文章目录
一、前言
完善的数据分析体系，是企业数字化转型必备的基础，企业在发展过程中，无论规模、性质如何，都离不开对用户（顾客/客户）的洞察，在新零售行业更是如此。全域数据中台能够提供：用户洞察数据模型、用户洞察分析、用户画像体系，帮助企业更加深入的了解用户，企业可以通过深度分析给用户提供更好的服务，建立客户关系管理，完善用户运营。
二、用户洞察
以往在企业中，通常是通过注册、消费来分析用户的状态，随着采集技术的发展以及大数据技术的支持，我们可以实现分析处理更多维度的数据，从而丰富企业自有数据库。通过OneId的建设，企业内数据可以实现串联，从而实现对用户行为较为完整的数据分析。
产品方面，通过数据中台产品Dataphin开发用户洞察相关的底层模型，再在Quick BI上做相关的数据分析，结合Quick Audience进行人群洞察圈选。
三、分析介绍
用户洞察分析，是企业全域数据中台企业自有数据应用分析的一部分，也是关键的部分。在用户洞察解决方案中，分析体系主要从三种分析框架入手，从不同的角度，帮助企业了解其用户资产。企业通过用户资产（用户生命周期角度）、用户旅程分析AIPL、用户价值RFM分析三种分析思路帮助企业从不同角度了解其用户资产，以适应不同场景下的分析需求。
企业可以选择某种分析方法或者多种方法组合，实现以下内容的分析与洞察：
- 用户的生命周期状态
- 不同生命周期用户的销售洞察
- 用户价值
- 用户行为
3.1 企业用户资产分析
“用户”是企业另一种形态的资产，我们从两方面了解用户的基本概况，首先是用户生命周期的划分，或者说是用户状态的划分，更加精细的用户划分可以将人群的特点分析更加全面，再有就是用户消费洞察，可以帮助企业了解用户处于不同状态下时对销售业绩的贡献，帮助企业进一步了解用户特点。
3.1.1 用户生命周期状态分析-FULL分析
我们从用户的互动时间长度结合互动深度做消费者的划分，从互动时长上划分准（潜）、新、老三种基本类型，从互动深度上划分出活跃、非活跃2种类型，相互交叉后，给出全新的用户生命周期状态定义。通过用户生命周期的划分，更加精细运营维护消费者资产。当一名用户与企业或者品牌等发生互动行为起，即可被认作为企业或品牌的潜在会员群体，成为拉新的目标群体。该用户消费以后，成为企业或品牌的活跃用户，直至用户流失。
企业或品牌可以结合报表分析指标和相应用户生命周期的标签画像，作出当下最为合适的运营决策。比如对新非活跃会员给予新人优惠券的发送，激活其成为活跃会员。
3.1.2 用户销售洞察
企业可以结合用户生命周期状态，对不同状态用户的消费进行探查，通过销售的基础指标如金额、件数、频次，了解当前用户消费概况。结合趋势、同环比等对当前的业务业绩进行进一步的洞察。从而制定更加合理的营销活动，圈选更加合适的营销人群。
销售洞察会分为多个分析：整体用户洞察、非会员销售洞察、（活跃）会员销售洞察、新活跃销售洞察、现期活跃销售洞察、持续活跃销售洞察、回归活跃销售洞察。由生命周期状态人群洞察，到用户销售洞察，企业可以将人群及其贡献更好的结合起来分析。对经营问题的诊断提供极大帮助。
3.2 AIPL分析
AIPL，把用户划分为认知、兴趣、购买、忠诚四个阶段，也被称作消费者旅程分析。用于帮助品牌将消费者根据不同的行为阶段进行分层管理，再依据不同的产品特性进行教育转化，是品牌管理中经典的消费者行为理论。此模型更关心的是消费者与企业的互动深入程度，可以从消费者跟品牌的忠实程度划分消费者资产，从这个角度对不同阶段的客户做不同的营销活动。
- A：Awareness 认知
- I：Interests 兴趣
- P：Purchase购买
- L：Loyalty 忠诚
用户的购物行为描述为从认知到兴趣，再从兴趣转化为购买，从购买转化为忠诚的一连串先后发生的过程，这一过程被称为消费者旅程。消费者可能会跳跃，比如从认知直接进入到购买，类似冲动型消费，或者从兴趣直接到忠诚。AIPL模型，可以帮助企业了解潜在用户有多少，忠诚客户有多少，以及各个环节的转化率。企业可以圈选出不同阶段的人群做相关的营销活动。
3.3 RFM分析
3.3.1 用户价值分析
用户价值的划分，是根据用户的购买行为对用户进行分类，通过购买行为中的购买时间、购买频次、购买金额三项指标来评估用户的价值，根据不同维度的划分将用户划分为不同类型。圈选出人群，做特定的营销活动推送，比如给予重要价值用户vip权益，提升用户忠诚度；给予重要发展用户一些满送活动，提升客户的购买兴趣，增加用户复购可能性等。
- R:用户最近一次购买时间
- F: 在企业定义周期内的的购买频次
- M:在企业定义周期内的购买金额
若把RFM各分2档，最终可以得到8种客户类型，分档后可以演化为RFM标签，可以针对不同企业制定不同的时间周期，也可针对需要设置或用其他分类名称。企业可以根据实际需要将RFM划分成更多的类型，比如只将R划分为3档，可以得到12种类型，如果都划分为3档，则是27种类型，但并非类型越多越好，企业还是按照实际运营来合理划分。
以RFM各分2档为例：
- 某周期内重要价值用户
- 某周期内重要潜力用户
- 某周期内重要深耕用户
- 某周期内新客户用户
- 某周期内重要唤回用户
- 某周期内一般维持用户
- 某周期内重要挽留用户
- 某周期内流失用户
3.3.2 用户复购分析
提供消费者复购分析，可以对一段时期内消费者频次进行分组或者筛选具体范围、数值对消费者的价值进行更深层次的挖掘。通过购买频次的划分，对于不同人群给予不同的营销策略，提升活跃度、忠诚度。