CRM做為客戶關(guān)系管理和維護(hù)的重要方面，在電商中顯得尤其重要，我們從各個渠道投放廣告花高成本去獲客，用戶進(jìn)來以后卻不能及時的被留住，留存和復(fù)購數(shù)據(jù)不太理想，客戶不能被準(zhǔn)確的定位和服務(wù)，基于這些問題，更加需要深入分析客戶行為，判斷每類客戶的喜好和習(xí)慣，不斷完善人群屬性，通過建立完善的CRM機(jī)制來升客戶的消費并實現(xiàn)二次購買。

一.明確CRM的目標(biāo)

延長用戶生命周期，實現(xiàn)生命周期價值CLV（Customer Lifetime Value，也有稱LTV：Life Time Value）最大化
生命周期：CL：Customer Lifetime

生命周期價值：CLV（Customer Lifetime Value，也有稱LTV：Life Time Value）

二.剖析用戶生命周期和價值

讓用戶能在生命周期中產(chǎn)生商業(yè)價值，才是業(yè)務(wù)的最終使命。這里的商業(yè)價值，不單純是電商廣告游戲等賺錢模式。信息和數(shù)據(jù)這些無形且很難量化的也是商業(yè)資產(chǎn)。為什么要談用戶生命周期和價值？因為不得不接受的事實是，無論你是多么出色的運營和產(chǎn)品，都無法真正制止用戶的流失你可以延長它，但就是不能阻止它。當(dāng)產(chǎn)品獲得足夠多的用戶時，最大的問題不是繼續(xù)獲取，而是從用戶身上賺回錢。成熟的產(chǎn)品都應(yīng)該考慮CL，以及更重要的CLV。

只要用戶停留時間越長，對產(chǎn)品的使用粘性越大，就越有可能在我們的產(chǎn)品上產(chǎn)生價值，那么有一個公式大家一定并不陌生：

賺錢=CLV（用戶生命周期價值）-CAC（獲客成本）-COC（運營成本）

電商的CLV由一系列購買的指標(biāo)決定，電商CLV指標(biāo)：支付訂單量、GMV另外，我們通常說的用戶留存率，其實也是用戶忠誠度的體現(xiàn)，留存率對用戶的判定較為模糊，也不具備界定意義，因此我們可以轉(zhuǎn)化為用戶生命周期。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?用戶生命周期=周期/(1-周期內(nèi)新增留存率)

如果一款產(chǎn)品新增用戶的月留存率是70%，那么估算出：平均用戶生命周期=1個月/（1-70%）=3.3個月。

運營的目標(biāo)就是延長用戶生命周期從3.3個月到4個月、5個月乃至更長。并且在此期間產(chǎn)生商業(yè)價值。對于大部分產(chǎn)品，這個公式都是適用的。

如果需要更精準(zhǔn)的指標(biāo)，則可以將數(shù)據(jù)制作成頻數(shù)分布圖。

來看看怎么精準(zhǔn)的分析和運營：

1. 用戶生命周期最少的那部分用戶，例如10天，有什么具體特征，為什么不用？
2. 用戶生命周期最多的那部分用戶，有什么特點？
3. 分布人數(shù)最多的用戶，怎么樣能想辦法抓住他們的痛點？延長他們生命周期
4. 究竟是用的久的用戶（二八理論），還是分布人數(shù)最多的用戶（長尾理論），產(chǎn)生的商業(yè)價值大？

每個用戶的生命周期都能產(chǎn)生商業(yè)價值，但有些用戶注定更有價值。

用戶生命周期和流失是息息相關(guān)的，用戶流失，便是用戶生命周期的終止。

用戶不用APP，可能是比較忙，可能是出去旅游了，可能是大姨媽來了心情不好。那么運營應(yīng)該怎么判定他是上述情況，還是卸載不用呢？也許我們需要幾個月后才會發(fā)現(xiàn)用戶最后登錄停留在某一天。高級運營和初級運營的分水嶺在于：初級運營經(jīng)常事后補救，高級運營能夠防范于未然。
將用戶的流失可能扼殺在萌芽階段，是延長用戶生命周期的有效手段之一。這聽起來很玄乎，但舉個例子就會明白的。

一款社交應(yīng)用，通過流失用戶的特征分析。發(fā)現(xiàn)了如下的幾個特點。

1. 流失用戶中，40%的用戶沒有完善資料新增用戶沒有導(dǎo)入通訊錄好友；
2. 流失概率比導(dǎo)入的高20%新增用戶；
3. 在第一周使用中，如果添加的好友低于3，則一個月后的流失概率超過一半。
4. 用戶流失前一個月，互動率遠(yuǎn)低于APP平均值。

這些特征很容易讀懂了解，運營也很容易針對性的采取策略。例如良好的新手引導(dǎo)、引入好友推薦（想想微博和各興趣向APP）、增加曝光量、乃至使用機(jī)器人等等。

如果數(shù)據(jù)化運營更徹底，可以運營和數(shù)據(jù)分析結(jié)合，將上述的特征建模，得出一個比較準(zhǔn)確的流失概率預(yù)測。用模型計算出某一類人群流失概率在80%以上，和知道什么樣的人可能流失，在運營上是兩個層次。

我們可以構(gòu)建決策樹模型，因為決策樹模型的可解釋性強，它是if-then的集合，運營非常容易理解。比如用戶完善資料低于50%，且沒有導(dǎo)入通訊錄好友，且好友數(shù)量低于3，則其一個月后的流失概率為80%。模型訓(xùn)練出葉節(jié)點，運營用SQL就能跑出來可能流失的用戶群。

另外，發(fā)掘出變化性變量在運營中有奇效。比如完善資料，是否導(dǎo)入通訊錄好友，都是靜態(tài)、狀態(tài)型的特征，更多是產(chǎn)品上的優(yōu)化。但是某一類用戶流失，能通過其他數(shù)據(jù)特征體現(xiàn)，比如上周打開了APP20次，本周打開了5次，下周打開了1次，趨勢是下降的，那肯定是要流失

三.流失率計算

1.數(shù)據(jù)的獲取

流失用戶是通過用戶的最近一次登錄距離當(dāng)前的時間來鑒定的，所以要分析流失用戶，需要知道每個用戶的最后一次登錄時間，而對于不同網(wǎng)站而言，這個時間間隔會各不相同，最長可能會有1年或者更久，所以在數(shù)據(jù)獲取方面會有一定的難度。如果分析的是注冊用戶，那么一般網(wǎng)站都會在數(shù)據(jù)庫中建相應(yīng)的表來存放用戶信息，所以建議在儲存用戶基礎(chǔ)信息的同時記錄用戶的最近一次登錄時間，這樣就能夠準(zhǔn)確地計算用戶最近一次登錄距離當(dāng)前的間隔時間，進(jìn)而區(qū)分該用戶是否流失。

2，流失用戶變化趨勢

首先需要明確的是用戶的流失可能并不是永久的，也許用戶在一段時間內(nèi)對網(wǎng)站確實沒有任何需求，那么他會遠(yuǎn)離網(wǎng)站一段比較長的時間；或者流失用戶也會因為網(wǎng)站的某次營銷或者網(wǎng)站質(zhì)量的改善而重新回來。網(wǎng)站總的流失用戶數(shù)的計算比較簡單，以超過1個月內(nèi)登錄即為流失為例，那么總流失用戶數(shù)就是所有“當(dāng)前時間點-用戶最近一次時間點>1個月”的用戶數(shù)量。但是單純的總流失用戶數(shù)量對于分析是沒有意義的，因為大部分情況下這個數(shù)值是一直遞增的，我們需要計算總流失用戶數(shù)占總用戶數(shù)的比例及新增流失用戶數(shù)，觀察它們的變化趨勢，如下表：

新用戶流失率 我們可認(rèn)為新用戶注冊后就完成首次登陸，那么簡單地定義新用戶流失，就是用戶在注冊后一段時間內(nèi)都沒有登錄過游戲，即 當(dāng)前時間點 – 用戶注冊時間點 > 流失臨界時間間隔 比如我們定義用戶的流失臨界時間間隔為1個月，也就是在注冊后的一個月內(nèi)未登錄的用戶意味著已經(jīng)流失，那么就可以計算每天的新用戶流失數(shù)，即注冊時間為1個月前的那一天，而從注冊到當(dāng)前沒有登錄過的用戶數(shù)。這個用戶數(shù)與1個月前的那一天的總注冊用戶數(shù)的比例就是新用戶的流失率： 當(dāng)天的新用戶流失數(shù) / 當(dāng)天的總注冊用戶數(shù) = 新用戶流失率 計算出每天的新用戶流失率，并觀察它的變化趨勢：

四.RFM評估

RFM定義：最近一次消費(Recency) ?消費頻率(Frequency) ??消費金額(Monetary)

根據(jù)這個指標(biāo)，我們又把客戶分成五等分，這個五等分分析相當(dāng)于是一個“忠誠度的階梯”(loyalty ladder)，其訣竅在于讓消費者一直順著階梯往上爬，把銷售想象成是要將兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。

以上三個指標(biāo)會將維度再細(xì)分出5份，這樣就能夠細(xì)分出5x5x5=125類用戶，再根據(jù)每類用戶精準(zhǔn)營銷……顯然125類用戶已超出普通人腦的計算范疇了，更別說針對125類用戶量體定制營銷策略。實際運用上，我們只需要把每個維度做一次兩分即可，這樣在3個維度上我們依然得到了8組用戶。

這樣，之前提的四個問題，就能很容易被解讀（編號次序RFM,1代表高，0代表低）

• 重要價值客戶：最近消費時間近、消費頻次和消費金額都很高，一般是VIP
• 重要保持客戶：最近消費時間較遠(yuǎn)，但消費頻次和金額都很高，說明這是個一段時間沒來的忠實客戶，我們需要主動和他保持聯(lián)系。
• 重要發(fā)展客戶：最近消費時間較近、消費金額高，但頻次不高，忠誠度不高，很有潛力的用戶，必須重點發(fā)展。
• 重要挽留客戶：最近消費時間較遠(yuǎn)、消費頻次不高，但消費金額高的用戶，可能是將要流失或者已經(jīng)要流失的用戶，應(yīng)當(dāng)基于挽留措施。

五.結(jié)合電商平臺設(shè)計功能

結(jié)合用戶生命周期和價值，觀察流失率曲線并預(yù)估是否用戶在持續(xù)累積還是流失，評估用戶的RFM，在了解了用戶的真正節(jié)點之后，結(jié)合數(shù)據(jù)，就可以設(shè)計搭建CRM大后臺了，這個后臺所要承載的功能就需要按照模塊進(jìn)行分類和細(xì)化，這里只對大模塊做區(qū)分，并沒有細(xì)化用戶的生命周期節(jié)點，后臺可留有時間設(shè)置，來進(jìn)行精準(zhǔn)營銷，這個相信大家都明白怎么樣去利用數(shù)據(jù)設(shè)置任務(wù)，此處不做贅述，具體內(nèi)容可參考下圖，基本可以覆蓋電商所需要的底層功能：

結(jié)語

針對CRM，還有很多值得我們研究和探索的框架以及內(nèi)容，做好CRM無非是為了更好的做到三點：

1. 首先，建立、管理并充分利用客戶數(shù)據(jù)庫；
2. 其次，通過客戶關(guān)懷提高客戶的滿意度與忠誠度；
3. 同時可以通過商務(wù)智能分析模塊，分析客戶流失原因。為更好地滿足用戶的需求而做好服務(wù)。

另外，CRM客戶關(guān)系管理其實也分為2種，2B或者2C。我們上述內(nèi)容講解全為2C端的，2B的CRM更多的是對銷售機(jī)會的管理，其中包括各個客戶的拜訪情況，意向，對方處于的狀態(tài)，對方的痛點等等。核心在對能把東西賣給他所需要的相關(guān)信息的管理。2C的CRM則更加大數(shù)據(jù)一些，這主要在零售公司比較常見。根據(jù)顧客購買情況，依據(jù)一些數(shù)據(jù)分析模型（比如RFM），我們可以描繪出各種典型顧客畫像，在將購買顧客分別套在畫像中，以進(jìn)行后續(xù)的營銷活動（比如EDM電子郵件營銷）。無論是使用什么樣的方法，我們的目的很簡單，就是留住用戶，增加粘性，讓用戶信任我們，依賴我們。我們?yōu)橛脩籼峁└玫捏w驗和關(guān)懷，用戶可以為我們提供更多的商業(yè)價值。（部分CL及CLV內(nèi)容引薦知乎）

作者：明洋，產(chǎn)品一枚，樂分享，愛交流，關(guān)注電商、社交、泛娛樂及O2O領(lǐng)域，小愛美術(shù)及音樂

本文由 @明洋 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。