【思考题】新客老客定义

一、问题

数据分析的两层模型中,第一层就是对分析对象做细分,然后第二层看指标异动。

针对用户的分析中,最常见的细分方式是做“新客/老客”分析,对新客老客的行为、画像进行分析。

在实际应用中,发现“新客/老客”的概念有二义,因此做辨析。

考虑下面一种场景:

某店A顾客1月份第一次到店,以后每月到店1次;B顾客2月份第一次到店,以后每月到店1次;依次类推,如图所示:

1月

2月

3月

4月

5月

6月

A

第一次

B

×

第一次

C

×

×

第一次

D

×

×

×

第一次

E

×

×

×

×

第一次

F

×

×

×

×

×

第一次

那么有几个问题:

  1. 4-6月新客转化率如何?

    答:对DEF在4-6月黄色部分的行为做分析。

  2. 4-6月老客平均客单价多少?

    答:对ABCDEF在4-6月绿色部分的行为做分析。

  3. 4-6月新客画像如何?

    答:DEF三个顾客进行分析。

  4. 4-6月老客画像如何?

    答:ABC三个顾客进行分析。

为什么同样是问老客,2问题中分析对象是ABCDEF,4问题中分析对象是ABC?

原因是新客/老客的划分存在两种视角,但在日常应用中混在了一起,而实际上不同视角下的老客范围并不相同。

二、新客/老客划分存在两种视角

A在2010年1月注册会员并消费,之后每个月都有1笔消费。

年底时老板需要对顾客数据进行分析。

定义

比较

业务场景

用户生命周期视角

发生第一次行为的用户为新客,

发生二次及以后行为的用户为老客

顾客第一次(or第一天)到店为新客,之后到店为老客。

以订单为基本单位,一个顾客在观测期间内,可以从新客进化为老客,如1月到店是新客订单,2月份到店是老客订单。

是时间点的概念。

随着用户行为的发生,一个用户新客/老客的状态变化。

当一个新顾客到店时,商家关心的是ta能否办卡留存;

当ta办卡后,商家关心的是ta消费耗卡的能力。

新客到店行为分析:

对A 1月的消费行为进行分析

老客到店行为分析:

对A 2-12月的消费行为进行分析

时间窗口视角

期间内新出现的用户为新客,其它为老客

统计期间内第一次出现的顾客为新客,

其它为老客。

以人为基本单位,一个顾客要么是新客,要么是老客。

是时间段的概念。

随着观察时间窗口的变化,一个用户新客/老客的状态变化。

取一个时间段,对这个时间段内新出现的顾客做分析。

新客到店行为分析:

对A 1-12月的消费行为进行分析

老客到店行为分析:

无老客到店

两种视角均有使用的场景,决定使用哪一种视角的判断标准是:

  1. 哪一种视角对商家更有价值:

    1. 如果商家关心的是 新客的拉新转化与老客的消费水平,那么用户生命周期视角更能进行有效的分析

    2. 如果商家关心的是 本次拉新活动带来的新客与以往沉淀的老客之间的区别,那么采用时间窗口视角更能进行有效的分析

  2. 哪一种视角能让商家理解:

    1. 用生命周期视角时,观察的是顾客一次到店和二次到店的行为,因此可以将其命名为“新客订单(or获客订单)/回头客订单(or二次到店客订单)”

    2. 用时间视角时,观察的是时间窗口内第一次出现的顾客,因此可以将其命名为“新客/老客”

      将两种视角下的“新客/老客”区分命名,能提高讨论时的准确性。

三、应用

A店今年到店里消费的有500个客人,其中200个是第一次出现的顾客,300个是往年消费过的顾客。

500个顾客每人今年在A店都消费了2次。

200个新出现的顾客中有100个办了会员卡。

年底时老板想知道今年的顾客到店情况。

序号

老板提问

店长回答

1

今年来了多少客人

  1. 今年顾客到店人次是1000人(人次)

  2. 总共来了500个客人(人头)

2

拉新效果如何?

  1. 今年来了200个新客,新增了150个会员,其中100个是持卡会员,办卡率50%(人头/人次)

  2. 团购拉了150个新客,50个人办了会员卡,办卡率33%(人头/人次)

    老带新拉了50个新客,50个人办了会员卡,办卡率100%(人头/人次)

  3. 做了xx项目的新客办卡率更高,建议xx项目用来引流(人次)

3

老客维护效果如何?

(老板问这句话时,实际上问的是二次到店会员)

  1. 今年二次到店会员共消耗了20000元卡金(人次)

  2. 二次到店会员平均客单价是500元(人次)

  3. 使用xx会员卡的会员二次到店率高,做yy项目的会员卡金消耗更快(人次)

4

新客画像如何?

200个今年的新客年龄分布、性别分布、消费分布等(人头)

5

老客画像如何?

300个往年的老客年龄分布、性别分布、消费分布等(人头)

猜你喜欢

转载自blog.csdn.net/u013382288/article/details/82783269