简单易行的客户关系营销模型
转载自http://www.marsopinion.com/
B2C本质上是零售，客户是最宝贵的资源。
怎样管理好这个资源呢？
- 找专业的人，用专业的CRM系统
- 找专业的人，做专业的Data Mining，然后做可行的模型和Campaign
有条件做到上面两条的同学们不用往下看了……
目所能及，大部分B2C电子商务公司实际情况是：
- 买一套听上去万能的CRM系统，但是实际上没有从系统中得出任何指导如何管理客户的决策信息，甚至于连自己有多少新用户，多少老用户，流失了多少用户都不知道。
- 自己搞一套风风火火的客户调研，查出来“X%客户在我们这里买过N次东西……Y%是朋友介绍来的……”，完成一份漂亮的PPT，大家看完之后觉得自己对客户有了更加深刻的理解，说了一些”我们要增加用户粘性“之类的话，回家之后该干嘛继续干嘛，那些结论一点也用不上。
- 偶尔想起来就搞一次“流逝客户挽回计划”，给那些一年没买过东西的老客户发coupon，希望他们能够浪子回头~ 一是不成系统，二是这种针对“远古时已经流失的客户”的campaign效果一般好不到哪里去。
所以在想说有没有可能搞一套非常简单粗糙（但是比较容易实施）的客户关系管理模型来给中小型的电子商务公司使用。
胡扯之前，先来明确几个前提：
- 你不是做一锤子买卖的，还是希望同一个客户可以常常光顾你的网站
- 你没有资源找专业人士或者专业系统来做这件事情
另外，还有一个常识性的前提：
- 让一个已经知道你网站、已经在你网站购物过的消费者再次购物，比抓来一个陌生的用户、说服他购物要容易；
- 让一个刚刚流失的客户回头，比劝服一个已经流失了很长时间的客户回头购买你东西要容易（他说不定连联系方式都更换了……）
这样算起来，我们应该做的是：
- 优先向已有客户做营销（投资回报率较高——尤其是在你预算有限的情况下）
- 向那些流失客户做营销（不用做什么也会待着的用户，暂时不管他们，省下钱来用在刀刃上……彻底的loyalty penalty啊：（）
- 在客户流露出“流失”信号时，马上做营销（不要等到这个客户已经流失一两年了再忽然想起来。马上动作的成功率更高）
仔细想想，就会发现核心的问题是：我怎么知道哪些客户“就快流失了”？
我们来看一看一般的客户成长曲线：
（上图横轴是时间，纵轴是购物频率，仅仅是示意图，曲线坡度没什么意义）
一般来说，一个客户第一次接触你的网站（比如http://www.marsopinion.com/）之后，他会有一段时间的适应期，购物频率较低；等到慢慢熟悉了你网站的功能应用和产品线之后，购物频率会上升，慢慢稳定下来……直到某一天，他的需求减弱，或者找到了其他的方式满足需求，或者你的某方面服务让他不满意了，他的购物频率会降低（缓慢或者直接陡降都可能），直至完全流失。
所以，我们要关心的客户有两类：
- A: 新客户，但是没能成功转化为稳定客户
- B: 稳定客户，刚刚转化为了流失客户
我们要解决的问题是：
- 怎么找到这些人？
- 找到之后我们要做什么？
首先，怎么找到这些人？
对A组人来说：
- 给定一个购物次数来定义“新客户”，这个会根据电子商务网站商品品类的不同而不同。如果没想法的话，可以随便定一个——例如4，定义购物小于4次的都叫“新客户”；
- 简单数据挖掘，看看已有的老用户（购物次数大于等于4）前4次购物的间隔分别是多少，如果数据的差异性不大，可以用数据的平均值，如果差异性很大，则需要进一步分析（例如你又卖书又卖MP3，买书的客户购物频率和买MP3的客户购物频率必然差很多，需要分开对待）——当然如果够懒的话，用平均值也比什么都不用来得好。这样我们就得到了“新用户”的“前四次购物正常间隔”，假设是P1, P2, P3（例如70天，60天，和30天）；
- 如果一个新用户在第一次购物后，经过P1天，还没有进行第二次购物，我们就知道他在“转化为稳定客户”上遇到了困难；同样道理，第二次购物后P2天没有购物，第三次购物后P3天内没有购物，同样说明他遇上了问题，我们没有成功的稳定下这个客户，他落入A组；
- P的值可以根据市场经费，以及客户价值来调整。如果觉得客户非常重要，平时可以用0.8*P1, 0.8*P2, 0.8*P3来作为判断条件（这样会更快把客户放入A组），同样的，如果市场经费紧张，只能花在少量“确认流失”的客户身上，可以把P1, P2, P3改成2*P1, 2*P2, 2*P3 （意思是等更长时间再把客户放入A组）。
对B组人来说：
- 这些人都不是“新用户”，所以都有至少4次购物经验，取TrapWire = Max {P1, P2, P3, P4, …, PN}（定义TrapWire等于过去所有间隔中最大的那个，当然你也可以定义他等于之前所有购物间隔的平均值，或者平均值两倍之类~随便，看效果慢慢调就好）
- 假如今天距离该客户上次购物已经有了T时间，如果T > TrapWire，则该客户呈现出了“流失”的信号。
- 同A组数据一样，可以根据实际情况调整TrapWire的值，有钱的时候用0.8*TrapWire，没钱的时候用1.5*TrapWire。
- 如果要更精细的话，可以引入更复杂的参数（类似RFM模型），假设网站老客户平均的购物频率是Frequency，平均每个老客户购买过价值Monetary的产品，而该客户的购物频率是F，购买过价值M的产品，那么针对他的TrapWire可以设置为M*F/(Monetary*Frequency)——购物次数多、花钱多的客户，我们更积极的去挽回；购物次数少，花钱少的客户，我们可以更耐心一点多等几天再挽回。
根据这两个定义，每天（或者每周，每个月）我们就能得到两个List: A, B。
然后呢？
第一，我们可以监控A，B组占网站客户数的百分比，可以知道当前的网页设计、Marketing Campaign对于保留新老客户的作用大小、好坏。举个最极端的例子，你发现最近两个月A, B组的数量都翻了一倍，这就是一个直观数据告诉你“客户在快速流失！”，你最好把原因赶紧找出来。
第二，我们可以了解到最新的消费者动态，并做出相应改进。比如你可以让客服给所有落在B组，并且M>Monetary，F>Frequency的客户打电话（有能力多打，就多打），询问他们对于你网站的印象好不好，问问他们的意见（其实是含蓄的问“为什么不来http://www.marsopinion.com/买东西了？”）。问刚流失的客户比问一个流失了几年的客户“你当年为什么离开”有意义得多——至少你还可以做些什么（比如他说你的购物流程变了他不会用了，你可以考虑马上优化；比如他说你们客服太凶了，你可以考虑和客服经理开个会讨论一下这个问题……问几年前流失的客户这些问题意义不大）
第三，我们可以及时给那些消费者激励，挽留他们。第二条中，给消费者打电话了解情况本身也体现了你对他的重视，如果在电话里提供20块钱（看情况）的折扣券的话，挽回客户的可能就更大了。如果人数较多，电话划不来，也可以用Email来发送，Email内容包括 1. 挽留的话，对客户的赞美；2. 客户满意度调查的链接；3. 一张折扣券。折扣券的金额也可以根据M和F来计算，值得为高价值的客户付出更多的成本。
总的来说，这样一套客户关系维护和自动Marketing的模型不是很难做。结合之前写的网络营销有效性分析模型，MKT工作应该就轻松了很多