8月3日下午，由易觀、創(chuàng)業(yè)邦聯(lián)合主辦的“新零售的‘?dāng)?shù)據(jù)’時(shí)代——易觀數(shù)聚論新零售專場”線下沙龍活動(dòng)，在北京海置創(chuàng)投大廈創(chuàng)業(yè)邦空間舉行。

作為新零售行業(yè)的推動(dòng)者，錢方好近大數(shù)據(jù)事業(yè)部負(fù)責(zé)人張鑫應(yīng)邀參加，發(fā)表了題為《數(shù)據(jù)驅(qū)動(dòng)老客價(jià)值增長》的主題演講，并與眾多現(xiàn)場來賓一起探討交流了有關(guān)新零售與大數(shù)據(jù)的發(fā)展關(guān)系。

據(jù)悉，參加此次活動(dòng)的還有來自易觀、Marketin、超盟數(shù)據(jù)的互聯(lián)網(wǎng)金融領(lǐng)袖大咖們，大家匯聚一堂，就大數(shù)據(jù)時(shí)代新零售的未來發(fā)展趨勢，及企業(yè)面臨的機(jī)遇和挑戰(zhàn)等問題，展開了多維度、深層次的分析與探討。

零售電商癥結(jié)：過度依賴新客，老客貢獻(xiàn)率低

據(jù)了解，絕大多數(shù)品牌的零售電商渠道，其GMV增長重度依賴新客，老客的貢獻(xiàn)率普遍偏低。究其原因，張鑫指出，目前零售電商企業(yè)運(yùn)營存在三大共性，即運(yùn)營模式層面、運(yùn)營策略層面以及購入構(gòu)成層面的共性。

在運(yùn)營模式層面，循環(huán)性和周期性是他們活動(dòng)的主要特點(diǎn);在運(yùn)營策略層面，增長變化定因定義難、策略指標(biāo)提升關(guān)系不明確、全品類參與聚劃算、促銷面向全用戶、門檻紅包問題是目前面臨的五大問題;在購入構(gòu)成層面，老客貢獻(xiàn)率低，總GMV增長過度依賴新客，老客挖掘不足，GMV增長難以出現(xiàn)可觀的量變，貢獻(xiàn)“雞肋”。

隨后張鑫提到，老客增長戰(zhàn)略不強(qiáng)大、使用姿勢不精準(zhǔn)也是導(dǎo)致獲客成本沒有更好轉(zhuǎn)化的主要原因。那么，如何才能讓GMV呈現(xiàn)應(yīng)有姿態(tài)？

實(shí)現(xiàn)GMV增長：新客變老客，老客變常客，數(shù)據(jù)驅(qū)動(dòng)是關(guān)鍵

張鑫指出，為了更好的助力零售電商企業(yè)發(fā)展，實(shí)現(xiàn)GMV穩(wěn)定增長，錢方好近推出致力于提升價(jià)值潛力巨大的老客群體為零售電商創(chuàng)造價(jià)值的智能增長解決方案。智能增長是持續(xù)提升的閉環(huán)，它以老客為突破，為品牌零售電商提供增長診斷服務(wù)、會(huì)員畫像引擎、智能增長策略以及A/B測試與評效四大核心服務(wù)。

首先，通過構(gòu)建增長指標(biāo)體系，對其進(jìn)行預(yù)測、監(jiān)控與相關(guān)性分析，對人、貨、場維度進(jìn)行智能重構(gòu)以識別關(guān)鍵指標(biāo)的動(dòng)因;其次，構(gòu)建會(huì)員價(jià)值模型與生命周期模型，進(jìn)行基于特征工程的會(huì)員分層、分群聚類;然后，構(gòu)建不同群層會(huì)員成長策略與路徑，從活動(dòng)驅(qū)動(dòng)與會(huì)員驅(qū)動(dòng)促進(jìn)成長，通過制定個(gè)性推薦、定期關(guān)懷、智能補(bǔ)貼等監(jiān)督模型策略提升會(huì)員LTV;最后，通過持續(xù)的隨機(jī)比較實(shí)驗(yàn)，優(yōu)化成長策略與模型參數(shù)，提升策略的ROI與響應(yīng)率，基于反饋數(shù)據(jù)監(jiān)控指標(biāo)變化，結(jié)合顯著性檢驗(yàn)評估每一次的推送效果與原因。

他認(rèn)為，數(shù)據(jù)驅(qū)動(dòng)增長的核心就是能夠定位每個(gè)用戶的成長節(jié)點(diǎn)及下個(gè)階段的成長目標(biāo)，以及哪個(gè)策略對于哪個(gè)人提升到這個(gè)目標(biāo)的一個(gè)映射圖，而我們的目的，就是找到這個(gè)映射圖。實(shí)驗(yàn)證明，通過合理規(guī)劃的路徑分析，不僅可以分析到每位老客的路線圖，還能定位到用戶所處的節(jié)點(diǎn)和下一步需要達(dá)成的目標(biāo)。

張鑫還提到，對于品銷，我們需要有度量，而度量就是指標(biāo)，我們需要有指標(biāo)的去衡量。通過AB測試可以得知，對于每個(gè)用戶，給什么樣的策略，可以提升它的轉(zhuǎn)化率;對于不同的用戶，給到的優(yōu)惠力度是多少，更容易響應(yīng)和轉(zhuǎn)化。最后，通過用戶畫像可以對用戶打標(biāo)簽，對用戶的R做優(yōu)化，最大化確定間隔、響應(yīng)時(shí)間以及流失預(yù)警的值，從而喚醒沉睡用戶，提升用戶購買頻次。

“我覺得不存在精細(xì)化的運(yùn)營，只要是運(yùn)營，在現(xiàn)在的狀態(tài)下，它必須是精細(xì)化的。精細(xì)化有兩個(gè)點(diǎn)，第一個(gè)點(diǎn)，我們的商業(yè)邏輯必須要扎實(shí)。作為一個(gè)運(yùn)營人員，首先折扣、滿減、秒殺，都是在什么場景使用，這個(gè)商業(yè)邏輯要特別扎實(shí)。有了扎實(shí)的商業(yè)邏輯，就必須要有正確的假設(shè)，有了正確的假設(shè)，才能做AB測試，設(shè)計(jì)出這個(gè)實(shí)驗(yàn)來。數(shù)據(jù)驅(qū)動(dòng)，就是為商業(yè)邏輯提供確定性和概率的保障。”張鑫說道。

此外，易觀售前總監(jiān)陳云龍為大家?guī)砹诵铝闶坌袠I(yè)解決方案，同時(shí)加入方法論以新零售行業(yè)為啟蒙，開始線上線上用戶分析；Marketin創(chuàng)始人王華也為大家分享了在新零售時(shí)代下如何才能進(jìn)行精準(zhǔn)營銷；超盟數(shù)據(jù)戴然然為大家?guī)砹巳绾纬蔀閿?shù)據(jù)型驅(qū)動(dòng)零售企業(yè)精彩內(nèi)容分享。