你知道用户复购背后的秘密吗?

饿了么给你发的红包越来越少,但你还是每天都用;爱奇艺做了一场「买 3 个月送 2 个月」的活动,而不是「买 2 送 2」;摩拜随机设定的「红包车」,上线第一周就有 500 万用户参与,原因是用户骑行「一段时间」后就能领到奖金;小红书针对每笔订单生成红包优惠券,转发朋友圈后可领取,上线三个月订单转化达 40%……看似随机的营销行为背后,都是对用户消费习惯的深刻洞察。
 
通常来讲,商家获得一个新用户的成本是维护一个老用户的 5 - 10 倍,一个满意的用户会带来至少 8 笔潜在生意,一个不满意的用户可能会影响超过 25 个人的购买意愿。这就是为什么许多商家会通过发放优惠券等让利方式来激活老客的购买意愿。用户的消费习惯一旦形成,其流失风险就会显著降低,商业价值就会获得进一步的提升,从而大幅的提高用户生命周期价值(LTV),为企业带来可观收益。
 
商家在做营销活动过程中,经常会遇到一个问题:持续 1 个月大规模营销后,订单量大幅上升,但当营销活动结束,订单数量迅速下跌,甚至恢复到原来的水平。为什么大量的营销预算砸进去,而效果却微乎其微?原因很简单:我们没有找到用户的复购 Magic Number(复购魔法数字)。
 
Magic Number(魔法数字)是 Growth Hacking 方法中的一种关键指标,研究 发现用户在完成某个购买次数后,会形成稳定的再次购买的概率,这个由不稳定复购概率到稳定复购概率的购买次数,就称为复购魔法数字。在用户的购买次数没有达到复购魔法数字之前,用户的流失率都将维持在一个较高的水平,一旦用户的购买次数超过魔法数字,就会变成产品忠实用户。这一指标的改善将全面提升其它指标的表现,最终带来用户的增长和业绩的提升。
 
一个产品从 0 到 1 ,再到 100 的过程中,复购率魔法数字将经历 3 个阶段:
 
第一阶段:复购魔法数字形成阶段。 一款从 0 到 1 的产品,开始是没有复购魔法数字的,这个时期产品的主要任务是找到自己的 PMF(Product Market Fit),即找到产品的第一批真实目标客户。魔法魔法数字未形成之前,各种指标的趋势较为无序,还不足以形成对产品营销、运营工作的指导。当复购魔法数字形成时,标志着产品找到了 PMF,开始向成熟产品迈进。
 
第二阶段:复购魔法数字成熟期。 在复购魔法数字形成之后,商户的下一个目标是「如何让新用户以最快的速度达到复购魔法数字」。营销预算将重点瞄准复购魔法数字之前的人群。这一阶段是最体现精细化运营功力的阶段。 
 
首先,要考虑转化的速度。一个新用户如果长时间没有进行交易,就很可能流失,一旦流失就很难再挽回,更不可能通过复购魔法数字。因此,需要第一时间发现即将流失的用户并及时采取措施;其次,要考虑转化措施的有效性。我们可以根据用户的消费意愿和消费能力,将用户分为不同的群体,并针对不同的群体采取有针对性的营销策略,来刺激转化;基于交易数据的 RFM 模型,可以很好的支撑以上两个工作的实施。最后,需要可量化的衡量转化的效果。重点关注复购魔法数字前后的人员比例情况,魔法数字后的人群占比越多,整体人群的交易稳定性越高,在营销刺激结束后,越可能保持健康的交易增长水平。
 
第三阶段:复购魔法数字升华期。 随着产品质量和体验不断提升,产品的复购魔法数字将开始向前移动。魔法数字的前移对于一款产品来说是一次重大的效果提升。它意味着新用户将用更少的购买次数就可以成为忠实用户,通过 魔法数字的人群比例大大提升;同时,商户的营销预算也将得到大幅度的节约。如果魔法数字从 10 次移动到 5 次,理论上讲,商户只需要花费原来一半的预算就可以让一个用户变为忠实用户。Ping++ 新近推出的 大数据商业智能系统 ,能够帮企业建立基于复购魔法数字的营销决策。目前已有 100 余家优质新零售企业接入服务,利用交易数据来指导营销决策,驱动营收增长。
 
国内某大型电商平台曾对其大量商家的复购率进行分析,结果显示 93% 的用户再也没有进行过第二次消费,这是一个惊人的浪费。用户的消费需要有针对性的营销策略去引导和培育,围绕复购魔法数字来进行规划,会有四两拨千斤的作用。将产品的消费购买融入到客户的生活之中,让客户觉得生活本就应该是这个样子的 —— 叫外卖就是要用订餐软件,追剧就是要上视频平台,最后一公里就是要骑共享单车,买东西就是要先翻一下社区电商。把营销费用最有效率的使用出去,带来最为持久和健康的业绩增长,也许并不是无法触及的魔法。
 

本文作者:Ping++ 数据魔法师,原文发于微信公众号:PingPlusPlus。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
课程简介:  本项目课程是一门极具综合性和完整性的大型项目课程;课程项目的业务背景源自各类互联网公司对海量用户浏览行为数据和业务数据分析的需求及企业数据管理、数据运营需求。 本课程项目涵盖数据采集与预处理、数据仓库体系建设、用户画像系统建设、数据治理(元数据管理、数据质量管理)、任务调度系统、数据服务层建设、OLAP即席分析系统建设等大量模块,力求原汁原味重现一个完备的企业级大型数据运营系统。  拒绝demo,拒绝宏观抽象,拒绝只讲不练,本课程高度揉和理论与实战,并兼顾各层次的学员,真正从0开始,循序渐进,每一个步骤每一个环节,都会带领学员从需求分析开始,到逻辑设计,最后落实到每一行代码,所有流程都采用企业级解决方案,并手把手带领学员一一实现,拒绝复制粘贴,拒绝demo化的实现。并且会穿插大量的原创图解,来帮助学员理解复杂逻辑,掌握关键流程,熟悉核心架构。   跟随项目课程,历经接近100+小时的时间,从需求分析开始,到数据埋点采集,到预处理程序代码编写,到数仓体系搭建......逐渐展开整个项目的宏大视图,构建起整个项目的摩天大厦。  由于本课程不光讲解项目的实现,还会在实现过程中反复揉和各种技术细节,各种设计思想,各种最佳实践思维,学完本项目并勤于实践的话,学员的收获将远远超越一个项目的具体实现,更能对大型数据系统开发产生深刻体悟,对很多技术的应用将感觉豁然开朗,并带来融会贯通能力的巨大飞跃。当然,最直接的收获是,学完本课程,你将很容易就拿到大数据数仓建设或用户画像建设等岗位的OFFER课程模块: 1. 数据采集:涉及到埋点日志flume采集系统,sqoop业务数据抽取系统等; 2. 数据预处理:涉及到各类字典数据构建,复杂结构数据清洗解析,数据集成,数据修正,以及多渠道数据的用户身份标识打通:ID-MAPPING等;3. 数据仓库:涉及到hive数仓基础设施搭建,数仓分层体系设计,数仓分析主题设计,多维分析实现,ETL任务脚本开发,ETL任务调度,数据生命周期管理等;4. 数据治理:涉及数据资产查询管理,数据质量监控管理,atlas元数据管理系统,atlas数据血缘管理等;5. 用户画像系统:涉及画像标签体系设计,标签体系层级关系设计,各类标签计算实现,兴趣类标签的衰减合并,模型标签的机器学习算法应用及特征提取、模型训练等;6. OLAP即席分析平台:涉及OLAP平台的整体架构设计,技术选型,底层存储实现,Presto查询引擎搭建,数据服务接口开发等;7. 数据服务:涉及数据服务的整体设计理念,架构搭建,各类数据访问需求的restapi开发等;课程所涉及的技术: 整个项目课程中,将涉及到一个大型数据系统中所用到的几乎所有主要技术,具体来说,包含但不限于如下技术组件:l Hadoopl Hivel HBasel SparkCore /SparkSQL/ Spark GRAPHX / Spark Mllibl Sqoopl Azkabanl Flumel lasal Kafkal Zookeeperl Solrl Prestop

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值