,b2c的前端(賣好)的核心競爭力將被塑造,比較,挑選,最終成為顧客選擇的一大因素。 (下回跟大家分享一家ARPU值20,000多瑞士法郎一年的瑞士網路超市,顧客體驗很不錯)
我們從客戶進站說起。在最理想的情況下,當一個客戶來到一個網站的時候,我們應該能夠根據他留下的cookie知道他的信息(如性別,年齡,偏好),再根據他的特點展現給他一個專門為他訂製的首頁。當然,由於資料累積的限制和成本的考慮,這在目前的條件下還是不可能實現的,但我們還是可以沿著這個思路想想:
1. 他是第一次來嗎?
2. 他有沒有買過東西?
3. 他是個常買東西的人嗎?
透過以上3個問題,我們可以把來到首頁的人分成幾種:新客戶,老客戶,忠實客戶。一個好的首頁需要同時兼顧到以上三種人的需求。
對於新客戶來說,最大的困惑通常是不清楚能在這裡幹什麼,以一號店為例,如果我是新客戶,我首先想知道幾點:這個網站主要是賣什麼的?和其它的b2c網站有啥區別?我為啥不在淘寶買?這時候網站如何透過產品和視覺讓客戶第一時間就產生這裡是個超市的感覺就是個很大的挑戰。在這一點上一號店其實可以做得更好,透過產品和視覺讓人第一眼就知道這裡是個賣生活必須品的網上超市,這樣就把一號店跟京東和當當之類的全品類商場區分開了,然後再把自己相對線上超市購買體驗的優勢強調出來(便宜,送貨上門)。 「在網路上買生活必須品」是一個非常大的市場,客戶黏度也非常高,目前在網路上屬於藍海,這樣的定位不佔可惜。然後客戶來了之後覺得對這個網路上的超市有興趣,願意嘗試,接下來他想的問題就是:那買點啥呢?我在一號店曾經多次為了湊那100塊的郵費,繳盡腦汁,我相信碰到這個問題的不只我一個。原因是:生活消費品是需求相當分散的領域,光食品中的飲料一項就會有幾十個主打品牌。對於一個新客戶來說,在來到一號店的時候腦子裡是完全沒有想到自己要買什麼的,而如果他看到他剛好感興趣的東西也就不會購買。在如此有限的頁面空間中要讓如此眾多不同的客戶找到點能買的東西,實在是挺難的。對全新客戶來說,數據行銷幫不上什麼忙,商業sense比數據重要。根據整個超市的定位,找到那些客戶喜聞樂見的主流商品,(比如牙膏啊,洗髮水啊,捲紙啊之類的),給他們一個嘗試的理由(比如比超市便宜,比如不用自己搬等等) ,可能是吸引客戶初次體驗的好方法。另外,給他們看看其它人都在買啥,搞點各式各樣的排行榜對於那些拿不定主意的人也會很有幫助。
我們再來看看到首頁的老客戶,這些人已經有過購買紀錄,能第二次來說明第一次的體驗比較滿意。這時一部分人已經有了明確的購買某些商品的意圖(例如家裡餅乾吃完了),有些人是來「逛」的(看看有啥可買的)。這兩種人有非常大的差別,需要的體驗也非常不同。對於有明確意圖的人,搜尋是第一選擇,類目是第二選擇,首頁的產品展示是錦上添花。對於「逛」的人,就複雜了,有人喜歡看看各種各樣的活動,有人喜歡從類目裡開始逛,有人喜歡看別人買什麼,等等。這時透過他瀏覽時留下的軌跡,我們可以時不時的幫點忙:如果我們發現一個人換了多個關鍵字,還是沒有把東西加入購物車,我們可以把高級搜尋彈出來,幫他更精準的找。如果我們發現一個人在某類目下翻類目翻了6頁還沒點商品,我們可以彈個搜尋框,甚至蹦個客服對話框:「您在找什麼商品呢?要幫忙嗎?」這裡我們可以想出非常多的場景,核心邏輯就是根據客戶的行為判斷他的目的,在他需要幫助的時候幫他一把,讓他找的快捷,逛的開心。
對於忠實客戶來說,他已經有過多次購買的體驗,基本上不需要我們太多的幫助,讓他們飛一會吧~~後面我們會談到如何增加他們的ARPU值和購買頻度的問題。
階段四:購買客戶—二次購買客戶
如果一個客戶能來第二次,那麼他來第三次的可能性將非常之大,第一次購買到第二次購買之間的流失率是最高的。其中最主要的原因肯定是對於購物體驗的不滿意,貨送慢了,東西破了,貨發錯了等等,這些供應鏈上的問題不是透過行銷能解決的。數據化行銷能做到的是在客戶基本滿意的情況下,促進客戶的二次購買。我們先來找接觸點,沒有接觸點就沒有行銷。當顧客付款之後,接觸點可能有:出貨通知,收貨當面,拆箱看到商品,顧客投訴等。數據化行銷就是把每個接觸點都當成是給客戶行銷的機會,透過數據了解客戶的需求,給客戶最好的體驗。這裡的一部分內容已經在第二層:客戶生命週期管理講過,就不重複了。更多的是對細節的掌握,例如:如果一個買了兩瓶飄柔的客戶拆開包裹的時候看到有送舒膚佳沐浴露的優惠券,是不是會更有可能二次購買呢?如果一個客戶在打來投訴電話抱怨快遞送貨慢的時候,我們就能夠送他一次1月內不限金額直接免郵的權利,他是不是下次更有可能再來呢?這些沒辦法窮盡,如何把數據和商業sense串聯起來,創造最優的客戶體驗,是這裡考驗的核心技能。也是b2c同質化越來越嚴重的今天在前端競爭的核心能力。這一塊如果大家有興趣,我們可以就具體的例子來探討,就不展開了。
階段五:二次購買客戶—忠誠客戶
當一個客戶來了兩次以後,如何培養成為一個忠誠客戶,是b2c產業面臨的終極挑戰。 100元+的單客引進成本,只有把客戶變成忠誠客戶,才有可能收回。這個話題沒辦法離開產業來討論,我們還是以一號店為例子來看一下。超市是快速消費品產業,英文叫“fast moving consumer goods”,就是走得很快的消費品。走得很快,意味著大量的重複購買,對於B2C來說,意味著高回頭率。真的嗎?我覺得不一定,關鍵要看消費者的習慣是否被培養了。通常像我這樣的消費者在一號店買東西,偶然性非常大。例如我今天發現餅乾吃完了,我的第一選擇一定是去家門口的超市買,否則明天早上就沒吃了。在傳統超市,不同的人群已經形成了相對固定的購買習慣,家庭主婦可能2天得去一次,學生和上班族可能一周或兩週去一次,而在網路上,這種習慣無疑是不存在的。如何才能培養出這樣的習慣呢?習慣=行為的重複。數據化行銷就是透過對人的需求的了解,進行針對性的行銷,引導他們產生行為。例如,假設我們透過數據發現70%買了500ml洗髮精的客戶且有二次購買行為的客戶,第二次購買的時間在30-45天,那我們就可以設定一條規則,在30天的時候觸發一次行銷,給客戶一些二次購買的促銷。基本的邏輯就是透過分析某個群體的數據,發現某個群體的習慣,然後透過行銷,強化這種習慣,從而使更多顧客有這樣的購買習慣。這裡很重要的有兩點,一是不能自己拍腦袋創造習慣,例如我覺得某洗髮精大概20天會用完,而要盡量從數據中去挖掘客戶現有的習慣,這才符合客戶的真實狀況。
階段六:忠誠客戶—高ARPU值客戶
所謂ARPU就是每用戶平均收入(ARPU-Average Revenue Per User)。高arpu值和兩個因素有關:購買頻度,客單價。上面我們已經大致講瞭如何透過數據行銷增加購買頻度,我們再來看看如何透過數據行銷增加一號店的客單價。
關聯推薦:「關聯推薦」是可以整體提升客單價的,可以系統化做也可以手動做。淘寶的賣家基本上是手動在做,效果也不錯,一號店現在看到有自動的關聯推薦,不知效果如何。從淘寶做關聯推薦的經驗來看,自動推薦要做好難度還是很大的。手工是更容易見效的模式,還可以跟各種促銷結合,缺點是人力耗費比較大,只能對重點商品做。
促銷推薦:其實從「逛」超市的人來說,買「比較划算」的商品是個很重要的心理需求,跨類目的活動推薦或促銷商品推薦,尤其是一些生活消費品,理論上應該會不錯,原因是會一個類目接一個類目逛的人實在不多,所以當前網站正在進行的促銷信息如果能更精準的推送到客戶,就會直接帶來銷售。例如我買了餅乾,薯片,牛奶等食品類目的商品,這時候如果告訴我紙品正在打折,原價35元一大包的清風紙巾現在20元,僅限1天,那我買的可能性會很大。
提供比較:如果我們去超市走走,就會發現很多人買東西的時候都會比較一下哪種包裝比較划算,500ml的牛奶10元,800ml的牛奶才13,賺了!同時他也提高了客單價。所以網站一定要提供客戶這種比較的機會。做法其實也很簡單,淘寶在食品類目已經提供了標準重量的比較,洗化用品上還沒提供:
滿百包郵推薦:觀察一號店的客單價,首先得看一下「滿百包郵」的政策,這個政策決定了客戶的心理底線,買夠100元左右就基本可以收工了。所以接下來就會出現2個問題:
1. 對於看好了商品,價格遠低於100元的客戶,如何刺激他買滿100元?
2. 對於看好了商品,價格超過100元的客戶,如何刺激他買更多?
第一種,我們可以推薦一些10元湊郵費商品,30元湊郵費商品,50元湊郵費商品,這時候都不需要高性價比,只要這些東西是他以後一定用得到的,就可以達到效果。
對於第二種,我們可以給予一些更高層的優惠,滿200享受***,滿400享受***,做起來很簡單,只是有沒有想到做而已。
寫了這麼多,之所以拿一號店來舉例,一方面主要是因為超市是一個大家比較熟悉的b2c行業,容易討論,另一方面b2c做數據營銷也需要比較大的技術投入,一般的淘寶店家和小型b2c還不大做得了,所以剛好拿來舉例。我自己對一號店的具體情況也不大了解,有些地方講的不對的,請一號店的同學擔待~~
文章來源:派代網轉載請註明出處連結。