文章目錄
一、前言
完善的數據分析體系，是企業數字化轉型必備的基礎，企業在發展過程中，無論規模、性質如何，都離不開對用戶（顧客/客戶）的洞察，在新零售行業更是如此。全域數據中臺能夠提供：用戶洞察數據模型、用戶洞察分析、用戶畫像體系，幫助企業更加深入的瞭解用戶，企業可以通過深度分析給用戶提供更好的服務，建立客戶關係管理，完善用戶運營。
二、用戶洞察
以往在企業中，通常是通過註冊、消費來分析用戶的狀態，隨着採集技術的發展以及大數據技術的支持，我們可以實現分析處理更多維度的數據，從而豐富企業自有數據庫。通過OneId的建設，企業內數據可以實現串聯，從而實現對用戶行爲較爲完整的數據分析。
產品方面，通過數據中臺產品Dataphin開發用戶洞察相關的底層模型，再在Quick BI上做相關的數據分析，結合Quick Audience進行人羣洞察圈選。
三、分析介紹
用戶洞察分析，是企業全域數據中臺企業自有數據應用分析的一部分，也是關鍵的部分。在用戶洞察解決方案中，分析體系主要從三種分析框架入手，從不同的角度，幫助企業瞭解其用戶資產。企業通過用戶資產（用戶生命週期角度）、用戶旅程分析AIPL、用戶價值RFM分析三種分析思路幫助企業從不同角度瞭解其用戶資產，以適應不同場景下的分析需求。
企業可以選擇某種分析方法或者多種方法組合，實現以下內容的分析與洞察：
- 用戶的生命週期狀態
- 不同生命週期用戶的銷售洞察
- 用戶價值
- 用戶行爲
3.1 企業用戶資產分析
“用戶”是企業另一種形態的資產，我們從兩方面瞭解用戶的基本概況，首先是用戶生命週期的劃分，或者說是用戶狀態的劃分，更加精細的用戶劃分可以將人羣的特點分析更加全面，再有就是用戶消費洞察，可以幫助企業瞭解用戶處於不同狀態下時對銷售業績的貢獻，幫助企業進一步瞭解用戶特點。
3.1.1 用戶生命週期狀態分析-FULL分析
我們從用戶的互動時間長度結合互動深度做消費者的劃分，從互動時長上劃分準（潛）、新、老三種基本類型，從互動深度上劃分出活躍、非活躍2種類型，相互交叉後，給出全新的用戶生命週期狀態定義。通過用戶生命週期的劃分，更加精細運營維護消費者資產。當一名用戶與企業或者品牌等發生互動行爲起，即可被認作爲企業或品牌的潛在會員羣體，成爲拉新的目標羣體。該用戶消費以後，成爲企業或品牌的活躍用戶，直至用戶流失。
企業或品牌可以結合報表分析指標和相應用戶生命週期的標籤畫像，作出當下最爲合適的運營決策。比如對新非活躍會員給予新人優惠券的發送，激活其成爲活躍會員。
3.1.2 用戶銷售洞察
企業可以結合用戶生命週期狀態，對不同狀態用戶的消費進行探查，通過銷售的基礎指標如金額、件數、頻次，瞭解當前用戶消費概況。結合趨勢、同環比等對當前的業務業績進行進一步的洞察。從而制定更加合理的營銷活動，圈選更加合適的營銷人羣。
銷售洞察會分爲多個分析：整體用戶洞察、非會員銷售洞察、（活躍）會員銷售洞察、新活躍銷售洞察、現期活躍銷售洞察、持續活躍銷售洞察、迴歸活躍銷售洞察。由生命週期狀態人羣洞察，到用戶銷售洞察，企業可以將人羣及其貢獻更好的結合起來分析。對經營問題的診斷提供極大幫助。
3.2 AIPL分析
AIPL，把用戶劃分爲認知、興趣、購買、忠誠四個階段，也被稱作消費者旅程分析。用於幫助品牌將消費者根據不同的行爲階段進行分層管理，再依據不同的產品特性進行教育轉化，是品牌管理中經典的消費者行爲理論。此模型更關心的是消費者與企業的互動深入程度，可以從消費者跟品牌的忠實程度劃分消費者資產，從這個角度對不同階段的客戶做不同的營銷活動。
- A：Awareness 認知
- I：Interests 興趣
- P：Purchase購買
- L：Loyalty 忠誠
用戶的購物行爲描述爲從認知到興趣，再從興趣轉化爲購買，從購買轉化爲忠誠的一連串先後發生的過程，這一過程被稱爲消費者旅程。消費者可能會跳躍，比如從認知直接進入到購買，類似衝動型消費，或者從興趣直接到忠誠。AIPL模型，可以幫助企業瞭解潛在用戶有多少，忠誠客戶有多少，以及各個環節的轉化率。企業可以圈選出不同階段的人羣做相關的營銷活動。
3.3 RFM分析
3.3.1 用戶價值分析
用戶價值的劃分，是根據用戶的購買行爲對用戶進行分類，通過購買行爲中的購買時間、購買頻次、購買金額三項指標來評估用戶的價值，根據不同維度的劃分將用戶劃分爲不同類型。圈選出人羣，做特定的營銷活動推送，比如給予重要價值用戶vip權益，提升用戶忠誠度；給予重要發展用戶一些滿送活動，提升客戶的購買興趣，增加用戶復購可能性等。
- R:用戶最近一次購買時間
- F: 在企業定義週期內的的購買頻次
- M:在企業定義週期內的購買金額
若把RFM各分2檔，最終可以得到8種客戶類型，分檔後可以演化爲RFM標籤，可以針對不同企業制定不同的時間週期，也可針對需要設置或用其他分類名稱。企業可以根據實際需要將RFM劃分成更多的類型，比如只將R劃分爲3檔，可以得到12種類型，如果都劃分爲3檔，則是27種類型，但並非類型越多越好，企業還是按照實際運營來合理劃分。
以RFM各分2檔爲例：
- 某週期內重要價值用戶
- 某週期內重要潛力用戶
- 某週期內重要深耕用戶
- 某週期內新客戶用戶
- 某週期內重要喚回用戶
- 某週期內一般維持用戶
- 某週期內重要挽留用戶
- 某週期內流失用戶
3.3.2 用戶復購分析
提供消費者復購分析，可以對一段時期內消費者頻次進行分組或者篩選具體範圍、數值對消費者的價值進行更深層次的挖掘。通過購買頻次的劃分，對於不同人羣給予不同的營銷策略，提升活躍度、忠誠度。