干货|从用户分群,看企业营销如何找到“最佳”受众

技术

picture.image

用户分群指的是根据用户的标签、行为、偏好等维度, 将用户划分为不同的群体,方便后续更精准地定制差异化的营销计划和推广策略。 用户分群的目的是找到目标用户,进一步提升用户满意度和转化率。

本篇内容将从用户分群的角度出发,并结合 火山引擎客户数据平台VeCDP产品实践, 分享寻找“最佳”受众的方法论及落地路径,主要包含以下几个部分:

用户分群的思路和基本步骤

用户分群的常用方法和模型

基于CDP的分群构建与应用

用户分群构建与应用实践

picture.image

文|涵青 火山引擎VeCDP团队

picture.image

在构建用户分群时,我们 往往需要结合实际情况和应用场景寻求最优方案, 不是所有数据都适合直接生成群组,首先,我们需要进一步 明确用户分群的目的和目标, 例如提高用户留存、增加用户转化、优化用户体验等。

在该环节中,我们可以通过 “5W2H分析法” 拆解和明确:

What: 应用场景是什么?业务目的是什么?

Why: 为什么要建这个分群?

Where: 依靠什么模块完成分群构建?做成标签可不可以?

When: 什么时候需要上线和应用?

Who: 由谁来做最合适?

How: 怎样构建这个分群?规则和逻辑是什么?

How much: 价值是什么?

在明确目标后,我们需要 选择用户分群的维度和指标, 例如用户的属性(年龄、性别、地域等)、行为(访问频次、停留时长、购买金额等)、价值(消费能力、忠诚度、推荐度等)等,为进一步构建“最佳”分群提供准备。

在这个过程中,大家需要关注到“用户分群”与“用户分层”两个概念:

用户分群 指的是根据用户的特征、行为、偏好等,将用户划分为不同的群体,以便进行精细化的营销和运营。用户分群的维度和指标可以有很多,例如性别、年龄、常驻地、兴趣偏好、消费能力、消费频率等。 用户分群的特点是群体与群体之间可能存在交叉关系,同一用户有可能归属在多个分群中,适合多种营销策略。

用户分层 指的是根据用户的状态、价值等,将用户划分为不同的层级,以便进行更有针对性的营销和运营。用户分层的维度和指标通常与产品的核心目标或业务诉求相关,例如潜在用户、新用户、活跃用户、付费用户等。 用户分层的特点是层级与层级之间是递进或递减的关系,同一用户通常只会归属在某一层级中。

用户分群和用户分层是相辅相成的,在实际的用户分群过程中,我们需要结合不同的产品形态和运营目标,选择合适的方式最大化地提升用户价值,实现产品目标。

picture.image

图:基于AIPL模型的用户分层

picture.image

图:

存在交叉关系的用户分群

picture.image

构建用户分群有以下几种常见的方法。

方法一:基于经验寻找最适合的分群

根据经验或一定的分层方法,拟定圈选人群的条件,根据规则进行圈选。这种依据经验的方法很容易导致判断不够周全,需要拍脑袋,策略缺乏数据支撑,并且当经验较少时,会出现不知道选择哪些数据和圈选条件的困局。

方法二:基于用人群特征分析并挖掘分群

通过自定义洞察分析,分析已有人群在不同特征维度上的表现,分析得出重点特征,并基于重点特征构建用户分群。这种方法对分析工具、标签特征丰富度都有较高的要求。

picture.image

方法三:基于算法模型能力构建分群

常见的如RFM模型、AIPL模型、聚类、Lookalike模型等。

RFM模型是一种基于用户消费行为来划分用户价值和忠诚度的模型,其中R代表最近一次消费时间(Recency),F代表消费频次(Frequency),M代表消费金额(Monetary)。

根据这三个指标,可以 将用户划分为重要价值用户、重要发展用户、重要保持用户、重要挽留用户 等不同类型,并针对不同类型设计不同的营销策略。

picture.image

AIPL模型是一种基于用户生命周期来划分用户价值和潜力的模型, 其中A(Awareness)代表品牌认知人群,一般指与品牌被动发生接触的人群,例如品牌广告触达和品类词搜索的人,I(Interest)代表品牌兴趣人群,一般指与品牌主动发生接触的人群, P(Purchase)代表品牌购买人群,L(Loyalty)代表品牌忠诚人群。

根据这几个指标基于不同用户生命周期进行洞察, 打造营销策略,提高用户对品牌的认知与兴趣。

picture.image

聚类模型 可以根据用户的多个特征或指标,将用户划分为K个簇(群体),使得同一个簇内的用户相似度高,不同簇之间的用户相似度低, 帮助企业发现用户的潜在需求、偏好、特点等,并提供个性化的服务或产品。

Lookalike模型可以基于种子用户,通过 算法评估模型, 找到更多拥有潜在关联性的相似人群,实现高价值人群的有效扩量, 进一步通过运营或营销策略提升人群转化率。

picture.image

picture.image

火山引擎客户数据平台VeCDP

是面向业务增长的客户全域数据中台,能帮助企业打破数据孤岛,建立统一的人、物档案, 以数据驱动全链路营销和深度运营, 实现企业数字化转型和增长。

基于 客户数据平台(VeCDP) 产品,可以有效整合用户数据,形成统一的用户画像,并根据预设的规则或条件,将用户划分为不同的人群包,以便进行跨渠道的营销和运营。

基于CDP的人群包创建主要包括以下几个步骤:

接入用户数据。 CDP支持网站、APP、CRM等系统中的行为数据、属性数据、明细数据的接入,并将多方数据源进行清洗、整合,集成全渠道客户数据。

picture.image

创建人群包。 CDP可以根据不同的业务场景和目标,提供多种自助式人群包构建方式,包括基于规则组合、基于模型、基于标签、上传等。基于规则是根据预先定义好的条件或逻辑来筛选用户,比如浏览频次、性别、地域等;

基于模型是根据预先训练好的算法模型来划分用户,比如Lookalike模型、回购预测模型等;基于标签是根据预先打好的标签来分类用户,比如消费偏好、购买渠道等。

picture.image

管理人群包。 在CDP中你还可以对创建好的人群包进行管理和优化,包括查看人群包的基本信息(如名称、描述、规模等)、监测人群包的变化趋势(如分群历史表现、热门分群等)、人群工作流(如了解以人群包为中心的推送任务)、更新人群包的条件(如添加或删除某个规则等)、删除或拆分人群包等。

那么构建出来的人群包有哪些应用场景呢?

基于CDP工具 可以将创建好的人群包应用到不同的营销场景中, 例如:

促进用户转化或复购, 通过对高价值用户、高潜用户等不同价值的用户进行人群包划分,并根据其消费能力和偏好,进行差异化的推荐、促销等营销策略。

提高用户留存和活跃度, 通过对新用户、沉睡用户、流失用户等不同状态的用户进行人群包划分,并根据特征和画像进行差异化的引导、召回等运营策略。

优化用户体验和满意度, 通过对忠诚用户、负反馈用户等不同反馈状态的用户进行人群包划分,并根据其反馈和建议,进行差异化的激励、改进等服务策略。

picture.image

让我们通过两个案例,进一步了解从分群构建到应用的全流程。

/ B2B营销线索孵化场景 /

确定分群的目的和场景

B端市场往往因为长线需求复杂、商品/服务的价格高、决策节点(参与人)多, 而导致决策链路漫长。 在ToB商业场景中,一条营销线索的孵化少则需要几天,多则需要持续几个月跟进。

当用户通过官网自助填写个人信息后,最原始的线索就会沉淀到CRM系统中,但对线索运营的团队来说,掌握的用户信息太少,很难高转化的孵化线索,因此, 亟需更多基于用户的行为数据和画像数据作为判断补充, 找到高价值用户,实现线索的自动化营销与运营,提高线索转化率。

选择合适的分群维度与构建方法

基于用户在官网的行为轨迹,如站内主动搜索、浏览落地页、参与线上活动、加入交流群、Demo体验、领取产品优惠券等行为,消费频次、订单金额等标签, 综合圈选低意向潜客人群、高意向潜客人群、活跃潜客人群等,设计差异化的线索运营策略。

分析和评估分群结果

以周为单位常态化运转线索自动线上运营流程,回收活动效果数据,完成分群效果的可视化分析,评估分群效果是否符合预期目标和业务场景。对于不符合预期的分群,进一步调整分群变量或方法,重新进行分群优化与应用。 经验证,某B2B企业通过该方案实现了线索运营100%线上化,并在上线一周内成功转化200余条商机。

/某生鲜APP用户精细化运营场景案例/

确定分群的目的和场景

聚焦生鲜APP场景,针对不同用户的需求和偏好, 拆解出更符合用户属性的服务标签, 洞察不同用户群体的需求差异,从而匹配更精准的营销活动和服务。

选择合适的分群维度与构建方法

如针对牛肉类产品,通过VeCDP可以依据历史购买数据为整合对应用户人群,并且可依据购买频次、购买类型(不同部位商品)、购买数量细化拆分出不同的用户标签。当有牛肉类商品价格波动或者优惠活动时,可随时调用已有的标签圈选“牛肉品类偏好人群”,并联动后链路营销动作,将相关信息及时推送给与牛肉类商品强相关人群。

分群效果

经统计,该企业在将VeCDP投入APP内的精准营销场景使用后,各 品类下单人数池增长约15%左右。

产品介绍

火山引擎客户数据平台 VeCDP

面向业务增长的客户全域数据中台,帮助企业打破数据孤岛,建立统一的人、物档案,以数据驱动全链路营销和深度运营,实现企业数字化转型和增长。后台回复数字“11”了解产品

picture.image

picture.image

picture.image

picture.image

picture.image

45
0
0
0
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论