“发掘一下,哪些客户有潜力”是许多同学在日常作业中老大难问题。究竟怎样算是有潜力?又该怎样用数据发掘?不清楚。常常是做数据的同学辛辛苦苦做出来,然后被事务诉苦:“我早知道了,你说的这有啥依据!”
某互联网广告途径,首要客户是B类企业,现在需求发掘潜力客户,问该怎么进行剖析?
留意:标题是toB事务,与toC事务最大差异是:B端客户有固定的职业归属(轿车、美容、快消、游戏……),B端客户,也有经营规划的差异(能够从企业人数、已揭露的财报,第三方职业陈述等途径获取)。因而,假如事前做了功课,是能够对企业打标签,对职业、规划进行分类的。
所以许多同学一拿到题,就开端:做穿插。拿职业、企业规划标签做分类维度,对用户广告投进金额做穿插。得到一张下边的表,然后就开端说:由于A职业企业投进广告多,所以A职业里面的企业都是潜力客户……(如下图)
可是,这些都是在描绘现状,不能成为判别“潜力”的规范。假如不谈规范,孤零零地描绘现状,就会发生问题和疑问:
所以,这个问题的破题之道,必定不是拿着数据穿插来穿插去,而且扎扎实实地回到事务中,看不同场景下,事务所谓的“潜力”是什么意思。
1、职业特色:有些职业是长时间、刚性需求广告(游戏、美妆、服装……)。有的则是季节性需有广告顶峰(地产、轿车、耐用品……)
因而,在区别场景的时分,首先得对客户依据下面维度进行区别,便于后续辨认作业:
其次,作为toB类事务,客户丢失,或许不全是我方途径的问题,很有或许是客户本身职业/企业的问题。
假如是状况3,尚可作为潜力看待,究竟尚有教育孵化的时机,可是假如是状况1,2就真的回天乏术了。因而需求差异对待。留意:这儿的数据搜集难度会很大。由于或许触及几十上百个职业和数万甚至数十万公司,逐一搜集难度太大。因而需求先做好根底分类,再逐一挑要点来做。
再次,作为toB类事务,事务方具有更多的1对1客户交流时机,与引导客户的或许性。因而,需求做好标杆剖析法,找出要点客户集体中成功事例/成功标杆。这样能够协助事务更好的跟进潜力客户,也能回答事务常常问的一个很丧命的问题:“为什么你说它是潜力,但它没有表现出来呢?”答曰:“亲,那是你没有用对办法……”
考虑到不同生命周期下,能搜集到的数据量不同,因而主张以生命周期为首要区别维度,结合其他信息作出判别。
初入期剖析全体思路,以做一单为方针。测验激活新获取用户充值/初次投进。由于初入期还没有用户投进数据,因而只能依据职业、规划等根底信息进行分类。这儿能够对现有高价值用户进行画像剖析,找出职业、规划等特征,对初入期有相似特征的客户要点作业(如下图)。
测验期,现已有部分用户数据,而且用户现已开端分解:有些用户投进后的确赚到了钱,有些用户作用乌烟瘴气,活跃度现已很低了。此刻挖潜思路,主张是:保种子。由于一个个压服作用差的用户再进行投进,真实太难,因而能够要点保住那些有潜力成为高价值用户的客户。
顶峰期,除掉测验期丢失的用户,能进入顶峰期的,或许投进费用足够,或许在之前的投进中现已斩获颇丰,因而都具有继续挖潜的时机。挖潜的思路也有不同,假如之前斩获颇丰,能够推穿插出售,推新的投进产品。假如作用一般,但仍有很多投入,则能够推其同职业的竞品事例,以服务的方式,提高付费的时分一起提质量。总归,两个挖潜方向都是:拉升客单价。
由于以上问题,都触及数据搜集,因而能够对用户价值分层后,针对高价值用户要点做,先处理大客户阑珊问题。此刻挖潜方针,便是:保住现有投进,能拯救一点算一点。
丢失期,和阑珊思路挨近,首先要区别丢失原因。除掉正常逝世,聚集从前的高价值用户,之后能够在用户职业回暖,用户职业有新成功事例涌出的时分,再进行潜力发掘,方针是召回用户。
做完以上分类,每个生命周期的“潜力用户”有了开始界说。但并不必定要一股脑地把一切“潜力用户”推给事务。由于不同阶段,事务的要点不一样,或许不需求这么多信息。
比方当期事务要点是拉新,那就要点处理初入期/测验期潜力问题。假如当期要点是提高生产力,那就要点挖顶峰期/阑珊期用户。
还有另一种状况,便是事务现已有了举动计划,期望数据能找出来契合这个举动计划的用户。此刻的“潜力”其实现已十分明晰:有潜力参加XX活动,有潜力购买XX产品的客户。
此刻的做法,和上文现已彻底不同,由于“潜力”的意义现已很明晰了,仅仅匹配问题。后续再专门共享这一类做法。
有同学会问:这儿是不是能够建一个算法模型,不必事务规矩来推演?答:能够。可是留意:要建的不是一个算法模型,而是切分场景,依据数据特色建模。否则眉毛胡子一把抓,建的模型会有问题。