购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

第三节
用户行为和特征分析的应用案例

一、传统营销模式的巅峰

传统营销理论的核心是产品和用户。小米手机将这两点做到了极致,是传统营销在互联网时代的集大成者。小米非常重视企业与用户的黏性,几乎所有的用户都是产品的粉丝,在和粉丝的交互中不断对产品进行优化、升级和迭代,完全满足了用户的需求。古语有云:得民心者得天下。对于小米来说,这句话也许要改为:得粉丝者得天下。

传统营销与互联网时代的碰撞

传统营销理论的核心是产品和用户。前有小米手机作为传统营销在互联网时代的集大成者,利用粉丝文化得天下;后有蜜雪冰城在新式茶饮的激烈厮杀中另辟蹊径,以接地气的价格和“洗脑”的营销斩获大批粉丝,成为中国现制茶饮领域首个拥有超 10000 家门店的品牌。蜜雪冰城对自身品牌的定位有明确的认知,区别于走“高大上”路线的“喜茶”“奈雪的茶”“茶颜悦色”等一众品牌,蜜雪冰城专心做下沉市场,以亲民的价格打造爆款,以丰富的营销吸引眼球,以快速的迭代更新产品,走出互联网时代蜜雪冰城特有之路。

1.低价爆款,主攻下沉市场

蜜雪冰城对自身做了明确的品牌定位:下沉到三四线城市,瞄准青年和学生群体,选址靠近学校,俘获大量“囊中羞涩”的学生群体的心,全国各地门店齐开花,3 元一杯的摩天脆脆,4 元一杯的柠檬水,6 元一杯的摇摇奶昔,是许多小镇青年与学生群体的快乐回忆,相较于其他品牌动辄十几二十元一杯的奶茶,蜜雪冰城显然是没有消费负担的甜蜜(图 1.14)。

图1.14 关注蜜雪冰城人群城市分布

注:统计时间 2020 年 1 月 1 日—10 月 26 日

(数据来源:微热点大数据研究院)

创始人张红超与张红甫家境贫寒,为了赚钱做过诸多尝试却又无疾而终。无意间张红超发现老家十分流行的刨冰在郑州却极为少见,两人一合计,拿出压箱底的 3000 元钱,租下了郑州城中村里一间 2~3m 2 的门面,开了一家刨冰店,蜜雪冰城的前身就此诞生。

2006 年,创始人张红超在郑州汇宝大厦里无意间发现一家进口冰激凌店。这家店的冰激凌美味又好看,但缺点也很明显——一支冰激凌竟然要卖到 20 元,而那年郑州居民月均可支配收入也不超过 1000 元。这让出身贫寒的张红超感到震撼,但在震撼的同时他立刻就发现了隐藏的商机。他淘来一台二手冰激凌机,通过在网上查阅有关冰激凌制作的相关资料,凭着自身对冷饮的理解愣是琢磨出了几个配方。而后他又自己动手研制起蛋筒的做法。几经折腾,最终测试成功。2006 年秋天,这种长相酷似火炬的冰激凌上市,定价仅2 元,还大量赠送 1 元优惠券。火炬冰激凌一上市就迅速引爆市场,大获成功,张红超和张红甫也凭借这一爆款,开启了蜜雪冰城的加盟模式。靠着消费者的耳口相传,短短数月内就有 26 家加盟店开业,并且两位创始人也成功开展了连锁管理店业务。

2.推陈出新,大力开展活动营销

亲民的价格加上优秀的品质,让蜜雪冰城拥有了一批忠实的用户,但蜜雪冰城显然不满足于现状,因为年轻消费者的口味是善变的,只有不断推陈出新才能满足年轻消费者群体多样化的需求。因此,蜜雪冰城坚持每月上新的战略,同时开展各种新颖的营销活动,例如 2019 年 5 月的“手捣满杯香橙”活动、2019 年 6 月的三拼霸霸奶茶“致敬父亲节”活动、2020 年蜜雪冰城的周年店庆推出的重回 1997 “1 元吃冰激凌”活动。此类营销活动能不断强化消费者对品牌的现有印象,保持品牌的话题度和活跃度,保持消费者对品牌的新鲜感,大大提高了复购率。

3.经典IP打造,增强品牌认同感

2021 年 6 月,蜜雪冰城将品牌主题曲MV上传至哔哩哔哩网站, MV里两个胖乎乎的雪人(蜜雪冰城官方称其为“雪王”)拉着手转圈,并不断重复吟唱“你爱我,我爱你,蜜雪冰城甜蜜蜜”。这首歌旋律轻快,歌词朗朗上口,不论是谁听过后都能哼上几句,这首歌由此在互联网上热传(图 1.15)。

图1.15 蜜雪冰城主题曲MV

而站在这首热传的主题曲背后的,则是国内深耕于广告营销多年的华与华上海营销策划公司(以下简称“华与华”)。2018 年,创始人张红甫找到华彬与华楠兄弟,以为品牌“打造超级符号”为核心目的,对蜜雪冰城的品牌形象、 Logo、 IP形象等进行全方位的升级与改造,创作出一个头戴皇冠、手持火炬冰激凌的“雪王”符号,同时确定了红色与白色的主色调。自那以后,蜜雪冰城的品牌形象、店面设计、物料、运营周边、店员服饰、营销活动等,全部围绕“雪王”形象来制定,蜜雪冰城也由此进入全新的品牌IP化运营时代(图 1.16)。

图1.16 蜜雪冰城最新品牌形象

纵观蜜雪冰城的发家史和营销史,其凭借的是其对市场敏锐的洞察能力和精准的定位策略,但其实说到底是对用户特征深入到骨髓的剖析——明白用户想要的究竟是什么。

二、AARRR模型

做好用户行为分析,应该掌握“用户行为全程追踪”。在互联网领域以数据分析驱动增长的AARRR模型已经比较成熟(图 1.17)。

图1.17 AARRR模型

AARRR模型是基于用户的完整生命周期来做用户行为分析的应用。 AARRR是Acquisition, Activation, Retention, Revenue, Refer五个单词的首字母缩写,分别对应用户生命周期中的 5 个重要环节(表 1.3)。

表1.3 用户生命周期中的 5 个环节

AARRR增长模型是一套工具方法论,但是我们不能忘记我们的数据分析的起点和初衷:产品和市场,业务持续增长(商业价值的持续变现以及客户价值的平衡)。在产品生命周期中重点关注的指标如下:在产品成长初期,重点关注用户激活率和留存率;在产品成长爆发期,重点关注用户获取率和留存率,追求高效增长;在产品口碑爆发期,重点关注传播推荐,尝试病毒式增长;在产品成熟收割期,重点关注用户增加收入和留存率,维持客户价值和商业价值变现的平衡。在这个周期中,我们需要保持和用户的沟通交互,监控用户的行为数据指标,并及时了解市场中竞争对手的变化,根据市场和产品的变化调整产品策略、运营策略。

三、用户画像的现实应用

进行用户行为数据和特征的分析,目的在于帮助企业找到用户,驱动企业的业务扩张。金融企业内部信息较多,积累了大量的高价值数据,但是这些数据分布在不同的信息管理系统中。例如人口属性信息主要集中在客户关系管理系统,信用信息主要集中在交易系统和产品系统,消费特征主要集中在渠道和产品系统。为此,应参考金融企业的数据类型和业务需求,构建和利用用户画像寻找到目标客户,并发现客户个性化的需求,实现产品的精准营销,挖掘数据中的商业价值。

(一)银行用户画像实践介绍

1.银行数据资源的特点

银行的数据大部分是结构化数据,数据质量高于别的行业,因此数据清洗和甄别比较容易,只需要打通银行内部的信息孤岛,将数据结构标准化。这些大量的交易数据、个人属性数据、信用数据和客户数据,可以很好地勾勒出客户的行为特征。虽然银行有客户的交易数据,知道客户在某个商家的消费金额,但是却没有具体的消费数据,不知道客户消费的商品和服务是什么,需要引入银联和电商的数据来丰富消费特征信息。并且我国目前的征信体系的数据还不完善,银行还需要借助互联网公司的数据收集和挖掘能力,补充征信体系中缺失的用户信用数据。最后银行还缺少一些极具商业价值的外部数据,比如用户的社交数据和兴趣爱好等,需要引入移动大数据的位置信息来丰富客户的兴趣爱好信息。因此要构建较为完整的用户画像,银行还需要和外部的第三方数据平台合作,引入外部信息来丰富客户画像信息。

2.银行的用户画像构建和数据场景变现

银行的业务需求主要集中在消费金融、财富管理、融资服务,在构建用户画像时要从业务需求出发,从强相关数据出发,从业务场景应用出发。用户画像涉及数据的纬度不是越多越好,需要同业务场景结合,这些数据维度主要以人口属性和信用数据为主,其次是强相关信息和定性数据。信用数据是用户画像中重要的信息,人口属性数据可以帮助金融企业联系客户,将产品和服务推销给客户。强相关信息就是同业务场景需求直接相关的信息,可以是因果关系信息,也可以是相关性很高的信息。比如客户的年龄、学历、职业、地点对收入的影响较大,所以和收入数据是强相关关系,而用户的身高、体重、姓名、星座等数据,很难从概率上分析出其对消费能力的影响,这就是弱相关信息。构建用户画像的目的是为产品筛选出目标客户,但是定量的信息不便于对客户进行筛选,需要将定量信息转化为定性信息,通过信息类别来筛选人群。例如可以按年龄段对客户进行分类,18 ~25 岁以内定义为年轻人,25 ~ 35 岁定义为中青年,36 ~ 45 岁定义为中年人;也可按个人收入的情况将客户定义为高收入人群、中等收入人群和低收入人群。

银行的客户数据很丰富,数据类型和数量多,内部管理系统也很多。可以先利用数据仓库将数据集中,筛选出强相关信息,对定量信息定性化,生成DMP 需要的数据。利用DMP进行基础标签处理和应用定制,结合业务场景需求,进行目标客户筛选或对用户进行深度分析。同时利用DMP引入外部数据,完善数据场景设计,提高目标客户精准度。选择接触客户的方式,对客户进行营销,并对营销效果进行反馈,衡量数据产品的商业价值。利用反馈数据来修正营销活动和提高ROI,提高市场营销的效率,实现数据商业价值变现的目的。

DMP翻译为中文就是数据管理平台,它负责收集、存储、管理企业内部和外部的数据。数据的整合、价值评估和强大的分析能力是DMP的核心,如此便能根据不同的业务场景需要来开发设计产品。下面简单介绍一些DMP可以做到的数据场景变现,详见表 1.4所示。

表1.4 银行业的DMP数据场景变现业务

(二)保险行业用户画像实践

保险行业的产品是一个长周期产品,保险客户再次购买保险产品的转化率很高,经营好老客户是保险公司一项重要任务。保险公司内部的交易系统不多,交易方式不是很复杂,数据主要集中在产品系统和交易系统之中,客户关系管理系统中也包含丰富的信息,但是数据集中在很多保险公司还没有完成,数据库建设可能需要在用户画像建设前完成。

保险公司主要数据有人口属性信息、信用信息、产品销售信息、客户家人信息,缺少兴趣爱好、消费特征、社交等信息。保险产品主要有寿险、车险、保障险、财产险、意外险、养老险、旅游险。保险行业DMP用户画像的业务场景都是围绕保险产品进行的,简单的应用场景如表 1.5 所示。

表1.5 保险行业的DMP数据场景变现业务 MqjJ7a7ASR1FffEUN31Fmg9748Lten1ihKPDrZb7E+DGZG9vXlpprWAg65cpRsC9

点击中间区域
呼出菜单
上一章
目录
下一章
×