电商crm，该如何拆分和设计？

《电商crm，该如何拆分和设计？》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、电商CRM，该如何拆分和设计？　　CRM做为客户关系管理和维护的重要方面，在电商中显得尤其重要，我们从各个渠道投放广告花高成本去获客，用户进来以后却不能及时的被留住，留存和复购数据不太理想，客户不能被准确的定位和服务，基于这些问题，更加需要深入分析客户行为，判断每类客户的喜好和习惯，不断完善人群属性，通过建立完善的CRM机制来升客户的消费并实现二次购买。　　　　一.明确CRM的目标　　延长用户生命周期，实现生命周期价值CLV（CustomerLifetimeValue，也有称LTV：LifeTimeValue）最大化生命周

2、期：CL：CustomerLifetime　　生命周期价值：CLV（CustomerLifetimeValue，也有称LTV：LifeTime电商CRM，该如何拆分和设计？　　CRM做为客户关系管理和维护的重要方面，在电商中显得尤其重要，我们从各个渠道投放广告花高成本去获客，用户进来以后却不能及时的被留住，留存和复购数据不太理想，客户不能被准确的定位和服务，基于这些问题，更加需要深入分析客户行为，判断每类客户的喜好和习惯，不断完善人群属性，通过建立完善的CRM机制来升客户的消费并实现二次购买。　　　　一.明确CRM的目标　

3、　延长用户生命周期，实现生命周期价值CLV（CustomerLifetimeValue，也有称LTV：LifeTimeValue）最大化生命周期：CL：CustomerLifetime　　生命周期价值：CLV（CustomerLifetimeValue，也有称LTV：LifeTimeValue）　　二.剖析用户生命周期和价值　　让用户能在生命周期中产生商业价值，才是业务的最终使命。这里的商业价值，不单纯是电商广告游戏等赚钱模式。信息和数据这些无形且很难量化的也是商业资产。为什么要谈用户生命周期和价值？因为不得不接受的事实是

4、，无论你是多么出色的运营和产品，都无法真正制止用户的流失你可以延长它，但就是不能阻止它。当产品获得足够多的用户时，最大的问题不是继续获取，而是从用户身上赚回钱。成熟的产品都应该考虑CL，以及更重要的CLV。　　只要用户停留时间越长，对产品的使用粘性越大，就越有可能在我们的产品上产生价值，那么有一个公式大家一定并不陌生：　　赚钱=CLV（用户生命周期价值）-CAC（获客成本）-COC（运营成本）　　电商的CLV由一系列购买的指标决定，电商CLV指标：支付订单量、GMV另外，我们通常说的用户留存率，其实也是用户忠诚度的体现，留

5、存率对用户的判定较为模糊，也不具备界定意义，因此我们可以转化为用户生命周期。　　　　用户生命周期=周期/(1-周期内新增留存率)　　如果一款产品新增用户的月留存率是70%，那么估算出：平均用户生命周期=1个月/（1-70%）=3.3个月。　　运营的目标就是延长用户生命周期从3.3个月到4个月、5个月乃至更长。并且在此期间产生商业价值。对于大部分产品，这个公式都是适用的。　　如果需要更精准的指标，则可以将数据制作成频数分布图。　　　　来看看怎么精准的分析和运营：　　用户生命周期最少的那部分用户，例如10天，有什么具体特征，为

6、什么不用？　　用户生命周期最多的那部分用户，有什么特点？　　分布人数最多的用户，怎么样能想办法抓住他们的痛点？延长他们生命周期　　究竟是用的久的用户（二八理论），还是分布人数最多的用户（长尾理论），产生的商业价值大？　　每个用户的生命周期都能产生商业价值，但有些用户注定更有价值。　　用户生命周期和流失是息息相关的，用户流失，便是用户生命周期的终止。　　用户不用APP，可能是比较忙，可能是出去旅游了，可能是大姨妈来了心情不好。那么运营应该怎么判定他是上述情况，还是卸载不用呢？也许我们需要几个月后才会发现用户最后登录停留在某一

7、天。高级运营和初级运营的分水岭在于：初级运营经常事后补救，高级运营能够防范于未然。将用户的流失可能扼杀在萌芽阶段，是延长用户生命周期的有效手段之一。这听起来很玄乎，但举个例子就会明白的。　　一款社交应用，通过流失用户的特征分析。发现了如下的几个特点。　　流失用户中，40%的用户没有完善资料新增用户没有导入通讯录好友；　　流失概率比导入的高20%新增用户；　　在第一周使用中，如果添加的好友低于3，则一个月后的流失概率超过一半。　　用户流失前一个月，互动率远低于APP平均值。　　这些特征很容易读懂了解，运营也很容易针对性的采取

8、策略。例如良好的新手引导、引入好友推荐（想想微博和各兴趣向APP）、增加曝光量、乃至使用机器人等等。　　如果数据化运营更彻底，可以运营和数据分析结合，将上述的特征建模，得出一个比较准确的流失概率预测。用模型计算出某一类人群流失概率在80%以上，和知道什么样的人可能流失，在运营上是两个层次。　　我们可以构