钱方好近:实现GMV增长,数据驱动是关键

文章正文
发布时间:2018-08-08 14:45

  8月3日下午,由易观、创业邦联合主办的“新零售的‘数据’时代——易观数聚论新零售专场”线下沙龙活动,在北京海置创投大厦创业邦空间隆重举行。作为新零售行业的推动者,钱方好近大数据事业部负责人张鑫应邀参加,发表了题为《数据驱动老客价值增长》的主题演讲,并与众多现场来宾一起探讨交流了有关新零售与大数据的发展关系。

  据悉,参加此次活动的还有来自易观、Marketin、超盟数据的互联网金融领袖大咖们,大家汇聚一堂,就大数据时代新零售的未来发展趋势,及企业面临的机遇和挑战等问题,展开了多维度、深层次的分析与探讨。

  零售电商症结:过度依赖新客,老客贡献率低

  据了解,绝大多数品牌的零售电商渠道,其GMV增长重度依赖新客,老客的贡献率普遍偏低。究其原因,张鑫指出,目前零售电商企业运营存在三大共性,即运营模式层面、运营策略层面以及购入构成层面的共性。

  在运营模式层面,循环性和周期性是他们活动的主要特点;在运营策略层面,增长变化定因定义难、策略指标提升关系不明确、全品类参与聚划算、促销面向全用户、门槛红包问题是目前面临的五大问题;在购入构成层面,老客贡献率低,总GMV增长过度依赖新客,老客挖掘不足,GMV增长难以出现可观的量变,贡献“鸡肋”。

  随后张鑫提到,老客增长战略不强大、使用姿势不精准也是导致获客成本没有更好转化的主要原因。那么,如何才能让GMV呈现应有姿态?

 

  实现GMV增长:新客变老客,老客变常客,数据驱动是关键

  张鑫指出,为了更好的助力零售电商企业发展,实现GMV稳定增长,钱方好近推出致力于提升价值潜力巨大的老客群体为零售电商创造价值的智能增长解决方案。智能增长是持续提升的闭环,它以老客为突破,为品牌零售电商提供增长诊断服务、会员画像引擎、智能增长策略以及A/B测试与评效四大核心服务。

  首先,通过构建增长指标体系,对其进行预测、监控与相关性分析,对人、货、场维度进行智能重构以识别关键指标的动因;其次,构建会员价值模型与生命周期模型,进行基于特征工程的会员分层、分群聚类;然后,构建不同群层会员成长策略与路径,从活动驱动与会员驱动促进成长,通过制定个性推荐、定期关怀、智能补贴等监督模型策略提升会员LTV;最后,通过持续的随机比较实验,优化成长策略与模型参数,提升策略的ROI与响应率,基于反馈数据监控指标变化,结合显著性检验评估每一次的推送效果与原因。

 

  他认为,数据驱动增长的核心就是能够定位每个用户的成长节点及下个阶段的成长目标,以及哪个策略对于哪个人提升到这个目标的一个映射图,而我们的目的,就是找到这个映射图。实验证明,通过合理规划的路径分析,不仅可以分析到每位老客的路线图,还能定位到用户所处的节点和下一步需要达成的目标。

  张鑫还提到,对于品销,我们需要有度量,而度量就是指标,我们需要有指标的去衡量。通过AB测试可以得知,对于每个用户,给什么样的策略,可以提升它的转化率;对于不同的用户,给到的优惠力度是多少,更容易响应和转化。最后,通过用户画像可以对用户打标签,对用户的R做优化,最大化确定间隔、响应时间以及流失预警的值,从而唤醒沉睡用户,提升用户购买频次。

  “我觉得不存在精细化的运营,只要是运营,在现在的状态下,它必须是精细化的。精细化有两个点,第一个点,我们的商业逻辑必须要扎实。作为一个运营人员,首先折扣、满减、秒杀,都是在什么场景使用,这个商业逻辑要特别扎实。有了扎实的商业逻辑,就必须要有正确的假设,有了正确的假设,才能做AB测试,设计出这个实验来。数据驱动,就是为商业逻辑提供确定性和概率的保障。”张鑫说道。

 

  此外,易观售前总监陈云龙为大家带来了新零售行业解决方案,同时加入方法论以新零售行业为启蒙,开始线上线上用户分析;Marketin创始人王华也为大家分享了在新零售时代下如何才能进行精准营销;超盟数据戴然然为大家带来了如何成为数据型驱动零售企业精彩内容分享。

  关于钱方好近

  全球领先的移动支付和消费大数据金融科技公司。2011年成立,总部位于北京,在天津、上海、广州、深圳及香港均设有分公司。 致力于为全球商户提供智慧支付服务技术和商户智能云服务。服务了过百万的商户,2亿消费者,300多个城市。覆盖十几个国家,包括柬埔寨,印尼,日本,韩国,马来西亚,菲律宾,泰国,阿联酋等。

文章评论
—— 标签 ——
首页
评论
分享
Top