“你們的方案看起來不錯，但是我們公司非常看重KPI，可以做一份通過你們解決方案帶來的ROI預測嗎？”
這是Convertlab鞋服行業品牌客戶的一個要求，該客戶聚焦鞋服快時尚領域，在國內穩扎穩打了近30年，與它同個時期創業的品牌，很多都已經在行業大浪淘沙中消失身影，但該品牌卻仍然保持著增長的勢頭。
即使是在疫情影響的近一兩年里，該品牌依然有很大一部分的收入來自線下門店，全國數千家店的會員數量加起來近千萬。
當然，這也意味著在線上營收場景的還有很大的增長機會。
該品牌并不是沒有去做過數字化營銷的嘗試，反而是早幾年就開始探索過“實時營銷”，結果卻沒有滿足期望，于是按下了暫停鍵。在及時止損的同時，等待時機重新出發。
經歷了這幾年國內數字化營銷的發展，品牌標配的微信公眾號、小程序、企業微信、電商平臺、短視頻平臺等渠道發展，沉淀了足夠多的存量用戶數據資產，該品牌客戶重新出發的時候到了。
客戶希望通過Convertlab一體化營銷云工具，對用戶進行精細化運營，通過個性化和自動化營銷，大幅度提升新客和老客的復購率；同時整合多個渠道觸點，實現數字化運營能力閉環，全面提升企業數字化營銷效率。
過去，企業的訂單分類篩選等全部由人工完成，需要手動拉取人群包，由于會員數量龐大，手工篩選人群都要花費近一周的時間。
現在，通過Convertlab營銷云發起一場營銷活動，實時篩選人群進行分組只需要幾分鐘就能完成。
客戶的數字營銷效果獲得了極大的提升，一場活動帶來的銷售額高達5千萬，用戶復購率直線上升，整體項目的ROI數值包含軟件采買費用后依然高于行業平均水平。
那在這個過程中Convertlab針對用戶精細化運營做對了哪些事情，幫助客戶獲得了復購率的提升？現在來一一拆解：
歷史數據分析與洞察
設計可落地的業務場景策略
在營銷場景中，“人-貨-場”是一個經常被提起的概念。在這里面有一個很有意思的點是，人-貨-場的順序很重要不能亂，想幫企業賣貨，第一個就要把人研究透。
Convertlab先做好了用戶數據的身份統一，打通企業門店、微信公眾號、小程序會員、企業微信等渠道的數據，補全行為數據，全渠道整合得出清晰的用戶畫像（user profile）。
因為后面會提到另一個用戶畫像（user persona）在這里也跟大家分享下兩者的區別：
用戶畫像（user profile）偏理性，一般基于用戶在系統里產生的真實數據、行為特征和用戶主動填寫的行為資料，利用已經獲得的數據，用來勾勒用戶需求、用戶偏好的數據分析方法。
用戶畫像（user persona）偏感性，一般來自于用戶訪談、用戶研究，比較抽象和感性，幫助大家去認識當前的產品所主要服務的用戶是一些什么類型的人，用于運營與數據分析等場景。
基于上面的數據治理基礎，將全渠道產生購買的人群分為新客、老客、活躍老客、沉睡客四類，針對性地對用戶歷史復購訂單數據進行分析，得出復購關鍵因子。
如何理解復購關鍵因子？就是決定用戶復購轉化的關鍵點，可能是某款商品，也可能是某個客單價區間。
通過人群定義與復購關鍵因子分析，再對同組人群的關鍵溝通時間點分析，建立后期觸達的溝通頻次，在不打擾用戶的情況下，精準傳遞活動信息。
品類偏好標簽：
基于用戶全網行為進行聚類分析
并通過算法幫助品牌判斷用戶偏好
先跟大家簡單的解釋下什么是聚類分析？聚類原本是統計學上的概念，現在屬于機器學習中非監督學習的范疇。
從定義上講，聚類就是針對大量數據或者樣品，根據數據本身的特性研究分類方法，并遵循這個分類方法對數據進行合理的分類，最終將相似數據分為一組，也就是“同類相同、異類相異”。
在進行聚類分析時，大家并不知道具體的劃分標準，要靠算法進行判斷數據之間的相似性，把相似的數據放在一起，探索和挖掘數據中的潛在差異和聯系。
在對用戶購買行為進行聚類分析時，要首先設計好商品品類的標簽，從大類標簽到中類標簽再到小類標簽，一層一層的細化。設計好標簽體系后，通過聚類分析對用戶商品偏好進行分析，最終得出不同人群的商品偏好標簽。
通過對大量用戶群體數據的分析，構建出多個user persona用戶畫像模型。比如其中家庭用戶群體的畫像模型，人群的特征是30～40歲、有孩子、折扣敏感、客單價150-200之間等。
通過這些人群特征，去挖掘用戶潛在需求，同時結合歷史數據分析出對應人群的關聯商品。比如在夏季買過T恤的人，推送對方短褲相關的上新/優惠券，購買轉化會更高。
在設計精細化運營策略過程中，Convertlab從分析人到分析商品再到人+商品一起，逐步迭代運營策略，不斷地去每個場景做細分，通過個性化內容溝通，實現精準推薦提升轉化。
02
有了前面做好的人群包分組和用戶商品偏好標簽，下一步是個性化溝通策略的落地。策略靠人來不斷細化和輸出，系統去自動執行一系列的精準營銷流程。
依據新客、老客、活躍老客、沉睡客四大人群場景，劃分了對照組與測試組進行實驗。測試組選用個性化內容進行溝通，如在內容中提到該對應人群的復購關鍵因子，挑選關聯度高的復購商品推薦/贈送優惠券等；在對照組，默認發送對組內所有人群都一樣的促銷活動信息。
兩組人群的轉化效果截然不同，測試組人群轉化率提升了750%。這個反饋讓客戶也有了極大的信心，嘗試全面推進個性化營銷，進一步提升存量用戶的復購率。
依據Convertlab過往鞋服零售行業服務的經驗，會發現對用戶的關鍵溝通時間節點一般是7天一次，效果最好。
可以看到下圖在沉睡客的舉例中，溝通頻次的時間節點一般是以7天為單位展開，比如2周14天4周28天，同時結合節日/大促時間/特殊紀念日等場景一同展開，讓二次營銷自然觸達。
中間根據顧客的行為反饋，實施調整營銷策略。如顧客依然沒有進行復購，換個策略再次進行商品推薦；顧客產生復購的情況下，可使用優惠券Push他產生更多消費。
在這個過程中間，也要去篩選客戶的偏好渠道，比如看用戶在微信公眾號、短信、企業微信社群等哪個渠道的響應次數最多，通過用戶偏好的渠道來進行觸達。
有些用戶幾乎不看品牌過去發的短信，一次都沒有轉化過，那在短信營銷的時候就可以把這群用戶拎出來，讓這部分之前浪費的營銷預算花在其他更有價值的地方。
微信公眾號圖文打開率受到短視頻賽道沖擊逐年下降，各個平臺都在爭奪用戶的注意力時間。如何在逆勢中找到新的增長點？對微信圖文分組個性化推送是個好方法。
經過對全渠道的數據整合，可以得出微信粉絲人群的品類偏好，通過人群分組推送個性化微信推文，實現微信圖文打開率的提升，進一步帶動用戶購買轉化率與客單價的提升。
尤其是對于擁有成百上千萬粉絲的品牌公眾號來說，粉絲越多圖文打開率的越高，反饋在購買轉化上的效果就越明顯。
03
數字化運營效率提升
反哺業務場景賦能營銷閉環
搭建好Convertlab一體化營銷云系統，能夠將CDP（客戶數據中臺）與 AD hub智能廣告平臺進行對接，連接公域和私域，加速營銷全鏈路的數字化、自動化、智能化，賦能品牌營銷的效果升級。
落在具體的業務場景可以從庫存清理和爆款打造兩個場景來舉例：
秋天過完了，還有一批男士單鞋的庫存量很大，怎么快速清理庫存？
市場營銷部門有了計劃，針對過往購買男士單鞋的人群數據，篩選出這群人的用戶畫像，借助lookalike技術通過這批種子用戶進行媒體側第二方數據的拓展，快速建立廣告投放模型，找出更多相似的消費人群，觸達更多潛客提升轉化。
只要是賣貨就逃不過打造爆款。但寶潔的那套大滲透大渠道的玩法已經不再流行，現在的營銷更適合將大渠道拆分為多個小渠道，在每個小渠道里做大滲透。
就拿在朋友圈廣告投放來舉例，目標人群用戶畫像不精準的話，投放轉化自然不會高。通過DMP平臺進行實時監測，對比投放用戶畫像與目標用戶是否一致，指導前端投放標簽更精準。
經過上面數據分析、用戶畫像、個性化觸達、公私域聯動這一套組合拳下來，該品牌客戶的用戶運營也從“淺水區”走向“深水區”。
過去，企業坐擁大量會員數據，卻難以發揮數據價值，會員運營簡單粗暴，缺乏精細化管理的思路和手段。在廣告投放上的效果也不太不理想，拉新和轉化效果不佳，ROI低于平均水平，讓品牌對拉新失去信心。
現在，企業通過Convertlab一體化營銷云打通全鏈路觸點數據，結合深度用戶畫像洞察，激活數據價值。通過智能模型和算法，聚焦精準化溝通驅動業績增長，從公域傳播拉新到私域促活轉化，互相聯動形成有效營銷閉環。
