現在整個淘寶的市場形式日益嚴峻，新用戶成本越來越高，轉化越來越低，新品難以打開銷路，新增商家日益增多，產品重復率大，競爭十分慘烈，且顧客及其容易流失。在這種情況下我們不得不把會員營銷提上議程，加緊會員分析的落實，在以往的實踐中得知，做了會員分析的店鋪其轉化率丶客單價丶售后問題均比普通店鋪優異很多。另外在店鋪的營銷活動中極易取得會員信任，比轉化新顧客要容易很多，從而能節省大量廣告成本，在整個會員分析的落地推廣方式以及成本上來說與直通車鉆展是無法比擬的，其低廉的費用超高的回報比讓很多想做會員分析的賣家朋友躍躍欲試，從而讓大量賣家訂購會員推送工具進行狂轟亂炸，既浪費了彈藥也沒有達到預期效果，那么我們怎么才能更合理的通過會員數據分析進行顧客營銷呢？
答案只有7個字:精準 精準 再精準
只有當我們知道了顧客的各種維度信息那么我們就能投其所好，每次都打中顧客的痛點，那么想把你的產品或者活動推銷出去就變得異常簡單了。
我們怎樣才能十分精準的了解自身店鋪人群呢？
第一點：要知道你的顧客是什么身份
我們可以通過買家的收貨地址進行地址剝離匹配來判定顧客是學生(收貨地址為學校)還是上班一族（收貨地址是公司）或者是政府機關人員（收貨地址為**局）等等，如果今天我們要推送一些高客單價的產品，請問你會推送給標簽為學生的人群嗎？對于文案宣傳你會把學生群體和政府機關人員設置成同樣的文案嗎？
第二點：知道你的顧客消費周期
我們可以通過買家的上次購買時間以及多次購物時間間隔，來知道你的顧客大概回購周期是多久，那么在推送一些促銷或者活動的時候，是否一定周期內的可以不推送（比如2個月內的）因為你推送了他們也不會買，甚至回來找你退差價。另外對于一些長期未購買的顧客，他們是否即將流失？那么我們知道他們已經處于這個階段了是否有辦法挽回他們呢？
第三點：知道你的顧客所處環境情況
我們可以通過買家地址知道會員歸屬地域情況，在通過大量數據匯總，知道整個的地域偏好度.轉化率最高的地域往往可能是新疆西藏等偏遠地域，消費能力最好的未必是江浙滬，但退款最高的地域就可能是江浙滬了，黏著度較最好的你們猜猜可能會是哪里? 當然這些數據我們都可以通過已賣出的寶貝界面下載訂單從里面的字段進行組合分析，從而得到我們想要的信息。比如你的顧客在北京，那你是不是可以提前一個月給那邊的人群推送保暖產品（甚至是加厚的），在廣東的是不是應該推送輕薄的御寒產品（甚至是當季產延展的產品），對于另外一些粘度高的地域我們是不是可以加大對該地域的廣告投放，因為來的新顧客有較大的幾率成為老顧客。對于一些退款率高的地域我們是不是要提前做好措施，因為來的每個人都可能有百分之十幾或者二十幾的幾率退貨，我們做好售前服務，售中體驗，在加售后維護，那是不是能讓顧客盡可能的降低退款（如果嫌麻煩就直接做包裹營銷）
第四點：知道你顧客的喜好度
我們可以通過顧客歷史購買的產品數據，如款式丶顏色丶價位丶風格丶屬性等信息知道顧客的喜好偏度，當下次有類似產品上架的時候就可以挑選出這批顧客進行廣告推送。
當我們知道了這些精確的信息后我們來模擬下廣告推送
今天店鋪要做一個新品的推送廣告，目的是希望通過老顧客破零并積累銷量能夠迅速起爆。產品的定價呢稍微高一點，產品的人群是大眾化的。OK知道這些信息后為了價值最大化我就要圈定我要推送的人群了。
1. 人群為高消費人群
2. 人群為最近一段時間沒消費的顧客（超過死亡時間周期的不選）
3. 根據產品選擇當前最合適的地域（如不限則不選）
4. 選擇退款次數（退款率）較低的會員
5. 看活動是否僅適合PC端，是則無線端用戶不選（若通用則全選）
6. 當前產品符合的人群屬性范圍
當我們畫了六個圈圈后，你的產品或者廣告推送的人群是不是已經很精準了,甚至是精準到沒有多少人匹配的地步（真這樣就減少一些圈圈）。這樣的產品或者匹配的廣告推送出去便能直接俘獲你的顧客。
實際上能選擇的范圍還很多，不過也有人完全不懂怎么去拿到這些數據，本人在這里給大家開發了一個完全免費的 excel 分析報表，按照里面的簡單四步就能得到你想要的數據（PS：因為淘寶數據端口的限制，產品維度的屬性數據還需假以時日才能完成）
如果大家有更多的方法和建議可以和我聯系，當然批評和錯誤更加需要大家的指出，本人一直是深信失敗與逆境才能讓人更快的進步和強大
PS：下面給大家簡單截圖演示下excel分析報表中的功能 并附帶演示表格
地域成交分布(5大指標可選) 動態熱力圖丶省級細節數據趨勢。
銷售氣泡分布圖 （指標可以自由設定）
RFM模型（時間維度可以自由調整）
報表一角
老顧客能帶來的效益相信不用我解釋，希望大家相互多學習多交流，切記一定要付諸實際勞動去執行！
樂發網超市批發網提供超市貨源信息,超市采購進貨渠道。超市進貨網提供成都食品批發,日用百貨批發信息、微信淘寶網店超市采購信息和超市加盟信息.打造國內超市采購商與批發市場供應廠商搭建網上批發市場平臺,是全國批發市場行業中電子商務權威性網站。
本文來源： 數據分析之提升老客戶復購率
