会员数据分析的道与术

会员数据分析的道与术拆解亿级品牌的合作案例会员分析体系的构成COMPANIESTO

INTRODUCE用户分析与管理的终极目标是在用户身上获取最多的利润，即LTV-用户终身价值最大化，故从企业整体经营的目标看会员分析所处的位置再向下拆解，构建实现目标为导向的会员分析体系（会员包含在用户中）。经营分析用户品牌设计商品供应链

销售渠道

构建以目标为导向的会员分析体系制定各模块部门目标用户商品销售渠道竞品政策行业内部数据内部数据生命周期和会员等级会员消费用户画像场景分析预测分析营销分析确认用户运营的战略目标后即应部门的工作内容与分工结构和每个模块的KPI，以此构成分析体系。根据管理和工作流可以抽象出三个板块构成会员分析体系，即策略规划+周期/日常分析+执行追踪。会员运营目标工作内容/组织架构KPI/分析体系单营销策略分析活动分析门店报表（会员部分）异常分析核心指标生命周期和会员等级会员价值用户画像

会员分析体系的构成用户：中层/运营人员•

运营策略与优化的数据支持•洞察机会与危机•

追踪计划/周期/策略目标达成用户：高层/部门负责人•为企业经营战略分析的用户/会员数据

•

追踪影响目标实现的关键因素达成周期/日常分析策略规划用户：运营执行、门店•日程目标、活动目标追踪达成

•

监控运营/营销活动确保推进执行/追踪COMPANIESTO

INTRODUCE策略规划分析通常可以拆解4部分考核“量”与“质”，会员量和会员消费人数的是增长基础，会员的质量是可持续增长和利润度保证；最后根据阶段业务的方向与目标会有特有的考核指标，如拓展新渠道、新模式相关目标，分析维度

指标结合同环比、增长率、目标完成度分析。同环比、增长率、目标完成度LTV客单价连带率复购率消费频次/消费偏好。。。

2.1核心指标新增会员数消费会员数消费会员占比会员来源活动ROI总消费额会员积分核销渠道销售量卡券核销会员总数。。。。。。。。。新增关注新增消费会员数会员消费质量会员消费量会员量其他培

育

成

长

成

熟

沉

默

流

失增

长

率激

活

率

忠

诚

转

化

率召

回

率

流

失

率根据公式LTV-CAC=LT*ARPU-CAC，划分用户生命阶段运营的目的在于不断扩大有价值用户的数量和用户在此价值区间时长和每次价值量。用户生命阶段可划分为5个阶段，培育、成长、成熟、沉默、流失，在每个阶段下再分层以制定运营和资源分配策略实现运营效益最大化。

2.2.1用户生命周期和会员等级获

客区

价

值

运

营区

召

回

区ROI对比分布构成趋势获客成本分层1分层2.。。。分层1分层1分层1分层2分层2.。。。.。。。分层2.。。。分层1分层2.。。。分析维度作用价值生命周期构成当前用户分布是否健康各状态会员数量趋势结合构成分析会员运营发展趋势如成长、成熟区用户量/转化率趋势呈下降而流失用户趋势呈现上涨，那么就算在结构上和增长数量上高于流失用户，仍是需关注的溯源分析点用户生命周期流转分析会员流失路径，识别运营关键点用户在生命周期内都是非线性流转，首次消费激活后可能直接为流失，故对用户在生命周期内的流转分析可发现流失/流转的关键点以提升整体区域流失与增长分布发现当前会员运营问题，评估运营好坏，帮助差异化策略制定，即可明确各地区当前会员运营的好与坏，确认下一步关注/动作重点。

2.2.2生命周期分析的维度与价值通过会员生命周期的构成、趋势、对比/分布进一步拆解分析缘由以制定提升方案。分析维度R最近购买时间F购买频次M消费金额重要价值客户↑↑↑重要发展客户↑↓↑重要保持客户↓↑↑重要挽留客户↓↓↑一般价值客户↑↑↓一般发展客户↑↓↓一般保持客户↓↑↓新客户↓↓↓F

↑重要保持客户

重要价值客户重要挽留客户重要发展客户R

↑一般挽留客户一般发展客户F

↓一般价值客户通过对会员价值分层，匹配不同的运营策略，不断提升巩固核心价值用户群，实现LTV和ROI最大化，并为策

略的制定提供数据支持，会员价值分层分析常用的有LTV分析和RFM分析法。

2.3会员分层分析R

↓一般保持客户M↓M↑基于标签系统下的人群画像可以灵活组合人群，自定义分析维度满足更多业务场景、业务目标的要求，此部分是基于CDP系统逻辑下可实现的画像分析，如企业未搭建CDP可根据需求固化常用人群和分析模板进行画像分析，人群画像在“周期/日常分析”中也是高频使用，此部分仅先对于策略规划层面分析构成说明。购买倾向消费习惯：新品爱好者多方对比；类目偏好：户外，男装，新品，优惠价格偏好：超值性价比消费能力：中兴趣倾向兴趣爱好:

篮球活动地点：CBD商圈风格喜好：简约

2.4.1人群（用户）

画像行为属性浏览广告频率：高收藏次数：中加入购物车数量:

中渠道偏好：小程序，线下门店活跃指数：中自然属性用户名/ID:最靓的仔

性别:

男年龄:

18地区:

深圳360度用户画像标签体系性别、年龄、城市

…RFM

、LTV、生命周期、等级

..商品偏好、价格偏好、折扣偏

好…线上行为特征、评价、退换货频

次…市场特性

…基于业务使用场景构建标签体系对用户进行打标，并沿用标签体系的构建逻辑数据处理于画像分析维度，

以此通过标签圈定人群+画像维度自定义分析模板，对不同人群进行自定义分析，下图即对应逻辑与基

于人群画像分析常用的分析维度。用户属性会员价值消费偏好行为特征

2.4.1人群（用户）

画像画像维度人群分组行为特征会员价值用户属性消费偏好其他人群画像分析画像维度COMPANIESTO

INTRODUCE周期日常分析场景分析新店开业关联商品分析储值卡/积分社群节假日….周期/日常分析由5个部分构成，会员增长与构成、会员消费、场景分析、画像特征、预测分析，有部分维度与策略规划层重叠，相对于规划层分析层的数据是多维下钻和更多交叉分析，更加多维和详细。会员等级构成会员生命周期构成会员增长会员活跃度RFE

日常分析的5个组成LTV预测魔法数字消费“量”消费“质”会员增长/构成会员消费画像分析预测分析基础属性会员价值流失预测消费偏好行为特征会员等级和生命周期的分析中，在周期/日常分析中的使用除了对全量会员构成、对比/分布、趋势的总体性

分析外，区别有两点。1.更多的下钻和交叉分析，以及时洞察当前业务问题和支持营销方案。2.呈现形式上，规划层用于方向决策，更多的是总体数据以可视化+汇总的数据，分析层除了可视化和汇总

外，会有更多更详细报表数据。RFE是基于RFM

的变形，对用户的线上行为分析，用于渠道线上营销，和线上线下融合，但使用相对没有RFM普遍，个人认为线上+线下行为数据融合分析会越来越重要，举例以下两个场景。1.在召回用户选择群体时，仅对线下数据分析，基于长期未消费用户定义为流失，在做召回策略时需要进一步分群获知成功率更大的用户和拟定策略时如获取其线上行为数据，即可对近期有线上RFE高的用户+高价

值用户做策略提升转化率。2.将REF

的计算结合物联网设备如faceid相关系统，试衣扫码系统等获取的数据，加入计算，可以让用户活跃的数据更趋近真实情况辅助于商品推送、门店导购等场景提升转化。R1~3天=10分

4~10天=5分

10天以上=0分F6次以上=10分

1·5分=5分0次=0分M6次以上=10分

1·5分=5分0次=0分

收藏1~3=1分享1~3=1

购买1·3=1收藏3·6=2分享2·6=2购买3·6=2收藏＞6=3分享＞6=3

购买＞6=3第二步：根据分值划分人群0分流失1-3分流失4-6分沉默7-9分一般活跃10-12分非常活跃第一步：定义行为分值3.1

会员增长与构成会员消费分析是基础分析模块，以报表或报表+可视化方式对会员消费的当前情况、发展趋势、分布、对比，通常会与相关指标的非会员数据如客流量、总销售额等一起呈现，对比会员运营在整体运营中

的作用，分析发现问题指导业务策略调整。

时间

年/季度/月/周

…

空间

大区/渠道/城市/门店

…

商品

类别/风格/价格段

用户属性

年龄/性别

…

会员属性

等级/状态/归属城市会员复购率会员复购人数会员客单价会员连带率会员件单价会员销售额毛利会员销售额毛利率…会员销售额会员销售额占比

…

会员订单量会员销售件数会员消费人数…

3.2会员消费数据同环比数据同店同环比…会员总数新增会员人数…销售额达成率会员招募达成率指标维度会员量消费质量目标消费量对比场景作用价值价值营销活动会员参与/增长会员消费“量”相关数据会员消费“质”相关数据对比/趋势商品分析活动前数据支持，指导方案投放人群、渠道、策略定制，复盘营销活动情况，渠道策略动作优化新店开业会员参与/增长会员消费“量”相关数据会员消费“质”相关数据对比/趋势商品分析跟进新店情况，及时调控与评估潜力驱动新店策略动作优化了解用户来源，精准推广商品商品风格、类别与年龄段、会员等级等用户信息交叉分析渠道商品企业，推荐策略，与人匹配的销售策略社群社群会员画像社群会员消费分析对比/趋势社群会员内容分析支持渠道会员运营策略储值卡充值次数、人数（分段）与年龄段、会员等级等用户信息交叉分析储值卡用户画像储值卡用户留存明确用户画像，辅助资源投入决策，降本增效

驱动储值卡活动，规则优化监控储值卡数据，跟进目标达成积分各积分段人数与年龄段、会员风机等用户信息交叉分析积分消耗分析辅助积分营销活动制定，目标和结果评估了解评估积分营销效果，辅助积分体系搭建优化3.3场景分析

零售运营工作落地围绕场景展开，通过对这些场景的营销策略和动作优化达成目标，故需对应场景的

数据分析以科学支持运营决策动作。性别、年龄段、等级、生命周期人群分别的画像设定业务规则参数划分人群潮流达人、性价比狂、品质中产不同地区、城市、渠道、单店人群地区维度+高价值/流失率/当下活动/目标人群地区维度+消费偏好/行为偏好商品品类、风格、尺寸、购买人

群，特征性商品购买流失/高价值人群以一下维度分析：性别、年龄段、会员等级、消费渠道、商品偏好、消费偏好、行为偏好全量用户、线上行为、线上消费、商品推荐人群画像在工作周期/日常分析中常用分析人群和与策略规划分析的区别：1.分析的人群和画像维度更细。2.人货场是零售分析的基础逻辑，人群画

像也是。基于业务不同地区、门店、商品策略进行对应的画像分析支持运营策略制定。3.基于营销运营活动需求的分析，为了提高转化，营销推广投放分析工作会基于活动渠道、时间、等分析用户以支持精准营

销。4.流失人群和高价值人群的分析会更加深入以更有效应用于营销，如基于流失与消费次数、商品、渠道、加入会员时长、消费偏好的关系辅助制定营销切入时间点、商品售卖推送策略和渠道评估与管理。

3.4画像分析基础分类人群分析地区、城市、门店、渠道运营策略重要人群运营策略制定线上/私域运营策略基础分类人群分析商品企划、产品设计实现精细化运营及营销3.5预测分析

通过LTV预测，单独使用、结合其他维度数据或算法标签对用户分层，分配营销资源，达到效果最

大化，如结合流失预测，对高价值中高流失风险用户资源倾斜，增加营销获益。流失期用户流失召回分析总结流失渠道以及流失人群画像，结合竞品分析和问卷调研，设置多梯度多渠道多内容的召回策略，观察召回效果，不断优化召回策略通过数据分析体系总结此类用户典型特征，进行品类间价值转化，引导用户购买全品类产品。用奖励刺激用户好评或者好友推荐，增加用户的品牌拥护度，保持长期高价值用户属性透过多维度标签和行为分析，如最后购买时间、用户评价等，总结此类用户沉默原因，结合节假日或者会员生日等活动，给予用户特定大礼包奖励，促进用户重新活跃结合会员等级和积分制度，适时给予用户复购，加购奖励，快速建立用户好感，增加用户粘性根据注册、加入购物车等行为事件，触发欢迎优惠券、消息提醒等自动化策略，促进新客转化成熟期用户

休眠期用户导入期用户全品类推荐复购促活个性化激励成长期用户新客户转化Sales&StoreAnalysis销售&门店分析••••Storeoperationvsstore

performance

门店表现Top

productsofeachCRM

KPI每个CRM

KPI的Top产品Supportcampaigndesign支持活动设计Designimprovementplan设计改进方案•

Sales

performance销售额表现•

TOP

productTOP产品表现•

Store

performance

门店绩效表现•

BasketAnalysis购物篮分析•

#Resister注册数•

#Response

响应数•

%Response

Rate响应率Member&

LoyaltyAnalysis

会员&忠诚度分析•

Member

performanceanalysis会员表现分析•New

recruitmentanalysis新客招募分析•Loyaltycomparisonby

monthandyear忠诚度环比和同比•Digoutissuesanddesignthe

improvement

plan

诊断业务问题和设计改进方案

多维度、多渠道、多周期阶段的数据分析报告•

WeChat

binding

rate微信绑定率•Mostpopularfunction最流行功能•

Visitors&website

pageviews访客数/网站浏览量•

CTR/CPL/

ROI广告点击率/每潜在客户获取成本/投资回报率•

Conversionrate转化率•New/Existing/Prospect/Lapsing

顾客/新客/老客/潜客/流失客•

Demographic/Membertier/Customertype

基本信息/等级/类别•

AUS/IPT客单价，客单件•Campaigntracking

活动追踪•Campaignoptimization活动优化•Campaign

planning活动计划•Campaignforecast

活动预测Monthly

Performance

Review

月度绩效报告CampaignTracking

Report

活动追踪分析报告MonthlyCRM

KPI

Report

月度CRM

KPI报告EC&WechatAnalysis

电商微信流量分析CampaignSimulation活动预测Quarterly

ReportMonthly

ReportWeekly

ReportYearly

ReportAccumulatedMember:80,399,122MonthlyPurchasedMember:16,191,387（Comp.+57%）TTLAvg.Frequency(Rolling12Months)：

6.9

（Comp.+37%）

MemberEnrollmentMember

Stickiness

MemberChurnNewEnrollment2,805,935Comp:

-47%;

vsLM%:+16%Newonboarding

conversionrate:60.4%（Comp.+4%）LapsedMember:2,776,757LapsedMember

%:

3.5%Sleeping

Member:

37,584,529Sleeping

Member

%:46.7%YTDMember

earnpointRate

:YTDMemberBurntPointRate

:45%

（Comp.-8%）8%

（Comp.-2%）Highlights

•

Accumulated

member

number

exceeded

80

million

in

May,

average

frequency

increased

to

6.9

with

significant

comp

improve

(+37%).•Withtheexpansion

ofmemberpool,overallMAUrateandMAU

frequency

slightly

decline.Opportunity

toenhance

member

stickiness.•Member

salesand

GCcontribution

tototalbusiness

continuously

grew,reaching

41%

inMay,

withstable

ACtrend.•Sleeping

andLapsed

member

accounted

50%

of

totalmember.Opportunity

foractivationcampaigns.MAU

No.:13,453,983（Comp.+129%）MAU

Rate:23.8%（Comp.

-5%）MAUMonthlyFrequency：OnboardingConversionrateMemberGC:Member

SalesMember

ACMember

SalesContribution:

MemberGCContribution:2.39.8%34,808,342¥932,331,261¥26.841%41%（Comp.-14%）（Comp.-11%）（Comp.+55%）(Comp.+55%）（Comp.+0.2%）（Comp.+13%）（Comp.+12%）Monthly

Highlights4/244/254/264/274/284/294/305/15/25/35/45/5

5/65/7

5/8

5/9

5/10

5/11

5/12

5/13

5/14

5/15

5/16

5/17

5/18

5/19

5/20

5/21

5/22

5/23

5/24

5/25

5/26

5/27

5/28

5/29

5/30

5/31CampaignChannel

:CMA•Weekend

(Friday/Saturday)isregularpeak

forbothregistration

andpurchaseCMACampaign

Calendar

Holiday

and

Member

Day

drove

up

new

enrollment

on

CMA5.11-5.31PersonalizedPickup

andDeliveryCampaign•Memberenrollmentsaw

uplifton5/7(one

daybefore5/8redemptionday),

while5/8

waspeak

formemberpurchase5/1-5/8MemberDayExistingPuchased

MemberNew

Member

Enrollment5/8Redemption

Day1,000,0001,200,0001,400,000400,000200,000800,000600,000PointMall(Pickup)MemberDayNewMember

GiftPersonalizedCampaignCouponUsedNo.e

、119,301

21%

1,0870.1%29,433-8%36,762CouponRedemptionRate71%0.1%14%

3%2.4%

-0.2%0.2%CouponUsedTotal

Sales¥2,802,297

22%¥36,9956%¥1,093,921

-6%¥1,127,041Coupon

Add-onRate42%0%33%

3%70%2%72%CouponUsed

TotalSalesAC¥23.9

1%¥34.45%¥38.03%¥31.3•NewMemberGifthad

thebestadd-onrateand

AC,

opportunitytoincludeand

testperformance

of

frequencycouponCouponChannel

:CMA

Improved

most

campaign

performance

in

May,

except

New

Member

Gift

VSLast

Month

>=

0%

VSLast

Month

<

0%

Data

Period:

2019.5.1-2019.5.31•Dual

drivers(holiday

andMemberDay)

secured

volume

ofcouponredemption,especially

onPointMall.CouponChannel

:CMACampaignPeriodCampaignThemeTargetGroup

(CMAMemberwithavailablepoints)CouponRedemption

RateMemberusingcouponMemberUsingCouponRateCouponUsedTotal

Sales

ACCoupon

Add-on

GC

RateCoupon

Add-

on

Sales

Rate5.1-5.31PointMall(Pickup)31,170,66471%59,32476%¥23.942%39%◆Member

UsingCouponRate=

Member

Using

Coupon/MemberRedeem

Coupon◆Coupon

Add-on

Sales

Rate=

CouponDd-on

Sales/

TotalCouponSalesCouponRedemptionRate90%

81%80%

68%

71%71%

一

60%

73%

70%50%

54%

59%

56%

60%30%

43%20%10%0%

JanFebMarAprMayJunJulAugSepOct

NovDec 2018

2019•PointMallis

thekey

and

efficientstrategy

tomaintainmember

stickiness,

opportunitytotestandlearnondifferentcouponmix,and

selectpopular

ones

toattractmoremember

toacquire

anduse

points.

CMA

Point

Mall

(Pickup):

Redemption

rate

remained

around

70%麦辣鸡腿堡+中可乐麦乐鸡(5块)+中薯条

奥利奥麦旋风

2块麦辣鸡翅+

香芋派

中薯+

奥利奥麦旋风麦

辣鸡翅(2块)+中可乐脆薯饼巨无霸+中可乐

麦辣鸡腿堡+

锡兰红茶(热)

鲜煮咖啡升杯券(小杯升大杯)麦乐鸡(5块)+中薯条麦辣鸡腿堡+中可乐

奥利奥麦旋风

2块麦辣鸡翅+

香芋派中薯+

奥利奥麦旋风脆薯饼麦辣鸡翅(2块)+中可乐

巨无霸+中可乐麦辣鸡腿堡+

锡兰红茶(热)

麦香鱼+

草莓新地

8%mn

7%

5%mm

5%mm

4%

1%

1%•CMAPointMallredemptionrateremain

welland

see

improvementinmonths

withmajor

festivals.

7%mm

6%

5%mm

5%mm4%

1%

1%76%

68%70%

May

Top10Coupon

Add-onSalesRatio%May

Top10CouponRedemptionRatio%

72%40%21%28%25%27%17%12%

基于“人，货，场”多维度分析报表COMPANIESTO

INTRODUCE执行与追踪营销策略数据分析分为两部分，营销总体的数据分析和单个策略分析，总体分析更多属于周期分析故放在了周期/日常分析部分，单营销策略除了分析更多会在策略期间跟进营销情况故属于执行/追踪。效果分析效果数据与触点数据获取

单个营销策略分析

短信

模板消息

APPPUSH

小程序通知

图文素材

邮件

商品推荐

朋友圈/社群链路触点分析营销对比

未消费用户策略

二次营销

流程推进邮件

A/B

test

提高用户客单获客与会员活跃会员消费流程策略营销对象触达动作营销目的营销结束ROI、消费人数、消费转化率、券核销率转化率、召回率、

等级升级转化率营销目的关联分

析维度和指标

效果分析

活动渠道

人群

事件类别指标维度作用总效果数据ROI/消费人数/订单数/UV/新增注册/分享率/成本/销售额/激活率/召回率总值/趋势/增长率追踪目标达成情况参与数据PV/UV/分享人数总值/趋势/地区分布追踪分析活动宣传、传播情况参与用户画像年龄/性别/会员等级/地区/城市/生命周期/新老客占比区域分布分析参与用户特征，调整投放策略消费转化数据核销率/客单价总值/趋势/地区分布追踪销售目标达成情况消费用户画像年龄/性别/会员等级/地区/城市/生命周期/新老客占区域分布分析消费用户特征，调整投放策略用户路径分析基于目标行为漏斗/页面访问排行/点击率排行优化活动流程、提升体验感奖品内容数据抽奖：派发/领取数据总值/地区分布奖品派发跟踪监控奖品内容数据内容：发布数/分享数，点赞/排行/参与人画像总值/趋势/地区分布分析活动效果、人与内容热症，提升UCG此分析活动数据主要为线上活动，或者线上线下结合的导流活动，从四个方面分析，总数据、用户参与数据、目标转化数据、活动内容数据，以下以抽奖、内容类为例说明分析指标维度和作用，具体的指标

设定需要根据活动具体形式方案而定，逻辑是一致。

活动分析运营异常用户行为异常会员增长会员消费消费金额/订单数异常增长率/人数会员消费占比跨区域、城市、门店异常流失率/人数复购率退换货频次激活率/人数积分使用异常召回率/人数会员异常数据分析分为两个部分，基于运营的异常监控，保证业务目标达成；基于用户行为的异常监控，识别风险，减少损失；除了运营/用户行为异常还有活动、策略异常，一般会在系统层有对应的报

警设置，主要监控分析指标维度如下。

异常分析COMPANIESTO

INTRODUCE关于我们Techsun

2006年开始从事CRM

产业

，

是全球性品牌企业级CEP（客户全域互动平台）

技术服务商。Techsun总部位于中国深圳

，

在上海

、

香港

、

汕头和新加坡设有运营中心

。公司核心成员来自腾讯

、

阿里

、

华为、微软

、

联想

、

甲骨文

、

百度

、

戴尔等

。

公司获得君联资本、

有赞

、

云启资本等投资机构数千万美元的早期投资。

一家专门服务全球性品牌的CEP技术商100+品牌服务adidas、麦当劳、VF

、

华硕、雅培、Olay等品牌