精细化运营：优惠券发放策略

谁不喜欢优惠券，能省钱，谁对钱有仇，省一分就是一分。今天，我们来谈谈用户分层分组下的红包分发策略。第一，新用户携手送礼，美好的邂逅怎么会不俗气呢？既然你来了，就拿到优惠券。以京东优惠券为例：（网络图片）优惠券类型统计分析如下：知识点：第一次总是害羞，成本总是高，总是谨慎。因此，利用率最高的小破冰红包成本为15%。随着客户单价的提高，折扣金额也减少了很多。当然，这些红包可以用于第2345次支付。服装单品优惠券最多21%，可能是品类推广，也可能是根据用户肖像猜测用户喜好。600减30和600减35猜测600是客户单价中比较集中的一档，第一次达到这个客户单价奖励比较高，第二次达到后优惠会减少。300减15和350减10猜测300是一个集中的客户单价区域。第一次，奖励会更大。350-400相当集中，不费吹灰之力就能实现。没有必要随意浪费太多的营销费用。(没有太多的数据真的很难猜测)。400减12和450减25的客户单价增加了50元，但增加了一倍多。也许现阶段的客户单价是一个瓶颈，需要大力推广。实战中的数据分析建立了以下漏斗分析模型:战略优化思路:1。注册1170人，只有255人领取优惠券。假设如下:(1)产品bug：根据APP，新人红包礼品窗口没有弹出、分析小程序、型号、版本等数据，找出问题，解决bug问题。（2）产品逻辑：用户在特定时间内关闭红包窗口，分析用户是否支持主动关闭红包窗口的数据，如果支持，则优化2、3、4.多次弹出策略和频率。2.247人加入购物车，只有10人提交订单，转化率很低:(1)趁热打铁，用户必须快速交易第一个订单，否则流失率很高。(2)分析用户加入购物车的商品是什么，有多少，并浏览这些类别。(3)推送精准红包，促进用户支付。(4)推送可比商品，帮助用户比较，促进用户支付。(5)push推送，提醒用户支付，设定时间限制。(6)推送周边产品，制定拼单活动，提供优惠。(7)在提交订单时，可以拆分更详细的漏斗，选择付款方式，填写地址，验证短信等。是否存在产品问题？以上策略和分析相对简单，只是提供了一个思路。在具体工作中，有必要分析大量更复杂的数据，找出问题并解决它们。新手礼品可以根据渠道、兴趣选择、区域、性别、行为数据等数据制定模块化的前后产品战略流程，建立人工智能数据平台，人工智能取代人工智能，操作伙伴恐慌，哈哈哈。但这一定是未来，一个人分析数据调整参数，一个人计划具体活动就足够了。除了能做活动，阿里的鲁班怎么办？激活用户定义：在一定时间内购买1-5次用户。这五个数字根据具体产品和实际情况而变化，即用户处于不稳定保留状态的阶段。只要他们在一段时间内达到一定的魔法数字保留率，他们就会大大提高。如图所示，这是一个用户支付不到5次的分布状态，分层分类制定分配策略。清空购物车优惠券，在特定时间支付立减。发放优惠券、类别、单品、满减等。依靠浏览数据。三、忠实用户用RFM对用户进行分类，选择3673000个用户数据，统计各指标的分布情况。频率：分布图如下。频率主要集中在三个范围内，选择5-10次、11-16次、17-22次。金额：分布图如下。金额主要集中在6000-11000、12000-1700、18000-25000三个区间。间隔：分布图如下。11-18天，19-24天，25-30天。因此，根据下图的分类，标记用户的三个维度。用户可分为3*3*3=27种组合。如果分为5个等级，则有5*5*5=125种组合。为了方便解释，我们列出了2*2*2=8种组合的分布数列如下：策略：1类用户：产品的核心价值，在特殊权利下给予优惠红包，如核心用户独家超额金额和高级会员红包礼品。简言之，我们必须留住他们。2类用户:如果频率有点低，会连续购买奖励红包，增加发红包的频率，增加交易频率。...以此类推，然后根据用户属性数据和行为数据对每类用户进行细分，使优惠券的发放更加准确高效。四、用户衰落是我自己的定义，因为它往往包含两部分沉默用户 流失用户。俗话说，如果你不在沉默中爆发，你就会在沉默中灭亡，但用户爆发的概率太小。既然你沉默了，如果你不采取措施，你最终会灭亡。1.损失原因（1）客户主动损失-客户主动改变当前行为模式，如浏览次数下降、交易下降等；（2）客户被动损失-产品损坏，如投诉、退货等。2.损失程度(1)完全损失——用户关闭与企业服务相关的所有账户和交易；(2)部分损失——用户使用频率在产品使用场景下突然下降60%等。3.损失去向(1)外部用户去其他竞争对手；(2)内部用户仍然只是降低了使用率，可能是用户的生活方式改变了，也可能是用户在共享其他竞争产品。可以看出，对损失的理解可以是多方向的，需要结合具体的场景和需求。在这里，我们只简要考虑用户在某项业务中的主动部分流失。沉默和失落之间会有一个临界点。如何分析这个临界点？我们锁定一批用户，观察他们在后续业务使用中的持续沉默天数，并对用户持续沉默的环比进行滚动调查。我们发现，当用户在业务中持续沉默超过两周时，持续沉默高于X%，后续趋势稳定。因此，我们发现了14个数字，即14天很可能是沉默和损失的临界点。(来自网络)所以我们策略的临界点和预警点在14个魔法数字上。失去用户召回的核心是成本问题。如果召回成本高于拉新，为什么不拉新呢？根据用户生命周期贡献价值分配召回用户成本：召回成本=用户生命周期贡献价值-市场成本-运营成本。根据行业数据统计，获取新用户的成本是维护老用户成本的5倍。换句话说，维护老用户的成本是新用户的1/5，这是成本的下限。根据流失用户的流失时间，一些流失时间较长的用户实际上等于新用户，因此上限成本等于新用户的客户获取成本。假设新成本为20元，召回成本为4元<X<20。召回系统增长实验开始前的成本范围已初步确定。至于范围内多少钱是合理的，如何平衡召回率和成本，根据后期实验和回顾分析，我们可以找到召回的最佳成本：5、总结优惠券和红包系统是交易产品中的一个非常重的模块，如何分配最重要的是考虑成本和转化率。在这个流量越来越贵，越来越集中的后红利时代，每个人都在练习内部技能，不要总是考虑哪里有流量萧条，哪里可以秘密做一些流量，注意保留是王，所以现在用户操作越来越有价值，主要公司正在寻找精细操作大师。本文涉及用户分层分组、用户生命周期价值、保留率、漏斗模型、分布分析等概念，每个概念都可以说很多案例，希望朋友系统学习，不同产品不同用户会遇到不同的问题，问题奇怪，但方法论不会过时。