数据化运营的具体应用 NOTE（持更）
将介绍数据化运营的具体应用,包括会员数据化运营、商品数据化运营、流量数据化运营、内容数据化运营。
1 会员数据化运营概述
会员数据化运营辅助于客户关系管理(CRM),可以解决以下几方面问题：
- 会员的生命周期是什么
- 会员的核心诉求是什么
- 会员的转化习惯和路径是什么
- 会员的价值如何
- 如何扩大市场覆盖获得更多新会员
- 如何更好的维系老会员
- 应该在什么时间、采取何种措施、针对哪些会员做哪些运营活动
- 在特定运营目标下，应该如何制定会员管理策略（包括行为管理、体验管理、增值服务、信息管理、营销管理、客户关怀等）
2 会员数据化运营关键指标
关键指标包括：会员整体指标、营销指标、活跃度指标、价值度指标、终身价值指标、异动指标
2.1 会员整体指标
（1）注册会员数：根据注册时间的不同，又可以细分为 累计注册会员数、新增注册会员数等。
（2）激活会员数：指已经注册的会员中有多少会员已经激活，相对于注册会员有一个特定的激活动作，该动作往往决定了用户是否真的会成为企业会员。常见的代表性动作包括：点击确认链接、手机验证、身份验证等。
根据激活时间的不同，又可以细分为累计激活会员数、新增激活会员数。
激活会员数可以延伸出相对转化率的指标：会员激活率。
（3）购买会员数：指有过购买行为的会员数量（也可以根据自身转化定义为其他要素，如付费会员数）。
根据购买时间的不同，又可以细分为累计购买会员数、新增购买会员数等。
购买会员数可以延伸出相对转化率指标：
- 注册-购买转化率
- 激活-购买转化率
2.2 会员营销指标
（1）可营销会员数：是指整体会员中可通过一定方式进行会员营销以满足企业特定需求的会员数量。会员可营销的方式包括：手机号、邮箱、qq号、微信等具有可识别并可接触的信息点，具备这些信息中的任何一种便形成可营销会员。
（2）营销费用：一般包括营销媒体费用、优惠券费用和积分兑换费用3种。
- 营销媒介费用：是特定营销媒体而产生的费用，例如短信费用、会员渠道推广费用、电子邮件费用等。
- 优惠券费用：根据不同的使用条件和金额可以划分为多种，如30元红券、50元店铺券等。企业营销时申请的优惠券费用是会员营销费用的重要组成部分。
- 积分兑换费用：大部分网站都有会员积分系统，通常可以兑换成金额使用。如网站的积分兑换比例20：1。在开展促销活动时，除了前期投入的广告费用、促销优惠券费用外，还会包含两种情况的积分费用：一部分是积分可以直接兑换成人民币来支付订单，另一部分是订单生成之后会赠送一定数量的积分又形成可供兑换的金额。
，也是识别不同会员订单
（3）营销收入：通过会员营销渠道和会员相关运营活动产生的收入，包括电子邮件、短信、会员通知、线下二维码、特定会员优惠码等。
在评估会员营销活动产生的收入时，直接通过特定有标记的渠道或促销码而成交的数据能清晰分辨出来。但是如果用户没有直接通过会员营销的接触点形成转化，那么这种收入是无法评估的。例如会员看到短信后，又通过其他渠道形成订单。出现这种问题的根源是收入转化没有特定的标识符号用来做会员营销活动区分，因此，在做会员营销时一定尽量要让用户有特定的标识，这样才能区分营销效果。
（4）用券会员、金额、订单比例：会员营销时大多数情况下都会使用优惠券，这不仅是促销销售的一种方式，也是识别会员订单来源的重要途径。
用券指标包括以下几种：
- 用券会员比例：使用优惠券下单的会员占总下单会员的比例
- 用券金额比例：使用优惠券下单的订单金额占总下单金额的比例
- 用券订单比例：使用优惠券下单量占总下单量的比例
除此之外，还包括基于用券数据产生的用券用户平均订单金额、用券用户复购率等相关指标。
（5）营销费率：是会员营销费用占营销收入的比例。分析的目的是监督营销费用的支出情况，确保不超出计划指标。
（6）每注册、订单、会员收入：包括以下几种：
- 每注册收入：每个注册用户带来的收入
- 每订单收入：每个订单带来多少收入
- 每会员收入：每个会员带来多少收入
（7）每注册、订单、会员成本：包括以下几种：
- 每注册成本：每获得一个注册用户带来的成本
- 每订单成本：每获得一个订单带来多少成本
- 每会员成本：每获得一个会员带来多少成本
除了上述单位成本指标外，还可能包括其他类型的成本，例如每挽回一个流失客户成本，每完成一个特定目标成本（例如下载企业白皮书）、每单位线索成本（例如获得一个联系方式）等。
2.3 会员活跃度指标
（1）整体会员活跃度
用来评价当前所有会员的活跃情况，通常回一会员动作或者关键指标作为会员是否活跃的标识（如是否登录）。在此介绍一个会员活跃度矩阵，通过业务定义的关键因素来判断整体会员活跃度（因素及权重可根据企业自身实际情况定义）。
（2）每日、每周、每月活跃每月数
活跃用户根据活跃周期的不同可以定义如下：
- 每日活跃用户（daily active users，DAU)
- 每周活跃用户（weekly active users，WAU）
- 每月活跃用户（monthly active users，MAU）
2.4 会员价值度指标
（1）会员价值分群：是以用户价值为出发点，通过特定模型或方法将会员分为几个群体或层级。常见的分群结果如：高、中、低，钻石、黄金、白银、青铜等。
会员价值分群并不是一个真正的指标，而是给用户打标签，该标签用来显示用户的状态、层次和价值区分等。
（2）复购率：是一定周期内购买两次或以上的会员比例。不同公司对复购率的定义有所差异，基本定义逻辑分为三种，现已一个月为周期说明复购含义：
- 一个月内购买两次或以上的会员
- 一个月内购买两次或以上，以及一个月之前有购买行为，在一个月之内又产生购买行为（可能是一次）的会员
- 一个月之前有购买行为，一个月之内又有购买行为的会员
（3）消费频次：消费频次跟复购有关，二首都是重复消费指标。消费频次是将用户的消费频率，按照次数统计，统计结果是在一定周期内消费了不同次数，该指标可以有效分析用户对于企业的消费黏性。
（4）最近一次购买时间：也可以作为会员消费价值黏性的评估因素。
（5）最近一次购买金额：该指标衡量的是用户最近一次购买或消费时的订单，越大越说明用户最近一次的消费能力越高。根据二八法则，20%的老会员会贡献80%的消费金额。
2.5 会员终身价值指标
（1）会员生命周期价值、订单量、平均订单价值
会员生命周期指标是从用户成为企业会员开始到现在的总数据统计值，该指标与任何时间周期无关，衡量得失用户完整生命周期内的价值。包括以下几种：
- 会员生命周期价值（customer lifetime value，CLV）：用户整个生命周期内下单金额总和。
- 会员生命周期订单量：用户整个生命周期内下单量总和。
- 会员生命周期平均订单价值
会员生命周期相关指标由于突破 时间的限制，能从整体上获得会员的宏观状态，因此是重要的宏观价值衡量指标。
（2）会员生命周期转化率
会员生命周期转化率指会员在完整生命周期内完成的订单和达到网站、企业、门店的次数比例，该指标衡量了用户是否具有较高的转化率。例如，用户一共到达网站100次，但是只有一次消费，那么会员生命周期转化率为1%。
（3）会员生命周期剩余价值
会员生命周期剩余价值是一类预测型指标，用来预测用户在其生命周期内还能产生多少价值。该指标可以细分出很多相关指标，例如：
- 预测未来30天的会员转化率
- 预测生命周期剩余订单价值
- 预测7天内下单数量
- 预计下一个订单的订单金额
- 下一次购买商品的名称
这种预测型的指标通常会基于特定的算法和模型做训练，然后预测未来的数据，其中回归和分类时主要预测性应用方法，在某些情况下也可以使用关联算法。
2.6 会员异动指标
（1）会员流失率：指会员不再购买或消费企业相关业务、商品和服务，会员流失率指流失的会员数量与全部会员数量的比例。会员流失是一个正常现象，但是需要从两方面重点关注该指标：
- 会员流失率的数值：不同行业有不同的基准
- 会员流失率的走向：比较好的状态时流失率处于平稳或下降状态，如果出现上升则需要警惕
（2）会员异动比：指新增会员与流失会员之间的比例关系
3 会员数据化运营应用场景
会员数据化运营主要应用于会员营销和会员关怀两方面：
3.1 会员营销
数据化运营应用于会员营销主要体现在以下几个方面：
- 以信息化的方式建立基于会员关系管理系统，促进所有会员数据的信息化
- 通过特定方法将普通用户拓展为企业会员，并提高新会员留存率
- 基于用户历史消费记录，挖掘出用户潜在消费需求及消费热点
- 基于历史数据，为会员营销活动提供策略指导和建议，促进精准营销活动的开展
- 从会员营销结果中寻找异常订单或转化，作为识别黄牛或VIP客户的参考
- 挖掘会员传播关系，找到口碑传播效应的关键节点
3.2 会员关怀
数据化运营应用于会员关怀主要体现在以下几方面：
- 为预警事件设置阈值，自动触发应急处理机制
- 分析会员行为，为会员提供个性化、精准化、和差异化服务
- 通过会员喜好分析，提高客户忠诚度、活跃度和黏性
- 通过会员分析，预防会员流失，并找到挽回已经流失会员的方法
- 基于会员群体行为，更好地划分会员群体属性并挖掘群体性特征
- 基于群体用户和内容相似度，发现有价值的会员互动方式
- 基于会员生命周期的关怀管理，促进用户终身价值最大化
4 会员数据化运营分析模型
在会员数据化运营模型中，将主要介绍会员细分模型、会员价值度模型、会员活跃度模型、会员流逝预测模型、会员特征分析模型和营销响应预测模型。
4.1 会员细分模型
会员细分模型是将整体会员划分为不同的细分群体或类别，然后基于细分群体做管理、营销和关怀。
会员细分模型常用于整体会员的宏观性分析以及探索性分析，通过细分建立初步认知，为下一步的分析和应用提供基本认知。会员细分也是做精准营销的基本前提。
常用的细分模型包括：基于属性的方法、ABC分类法、聚类法等。
（1）基于属性的方法
会员细分可以基于现有会员属性，常用的细分属性包括：
- 会员地域（例如北京，上海，武汉等）、
- 产品类别（例如大家电，3C数码，图书等）、
- 会员类别（例如大客户，普通客户，VIP客户等）、
- 会员性别（男，女，未知）、
- 会员消费等级（例如高价值会员、中价值会员、低价值会员）、
- 会员等级（例如钻石，黄金，白银等）
这种细分方法可以直接利用现有会员数据库数据，无需做二次开发和计算。
（2）ABC分类法
ABC分类法（activity based classification）是根据事物的主要特征做分类排列，从而实现区别对待、区别管理的一种方法。ABC法则是由帕累托二八法则衍生出来的一种法则。不同的是，二八法则强调的是抓住关键，ABC法则强调的是分清主次，并将管理对象划分为ABC三类。
在ABC分析法中，先将目标数据倒序排列，然后做累计百分比统计，最后将得到的累计百分比按照下面的比例值划分为ABC三类。
- A类因素：发生累计频率0%~80%，是主要影响因素。
- B类因素：发生累计频率为80%90%，是次要影响因素。
- C类因素：发生累计频率90%~100%，是一般影响因素。
（3）聚类法
使用聚类法做会员细分是常用的非监督式方法，该方法无须任何先验经验，只需要指定划分的群体数量即可。
4.2 会员活跃度模型
会员活跃度用来评估用户的活跃情况，是会员状态分析的基本模型之一。在前面的整体活跃度指标中介绍了一种基于加权统计的方法，在此介绍另一种活跃度模型——RFE模型。
RFE模型基于用户的普通行为（非转化或交易行为）产生，它与RFM类似，都是使用3个维度做价值评估。RFE模型是根据会员最近一次访问时间 R（recency）、访问频率 F（frequency）、和页面的互动度 E（engagements）计算得出RFE得分。
- 最近一次访问时间 R：会员最近一次访问或者到达网站的时间
- 访问频率 F：用户在特定时间周期内访问或到达的频率
- 页面互动度 E：互动度的定义可以根据不同企业的交互情况而定，例如可以定义为页面浏览量、下载量、视频播放次数等。
在RFE模型中，由于不需要用户发生交易，因此可以做未发生登录、注册等匿名用户的行为价值分析，也可以做实名用户分析。该模型常用来做用户活跃分群或价值分区，可用于内容型（例如论坛、新闻、资讯等）企业的会员分析。
这里首先介绍一下【RFM模型】http://www.woshipm.com/data-analysis/4194147.html
RFM也是三个单词的缩写：
- 最近一次消费时间（Recency），取数的时候一般取最近一次消费记录到当前时间的间隔，比如7天、30天、90天未到店消费；直观上，一个用户太久不到店消费，肯定是有问题，得做点什么事情，很多公司的用户唤醒机制都是基于这个制定的。
- 一定时间内消费频率（Frequency），取数时，一般是取一个时间段内用户消费频率。比如一年内有多少个月消费，一个月内有多少天到店等等；直观上，用户消费频率越高越忠诚；很多公司的用户激励机制都是基于这个制定的，买了一次还想让人家买第二次。
- 一定时间内累计消费金额（Monetary），取数时，一般是取一个时间段内用户消费金额，比如一年内有多少消费金额；直观上，用户买的越多价值就越大；很多公司的VIP机制是基于这个指定的，满10000银卡，满20000金卡一类。
RFM和RFE模型的实现思路相同，仅仅是计算指标发生变化。而RFE的数据来源，既可以从企业自己监控到的用户行为日志获取，也可以从第三方网站工具获取。
在得到用户的RFE得分之后，与RFM类似，也可以有两种应用思路：
- 思路一：基于三个维度值做用户群体划分和解读，对用户的活跃度做分析。如得分为313的会员说明其访问率低，但是每次访问时的交互都非常不错，此时重点要做用户回访频率的提升，例如通过活动邀请、精准广告投放、会员活动推荐等提升回访率。
- 思路二：基于RFE的汇总得分评估所有会员的活跃度价值，并可以做活跃度排名。同时，该得分还可以作为输入维度与其他维度一起作为其他数据分析和挖掘模型的输入变量，为分析建模提供基础。
注意：无论是RFM还是RFE，都不要忽略不同的 消费频率、品类、和周期对于结果的影响。例如手机、大型家电、日用消费品，由于不同种类的商品差异性极大，最终得到的得分结果没有必然的可比性。
4.3 会员价值度模型
会员价值度模型用来评估用户的价值情况，是区分会员价值的重要模型和参考依据，也是衡量不同营销效果的关键指标之一。价值度模型一般基于交易行为，衡量的是有实体转化价值的行为，常用的价值度模型是RFM。
RFM模型是根据会员最近一次购买时间 R （reccency）、购买频率 F（Frequency）、购买金额 M（monetary）计算得出RFM得分，通过这三个维度来评估客户订单活跃价值，常用来做客户分群或价值区分。该模型常用于电子商务（即交易类）企业的会员分析。
RFM模型基于一个固定时间点来做模型分析，因此今天做的RFM得分与7天前做的结果可能不一样，原因是每个客户在不同时间节点所得到的数据不同。以下是RFM模型的基本实现过程：
- 设置要做计算时的截止时间点（例如2017-5-30），用来做基于该时间的数据选取和计算
- 在会员数据库中，以今天为时间界限向前推固定周期（如一年），得到包含每个会员的会员id、订单时间、订单金额的原始数据集。一个会员可能产生多条订单记录。
- 数据预计算。从订单时间中找到各个会员距离截止时间节点最近的订单时间作为最近购买时间；以会员id为维度统计每个用户的订单数量作为购买频率；将用户多个订单金额求和得到总订单金额。由此得到RFM三个原始数据量。
- R、F、M分区。对于F和M变量来讲，值越大越代表购买频率越高、订单金额越高；但对于R来讲，值越小越代表离截止时间节点越近。对RFM分别使用五分位（三分位也可以，分位数越多划分的越详细）法做数据分区。需要注意的是，对于R来说需要倒过来划分，离截至时间节点越近的值划分越大。这样就得到了用户的RFM三个变量的分位数值。
- 将3个值组合或相加得到总的RFM得分。对于RFM总得分的计算方式有两种，一种是直接将三个值拼接到一起，例如RFM得分为312、333、132；另一种是直接将3个值相加求得一个新的汇总值。
- 根据步骤五的结果，会有两种应用思路：
- 思路一：基于三个维度值做用户群体划分和解读，对用户的价值度做分析。
例如得分为212的会员往往购买频率较低，针对购买频率低的客户应该定期发送促销活动邮件；得分为321的会员虽然购买频率高但是订单金额低，这些客户往往具有较高的黏性，可以考虑通过关联或搭配销售的方式提升订单金额。 - 思路二：基于RFM的汇总得分评估所有会员的价值度价值，并可以做价值度排名。同时该得分还可以作为输入维度与其他维度一起作为其他数据分析和挖掘模型的输入变量。
4.4 会员流失预测模型
预测会员是否流失，是做会员生命周期管理的重要预防性应用。做会员流失模型的关键因素之一是要定义好“流失”。另外，流失也要区分为永久性流失和临时性流失。常见的属于流失的状态定义示例如下：
- 会员已经退订公司的促销活动
- 会员打电话要求将自己的信息加入通知黑名单
- 会员已经连续六个月没有登陆过网站
- 针对会员发送的关怀奖励活动后没有得到任何有效的反馈和互动
- 会员近一年没有任何订单
上述流失状态可以归为两类：一类是会员有明确的表达，不在希望接收到公司的相关信息；另一类是会员没有明确的表示，但是在业务关注的主要领域内没有得到有效的反馈
会员流失预测模型的实现方法属于分类算法，常用算法包括：逻辑回归、支持向量机、随机森林等。
在做会员流失预警模型时，需要注意以下几个问题：
- 流失会员的样本分类一定是少数类，需要注意处理样本不均衡问题
- 对于流失会员的预测结果，得到概率性的输出可以结合流失预测标签一起使用，因为也无妨可以基于概率再结合业务经验做判断
- 对于参与训练模型的维度变量的选择，一定要结合业务经验，因为业务方对于特定场景的判断是影响训练模型和应用结果的关键因素之一
- 输入的维度变量中一定要包含发生转化前的行为数据，假如业务定义为最近六个月没有订单的客户为流失客户，那么在做预测模型的时候需要将用户的匿名访问、登录、页面浏览、搜索、活动咨询等转化前的数据考虑在内，而不能只考虑订单转化本身
- 会员流失预警模型不是一次性的，而是周期性监视和运行的，例如每天，每周或至少是每月。
