实战案例：新零售时代，企业如何以用户数据重塑高效流通链？

进一步看4类用户的提交订单的情况，直接进行“搜索商品”的用户进行提交订单比例最高，超过90% ；与其形成鲜明对比的是，尽管“点击Banner”是更多客户登录APP后的首选动作（约占总客户的40%）但是这部分用户群体在浏览商品列表后，仅仅30%的用户提交订单，说明Banner内容布局有着比较糟糕的用户体验，则成为企业首选优化与改进的方向。

首页推广位的效果监控是站内运营重要一环，数据的监测与分析是重要工作，它为站内优化、页面体验提升作出指导。运营人员可以通过用户的点击转化率与购买转化率可以判断页面不同推广位置效果。下图是中商惠民首页推广位“一元促销”、“清洁专场”两个Banner转化率情况对比。

图7 “一元促销”、“清洁专场”两个Banner转化率情况对比

除了以上三个应用场景，零售企业来说在数据分析平台上完成“场”的管理：商超客户是否都能快速找到自己想订的货品？商超客户的购买路径是否最优？商超客户的订货意愿低的症结在哪等。

在新零售时代，“人”的管理主要包括对客户管理和业务人员管理两方面。

客户管理的重点是关注用户整个生命周期价值，更重要的是客户成功，即客户是否在更好地使用产品，是否再续约、升级销售。当运营人员可对客户分群管理，从而采取不同的策略。

用户分群分析模型能够帮助企业甄选出具有一致属性或特征的用户群体，并对其深度观察其行为特征。众多零售企业在数据分析平台上借助用户分群功能配合其他分析模型，能够了解到客户使用产品的频率、活跃天数、使用深度、采购趋势等数据指标，快速甄选出高活跃度客户、一般活跃客户、流失风险客户。对于处于中间环节的供应商来说，高活跃度客户成功经验能够传递给企业许多优质运营经验，而具有流失风险的客户则需要重点且快速地跟进。

场景一：如何预警客户流失？如何挽救？

由于大客户资源的稀缺性，其粘性被受企业关注。在上文“货”的管理中已介绍如何筛选重点客户，此处不再赘述。通过数据分析的“用户分群”功能可以将筛选出来这批客户定义为“重点客户”。一组数字的变化重点客户流失前兆：购买频率降低、充值金额降低、登录频率降低等，这据企业业务情况有所差异。下图是通过数据分析的“用户属性”分析模型，筛选出距上次购买已经超过一个月的重点客户。

图8 准流失客户群预警

（编辑：惠州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!