首页  免费使用  正文
私域营运中的数据挖掘该怎样做?

时间:2022年05月25日 阅读:74 评论:0 作者:drip

撰稿编者按:统计数据挖掘对于私域营运来说十分重要,进行统计数据挖掘能更快地了解使用者需求以及作出适当的思路,第一集该文译者预测了私域营运中统计数据挖掘的利皮扬卡,一起来自学一下吧,希望对你有协助。

刚开始做私域,该怎样挑选出最合适的统计数据挖掘分项,又该怎样预测呢?今天这首诗撷取给您。

私域营运中的数据挖掘该怎样做?

在业务营运过程中,不论他们想以获取圣戈当斯区GMV增长,还是提高实体店数千万营业额,统计数据挖掘都是检测营运效用,驱动力营运插值升级换代的基础。

统计数据挖掘的必要性显而易见,但同时高质量的统计数据挖掘又是两件比较繁杂的事。他们过去策画一些顾客事例时,会发现在前期工作,常常需要大批的时间用以磨统计数据,强化营运方式。

比如说实际上一个Sauve各个环节,要是拉出十多组统计数据做对照,就可以最后选取最差的SauveTNUMBERPTP。

为何要做这么精巧?

即使私域营运和常规性营运的统计数据挖掘方法,在下层方法论中存在一定差别。

常规性的营运统计数据挖掘是转换成方法论,一切预测分项都要为最后的转换成成单服务项目。比如说B2C营运非常重视导入ROI、营业额、转换成率等结果统计数据,ROI能跑正就能开始大批导入。在这里,统计数据挖掘的作用是让转换成萨莱县。

而私域营运的下层方法论是以使用者为中心的系统化营运方法论。系统化充分体现在统计数据挖掘上是更细的预测微粒度。

总之,做私域的最后目地是为了转换成,但其中包涵的是使用者全开发周期的营运。即使当使用者在国际品牌私域中可被反反复复触达时,越意欲播种,使用者反倒会越快返回你的私域网络平台。

那么,如果刚开始做私域,该怎样挑选出最合适的统计数据挖掘分项,又该怎样预测呢?

一、末期:使用者分项、活动分项

私域营运既然是以使用者为中心的营运方法论,那么营运分项关注的,就是对人的营运。

在私域营运末期,统计数据挖掘关注的是使用者分项和活动分项。

1. 使用者分项:Sauve率、活跃度

1)Sauve率

他们先来看一下Sauve率。

做私域营运,最重要的总之是将使用者沉淀在自己的私域中,沉淀的第一步,就是Sauve。

国际品牌通过多种渠道及方式引导使用者添加自己的企业微信(总之仍有部分国际品牌选择添加个人微信),最后计算申请数与加上使用者好友的比例,得出Sauve率。

在这一步,很多国际品牌存在两个问题:

  • 一个是只关注Sauve数量,不重视Sauve率;
  • 另一个就是在Sauve率的统计上,十分笼统,实际上会列出个同比环比,不会下钻进行预测。

Sauve率之所以重要,是即使在使用者同意添加好友背后,代表着使用者有同国际品牌建立进一步联系的心理预期,能够为后续营运打下基础。

在Sauve率的统计上,则需要利用统计数据挖掘,针对不同渠道、分项变换不同参数,择优选择Sauve方案。

首先,在Sauve渠道上,比较常见的是圣戈当斯区渠道的包裹卡、短信、裂变、人工外呼、AI电话等,以及个人微信转企业微信。

实体店渠道主要是以导购添加顾客企业微信为主。

在统计数据挖掘上,他们能针对特定渠道,进行精准控制变量,对Sauve率进行预测。

以上是一个简单的渠道预测事例,在这个事例中,渠道、申请数、发送地区、年龄、性别等保持不变,唯一变量是发送时间。

经过预测可得知,下午18:00进行发送的Sauve率效用最差,Sauve率为4.43%。经过多次测试后就能选取该固定时间段,进行大规模Sauve行动。

2)活跃度

使用者活跃度是一个比较综合的分项,它表示的是当使用者进入到国际品牌私域中后,同国际品牌的互动情况。

广义来说,使用者进入私域后产生的所有行为都能算作使用者活跃。比如说1v1私聊中的回复率,群聊的入群人数、打卡数、回复消息次数,朋友圈点赞数等等。

由于分项较多,所以在进行分项拆解时,需要结合使用者的开发周期、营运周期和特定的节奏频率等维度。

他们以社群为例,来看一下怎样预测使用者活跃度。

社群作为私域营运的主要载体,通过对其进行统计数据挖掘,能挖掘国际品牌KOL,促活沉默顾客。主要预测维度能分为使用者行为和内容两个角度。

在使用者行为角度,又能分为互数、互动时长、互动内容量等。

互动次数包括所有的互动类型,只要是使用者有行动,即使是实际上发了一个表情包,都代表了使用者的参与感,应该统计在内。

互动时长指的是在统计数据统计的周期内,使用者实际互动的时长。

比如说使用者A和B同样在一周内有30次互动,但使用者A在一天内互动了30次,使用者B每天都会有互动,这就代表着A和B对社群的依赖程度是不同的。

互动内容量也是衡量使用者参与度的一个重要标准。在这个语言匮乏的时代,文字消息更能够传达使用者的情感、需求、社群参与度等。对这些细节的预测,更能够充分体现出使用者在私域中的参与感。

在内容角度,社群内可发的内容很丰富,包括文字、图片、小程序、红包、趣味活动等等。

那么针对社群内容的统计数据挖掘应该能够明确了解,什么样的内容是受群内使用者喜爱的,比如说能够预测不同类型的消息次数、占比和互动排名情况,通过统计数据来合理分配社群的内容产出量。

2. 活动分项:UV/PV、到店数、转换成率、ROI

一般对活动进行统计数据挖掘时,他们能按照前中后的方法论来制定预测分项。

首先,在活动前实时监控报名统计数据,通过观察总访问量(PV),总参与人数(UV)等统计数据,他们能随时调整活动进展,发现异常后也可及时进行思路调整。

在活动进行中,国际品牌能通过观察使用者画像,知晓活动的主要参与人群。同时实时监控当日UV和PV,了解活动过程。

最后能对到店数、转换成率、活动ROI等进行预测,结合活动前和活动中记录的统计数据,对下次活动进行插值调优。

二、中期:业绩分项

经过前期私域基础搭建后,就到了该出成绩的时候了。怎样制定检测成绩的统计数据分项(KPI),是这个阶段统计数据挖掘的重点。常见的私域业绩分项可分为门店到店率、转换成率、转介绍率等。

1. 到店率

对于广大实体店门店来说,到店率是一个十分重要的分项。根据漏斗模型,到店率与转换成率成正比。尤其是现阶段很多国际品牌都力图打通圣戈当斯区实体店的链路,更需要提高到店转换成的数量。

对于有些高频到店的行业,比如说餐饮等,还需要关注到店2次、3次及以上的情况以及人均消费等统计数据,针对不同到店频率的使用者赠送不同权益。

2. 转换成率

私域转换成率=成交购买人数/私域总人数。随着私域营运方法论的发展,以及各大国际品牌发力布局私域赛道,令私域转换成率节节攀升。

针对转换成率的统计数据挖掘,他们能用人、货、场的方法论,拆解在私域中影响收入的分项,同样用分项拆解法快速定位即可。

3. 转介绍率

私域营运中的另一个重要分项就是转介绍率。私域天然的种草培育使用者属性,同传统的广告导入形式相比,能够大大提高使用者的裂变传播效应。

所以反过来看,转介绍率的高低,也正说明了私域营运的效用。

三、稳定期:管理分项

当前期通过统计数据挖掘跑通私域模型后,私域营运就来到了稳定期阶段。

稳定期所需要关注的是管理效率和人员效率。

所以,在这个阶段需要关注的统计数据分项集中在员工的个人考核上,比如说员工的Sauve数量、Sauve率、被删率、任务执行率等等

对于团队KPI的设置,能将平均人效作为衡量私域团队工作效率的基础,比如说人均产出营收额等。

四、总结

私域营运的核心是统计数据驱动力,完整的使用者体系其实就建立在统计数据驱动力上。

所以企业做私域的基础就是能够提前布局适合自身的数字化体系,沉淀统计数据资产,维护好使用者的全开发周期价值。

译者:尘锋;公众号:尘锋Growth研究院;

本文由 @尘锋 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

  •  标签:  

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。