DataWhale 会员数据运营组队学习 Task01

一、什么是会员数据化运营？

会员数据化运营，几乎是所有企业的必备运营工作，企业要生存必须有会员（客户），无论企业处于发展周期的哪个阶段、企业规模如何、企业性质如何，都是如此。

（1）传统的会员数据化运营与现阶段的不同

传统的会员数据化运营更多聚焦在线上和线下的注册、购买会员，而无法获取线下会员在注册转化之前的用户数据。在大数据技术支持下，这种状态正在发生变化，借助于人工智能、深度学习等关键技术，可以将线上相对成熟的人脸识别、路径追踪等方面的应用逐步扩展到线下，这为线下会员完整生命周期的数据跟踪、识别和分析提供了基础。

（2）会员数据化运营的作用

会员数据化运营辅助于客户关系管理（CRM），可以用来解决以下几方面问题：

• 会员的生命周期状态是什么？
• 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、获得更多的新会员？
• 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）？

二、会员数据化运营的关键指标有那些？

会员数据化运营的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、终生价值指标和异动指标。 

（1）整体指标——注册会员数、激活会员数、购买会员数

（2）营销指标——可营销会员数、营销费用、营销收入、用券会员/金额/订单比例、每注册/订单/会员收入、每注册/订单/会员成本、营销费率

（3）活跃指标——整体会员活跃度、每日/每周/每月活跃用户数

（4）价值度目标——会员价值分群 、复购率、消费频次、最近一次购买的时间/金额

（5）终身价值指标——会员生命周期价值/订单量/平均订单价值、会员生命周期转化率、会员生命周期剩余价值

（6）会员异动指标——会员流失率、会员异动比=新增购买会员/流失会员

 三、会员数据化运营可以用在哪里？

（1）会员营销

• 以信息化的方式建立基于会员的客户关系管理系统，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用户，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。

（2）会员关怀

• 为预警时间设置阈值，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、活跃度和粘性。
• 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，促进用户终生价值最大化。

四、会员数据化运营分析模型有哪些？ 

1.会员的细分模型

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。 

2.会员价值度模型

 会员价值度，作为评价用户的价值情况，是区分用户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产生，衡量的是有实体转化价值的行为。常用的价值度模型是RFM模型。 RFM模型是根据会员最近一次购买时间R（Recency）、购买频率F（Frequency）、购买金额M（Monetary）计算出RFM得分，通过这3个维度来评估客户的订单活跃价值，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。

3.会员流失预测模型

 会员流失预测模型，用来预测会员是否流失，是做会员生命周期的重要预防性应用。做会员流失模型的关键因素之一，是要定义好“流失”，即处于何种状态、具备哪些特征的会员属于流失会员。另外，流失也要区分永久性流失和临时性流失。

4.会员特征分析模型

 会员特征分析模型是针对现有会员做特征分析。会员特征分析模型提供的结果可能是模糊的，也可能是明确的。

明确的特征，这类特征模型提供了业务所要行动的细节要素，是一种具有极高落地价值的数据分析工作。

模糊的特征，它只有数据分析结果，未提供详细的动作因素，仅仅指明了下一步行动方向和目标。

5.营销响应预测模型 

营销响应预测模型是针对营销活动展开的，通常在做会员营销活动之前。通过营销响应预测模型分析，找到可能响应活动的会员特征及整体响应的用户比例数量和可能带来的销售额，这对于在会员营销之前的有关策略制定的辅助价值非常明显。
营销响应预测模型的实施一般采用分类算法。常用算法，包括逻辑回归、支持向量机、随机森林等