运营基础-提高复购率

数据挖掘

美国著名商业实例---世界连锁巨头沃尔玛曾做过的一项调查讲述了挖掘大型数据中的有效信息和规律，并加以灵活运用的分析方法。

使用电脑对顾客的消费数据进行分析，顾客是通过怎样的组合来进行购买、调查商品之间的关联性后发现，面包和黄油、牛排和酱汁具有高关联性，而促销时间将纸尿裤和罐装啤酒*绑捆**促销就是十分不科学的组合了。合理的产品组合，才是一上架就热卖的秘籍。

至今的陈列方法都是将关联商品放置在同一区域，但是如果不对商品间的关联性进行分析，是不可能注意到的。

数据累积作为数据挖掘的前提条件是建立在当今电脑及软件算法的进步，从而使数据的基础构建变得更加容易，但是与此相对的若想要证实自己的设想，统计学知识和经验是不可或缺的。

顾客信息的运用

网络销售的一大好处就是可以通过与顾客的直接互动来获取信息。收集来的信息如何运用到实际销售中，从而使业绩增长，从以下3点来进行分析。

·提供给回头客的信息素材

·确认自己店铺的顾客真正的需求是什么

·在售商品及网页的改良、搜索、新产品和新服务的开发

○数据收集

在销售商品的同时自动收集以下信息。

1. 谁（姓名·电话·邮箱）

2. 日期（下单日期）

3. 什么时间段（下单时间）

4. 来自什么区域（顾客的地址）

5. 什么样的目的（馈赠·自用）

6. 什么样的商品（商品名·款式·尺寸）

7. 下单数量

8. 下单金额

利用Excel将以上所提到的数据进行分类、整合、分析后，可以作为之后销售活动的参考。

运用软件进行数据导入是优秀的店铺运营不可或缺的一部分，具体要收集哪些顾客信息，参考如下。

1. 顾客姓名、地址

2. 顾客电话

3. 发送广告邮件、促销活动的日期

4. 促销活动的顾客反馈

5. 顾客最初从什么渠道了解到促销信息

6. 第一次的购物日期

7. 之后的购物日期

8. 客单价

9. 购入商品和服务的种类及商品品类，负责人

10. 退货商品

11. 购入金额累计总额

12. 购买途径（电话、邮政、销售员等）

13. 支付方式（信用卡、代扣、汇款等）

14. 是否有不付款经历

15. 通过问卷调查获得的个人信息

16. 通过市场调查获得的客户体验度信息

○数值分析

网店的特点是能收集到比实体店更详细的情报。收集到的畅销品、毛利率、客单价、购买频率、顾客满意度等信息进行分析，将数据可视化，根据顾客需求和市场趋势建立更完善的商品和服务系统。

根据数据库所积累的顾客信息，分析顾客近期购买行为，在接近顾客下单的时候，推送给顾客购买频率高，购买金额高，重复购买可能性高的产品，这称为RFM模型。

运用RFM模型进行商业分析可以有效提高销售效率，降低成本浪费，稳定优质顾客，从而提高效益。

RFM分析法的运用

○RFM分析

简单来说就是将顾客过去的购买履历进行图表化。因为各行业及业态各有不同，不可一并而论，需根据店铺实际情况将具备不同属性特征的顾客加以区分。

·R - 最新购买日，即为某时间段内，最近一次购买日距离现在的天数

·F - 购买频率，即为某时间段内，购买的频率

·M - 累计购买金额，即为某时间段内，购买的总金额

模型法实例

等级

R

F

M

1

30日以内

10次以上

50,000万以上

2

60日以内

5～9次

25,000万以上

3

90日以内

2～4次

10,000万以下

以往的营业额=顾客数×商单价=顾客数×商品单价×购买数量×购买频率，这就是RFM的基础思维方式。利用具有代表性的RDBMS（关系数据库管理系统）的Access和BASE，即可方便地对数据进行抽出。

○最新购买日人数（R）

近期刚刚购买过某商品的顾客，对商户和商品的记忆是比较鲜明的，因此趁他还没有完全忘记该商户和商品，把他作为促销的对象，比起完全没有买过此商品的顾客来说，更可能进行重复购买。因此，用此方法可以在顾客库里选出有可能发展为回头客的顾客。

·R越接近上次购买日，再次购买的概率就越高。

·M即使很高，距离上次购买日期越久远，再次购买的概率就越低。

·F即使很多，距离上次购买日期越久远，再次购买的概率就越低。

○购买频率（F）

如果F较低的顾客较多，则需要考虑是否顾客满意度较低。并且，F较高的顾客，复购率也高，反之F低的顾客很少的话也就意味着新客很少，以此也可作为计量新旧顾客比例的指标。

·R基本相同，F越高复购率就越高。

·R距离上次购买日越久远，即使F很高，复购率趋低。

·M很高但是F很低的情况下，复购率趋低。

○累计购买金额（M）

M数值高就意味着潜在的购买力很高。此类顾客很多的话，并且F和R数值都上升的话，业绩必然上升。此数据也是检测顾客对该店的信任度的一个指标。

○RFM的分析方法

·无法从M的高低来判断是否成为回头客。

·复购率的判断基准首先看R，其次是F。

·M数值高，可判断常规购买力，但无法判断复购率。

·R栏数值越高，顾客的购买金额越大

·R栏数值显示的收益点一般有以下几点

1. R栏数值越高，将来成为企业利润支柱的可能性就越高。

2. R栏数值越低，即使F栏和M栏的数值很高，被其他店夺走的顾客的可能性也很高。

3. R栏数值都差不多的情况下，F栏数值越高，顾客越容易成为回头客。

4. R栏数值都差不多的情况下，F栏和M栏数值越高，顾客购买力越大。

5. R栏和F栏数据都很高，M却很低的情况下，顾客购买力就低。

6. F栏数值低，M却很高的话，R最好保持高数值。

7. F栏数值不升反降的情况下，顾客流失他店的可能性高。

8. RFM三数值都很低的话需要对取舍进行探讨。

RFM分析中最重要的是R，即便F和M数值很高，但是最近却无购买行为，很可能顾客已经被竞争对手所抢走。

也就是说，R的一举一动是掌握顾客动向的关键。一旦R栏数据开始下滑，若及时采取相应的广告促销的话，有可能挽回客源流失的局面。F数值停止增长的情况下也适用。

然后M栏数值变低也不容小视。由于F数值低就是潜在购买力低的体现，将来的收益贡献度也不会高。

另外F栏的数值低，M栏的数值高的话购买力就高，如果实施一些可以提高购买频率的活动的话效果更佳。

LTV顾客终生价值

LTV(life time value)生命周期总价值，意为客户终生价值，是店铺从顾客所有的互动中所得到的全部经济收益的总和。通常被应用于衡量对获得新客及顾客维护时所需的投资金额的重要参考指标。

·购买金额最高的几位大客户，平均一年购买的数量、单价、合计总金额是多少？

·向大客户推荐特惠商品、新商品时该采用怎样的对策？从而维持住大客户。

一般来说，获取新客所需的费用是维护老客人的费用的5倍，以下为我们需要确认的几点。

·顾客在自己店铺的停留时间有多长？

·从最初购买日起，是否有持续购买？

·用在获取新客所花费的费用占3年的累计毛利的百分之多少？

·顾客维护费（促销、买赠等）用占百分之多少，普通顾客同大客户的区别有多大？

○LTV分析的活用法

·在RFM和LTV的综合分析的最大化（早期化），必须停止无效的促销活动和广告投放，对于无法创造利益的顾客就不需投入成本去吸引了，这样可以避免成本的浪费，所以有效地对顾客进行筛选也是至关重要的。

【实例】

1. 投放彩页广告所能够获得的顾客数较少，并且初期投入费用也高。

2. 主动申请网络杂志和邮件广告的顾客本身购买意欲就很高，投入成本也较低。

·使LTV最大化的策略

1. 为了降低初期吸客所花费的成本，需要重新探讨审查促销活动方案。

2. 将经费集中在某项活动上，大力度吸客，防止客户流失。

3. 加强维护老客人，稳固复购率。

FSP（频率营销）

FSP是美国航空始创于1981年的一项频率营销服务。

此服务是每飞行1英里即可获得1点积分，达到一定量的积分后就能免费兑换机票和升舱服务。后来酒店行业，零售业也开始纷纷效仿。

日本的FSP是针对购物满一定金额，给与一定量的积分，根据顾客的申请，用积分兑换赠品和打折券等服务。而美国的做法则多是根据积分给与会员使用特惠价格购物的特权。

这种操作系统是让人越买越想买，以刺激顾客消费和消费金额增长为目的的。目标顾客非顾客全体，仅针对购买频率高的顾客，且搭配了阶段性的优惠政策。不同消费档次的顾客能获得的积分优惠也不同，这就是FSP。

【实例】福屋的らら福屋カード会員

CitiBank银行的Citi Rewards

○FSP的要点

·增加优良顾客，成为本店的稳定客人。

·根据顾客的消费金额和来店频率进行细分化。

网站来源于网络

日本电商塾译