編輯導語：如今市面上的品牌種類越來越多，各種新品牌不斷的推出，也推動了新品牌用不一樣的方式進行營銷和定位。品牌營銷對每一個企業的發展都起到至關重要的作用，好的品牌營銷可以更好的促進品牌的銷量，讓品牌在市場中立於不敗之地，給企業帶來更多的經濟效益。
我認為數字化是天時地利人和。
“天時”主要指組織架構：因為數據天然在業務這邊有屏障，各個業務團隊在運營過程中積累了很多數據，但業務團隊拿到數據需要組織的驅動。我們當時的營銷部隸屬電商團隊，我的領導是電商總監，所以在數字的控制權上有天然優勢。
“地利”主要指流程：在前 5 年的時間內，運營和數據這兩個閉環天然隔開，一般運營有自己的專屬閉環，如從商品、銷售、預測、上架及最終的渠道分銷等構成一個完整業務閉環。在數據這一端只能看到業務的最終呈現結果，從結果角度驅動業務，必然存在不相接的狀態。
因此，在後兩年，公司在流程上做了一個調整，之前團隊一般是業務團隊出策略，數據越來越多後，我們希望數據團隊來出策略。如在審批預算上，是否花錢由數據團隊來決定。
“人和”對數據團隊有較高的要求：其要求在於，第一，懂數據，對數據有敏感度；第二，雖然不在業務圈內，但要知道業務體系是怎麼跑和運轉的。因此，這方面對人的要求極高。
在最初做品牌營銷時，我們團隊做了三件事：
- 數據收集整理，與各個團隊一樣，做好數據基礎；
- 數據的洞察分析，即收集的數據如何做洞察、如何賦能業務及支持業務的決策；
- 數據營銷應用，品牌營銷三步法聚焦在第三件事情上，在基於數據、用户行為分析的基礎上，如何做品牌營銷，所有東西都是基於內部方法，就比較容易上手。
當時面臨的主要挑戰也有 3 個：
- 數據分散在不同的數據庫，不利於統一管理、分析和再利用；
- 2 個服務商的系統都屬於 SaaS 版本，即標準化的產品，有新功能需求很難滿足；
- 線上數據報表繁多，各個部門做報表的時間花費較多，人工成分很多，效率低，易出錯。
我們的消費者電商觸點分佈涵蓋市面上豐富的電商平台，如淘寶、拼多多、有贊等，相應的數據獲取工具有京東九數、品牌數據銀行、ERP 等，數據存儲也會放在阿里服務器、京東服務器、聚石塔等，整體來説數據相對分散。
同時，從品牌角度看數據，在做數據利用和效率分析時非常低效，業務部門會給我們提很多需求，這些需求幾乎都是要人工做，但是業務對時效性要求很高。
效率低就會直接引發一個思考，如何提升團隊數據分析的效率？
當時，公司有超 4000 萬名消費者的訂單與行為數據，但這些數據如果不產生價值就是成本。老闆每天 challenge 我們的也是圍繞這幾個問題：數據怎麼為業務賦能？怎麼產生價值？如果數據就是存在在那裏，每年都要付出存儲、硬件等費用成本。
所以，我們當時面臨了四個問題：
數據效率：
- 各品牌數據量級龐大，現有系統運算速度低下，數據準確度受影響；
- 各部門數據需求和處理頻繁，易出錯，需要提高數據處理與報表製作效率。基本上是手工出報表，整個業務加上數據團隊，報告約在三四千個。
數據分散：
- 各銷售平台、各系統、各業務線數據孤島化，分散在不同系統，難以管理，整合分析與應用；
- 各平台格式不統一，全域品牌和用户分析受阻。同時，從品牌視角看，數據十分割裂。比如，當看用户畫像時，有天貓用户畫像、微信用户畫像，導致在市場部做廣告投放時，對以品牌為全視角的畫像可參考性比較小，另外對消費者整個生命里程的週期偏差比較大。
數據價值：
用户與數據量級大，但數據價值挖掘不深，許多數據為沉睡數據資產，利用率不高。
數據應用：
- 現有工具未能滿足新的用户歸類與營銷需求；
- 用户營銷渠道多樣，需對用户營銷手段整合規劃以優化投入與效率。讓數據能真正賦能業務，驅動業務增長。
針對以上問題與挑戰，下面主要分享數據應用實踐這部分，我將其抽象為三步：
- 第一步，做用户分層，品牌零售一定要進行用户分層，再看分層的差異性，及用户心智差別；
- 第二步，制定溝通策略，即針對不同用户，在不同時機推不同商品；
- 第三步，科學的統計評估方法，即用事實説話。
具體來看：
一、用户分層對於品牌快銷，最重要的是回購週期，它決定了用户心智。
1. 回購週期 RC（Repurchase Cycle）：回購週期是指一個正常（平均）用户從第一次購買開始到再次購買之前的時間週期。
回購週期有 2 種計算方式：
1）正常用户計算法
- 正常（平均）一次購買量
- 正常（平均）每天使用量
- RC = 正常（平均）一次購買量/正常（平均）每天使用量
2）現有數據歸納法
- 根據品牌消費者購買信息，將所有回購用户的平均回購間隔天數製成分佈柱狀圖
- 累計 90% 用户的平均回購間隔天數即為 3RC
- RC = 累計 90% 用户的平均回購間隔天數/3
下面舉個小例子：
公司的一個洗碗機洗滌劑品牌，在中國引入不久，暫時沒有特別多數據的積累，但是我們可以看業務數據，消費者一次購買的 PCT 是 150 元，差不多可以使用 50 次（按照我們的估算），假設平均每兩天洗一次碗，每天洗碗的次數是 0.5 次，我們可以算出日常用户回購週期差不多在一百天。
然後看目前數據庫中的 2 萬左右的數據，用現有數據分析法，其數據中心 90% 的用户在 450 天內完成回購，故 RC = 150 天，但對這個品牌來説，用户心智還沒有形成，所以我們這兩種方法是有一種選擇性。
對於不成熟品牌，就是用户心智還沒有形成的時候，希望品牌輸入一個強有力的心智，在合適的時間去觸達它，我們建議在不成熟品牌的時候，採用我們推理正常用户的計算方法來定義回購週期。
對於成熟的品牌，其數據量、用户量的積累已經有一定的規模，我們還是希望遵循用户心智，遵循統計的歸納方法制定回購週期。那麼回購週期計算完對分層有什麼用呢？下面介紹用户分層的分類就很清晰了。
2. 用户分層1）用户分層：一重分類
根據客户最近一次購買時間，進行人羣歸類一重分類，這裏用回購週期數字 RC 做第一重的切分，並可分為潛力人羣、活躍用户、睡眠用户、流失用户（注：每位客户只會存在於 1 個分類中）。
- 潛力人羣：品牌/品類的目標消費人羣，且目前還沒有購買我們的品牌/品類的產品；
- 活躍用户（R ≤ 2RC）：最近一次購買時間發生在 2 個 RC 內；
- 睡眠用户（2RC < R ≤ 3RC）：最近一次購買時間發生在 2 個 RC 到 3 個 RC 之間；
- 流失用户（R > 3RC）：最近一次購買時間發生再 3 個 RC 以上。
這四類對品牌零售來説還是比較粗放，所以我們會進行二重細分。
2）用户分層：二重細分
我們會根據客户 R 值進一步的分類，從潛力角度會分為品質潛力人羣和競爭品牌人羣。前者是品牌/品類目標消費人羣，目前還沒有購買過品類產品；後者是品牌/品類目標消費人羣，目前購買競爭品牌產品的客户。
- 活躍用户：是要重點關注的用户，可根據最近一次購買時間劃分，分為高度清醒人羣(R ≤ 1RC)、中度清醒人羣(1RC < R ≤ 1.5RC)、瀕臨入睡人羣(1.5RC < R ≤ 2RC)；
- 睡眠用户：可分為輕度睡眠人羣(2RC < R ≤ 2.5RC)、中度睡眠人羣(2.5RC < R ≤ 3RC)；
- 流失用户：可分為品牌流失用户和品類流失用户，前者是最近一次購買時間在 3 個 RC 以上，且流入到競爭品牌中；後者是最近一次購買時間在 3 個 RC 以上，且後續不再購買品類產品。
3）用户分層：三重細分
新客、老客、忠粉是貢獻我們的 GMV 的這部分用户，三重細分是我們從活躍用户裏面再去切分一層的，再去切分的時候，除了購買時間以外，還要根據購買頻次、貢獻客單價等進行細分。
如果我們的老客第一次購買兩次及以上就是老客，對於這樣的快銷品牌尤其電商促銷氛圍特別濃的場景來説，很多用户，它購買力只有 9.9，這可能就不算老客，定義中也可以對客單價有要求，這樣我就會對新客、老客、忠粉重新定義來去識別，到底哪些是老客、哪些是忠粉（注：PCT2：用户第二次購買的客單價；V：某一個固定金額，因品牌而異）。
- 新客：活躍用户中 F = 1 的用户；
- 老客：活躍用户中 F = 2 且購買 PCT2 < V 的用户；
- 忠粉：活躍用户中 F ≥ 3 或 F = 2 且第二次購買 PCT2 ≥ V 的用户。
以上是通用的老客和忠粉的定義，而每個品牌也有其判定方法，有的以客單價，有的以商品品類數，有的用週期使用數來做判定，各個品牌也可以按照自己實際情況，對老客和忠粉進行界定。如 A 的 V = 200，是店鋪平均客單價的 2 倍，A 旗艦店平均客單價為 100；B 是買到 4 瓶消毒液/除菌液的金額，V = 200。
做完梳理後，整個部門營銷目標就會變得比較清晰，我們的用户營銷目標 KPI 會變成提升活躍用户的質量，還有增加活躍用户的數量。
首先開源，去做拉新搶客；其次節流，做鞏固、阻睡、喚醒、激活，讓我們整個活躍用户池子變得更大，質量更高，數量是新客、老客和忠粉的三個之和，整個活躍用户的質量，是老客和忠粉的佔比。
具體在使用過程中其實還會有一個標籤的概念在裏面，最基礎的分層做完，在營銷過程中還會增加各種各樣的標籤，涵蓋基本屬性、人羣偏好、行為特徵、營銷標籤、RFM 模型標籤等，並在實時變化。RFM 模型是通過客户購買行為，衡量客户價值的重要工具和手段。
- R：Recency，最近一次消費時間；
- F：Frequency，消費頻率；
- M：Monetary，消費金額。
我們希望把這個標籤四宮格融入到分層裏面，如下圖：
針對 1a 品類潛力客户來説，會按照標籤貼四宮格，比如説品牌潛在人羣、品類場景人羣、品牌高相似畫像人羣，裏面的每一類人羣用户心智都是不一樣的，那麼提供的內容、素材、溝通的時機都會不同，每一個小四宮格可以再去疊加標籤，好處是當我們做了一年營銷活動，可以從整體上了解在新客、拉新、促活等事件上花費了多少錢。
之前我交流了很多行業品牌，他們去做標籤疊加的時候都會比較散，可能今天用「客單價」這個標籤，明天用「進店瀏覽」這個標籤，但是我希望在底層的標籤上做一個比較細的切分，再到上面去疊加標籤，這樣我們會看的比較清晰。
同樣，活躍用户也可以疊加標籤，甚至發展到標籤八宮格、十六宮格等具體應用。
此外，我們還需要做一件事情，用户進行了細分，但資源有限，我們還需要做優先級判斷，如果這次只有 500 萬的預算，這 500 萬預算到底給哪一個用户分層？
我建議可從兩方面評估：一是重要性評估；二是可改變性評估。有的客户是很重要，但是可改變性沒有那麼高。這時候需根據實際情況做判斷。
過去我們的經驗是首先會把資源重點投放在阻睡，如對於瀕臨入睡客户，因為具有承上啓下的作用，還沒有沉睡，但又瀕臨沉睡，所以我們會花大量的資源和精力去維護，不讓它沉睡和流失。
二、溝通策略用户分層及優先級確定之後需制定具體的溝通策略，我這裏是講了一個方法的框架模型——6W3M 模型。
我們做這個框架的時候，第一是把我們邏輯進行梳理，第二是想要把這種框架和邏輯變成產品的一種能力迭代，然後賦能給一些新員工。
1. 6W6W，就是 Why、Who、When、What、Which、Where。
- “Why”指我為什麼要做這個事情，每一個營銷一定要清楚它的溝通目的，是為了去做拉新、鞏固、忠粉，每一個目的不一樣，後面選擇的標籤、觸達的對應人羣，還有你觸達的方式都不一樣。
- “Who”要去篩選不同的標籤，拉新有五個用户分層，你需要定義什麼時候觸達哪個圈層，是在活動的時候還是在日銷的時候，還是在做某一個動作的時候做觸達。
- “What”指我給他的內容是什麼，剛剛講到説每一個細分用户他的心智都是不一樣的，對價格比較敏感或者喜歡促銷的用户給他價格優惠的信息。比如剛才的 Finish 會有高端人羣關注地球和環境保護，此時會有品牌動機還有情感交流給到這些用户，有一些宣傳文案和內容。
- “Which”指落地到拉新商品，其必須要有很強的轉化力、競爭力，旗艦店可能比較認品牌，專營店可能會比較認活動，不同的渠道定位和商品定位對應的人也不會不一樣。
- “Where”指你用什麼樣工具觸達它，常見的是微信、短信，還會聯動站內廣告推廣工具等。
3M，指 Money、Measurement、Monitoring。
- “Money”指項目總預算多少？（投入主預算/配合投入預算）
- “Measurement”指一些評估指標，如點擊通過率、互動率、轉化率 、人均 PCT、投入額、銷售額、PC 額等。
- “Monitoring”指溝通策略實時調整：AB 測試分批次人羣投放 、多重分時段人羣投放。
我們在選取人羣溝通時會有側重點，大多數資源會投入到重要人羣上，並設置合理的評估觀測指標，下面舉幾個例子：
1）2c 日常阻睡溝通策略
對於瀕臨入睡的人羣，做阻睡非常重要，我們希望不惜一切成本把它留在活躍用户的池子裏。因此，會設計一系列的營銷策略影響它，如我們一個月左右會有五重阻睡的溝通機制，分別在 Day1、Day7、Day14、Day28、Day35。
針對不同溝通節點，我們會給到它不同的內容、利益點、渠道等，這樣我們就會不斷優化我們文案、渠道、利益點，最終我們盡一切可能讓瀕臨入睡的用户留在池子裏面。
在這裏，曾有人問，我們的成本控制在多少？這個時候其實我們會有一個計算的邏輯，按照整個用户的生命週期來算一個值。
2）1a 日常拉新溝通策略
阻睡完了之後還會有一些日常拉新的動作，這會跟業務團隊配合比較多。
因為像標籤、人羣包是由數據團隊來挑選，最終執行和觸達是由業務團隊做運營，日常拉新時，我們會給到很多標籤和人羣包的建議，做精準觸達。如給已購洗碗機未購 Finish 客户，判斷溝通策略：功能 > 情感 > 動機，並贈予開機套裝摺扣，在京東公域短信或鑽展投放。
三、統計評估統計評估，從整體上看，包含兩種方式：一是單次數據營銷活動評估，二是數據營銷長期目標評估。
因為用户運營不像做聚划算、搶購那樣銷量爆發比較快，用户運營是一個長期的“潤物細無聲”的過程，需要你不斷對消費者進行關懷和服務，對你的產品和品牌會有一些心智影響。所以在這時候我們會有一些長期目標評估。這兩種評估是怎麼做的呢？
1. 單次數據營銷評估單次數據營銷活動的效果與效率，通過即時性或短期指標，評估投入效率，單次數據營銷評估三要素：人羣基數大、轉化效果好、投入成本低。
1）人羣基數
人羣基數是指使用溝通渠道（where）成功觸達到的用户總數，比如短信發送人數、鑽展曝光（點擊）人數等。
2）轉化效果
轉化效果即轉化率，轉化率 = 成交人數/人羣基數。
3）投入成本
投入成本是指在數據營銷活動中與用户溝通的成本，如短信費用、鑽展費用、派樣費用等。
此外，還可進行無形資產的評估，在短期評估營銷結果的 ROI 等指標之外，反應品牌積累的人羣價值，體現品牌與消費者聯繫、品牌建設情況；流量屬於平台，而消費者資產屬於品牌。
指標可選擇品牌拉新，是培養高潛力的消費者轉為已購客或興趣客，而非只是用廣告觸達更多的人。
我做了一年數據營銷的活動去評估長期的 KPI，比如説活躍用户的數量和活躍用户質量這件事情對品牌來説在正向地發展和運作。
我們就會評估它長期的效果，剛才講到 KPI 是活躍用户的數量，這個時候會看新客、老客加忠粉的整體數量，這在之前數量上有沒有不斷增加的趨勢，哪些營銷節點對營銷會有比較大的幫助。
另外活躍用户的質量，老客加忠粉的佔比，它的質量佔比越高，説明我們活躍顧客質量越高，即後續老客和忠粉的 GMV 佔比就會更大。
2. 數據營銷長期目標評估以長期和發展的眼光追蹤與分析消費者指標，評估數據營銷方向與長期效果。
具體來看，相關 KPI 有三個：
- 拉新率高，活躍用户數量變大。即品類潛力和品牌潛力轉化到我們活躍用户的池子的轉化率。
- 流失率低，活躍用户數量變大。即 2C 轉化成 3A，我們瀕臨入睡轉換到輕度睡眠這樣的用户佔比要低。
- 活躍度強，老客與忠粉的比例大。即用户的互動要更大。
只看這幾個可能會比較片面，所以還需要看趨勢、比對手，作為數據長期評估的方法。
看趨勢：
- What : 核心指標的長期追蹤評估；如：銷售額、品牌消費者資產、活躍用户數等；
- How : 需要明確指標在時間維度上的變化情況，同比、環比、預測模型；
- Why : 對變化原因進行挖掘分析。
比對手：
- What : 設定參考系，如行業大盤或競品品牌指標對比；
- How : 明確與對手之間的差距，指標高低、指標變化率；
- Why : 對變化原因進行挖掘分析。
最終總結一下，前面介紹的比較通俗易懂，易上手，總結起來就是 3 點：
- 把基礎打得紮實，做用户分層，對用户進行更加詳細的瞭解，這要輔助於標籤、回購週期等，根據品牌特性做比較粗基礎的用户分層；
- 做完以後針對不同客户分層去制定溝通策略，不斷讓資源和預算得到一個比較優異的控制；
- 我做了溝通以後，用科學方法評估它，除了有短期評估方法以外，還是一個長期的事情，可能還會有一些長期評估方法，這時候我們要更好地有觀全局、明重點的思維在裏面。
這 3 個步驟不一定是絕對的，可以在做的過程中不斷進行優化。如在溝通策略中對標籤不斷優化；在統計過程中對策略不斷優化等，用人的智慧、系統的智能化及業務的反饋，讓這三件事更加順暢，效率更高。
作者：周文君；視頻號：神策數據小數點
本文由 @神策-喬一鴨 原創發佈於人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議