本文筆者將通過運(yùn)用數(shù)據(jù)的CPCT策略的四個(gè)維度——Customer、Predict、Channel、Time，來講述：如何做存量用戶的精細(xì)化服務(wù)？

早在2016年，大家基本都達(dá)成共識(shí)，互聯(lián)網(wǎng)開始由增量市場(chǎng)轉(zhuǎn)向存量市場(chǎng)。只不過下沉流量的挖掘延緩了這一過程，在2018年全民社交電商之后，流量獲取再次遇到瓶頸，加之最近微信生態(tài)對(duì)營銷的強(qiáng)監(jiān)管，存量用戶再次被提上日程。

最近互聯(lián)網(wǎng)比較火三個(gè)概念大概就是：私域流量、流量變現(xiàn)、會(huì)員制。

在我看來，這三個(gè)概念本質(zhì)都是存量用戶的精細(xì)化服務(wù)，存量用戶精細(xì)化服務(wù)目的在于放大單個(gè)用戶的商業(yè)價(jià)值。

如何做精細(xì)化服務(wù)？本文提出運(yùn)用數(shù)據(jù)的CPCT策略（Customer、Predict、Channel、Time）：對(duì)合適的客戶在合適的時(shí)機(jī)，通過合適的渠道推薦合適的產(chǎn)品。下面從Customer、Predict、Channel、Time四個(gè)維度去展開具體的實(shí)施方案。

一、客戶Customer

1. 怎么做客戶細(xì)分：RFM模型+AI

第一步：先用RFM模型去人工分類，給客戶打標(biāo)簽。

第二步：然后基于人工智能（機(jī)器學(xué)習(xí)）分類算法進(jìn)行自我訓(xùn)練，實(shí)現(xiàn)智能標(biāo)簽劃分。

RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。該模型通過一個(gè)客戶的近期購買行為、購買的總體頻率，以及花了多少錢，三項(xiàng)指標(biāo)來描述該客戶的價(jià)值狀況。

根據(jù)美國數(shù)據(jù)庫營銷研究所Arthur Hughes的研究：客戶數(shù)據(jù)庫中有三個(gè)要素：R（Recency）、F（Frequency）、M（Monetary）。

因?yàn)橛腥齻€(gè)變量，所以要使用三維坐標(biāo)系進(jìn)行展示——X軸表示Recency，Y 軸表示Frequency，Z軸表示Monetary，坐標(biāo)系的8個(gè)象限分別表示8類用戶。

根據(jù)上表中的分類，可以用如下圖形進(jìn)行描述：

通過圖表很直觀的發(fā)現(xiàn)，我們把客戶分為了2的三次方也就是8個(gè)群體。

RFM的評(píng)分方法這里不贅述，可以根據(jù)用戶一年內(nèi)的購買行為（消費(fèi)頻次和消費(fèi)金額）進(jìn)行分檔，將R、F、M三項(xiàng)對(duì)應(yīng)到單個(gè)顧客，最終每個(gè)顧客將出現(xiàn)一個(gè)由三個(gè)數(shù)字組成的數(shù)組；將每個(gè)顧客對(duì)應(yīng)的三位數(shù)相加，作為顧客價(jià)值得分，最后決定客戶的等級(jí)。

那么，隨著存量用戶的不斷增加，如果通過人工進(jìn)行客戶等級(jí)的區(qū)分，是個(gè)工作量很大的事情，這時(shí)候就需要用AI技術(shù)來解決了。

隨機(jī)森林、SVM、樸素貝葉斯等算法都可以進(jìn)行分類模型的訓(xùn)練和預(yù)測(cè)，機(jī)器學(xué)習(xí)分類的簡(jiǎn)單描述如下：

（1）準(zhǔn)備訓(xùn)練集

{(X1,X2,X3,…,Xm),Y1}

{(X11,X21,X31,…,Xm1),Y2}

……

{(X1n,X2n,X3n,…,Xmn),YN}

（2）訓(xùn)練模型，生產(chǎn)分類器D

（3）預(yù)測(cè)分類

（X1p,X2p, X3p,…,Xmp）輸入到分類器D 預(yù)測(cè)分類Yp

這里面的X是一系列的特征變量，Y是分類值。

2. 客戶分群服務(wù)

不同細(xì)分客戶群服務(wù)重點(diǎn)有所不同。高價(jià)值用戶要用“鋼筋捆綁”，付出一定的營銷成本、定制化服務(wù)換取客戶忠誠度；中價(jià)值用戶要用“粘性捆綁”，使用各種粘性因子業(yè)務(wù)，如體驗(yàn)金、權(quán)益獎(jiǎng)勵(lì)等層層捆綁；低價(jià)值用戶要用低成本維護(hù)，小恩小惠常常就能留住用戶。

二、預(yù)測(cè)Predict

拋棄傳統(tǒng)的人口屬性標(biāo)簽，根據(jù)消費(fèi)者具體的購買行為，預(yù)測(cè)用戶未來的需求，精準(zhǔn)匹配產(chǎn)品。

不需要關(guān)注顧客的年齡、職業(yè)、性別、收入等固有屬性，而是顧客反映出要購買的動(dòng)機(jī)。比如：一個(gè)80歲的老太太也可以買高達(dá)模型。

NES模型+新4P+AI=智能化預(yù)測(cè)

1. 分析用戶行為模型——NES模型

NES模型根據(jù)消費(fèi)者個(gè)人購物周期，分為：首次購買的新顧客（New Customer）、支撐主要營收來源的既有顧客（Existing Customer）和回購率低于10%的沉睡顧客（Sleeping Customer）。而既有顧客又可分為E0主力顧客、S1瞌睡顧客和S2半睡顧客。

2. 從舊4P到新4P，預(yù)測(cè)下次購買時(shí)間

舊4P：產(chǎn)品、價(jià)格、渠道、促銷

新4P：消費(fèi)者、成效、步驟、預(yù)測(cè)

消費(fèi)者（people）：根據(jù)顧客構(gòu)建NES模型，首先要定義每個(gè)S用戶，意義在于可以在成本最小的時(shí)機(jī)，去喚醒S消費(fèi)者。

成效（performance）：根據(jù)NES模型，結(jié)合自己的實(shí)際情況，分析數(shù)據(jù)，來確定我們當(dāng)下的目標(biāo)是什么。

步驟（process）：找出優(yōu)先項(xiàng)，優(yōu)先處理危急問題——三個(gè)變量（NES）出現(xiàn)問題時(shí)，應(yīng)該采取什么樣的戰(zhàn)略，去解決問題？比如，在E0階段提升顧客忠誠度計(jì)劃，在S1，S2，S3不同的停滯階段，設(shè)計(jì)喚醒方案

預(yù)測(cè)（prediction）：觀測(cè)每一個(gè)環(huán)節(jié)，看如果出現(xiàn)異常，提前發(fā)現(xiàn)，給予關(guān)懷和提醒?！爸悄芸刂啤笨梢宰龅綄?shí)時(shí)觀測(cè)、零時(shí)差溝通和個(gè)性化信息，這是整個(gè)大數(shù)據(jù)營銷的精髓。

3. 預(yù)測(cè)建模

根據(jù)用戶的消費(fèi)行為，如何做預(yù)測(cè)呢？這里面要基于深度學(xué)習(xí)、NLP相關(guān)技術(shù)，做智能推薦。

我們把推薦問題建模成一個(gè)“超大規(guī)模多分類”問題——即在時(shí)刻t，為用戶U（上下文信息C）在產(chǎn)品庫V中精準(zhǔn)的預(yù)測(cè)出產(chǎn)品i的類別（每個(gè)具體的視頻視為一個(gè)類別，i即為一個(gè)類別）。

用數(shù)學(xué)公式表達(dá)如下：

具體實(shí)現(xiàn)，可以參考下面的目前通用的深度學(xué)習(xí)DNN模型架構(gòu)：

整個(gè)模型架構(gòu)是包含三個(gè)隱層的DNN結(jié)構(gòu)。輸入是用戶購買歷史、用戶的基本屬性信息、產(chǎn)品信息和其余上下文信息concat成的輸入向量；輸出分線上和離線訓(xùn)練兩個(gè)部分。

三、渠道Channel

隨著線上、線下渠道的不斷豐富，客戶觸點(diǎn)的增多，全渠道營銷已成趨勢(shì)。從AARRR模型來看整體的運(yùn)營，從你獲取用戶a，到用戶活躍，再到用戶留存，再到付費(fèi)轉(zhuǎn)化，到最后的自傳播，這是一個(gè)完整的運(yùn)營體系。

如下圖，在做AARRR模型的時(shí)候，每一層對(duì)應(yīng)的運(yùn)營指標(biāo)，可以理解為他是一個(gè)銷售漏斗。當(dāng)然，這每一層我們可通過不同的策略去做轉(zhuǎn)化，而每條營銷策略部署都需要花大量時(shí)間、人力去實(shí)現(xiàn)。

所以，通過自動(dòng)化營銷系統(tǒng)自動(dòng)完成基礎(chǔ)的運(yùn)營工作，讓系統(tǒng)根據(jù)運(yùn)營者規(guī)劃好的運(yùn)營框架，執(zhí)行運(yùn)營策略，實(shí)時(shí)分析數(shù)據(jù)，是未來運(yùn)營效率進(jìn)步的方向。

自動(dòng)化營銷模型可以理解為“一橫一縱”?？v向的模型就是AARRR，從流量一直支撐到你最終的收入，而裂變橫向就是每一個(gè)渠道，通過打通用戶oneid打破各渠道數(shù)據(jù)孤島情況，實(shí)現(xiàn)全渠道數(shù)據(jù)連接。

“一橫”代表，我們現(xiàn)在凡是提到運(yùn)營，一定不是單一渠道運(yùn)營，比如有APP、公眾號(hào)、短信，甚至包含社群和小程序，這全是渠道。然而，渠道之間的數(shù)據(jù)相對(duì)來說是獨(dú)立的，所以渠道數(shù)據(jù)難點(diǎn)在于無法快速匯總，就無法形成是更豐富的用戶畫像，沒有更豐富的用戶畫像，你就沒有辦法去精準(zhǔn)的觸達(dá)用戶。

“一縱”代表，每一個(gè)渠道都有一個(gè)AARRR轉(zhuǎn)化漏斗，比如我們說微信號(hào)、小程序等等，都是從新用戶到活躍到傳播層層轉(zhuǎn)化。

所以，不論是互金產(chǎn)品，或者放大說金融行業(yè)，再放大說互聯(lián)網(wǎng)的產(chǎn)品都需要這樣“一橫一縱”的模型。

而自動(dòng)化營銷系統(tǒng)，就可以把“一橫一縱”的營銷模型快速實(shí)現(xiàn)。如下圖展示的模型策略，通過不同的執(zhí)行組件組合，針對(duì)每一個(gè)渠道，根據(jù)“if……then……else……”的邏輯做用戶觸達(dá)。

首先，給用戶一個(gè)首貸福利活動(dòng)的APP推送，然后可以判斷用戶是否打開了我的推送，如果用戶沒有打開，系統(tǒng)會(huì)在兩天后，給用戶做多一次推送，再判斷用戶有沒有打開。

當(dāng)多次觸達(dá)，用戶都沒打開，我可以再通過短信、微信等等渠道去觸達(dá)。全部渠道觸達(dá)后，用戶如果在微信上打開了活動(dòng)，那系統(tǒng)就給他打一個(gè)標(biāo)簽，比如：界定為用戶就是對(duì)微信推送敏感度高的，就把他歸到“微信習(xí)慣用戶”組上。然后，在下次的做活動(dòng)時(shí)，首選用“微信渠道”來觸達(dá)激活這類用戶。

另外，如果用戶對(duì)本次策略中的活動(dòng)都沒有興趣打開，我可以把這部分用戶打上“流失用戶”的標(biāo)簽，再把用戶送到另一條“登錄促活”的自動(dòng)化策略中，嘗試再次激活。

四、時(shí)機(jī)Time

時(shí)機(jī)也是精細(xì)化運(yùn)營的關(guān)鍵因素。在客戶全生命周期管理中，關(guān)鍵時(shí)刻營銷及服務(wù)往往能得到事半功倍的效果。關(guān)鍵時(shí)刻客戶行為往往也會(huì)發(fā)生變化，能夠從數(shù)據(jù)上進(jìn)行識(shí)別。

關(guān)鍵時(shí)刻包括：第一時(shí)刻、異動(dòng)時(shí)刻、特殊時(shí)刻、免打擾時(shí)刻。

第一時(shí)刻是指：第一次開通某類業(yè)務(wù)或者體驗(yàn)?zāi)愁惙?wù)，這時(shí)營銷互補(bǔ)類業(yè)務(wù)客戶比較容易接受。

異動(dòng)時(shí)刻是指：客戶使用過程出現(xiàn)異常情況影響客戶正常使用或客戶利益，可能導(dǎo)致客戶流失的時(shí)刻，這時(shí)要根據(jù)客戶異動(dòng)情況及原因提供相應(yīng)的服務(wù)。

特殊時(shí)刻是指：客戶生日、節(jié)日等時(shí)候，借用節(jié)日營銷，進(jìn)行生日關(guān)懷能提升客戶滿意度，降低對(duì)營銷的反感。

免打擾時(shí)刻是指：在客戶不方便或不接受服務(wù)的時(shí)刻，營銷活動(dòng)一般都會(huì)剔除免打擾用戶。

對(duì)關(guān)鍵時(shí)刻進(jìn)行梳理，識(shí)別符合關(guān)鍵時(shí)刻特征的用戶，制定相應(yīng)的服務(wù)流程和標(biāo)準(zhǔn)，提升客戶滿意度，降低客戶流失，是把握時(shí)機(jī)的重點(diǎn)。

五、總結(jié)

運(yùn)用數(shù)據(jù)的CPCT策略中，Customer實(shí)現(xiàn)了宏觀層面的客戶細(xì)分，可以反向指導(dǎo)產(chǎn)品的分類與分層；Predict 是微觀層面one-one精準(zhǔn)跟蹤用戶的行為，預(yù)知用戶的需求，占領(lǐng)用戶的心智；Channel自動(dòng)化營銷是精細(xì)化服務(wù)的智能化手段，根據(jù)“if……then……else……”的邏輯做用戶觸達(dá)，提升效率；Time 掌握時(shí)機(jī)的精細(xì)化服務(wù)可以事半功倍。

本文由@段帥 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash, 基于CC0協(xié)議