基于数据驱动的活动该如何设计

最近在客户现场沟通几个系列的活动设计方案时,遭遇了一系列的挑战,说实话,客户给我深深的上了一课。在传统零售这样的行业中,思维模式与这些做惯了互联网和虚拟经济运营的人而言,有非常大的不同,多大的愿景,多么口若悬河的Story的模式,他们在意的不是这些。客户最在意的是落地,成本,ROI,你是否是基于数据驱动的设计。最大的感受是,在这样的企业中,更加注重数字驱动,对业态的敏感度并不是建立在纯粹的经验基础上,而是抱有对于数据的敏感度,提炼的经验。


的确在客户这里谈的最多是ROI,但是你不能简单的认为是客户只关注结果。在这种业态中,客户每一个决定都意味着数额庞大的预算支出,真金白银的花出去,上千家门店的培训和消息触达,相关有成本的实体物料准备,活动好坏,成本不是你所简单认为的那些短信的钱,那些券的费用。每一个offer的设计,都是实实在在的成本,因为背后的客群,会带来衍生的成本,比如习惯的培养,成本的增加。


零售并不是销售数字化产品,在每一笔订单的背后,都意味着,你所看不到的各种成本,这点与金融企业和互联网企业是本质的不同,金融本质上还是销售一种虚拟服务,不涉及繁琐复杂的供应链和库存问题,同样,今天的多数互联网企业也是销售服务,信息,本质上网具人的力量和信息,达成某一个目标。


但零售这样的行业却不能这么简单认识,这也造就了今天进入客户现场工作时,我们反倒是对他们肃然起敬。首先学会敬畏和学习。


说回来正题,关于活动的设计问题。有一点是不变的,无论是今天的互联网还是传统企业,比如零售,在面向对消费者的经营和活动设计营销方面,除了考虑本身业态的一些差异问题之外,在活动的最初设计思路和方法论方面,是不该有差异的,理论上,应该是一套方法体系,因为都是对消费者的服务和营销。


作为一直信奉数据驱动和数据说话的从业者,当进入项目后,却忽略了数据在活动设计的最大作用,过往我们在使用数据驱动的活动营销过程中,往往数据的作用在于对结果的分析,指标的制定,再对结果进行优化调整。换句话更多时候,我们习惯于感性的进行活动设计,理性的数据分析结果。但这恰恰存在了一些问题。因为最应该通过数据来驱动活动设计的工作,我们没有做。


说到这里,有的人说,我们的很多活动都是第一次,新创意,新想法,新思路,怎么基于数据驱动,因为根本没有数据来驱动设计,是的,以前我也是同样的思路,但我发现这个问题不是没有解决方案,在广告营销方面其实给了我们很好的借鉴意义,但是你会发现,你一个企业中广告营销在市场部,活动运营在运营部,彼此之间没有那么多活动,方法思路没有相互借鉴。


在最近,我们和客户设计了四个活动方向,分别是:
 
新注册会员营销:对于新注册的会员(没有购买),展开营销活动设计
活跃会员营销:对于有过购买会员,展开营销活动设计
沉睡会员营销:对于历史有购买,在近一个时期没有购买的会员进行营销
特征会员营销:对于符合某些特征的会员进行营销刺激
 
在最初的思路中,我们发现这是四类典型的人群,基于不同的生命周期,我们理想的认为,这种人群的划分就是基于数据展开的,这就是我们策划活动的目标,比如拉新,促进活跃,增加粘性,唤醒用户。尽管我们做了一些基本维度的分析,比如用户量,用户的基本属性,但是我们并没有收到客户的肯定和对方案的认可,有几个问题暴露出来:


1.所有的活动方案设计,没有考虑实操落地执行难度,零售业态的营销背后不是简单的系统开发和优惠券分发;
2.所有方案,并未明确活动设计的目标和量化考核点,比如新用户营销目的是什么,不是一句话,促进消费或者转化就完事;
3.活动营销缺少假设条件,没有在某种分析判断下,进行方案设计;
4.事先完整的数据分析,描述目标营销客群,分析已达成活动目标客群的典型特征;
5.成本和预测收益。
看似以上这些问题,觉得不是问题,实际上,我们在执行过程中,往往会忽略数据这一步的核心作用,对于数据分析的分析,也是浅尝辄止,更不会在一种假设前提下进行活动的设计,不过这种假设是源于对已达成活动目标客群的分析来实现,具体来说,如下:


1.我们要对新注册的会员进行转化,这是我们的笼统目标;
2.具体我们要明确对这些会员完成的是什么转化,比如就是完成首次购买,这是明确的目标;
3.活动具体目标是完成首次购买转化,则我们可以明确量化指标是首次购买转化率;


基于此,我们需要设计针对完成首次购买转化的具体方案,那么接下来我们要做的事情是最关键的,并不是马上开始设计活动方案,而是要去继续数据分析。


4.对于过去完成首次购买转化的会员,进行具体的分析,找到刺激用户首次购买转化的trigger,即什么原因促进了曾经的新用户首次转化购买;
5.同时对这些完成首次购买转化的历史用户,分析典型的特征属性,比如某个渠道,某个客单价,某个品类,某个颜色,等等。基于已有的人群作为种子进行刻画潜在营销目标群体;
6.从新注册的会员中,筛选出来一些潜在的客户名单,基于过往的offer,进行分组设计方案。


至此一个大概的真正应该基于数据驱动的活动设计框架就有了,当然了量化效果的指标,上线后的分析,这里不是讨论的重点。这里主要讨论的是活动在上线营销之前的工作,因为这部分工作耗费时间最长,磨合沟通最多。


基于数据驱动的活动设计有一个最大的好处时,所有人的目标和思维容易统一,不会因为反复复杂的设计搞晕,也不会问出来更多,你为什么如此设计方案,因为所有的道理则已经在数据分析过程中,梳理的很清楚。


不过这里讨论的活动设计方案,其实还要包括上线后,基于效果该如何去优化。比如响应组和对照组的设计,比如活动的结果只有两种:Yes NO,对于在过程中出现了NO的用户是继续等待,还是要开展持续的营销,这些问题,会在后续继续谈及。


在与客户沟通中,我们发现传统企业的数据意识并不是很若,更多是用经验方式代替一堆报表数字,然而受限于技术和人才的却是,数据整合继承的困局,新型渠道和数据应对不足,整个一个宝藏开发不足1/8,换句话,如果一天有8小时工作时间,坐下来基于一堆报表沟通的平局时间不到1小时,因为很多数字他们存在,但是用不了。


另外,这类企业你可以看到很多的BIG PROBLEM,这些PORBLEM,你若是基于数据稍稍优化,一个改动,带来也许是高达千万甚至是上亿的成本节约,同样,也会带来收益。对于这些实体企业来说,利用大数据也好,高级分析方法也好。首要解决的问题是效率的提升,决策的数据化,科学化,时效化,智能化。

上一篇:WCF基础教程之异常处理:你的Try..Catch语句真的能捕获到异常吗?


下一篇:小白学数据分析----->DNU/DAU