如何做存量用户的精细化服务？

早在2016年，大家基本达成共识，互联网就开始从增量市场转向股市。然而，下沉流量的挖掘推迟了这一过程。2018年全国社交电子商务后，流量获取再次遇到瓶颈。此外，微信生态最近对营销的强有力监管，股票用户再次被列入议程。最近互联网流行的三个概念大概是:私域流量、流量实现、会员制。在我看来，这三个概念的本质是股票用户的精细服务。股票用户精细服务的目的是扩大单个用户的商业价值。如何提供精细的服务？本文提出了CPCT使用数据的策略（Customer、Predict、Channel、Time）：在合适的时间，通过合适的渠道向合适的客户推荐合适的产品。下面从Customer、Predict、Channel、Time四维开展具体实施方案。1.客户Customer1.如何细分客户？RFM模型 AI第一步:先用RFM模型手动分类，给客户贴上标签。第二步:然后基于人工智能(机器学习)分类算法进行自我训练，实现智能标签的划分。RFM模型是衡量客户价值和客户盈利能力的重要工具和手段。该模型通过三个指标来描述客户的价值状态：最近的购买行为、购买的总体频率和花费多少钱。根据美国数据库营销研究所ArthurHughes的研究：客户数据库中有三个要素：R（Recency）、F（Frequency）、M（Monetary）。由于有三个变量，应使用三维坐标系显示-X轴表示Recency，Y轴表示Frequency，Z轴表示Monetary，坐标系的8个象限分别表示8类用户。根据上表中的分类，可以用以下图形来描述:通过图表的直观发现，我们将客户分为两个三方，即八个群体。这里不重复RFM的评分方法，可以根据用户一年内的购买行为(消费频率和消费金额)进行分类，RFM的评分方法可以在这里重复。、F、M三项对应于单个客户，最终每个客户将出现一个由三个数字组成的数组；添加每个客户对应的三位数作为客户价值得分，最终确定客户水平。那么，随着股票用户数量的不断增加，如果通过人工区分客户级别，就是一件工作量很大的事情，那么就需要用人工智能技术来解决。随机森林、SVM、简单贝叶斯等算法可以训练和预测分类模型。机器学习分类的简要描述如下:(1)准备训练集{(X1、X2、X3、...Xm),Y1}(X11，X21，X31，Xm1)，Y2}n,X2n,X3n,…,Xmn),YN}(2)训练模型，生产分类器D(3)预测分类(X1)p,X2p,X3p,…,Xmp）X是一系列特征变量，Y是分类值，输入分类器D预测分类YP。2.客户群服务不同，客户群服务重点不同。2.客户群服务不同，客户群服务重点不同。高价值用户应使用“钢筋捆绑”，支付一定的营销成本，定制服务以换取客户忠诚度；中价值用户应使用“粘性捆绑”，使用体验基金、股权奖励等各种粘性因素业务；低价值用户应使用低成本维护，小恩惠往往可以留住用户。2、根据消费者的具体购买行为，预测Predict放弃传统的人口属性标签，预测用户未来的需求，准确匹配产品。不需要关注客户的年龄、职业、性别、收入等固有属性，而是客户反映了购买的动机。比如一个80岁的老太太也可以买高达模型。NES模型 新4P AI=智能预测1.根据消费者的个人购物周期，分析用户行为模型-NES模型NES模型分为：首次购买的新客户（NewCustomer）、既有客户支持主要收入来源（ExistingCustomer）沉睡客户的回购率低于10%（SleepingCustomer）。现有客户可分为E0主要客户、S1嗜睡客户和S2半睡客户。2.预测从旧4P到新4P的下一次购买时间：新4P产品、价格、渠道、促销：消费者、成果、步骤、预测（people）：根据客户构建NES模型，首先要定义每个S用户，这意味着它可以在成本最低的时候唤醒S消费者。成效（performance）：根据NES模型，结合自己的实际情况，分析数据，确定我们目前的目标是什么。步骤（process）：找出优先事项，优先处理危急问题——三个变量（NES）当出现问题时，应该采取什么策略来解决问题？例如，在S1、S2、S3的不同停滞阶段，在E0阶段提高客户忠诚度计划，设计唤醒方案预测（prediction）：观察每一个环节，看如有异常，提前发现，给予关心和提醒。整个大数据营销的精髓是“智能控制”可以实现实时观察、零时差沟通和个性化信息。3.如何根据用户的消费行为预测建模？智能推荐应基于深度学习和NLP相关技术。我们将推荐问题建模成一个“超大规模多分类”问题——即时刻t，准确预测用户U(上下文信息C)在产品库V中的产品I类别(每个具体视频视为一个类别，i视为一个类别)。用数学公式表达如下：有关具体实现，请参阅以下常见的深度学习DNN模型架构：整个模型架构为DNN结构，包括三个隐藏层。输入是用户购买历史、用户基本属性信息、产品信息和其他上下文信息的输入向量；输出分为在线和离线培训。随着线上线下渠道的不断丰富，客户接触的增加，全渠道营销已成为一种趋势。从AARR模型的角度来看，这是一个完整的操作系统，从您获取用户a，到用户活跃，再到用户保留，再到付费转换，再到最终的自我传播。如下图所示，在制作AARR模型时，每层对应的操作指标都可以理解为销售漏斗。当然，我们可以通过不同的策略来改变每一层，而每一个营销策略的部署都需要大量的时间和人力来实现。因此，通过自动营销系统自动完成基本操作，使系统能够根据运营商规划的操作框架实施操作策略，实时分析数据，是未来运营效率提高的方向。自动化营销模式可以理解为“一横一纵”。纵向模型是AARRR，从流量到最终收入，裂变水平是每个渠道，通过打开用户oneid打破每个渠道的数据岛，实现全渠道数据连接。“一横”代表我们现在提到的运营，一定不是单一渠道运营，比如APP、微信官方账号，短信，甚至包括社区和小程序，都是渠道。然而，渠道之间的数据相对独立，因此渠道数据的困难在于无法快速总结，无法形成更丰富的用户肖像。没有更丰富的用户肖像，你就无法准确地接触到用户。“一纵”代表每个渠道都有一个AARR转换漏斗，比如微信号、小程序等。，都是从新用户到活跃，再到层层传播。因此，无论是互金产品，还是金融业的放大，互联网产品都需要这样一个“一横一纵”的模型。自动化营销系统可以快速实现“一横一纵”的营销模式。根据下图所示的模型策略，通过不同的执行组件组合，针对每个渠道，“if……then……else……”用户触达的逻辑。首先，给用户一个应用程序推送第一次贷款*活动，然后你可以判断用户是否打开了我的推送。如果用户未打开，系统将在两天内再次向用户推送，然后判断用户是否打开。如果多次触摸，用户都没有打开，我可以通过短信、微信等渠道再次触摸。在所有渠道到达后，如果用户在微信上打开活动，系统会给他贴上标签。例如，定义用户对微信推送非常敏感，并将其归类为“微信习惯用户”组。然后，在下一次活动中，首选“微信渠道”来激活此类用户。此外，如果用户对此策略中的活动不感兴趣，我可以将这部分用户贴上“丢失用户”的标签，然后将用户发送到另一个“登录促进活动”的自动化策略，并尝试再次激活。四、时机Time时机也是精细化操作的关键因素。在客户全生命周期管理中，营销和服务往往能在关键时刻事半功倍。在关键时刻，客户的行为往往会发生变化，可以从数据中识别。关键时刻包括:第一时刻、变化时刻、特殊时刻、无干扰时刻。第一时刻是指营销互补业务的客户更容易接受第一次开设某种业务或体验某种服务。变更时间是指客户使用过程中的异常情况影响客户正常使用或客户利益，可能导致客户损失的时间。此时，应根据客户的变更和原因提供相应的服务。特殊时刻是指借用节日营销，提高客户满意度，减少对营销的厌恶。无干扰时刻是指当客户不方便或不接受服务时，营销活动通常会消除无干扰用户。梳理关键时刻，识别符合关键时刻特征的用户，制定相应的服务流程和标准，提高客户满意度，减少客户损失，是抓住机遇的重点。5、在CPCT策略中，Customer实现了宏观层面的客户细分，可以反向指导产品的分类和分层；Predict是准确跟踪用户行为、预测用户需求、占据用户头脑的微观层面；Chanel自动化营销是精细服务的智能手段，根据“if……then……else……”用户触达的逻辑，提高效率；Time掌握时机的精细服务可以事半功倍。