導(dǎo)讀

引言
鵬為CRM做為客戶關(guān)系管理和維護(hù)的重要方面，在電商中顯得尤其重要，我們從各個(gè)渠道投放廣告花高成本去獲客，用戶進(jìn)來以后卻不能及時(shí)的被留住，留存和復(fù)購數(shù)據(jù)不太理想，客戶不能被準(zhǔn)確的定位和服務(wù).

一.明確CRM軟件的目標(biāo)

延長用戶生命周期，實(shí)現(xiàn)生命周期價(jià)值CLV（Customer Lifetime Value，也有稱LTV：Life Time Value）最大化
生命周期：CL：Customer Lifetime
生命周期價(jià)值：CLV（Customer Lifetime Value，也有稱LTV：Life Time Value）

二.剖析用戶生命周期和價(jià)值

讓用戶能在生命周期中產(chǎn)生商業(yè)價(jià)值，才是業(yè)務(wù)的最終使命。這里的商業(yè)價(jià)值，不單純是電商廣告游戲等賺錢模式。信息和數(shù)據(jù)這些無形且很難量化的也是商業(yè)資產(chǎn)。為什么要談?dòng)脩羯芷诤蛢r(jià)值？因?yàn)椴坏貌唤邮艿氖聦?shí)是，無論你是多么出色的運(yùn)營和產(chǎn)品，都無法真正制止用戶的流失你可以延長它，但就是不能阻止它。當(dāng)產(chǎn)品獲得足夠多的用戶時(shí)，最大的問題不是繼續(xù)獲取，而是從用戶身上賺回錢。成熟的產(chǎn)品都應(yīng)該考慮CL，以及更重要的CLV。
只要用戶停留時(shí)間越長，對(duì)產(chǎn)品的使用粘性越大，就越有可能在我們的產(chǎn)品上產(chǎn)生價(jià)值，那么有一個(gè)公式大家一定并不陌生：
賺錢=CLV（用戶生命周期價(jià)值）-CAC（獲客成本）-COC（運(yùn)營成本）
電商的CLV由一系列購買的指標(biāo)決定，電商CLV指標(biāo)：支付訂單量、GMV另外，我們通常說的用戶留存率，其實(shí)也是用戶忠誠度的體現(xiàn)，留存率對(duì)用戶的判定較為模糊，也不具備界定意義，因此我們可以轉(zhuǎn)化為用戶生命周期。

用戶生命周期=周期/(1-周期內(nèi)新增留存率)

如果一款產(chǎn)品新增用戶的月留存率是70%，那么估算出：平均用戶生命周期=1個(gè)月/（1-70%）=3.3個(gè)月。
運(yùn)營的目標(biāo)就是延長用戶生命周期從3.3個(gè)月到4個(gè)月、5個(gè)月乃至更長。并且在此期間產(chǎn)生商業(yè)價(jià)值。對(duì)于大部分產(chǎn)品，這個(gè)公式都是適用的。
如果需要更精準(zhǔn)的指標(biāo)，則可以將數(shù)據(jù)制作成頻數(shù)分布圖。

來看看怎么精準(zhǔn)的分析和運(yùn)營：

1、用戶生命周期最少的那部分用戶，例如10天，有什么具體特征，為什么不用？
2、用戶生命周期最多的那部分用戶，有什么特點(diǎn)？
3、分布人數(shù)最多的用戶，怎么樣能想辦法抓住他們的痛點(diǎn)？延長他們生命周期
4、究竟是用的久的用戶（二八理論），還是分布人數(shù)最多的用戶（長尾理論），產(chǎn)生的商業(yè)價(jià)值大？
每個(gè)用戶的生命周期都能產(chǎn)生商業(yè)價(jià)值，但有些用戶注定更有價(jià)值。
用戶生命周期和流失是息息相關(guān)的，用戶流失，便是用戶生命周期的終止。
用戶不用APP，可能是比較忙，可能是出去旅游了，可能是大姨媽來了心情不好。那么運(yùn)營應(yīng)該怎么判定他是上述情況，還是卸載不用呢？也許我們需要幾個(gè)月后才會(huì)發(fā)現(xiàn)用戶最后登錄停留在某一天。高級(jí)運(yùn)營和初級(jí)運(yùn)營的分水嶺在于：初級(jí)運(yùn)營經(jīng)常事后補(bǔ)救，高級(jí)運(yùn)營能夠防范于未然。
將用戶的流失可能扼殺在萌芽階段，是延長用戶生命周期的有效手段之一。這聽起來很玄乎，但舉個(gè)例子就會(huì)明白的。

一款社交應(yīng)用，通過流失用戶的特征分析。發(fā)現(xiàn)了如下的幾個(gè)特點(diǎn)：
1、流失用戶中，40%的用戶沒有完善資料新增用戶沒有導(dǎo)入通訊錄好友；
2、流失概率比導(dǎo)入的高20%新增用戶；
3、在第一周使用中，如果添加的好友低于3，則一個(gè)月后的流失概率超過一半。
4、用戶流失前一個(gè)月，互動(dòng)率遠(yuǎn)低于APP平均值。
這些特征很容易讀懂了解，運(yùn)營也很容易針對(duì)性的采取策略。例如良好的新手引導(dǎo)、引入好友推薦（想想微博和各興趣向APP）、增加曝光量、乃至使用機(jī)器人等等。
如果數(shù)據(jù)化運(yùn)營更徹底，可以運(yùn)營和數(shù)據(jù)分析結(jié)合，將上述的特征建模，得出一個(gè)比較準(zhǔn)確的流失概率預(yù)測。用模型計(jì)算出某一類人群流失概率在80%以上，和知道什么樣的人可能流失，在運(yùn)營上是兩個(gè)層次。
我們可以構(gòu)建決策樹模型，因?yàn)闆Q策樹模型的可解釋性強(qiáng)，它是if-then的集合，運(yùn)營非常容易理解。比如用戶完善資料低于50%，且沒有導(dǎo)入通訊錄好友，且好友數(shù)量低于3，則其一個(gè)月后的流失概率為80%。模型訓(xùn)練出葉節(jié)點(diǎn)，運(yùn)營用SQL就能跑出來可能流失的用戶群。
另外，發(fā)掘出變化性變量在運(yùn)營中有奇效。比如完善資料，是否導(dǎo)入通訊錄好友，都是靜態(tài)、狀態(tài)型的特征，更多是產(chǎn)品上的優(yōu)化。但是某一類用戶流失，能通過其他數(shù)據(jù)特征體現(xiàn)，比如上周打開了APP20次，本周打開了5次，下周打開了1次，趨勢是下降的，那肯定是要流失

三.流失率計(jì)算

數(shù)據(jù)的獲取

流失用戶是通過用戶的最近一次登錄距離當(dāng)前的時(shí)間來鑒定的，所以要分析流失用戶，需要知道每個(gè)用戶的最后一次登錄時(shí)間，而對(duì)于不同網(wǎng)站而言，這個(gè)時(shí)間間隔會(huì)各不相同，最長可能會(huì)有1年或者更久，所以在數(shù)據(jù)獲取方面會(huì)有一定的難度。如果分析的是注冊(cè)用戶，那么一般網(wǎng)站都會(huì)在數(shù)據(jù)庫中建相應(yīng)的表來存放用戶信息，所以建議在儲(chǔ)存用戶基礎(chǔ)信息的同時(shí)記錄用戶的最近一次登錄時(shí)間，這樣就能夠準(zhǔn)確地計(jì)算用戶最近一次登錄距離當(dāng)前的間隔時(shí)間，進(jìn)而區(qū)分該用戶是否流失。

 流失用戶變化趨勢

首先需要明確的是用戶的流失可能并不是永久的，也許用戶在一段時(shí)間內(nèi)對(duì)網(wǎng)站確實(shí)沒有任何需求，那么他會(huì)遠(yuǎn)離網(wǎng)站一段比較長的時(shí)間；或者流失用戶也會(huì)因?yàn)榫W(wǎng)站的某次營銷或者網(wǎng)站質(zhì)量的改善而重新回來。網(wǎng)站總的流失用戶數(shù)的計(jì)算比較簡單，以超過1個(gè)月內(nèi)登錄即為流失為例，那么總流失用戶數(shù)就是所有“當(dāng)前時(shí)間點(diǎn)-用戶最近一次時(shí)間點(diǎn)>1個(gè)月”的用戶數(shù)量。但是單純的總流失用戶數(shù)量對(duì)于分析是沒有意義的，因?yàn)榇蟛糠智闆r下這個(gè)數(shù)值是一直遞增的，我們需要計(jì)算總流失用戶數(shù)占總用戶數(shù)的比例及新增流失用戶數(shù)，觀察它們的變化趨勢，如下表：

新用戶流失率 我們可認(rèn)為新用戶注冊(cè)后就完成首次登陸，那么簡單地定義新用戶流失，就是用戶在注冊(cè)后一段時(shí)間內(nèi)都沒有登錄過游戲，即 當(dāng)前時(shí)間點(diǎn) – 用戶注冊(cè)時(shí)間點(diǎn) > 流失臨界時(shí)間間隔 比如我們定義用戶的流失臨界時(shí)間間隔為1個(gè)月，也就是在注冊(cè)后的一個(gè)月內(nèi)未登錄的用戶意味著已經(jīng)流失，那么就可以計(jì)算每天的新用戶流失數(shù)，即注冊(cè)時(shí)間為1個(gè)月前的那一天，而從注冊(cè)到當(dāng)前沒有登錄過的用戶數(shù)。這個(gè)用戶數(shù)與1個(gè)月前的那一天的總注冊(cè)用戶數(shù)的比例就是新用戶的流失率： 當(dāng)天的新用戶流失數(shù) / 當(dāng)天的總注冊(cè)用戶數(shù) = 新用戶流失率 計(jì)算出每天的新用戶流失率，并觀察它的變化趨勢：

四.RFM評(píng)估

RFM定義：最近一次消費(fèi)(Recency)  消費(fèi)頻率(Frequency)   消費(fèi)金額(Monetary)
根據(jù)這個(gè)指標(biāo)，我們又把客戶分成五等分，這個(gè)五等分分析相當(dāng)于是一個(gè)“忠誠度的階梯”(loyalty ladder)，其訣竅在于讓消費(fèi)者一直順著階梯往上爬，把銷售想象成是要將兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。
以上三個(gè)指標(biāo)會(huì)將維度再細(xì)分出5份，這樣就能夠細(xì)分出5x5x5=125類用戶，再根據(jù)每類用戶精準(zhǔn)營銷……顯然125類用戶已超出普通人腦的計(jì)算范疇了，更別說針對(duì)125類用戶量體定制營銷策略。實(shí)際運(yùn)用上，我們只需要把每個(gè)維度做一次兩分即可，這樣在3個(gè)維度上我們依然得到了8組用戶。
這樣，之前提的四個(gè)問題，就能很容易被解讀（編號(hào)次序RFM,1代表高，0代表低）
重要價(jià)值客戶：最近消費(fèi)時(shí)間近、消費(fèi)頻次和消費(fèi)金額都很高，一般是VIP
重要保持客戶：最近消費(fèi)時(shí)間較遠(yuǎn)，但消費(fèi)頻次和金額都很高，說明這是個(gè)一段時(shí)間沒來的忠實(shí)客戶，我們需要主動(dòng)和他保持聯(lián)系。
重要發(fā)展客戶：最近消費(fèi)時(shí)間較近、消費(fèi)金額高，但頻次不高，忠誠度不高，很有潛力的用戶，必須重點(diǎn)發(fā)展。
重要挽留客戶：最近消費(fèi)時(shí)間較遠(yuǎn)、消費(fèi)頻次不高，但消費(fèi)金額高的用戶，可能是將要流失或者已經(jīng)要流失的用戶，應(yīng)當(dāng)基于挽留措施。

五.結(jié)合電商平臺(tái)設(shè)計(jì)功能

結(jié)合用戶生命周期和價(jià)值，觀察流失率曲線并預(yù)估是否用戶在持續(xù)累積還是流失，評(píng)估用戶的RFM，在了解了用戶的真正節(jié)點(diǎn)之后，結(jié)合數(shù)據(jù)，就可以設(shè)計(jì)搭建CRM大后臺(tái)了，這個(gè)后臺(tái)所要承載的功能就需要按照模塊進(jìn)行分類和細(xì)化，這里只對(duì)大模塊做區(qū)分，并沒有細(xì)化用戶的生命周期節(jié)點(diǎn)，后臺(tái)可留有時(shí)間設(shè)置，來進(jìn)行精準(zhǔn)營銷，這個(gè)相信大家都明白怎么樣去利用數(shù)據(jù)設(shè)置任務(wù)，此處不做贅述，具體內(nèi)容可參考下圖，基本可以覆蓋電商所需要的底層功能：

結(jié)語

針對(duì)CRM，還有很多值得我們研究和探索的框架以及內(nèi)容，做好CRM無非是為了更好的做到三點(diǎn)：
首先，建立、管理并充分利用客戶數(shù)據(jù)庫；
其次，通過客戶關(guān)懷提高客戶的滿意度與忠誠度；
同時(shí)可以通過商務(wù)智能分析模塊，分析客戶流失原因。為更好地滿足用戶的需求而做好服務(wù)。
另外，CRM客戶關(guān)系管理其實(shí)也分為2種，2B或者2C。我們上述內(nèi)容講解全為2C端的，2B的CRM更多的是對(duì)銷售機(jī)會(huì)的管理，其中包括各個(gè)客戶的拜訪情況，意向，對(duì)方處于的狀態(tài)，對(duì)方的痛點(diǎn)等等。核心在對(duì)能把東西賣給他所需要的相關(guān)信息的管理。2C的CRM則更加大數(shù)據(jù)一些，這主要在零售公司比較常見。根據(jù)顧客購買情況，依據(jù)一些數(shù)據(jù)分析模型（比如RFM），我們可以描繪出各種典型顧客畫像，在將購買顧客分別套在畫像中，以進(jìn)行后續(xù)的營銷活動(dòng)（比如EDM電子郵件營銷）。無論是使用什么樣的方法，我們的目的很簡單，就是留住用戶，增加粘性，讓用戶信任我們，依賴我們。我們?yōu)橛脩籼峁└玫捏w驗(yàn)和關(guān)懷，用戶可以為我們提供更多的商業(yè)價(jià)值。

（取自網(wǎng)絡(luò)，如有侵權(quán)請(qǐng)聯(lián)系小編刪除）