▍行業(yè)背景

回望2020年，“走在變革期十字路口”的零售行業(yè)，在電商沖擊與新冠肺炎疫情的雙重壓力之下，受到了不同程度的打擊，整個市場出現(xiàn)了暫時性的下滑。與此同時，疫情的爆發(fā)也加速了零售業(yè)的結(jié)構(gòu)性變化，線上重組、數(shù)字生態(tài)、系統(tǒng)構(gòu)建速度加快，各種方式不斷的創(chuàng)新，也在一定程度上加速了零售模式的轉(zhuǎn)換。對于創(chuàng)新型企業(yè)來說，這是難得的機遇。

后疫情時代，零售行業(yè)有什么新打法？面對接下來的零售紅海市場，各個企業(yè)又將如何保持領(lǐng)先地位？我們不妨看看這家服飾公司是怎么做的。

業(yè)務(wù)挑戰(zhàn)

從“產(chǎn)品中心”轉(zhuǎn)變?yōu)椤翱蛻糁行摹笔潜厝贿x擇

后疫情時代，零售業(yè)開始了自上而下的新變革。未來社會，零售企業(yè)一定是以數(shù)字企業(yè)為主要形態(tài)的存在，對數(shù)字用戶資產(chǎn)的管理和用戶運營，就成為零售企業(yè)的核心競爭力。所以，傳統(tǒng)的產(chǎn)品驅(qū)動零售理念需要進行徹底變革。這家服飾公司將營銷焦點從“產(chǎn)品中心”轉(zhuǎn)變?yōu)椤翱蛻糁行摹?，客戶關(guān)系管理成為現(xiàn)階段企業(yè)的核心問題。

但目前客戶關(guān)系管理層面仍存在以下不足：

? 客戶分群效果不佳，無法合理區(qū)分不同價值群體。

? 無法針對客戶定制個性化服務(wù)方案，難以提升服務(wù)品質(zhì)，導(dǎo)致客戶流失挽回困難。

? 現(xiàn)有營銷資源無法精準匹配高價值客戶，嚴重阻礙企業(yè)利潤的提升

其實，這家服飾公司一開始也做過客群分類，精準營銷，采用“Excel工具+VBA語言編寫RMF模型”的方式進行。這種方式缺乏完整的數(shù)據(jù)整合系統(tǒng)，各個系統(tǒng)相互獨立，數(shù)據(jù)沒有打通，形成了一個個數(shù)據(jù)孤島，數(shù)據(jù)價值難以得到充分的發(fā)揮。同時，隨著數(shù)據(jù)量的增長越來越快，現(xiàn)有的系統(tǒng)已經(jīng)無法進行快速響應(yīng)。

建設(shè)方案

針對該公司客戶關(guān)系管理的現(xiàn)狀，Smartbi提出了新的解決方案：Smartbi Mining+LRFMC模型。

Smartbi Mining具備以下優(yōu)勢：

? 具備專業(yè)算法能力，內(nèi)置50+挖掘組件；

? 產(chǎn)品簡單易用，業(yè)務(wù)人員也能參與數(shù)據(jù)挖掘，分析全程可視化；

? 產(chǎn)品分布式計算，能夠滿足大型企業(yè)數(shù)據(jù)挖掘的需求；

? 能與BI平臺無縫集成，將挖掘結(jié)果通過Smartbi豐富多樣的可視化手段進行分析展現(xiàn)。

同時，在該公司原來的RMF模型基礎(chǔ)上增加了指標L和指標C，統(tǒng)稱為LRMFC模型：

●指標L：成為會員的天數(shù)

●指標R: 最近一次消費的時間間隔

●指標F：消費頻率

●指標M：累計消費金額

●指標C：購買商品的平均折扣

LRMFC模型是原來的模型上進行完善，該公司的接受度會比較高，貼合需求，驗證模型的難度也會小很多。并且可以使客戶的分群更加細粒度化，更有效地對客戶價值進行分類。

應(yīng)用場景

如圖所示，整個項目的挖掘建模流程需要經(jīng)過五個階段：數(shù)據(jù)源、數(shù)據(jù)抽取、數(shù)據(jù)探索與預(yù)處理、建模與應(yīng)用、結(jié)果與反饋。

（1）數(shù)據(jù)源

將用戶需要采集的源數(shù)據(jù)，從CRM客戶關(guān)系管理、IPOS門店管理系統(tǒng)、SAP等業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)集成到數(shù)據(jù)源庫，打通個系統(tǒng)的數(shù)據(jù)。

（2）數(shù)據(jù)抽取

將數(shù)據(jù)源庫中的數(shù)據(jù)進行數(shù)據(jù)抽取，劃分為歷史數(shù)據(jù)和增量數(shù)據(jù)。

（3）數(shù)據(jù)探索與預(yù)處理

首先通過全表統(tǒng)計進行探索分析，對目標數(shù)據(jù)庫中的數(shù)據(jù)首先進行缺失值與異常分析，通過丟棄、填充、替換、去重等操作，達到去除異常、糾正錯誤、補足缺失的目的。另外對數(shù)據(jù)進行數(shù)據(jù)清洗、屬性規(guī)約、數(shù)據(jù)變換，實現(xiàn)數(shù)據(jù)的可用性。

（4）建模與應(yīng)用

基于LRFMC模型對客戶特征進行分解，再用K-means算法對客戶進行分群，最后利用分群結(jié)果進行驗證。

（5）結(jié)果與反饋

根據(jù)模型的應(yīng)用結(jié)果對模型進行優(yōu)化，如此反復(fù)直到模型調(diào)整到最優(yōu)狀態(tài)。

將會員分為6個類別：低價值會員、高價值會員、重要發(fā)展會員、重要挽留會員、重要保持會員、超高消費會員。

對不同的客戶價值群體進行特征分析，將客戶價值群體實現(xiàn)標簽化管理。對于零售行業(yè)來說，有效的客戶細分是深度分析客戶需求、應(yīng)對客戶需求變化的重要手段。企業(yè)可以通過客戶標簽，針對不同類型的客戶，結(jié)合過去歷史數(shù)據(jù)形成的消費特征，進行精細化的營銷動作。

將數(shù)據(jù)挖掘結(jié)果進行BI可視化展示，有效進行數(shù)據(jù)整合，輔助營銷決策分析

（1） 會員價值分群看板

例如，從上圖的“不同群體會員退換情況”柱圖中可以看到低價值的退貨單是高于換貨單，重要發(fā)展會員的退貨單跟換貨單基本持平也很高，說明低價值會員和重要發(fā)展會員對產(chǎn)品的品質(zhì)等要求更加苛刻，可以對退貨單原因進行主題分析，找到引起客戶退貨的幾個重要原因，并針對這些原因制定相應(yīng)的策略來提升產(chǎn)品的服務(wù)和品質(zhì)。

（2）會員價值統(tǒng)計看板

項目價值

1、解放人力：將人員從重復(fù)復(fù)雜的Excel分析解放出來，提升工作效率，使人力投入到更高層次的層面

2、輔助營銷決策：通過模型圈定高價值客群，為客戶在雙節(jié)營銷活動中提供營銷決策支撐。

3、溝通更順暢，營銷策略直接觸達一線業(yè)務(wù)：數(shù)據(jù)開放給門店業(yè)務(wù)人員，降低各個門店與總部的溝通成本，提升了營銷執(zhí)行速度和效率；并且門店也能很好的驗證和反饋營銷策略的正確性，便于及時更改營銷策略

4、營銷響應(yīng)率提升：對比客戶原來使用RFM模型及時有效的營銷策略，聚焦于核心問題，營銷執(zhí)行率有極大的提高。