Mars Opinion

（本文为之前B2C电子商务网站最简单易行的客户关系营销模型的修订版，用于发表在www.brandmarketing.com.cn上……我文章语气总是太随意了，呵呵）

B2C本质上是零售，客户是最宝贵的资源。

相对于普通的零售业来说，电子商务网站有着先天的优势：数据完整而且及时——不仅拥有所有客户的所有购物历史信息，而且在客户来到店面（点击来到网站）时，电子商务网站也能在第一时间知晓。完整和及时的信息给客户关系管理提供了很大的方便。

虽然很多书和文章都在讨论“怎样维护客户关系”、“怎样挽回流失客户”，市面上也有非常非常多的理论框架，但是基本很难找到一个“容易理解，而且马上拿来就能用的模型”，所以想基于自己的经验写一个简单粗糙（但是比较容易实施）的客户关系管理模型供中小型的电子商务公司参考。

 

首先，我们来明确一个常识：

• 让一个已经知道你网站、已经在你网站购物过的消费者再次购物，比抓来一个陌生的用户、说服他购物要容易；
• 让一个刚刚流失的客户回头，比劝服一个已经流失了很长时间的客户回头购买你东西要容易（他说不定连联系方式都更换了……）

这样算起来，我们应该做的是：

• 优先向已有客户做营销（投资回报率较高——尤其是在你预算有限的情况下）
• 向那些流失客户做营销（不用做什么也会待着的用户，暂时不管他们，省下钱来用在刀刃上）
• 在客户流露出“流失”信号时，马上做营销（不要等到这个客户已经流失一两年了再忽然想起来。马上动作的成功率更高）

仔细想想，就会发现核心的问题是：我怎么知道哪些客户“就快流失了”？

我们来看一看一般的客户成长曲线：

（上图横轴是时间，纵轴是购物频率，仅仅是示意图，曲线坡度没什么意义）

一般来说，一个客户第一次接触你的网站（比如www.BrandMarketing.com.cn）之后，他会有一段时间的适应期，购物频率较低；等到慢慢熟悉了你网站的功能应用和产品线之后，购物频率会上升，慢慢稳定下来……直到某一天，他的需求减弱，或者找到了其他的方式满足需求，或者你的某方面服务让他不满意了，他的购物频率会降低（缓慢或者直接陡降都可能），直至完全流失。

所以，我们要关心的客户有两类：

• A: 新客户，但是没能成功转化为稳定客户
• B: 稳定客户，刚刚转化为了流失客户

我们要解决的问题是：

• 怎么找到这些人？
• 找到之后我们要做什么？

　　

首先，怎么找到这些人？

对A组人来说：

• 给定一个购物次数来定义“新客户”，这个会根据电子商务网站商品品类的不同而不同。如果没想法的话，可以随便定一个——例如4，定义购物小于4次的都叫“新客户”；
• 简单数据挖掘，看看已有的老用户（购物次数大于等于4）前4次购物的间隔分别是多少，如果数据的差异性不大，可以用数据的平均值，如果差异性很大，则需要进一步分析（例如你又卖书又卖MP3，买书的客户购物频率和买MP3的客户购物频率必然差很多，需要分开对待）——当然如果够懒的话，用平均值也比什么都不用来得好。这样我们就得到了“新用户”的“前四次购物正常间隔”，假设是P1, P2, P3（例如70天，60天，和30天）；
• 如果一个新用户在第一次购物后，经过P1天，还没有进行第二次购物，我们就知道他在“转化为稳定客户”上遇到了困难；同样道理，第二次购物后P2天没有购物，第三次购物后P3天内没有购物，同样说明他遇上了问题，我们没有成功的稳定下这个客户，他落入A组；
• P的值可以根据市场经费，以及客户价值来调整。如果觉得客户非常重要，平时可以用0.8*P1, 0.8*P2, 0.8*P3来作为判断条件（这样会更快把客户放入A组），同样的，如果市场经费紧张，只能花在少量“确认流失”的客户身上，可以把P1, P2, P3改成2*P1, 2*P2, 2*P3 （意思是等更长时间再把客户放入A组）。

对B组人来说：

• 这些人都不是“新用户”，所以都有至少4次购物经验，取TrapWire = Max {P1, P2, P3, P4, …, PN}（定义TrapWire等于过去所有间隔中最大的那个，当然你也可以定义他等于之前所有购物间隔的平均值，或者平均值两倍之类~随便，看效果慢慢调就好）
• 假如今天距离该客户上次购物已经有了T时间，如果T > TrapWire，则该客户呈现出了“流失”的信号。
• 同A组数据一样，可以根据实际情况调整TrapWire的值，有钱的时候用0.8*TrapWire，没钱的时候用1.5*TrapWire。
• 如果要更精细的话，可以引入更复杂的参数（类似RFM模型），假设网站老客户平均的购物频率是Frequency，平均每个老客户购买过价值Monetary的产品，而该客户的购物频率是F，购买过价值M的产品，那么针对他的TrapWire可以设置为M*F/(Monetary*Frequency)——购物次数多、花钱多的客户，我们更积极的去挽回；购物次数少，花钱少的客户，我们可以更耐心一点多等几天再挽回。

根据这两个定义，每天（或者每周，每个月）我们就能得到两个List: A, B。

然后呢？

第一，我们可以监控A，B组占网站客户数的百分比，可以知道当前的网页设计、Marketing Campaign对于保留新老客户的作用大小、好坏。举个最极端的例子，你发现最近两个月A, B组的数量都翻了一倍，这就是一个直观数据告诉你“客户在快速流失！”，你最好把原因赶紧找出来。

第二，我们可以了解到最新的消费者动态，并做出相应改进。比如你可以让客服给所有落在B组，并且M>Monetary，F>Frequency的客户打电话（有能力多打，就多打），询问他们对于你网站的印象好不好，问问他们的意见（其实是含蓄的问“为什么不来www.MarsOpinion.com买东西了？”）。问刚流失的客户比问一个流失了几年的客户“你当年为什么离开”有意义得多——至少你还可以做些什么（比如他说你的购物流程变了他不会用了，你可以考虑马上优化；比如他说你们客服太凶了，你可以考虑和客服经理开个会讨论一下这个问题……问几年前流失的客户这些问题意义不大）

第三，我们可以及时给那些消费者激励，挽留他们。第二条中，给消费者打电话了解情况本身也体现了你对他的重视，如果在电话里提供20块钱（看情况）的折扣券的话，挽回客户的可能就更大了。如果人数较多，电话划不来，也可以用Email来发送，Email内容包括 1. 挽留的话，对客户的赞美；2. 客户满意度调查的链接；3. 一张折扣券。折扣券的金额也可以根据M和F来计算，值得为高价值的客户付出更多的成本；如果不发送Email，也可以在客户再次来到网站（表明他又有了一定兴趣）的时候，网站自动弹出类似的欢迎信息，在他有一定购物需求的时候赶紧挽回。

　　

这个模型非常粗糙，而且仅仅覆盖了“流失客户挽回”一个领域（换个角度看，就是对忠实客户的歧视）。但是好处是比较易于理解，实施起来也比较方便，供参考，也希望看到更多读者朋友的反馈和批评，希望可以通过讨论一起来完善这个模型：）