电商CRM诊断逻辑框架
2021-12-22 15:00:47 1 举报AI智能生成
登录查看完整内容
CRM数据诊断逻辑框架
作者其他创作
大纲/内容
用户诊断分析
CRM KPI
更多人来买
粉丝／会员增长与转化
关注粉丝
淘宝群粉丝
入会绑卡
注册招募
让人买更多
买的频次增加
复购率
新客1转2
老客留存率/召回率
新客复购率
单次购买量多
老客客单价
监控每月不同消费频次客户客单，为优惠券门槛设置提供参考
F=2
F=3
F>3
新客客单价
行业参考值（新老客比例，复购率，客单价）
人
客户画像分析
借助数据银行人群画像分析，对比行业／品牌／店铺，得出来人群机会点
类目行业人群画像
性别
年龄段
职业
淘气值
地域分布
品牌购买偏好
近90天支付金额
近90天购买次数/购买频率
品牌人群画像
搜索维度
访客维度
性别及下单转化率
消费层级及下单转化率
地域分布及下单转化率
淘气值分布
店铺人群画像
店铺整体人群画像
店铺子类目人群画像
客户生命周期与CLV（从进店到流出）
母婴单品类，如纸尿裤、奶粉、米粉
进阶特性
进阶的产品
进阶的时间
通过问卷，得出不同阶段客户日或月消耗量，梳理出自然生命周期及总消耗量
美妆
按照潜客、新客、老客、流失分析
食品
根据用量进行消耗量分析
保健品
同母婴类目
RFM分析
可形成独立人群包
参考RFM模型
R值
15、16、17年
F值
15、16、17年不同购买次数客户绝对值、占比同比分析
数据看点：观测忠诚度客户变化情况
M值
15、16、17年不同累计消费金额客户绝对值、占比同比分析
数据看点：观测高价值客户 变化情况
新客分析
1-3页PPT
第一次购买
购买渠道分析
新客类型
分支主题
用研部门结合数据银行进行分析—结合大盘控盘情况及品牌策略，得出招新目标人群
类目新客、老客
品牌新客、老客
店铺新客、老客
品类新客、老客
购买偏好
品类、系列偏好
以顾客偏好确认招新sku
数量
1-2转化
同品类流转
跨品类流转
购买间隔
客单价
订单价格段分析
新客同期群（以每月新客为例，研究新客的质量和价格敏感度）
数据应用：1. 得出日常招新日均量、客单价，用于店铺生意月销售额拆分2. 结合流量渠道及转化得出日常哪个渠道招新最高效3. 得出日常招新客户后期运营重点Base在日常还是活动，如为活动，主要是哪一类型活动，主机制是什么
数据应用：1. 找出什么类型和机制的活动对招新质量最高； 2. 结合活动投放人群包，找出什么属性的人群包质量最高（转化），在后期的回购转化最高；3. 观测活动敏感型客户，是否更倾向于活动；如聚划算敏感人群，更偏向于聚划算，淘抢购人群更偏向于淘抢购
日常-->日常
日常-->活动
活动-->日常
活动-->活动
单个人群标签跟踪：1、人群标签：渠道、购买时间，购买品类／产品，价格，购买频次等2、来源渠道有效性；3、日常招新和活动招新的顾客2次流传标签，活动还是日常？逐个打标4、偏好情况等5、形成人群包，可回传到数据银行
老客分析
生命周期分析
by品类，同品类内部计算用户首次购买到末次购买的时间跨度
跨品类，计算本店铺内用户首次购买到末次购买的时间跨度
根据店铺类型不同进行的用量分析
单一品类店铺
以人为维度进行购买时间间隔分析，填充内容为用户购买的品类
以品类为维度进行购买间隔分析，填充的内容为用户购买的SKU
多品类店铺
以人为维度进行购买时间间隔分析，填充内容为用户购买的SKU
留存分析
本年老客+以前年度留存的老客
根据本年老客（大数）中本年老客的占比和以前年度留存的老客占比，预测来年老客（数）的构成
确定来年拉新的目标
根据老客中以前年度留存的老客（高购买力）中的流失部分
活动信息召回
地域分析
高渗透率地域
精准付费投放
高复购率地域
顾客的流失分析？
同品牌流失
买的品类、属性、价位等
用研部门结合数据银行进行分析
跨品牌流失分析
货
品类的聚合
购买新老客
交叉购买
回购周期
爆款分析(top5）
爆款的份额和认可率
客户数：
购买总人数、新客人数、老客人数
金额：
购买总金额、新客金额、老客金额
复购率：
总复购率、新客复购率、老客复购率
客单件/客件数
1. 老客不同件数购买人数占比分布，后期老客优惠券门槛设置做参考2. 新客以几件为主，为招新打法做数据参考
日常
新客购买几件
老客购买几件
活动
新客
老客
商品关联购买
月度分析：
客单价、 新客客单、老客客单
舆情分析
爆款的评价分析、“问大家、淘宝群、询单分析
对比自己店铺，做出调整，应用于投放素材内容、主图内容、卖点调整等
找出客户最关注什么
找出客户不满意前3
潜力款挖掘
找出潜力款
销量TOP6-20的商品
客户数
金额
商品地域分析
市场渗透率/市场份额
一般品类：省份or城市购买人数/网民人数
母婴品类：省份or城市购买人数/适配年龄段or家庭单元or母婴人群
市场认可率
省份or城市复购率分布
找出某个商品一二线城市认可度高还是三四线城市认可度高
数据应用：策略调整、渠道下沉，定向投放
市场爆发力
人均商品购买金额/客单价分布
购买频率分布对比
商品关联分析
关联品类，产品
数量、价位段
关联频次、金额
进阶分析
店铺新老客
段位新老客
0 条评论
回复 删除
下一页
