干货资讯
售前热线 400-800-2210

售前客服

售后热线 400-800-2210

售后QQ 售后旺旺

品牌数据银行,农耕式经营时期的消费者数据枢纽

标签: 大数据服务品牌数据银行 作者:广州大麦 2018-05-15

过去线上流量红利爆发时期,店铺经营是狩猎式的,靠的就是抢流量,通过各种营销推广方式以低成本拉流量。但随着红利时期的结束、市场格局稳定、竞争对手数不胜数,店铺拉新的成本越来越高,店铺经营策略就需要从狩猎式经营方式往农耕式经营转变——充分开发自己的消费者,把客户关系和重复购买放在店铺经营的第一位,用心耕耘,春生夏长,秋收冬藏。

        在农耕时期要经营好与消费者的关系,其中非常关键的就是要清晰知道品牌有多少客户、客户长什么样子、他们正处于消费链路的哪个环节,品牌可以通过什么方式与这些客户加深关系——品牌消费者沉淀融合、洞察分析和激活增值——这正是品牌数据银行的强大功能。

        我们身边的银行存储的是钱,然后通过把钱合理投资可以获取更高利息,而品牌数据银行就是将品牌消费者数据视为资产,像货币一样进行储蓄和增值。

 

正文:

一、品牌数据银行的核心基础模型——AIPL模型

我们先来看一个案例:

        小明通过品牌聚划算活动知道了品牌A,小明挺感兴趣的,就点击进入活动页面浏览了品牌A的几款产品。过了几天,小明在有好货看到了这个品牌某款产品B的介绍,他点击产品进行加购。随后他看到产品B的活动优惠广告,他激动地清空了购物车。一年后,品牌A产品迭代推出了新款产品C,小明经过品牌A的线下门店时,看到了手机上推送的产品C的上市海报,开始长草,不久他就收到了产品C在会员日的优惠信息,他终于又禁不住剁手了。

        小明的消费决策历程就是消费者AIPL模型——认知、兴趣、购买、忠诚——也是品牌数据银行的核心基础模型,通过清晰定位品牌消费者所处的阶段,全链路对品牌消费者进行逐层催化,让消费者与品牌的关系不断加深,最后转化,甚至是复购,如下图所示。

 

二、一张图读懂品牌数据银行


        从上图我们就可以看出,品牌数据银行就是一个全链路、全媒体、全渠道跟踪品牌消费者的数据工具,通过钻展、地动仪等装备,可以在消费决策的任何一个链路对消费者进行催化。而在新零售时代,这个工具由为重要,如果线上线下的数据是割裂的,消费者的决策链路是断开的,那么线上与线下只是两个销售的渠道,而不是新零售,新零售很关键的一个环节就是数据的完美融合。

三、品牌数据银行的应用场景

 

        根据上面小明的例子,我们来拆分一下数据银行几个基础的应用场景:


1.    品牌资产沉淀

     过去,品牌大多只能管理旗舰店的消费者,分销店铺、天猫超市、聚划算等平台的品牌消费者大多无法触达。

     但实际上,品牌消费者是既包含品牌旗舰店的消费者,也包含品牌线下门店、分销店铺、品牌聚划算/淘抢购、天猫超市等渠道的消费者,甚至是微博品牌号的粉丝,数据银行可以把品牌在各渠道的消费者都沉淀汇聚在一起,以“品牌”作为唯一识别,让品牌方进行统一管理、触达和催化。

     小明是通过聚划算活动认知品牌A,但从未进过品牌旗舰店,但品牌方通过数据银行在接下来的活动宣传中仍可以重新定向他,让他从“认知”沉淀到“兴趣”用户。

2.    品牌资产融合

     数据银行有数据融合功能,微博粉丝、线下门店消费者都可以融合到平台数据中。品牌消费者沉淀到数据银行后,会打破销售渠道、内容渠道通过消费者的唯一标识融合在一起,这样我们就能分辨出一个消费者在几个渠道出现过。譬如品牌方现在希望做一个线下促销活动,专门针对被线上内容深度种草,且在线下消费过的消费者,那么这个活动的宣传可以通过数据银行定向投放给被有好货、必买清单等内容渠道曝光过,且在线下门店消费过的用户。

     小明在有好货触达过产品,他后来在品牌线下门店购买过产品,通过数据银行的数据融合功能,他同样能被唯一识别,线上、线下的“小明”在数据银行眼中,都是一个唯一的标识,平台可以通过这个标识对他进行唯一识别。

3.    品牌资产管理

品牌消费者在数据银行沉淀融合后,我们可以看到各渠道、各活动中消费者的AIPL流转情况,从而对渠道和营销手段进行优化。

例如,某品牌消费者:

l  在有好货、必买清单两个内容渠道从认知到兴趣的流转率特别高,

l  在直播中从兴趣到购买的流转率比较高

l  微淘粉丝的复购比例较高

那么,这个品牌可以通过有好货和必买清单对品牌认知用户进行种草,然后把种草后的兴趣消费者引入直播进行转化,再针对已购消费者推送微淘内容进行培养和维护。

同理,品牌的不同营销活动对消费者的流转率影响也不同,秒杀活动、聚划算、淘抢购、主题活动、平台活动中哪些活动更适合引起消费者兴趣,哪些活动更容易让消费者购买,我们都可以通过数据银行进行细化分析,进而在活动策划上合理安排各场活动的上线时间。例如,有品牌会通过秒杀优惠券活动先催化一批兴趣用户,然后通过限时抢购转化消费者。

4.    品牌资产精准激活

     小明经过有好货的深入种草后,加购了品牌A的产品B,此时,我们通过以下哪类广告对他触达可以更容易催化其转化呢:

a)     品牌A的宣传广告

b)     品牌A的产品D广告

c)      品牌A的产品B广告

很明显,小明对品牌A的产品B广告更有感觉。数据银行可以帮助品牌通过单品触达的方式精准激活消费者,如果此时产品B参加聚划算,甚至可以专门针对品牌A的聚划算偏好消费者进行单品B的广告触达,精准催化。

5.    品牌资产培养

     品牌方在做完活动后,转化的消费者会沉淀到购买或者忠诚用户中,但我们更需要关注的是关注了活动但没有转化的消费者。数据银行可以针对这些未转化用户做以下事情:

l透视比较这些未转化消费者和购买用户的画像,了解到这些未转化用户的特征,进而策划专门针对该特征用户的活动

l把这些未转化用户沉淀成一个专门的人群包,在接下来的活动中持续培养和催化。

例如某品牌利用变形金刚这个IP形象策划了一系列的活动,活动后我们发现,通过这个IP形象催化的大多是80后的男性消费者,而90后消费者虽然也高度关注活动,兴趣用户很多,但转化率并不高。可见90后消费者对这类型IP活动很感兴趣,但变形金刚这个IP对他们的催化作用并不大。我们可以先把这群关注活动但未转化人群沉淀下来,品牌方在后续策划其它90后更喜爱的IP形象活动,我们再把这个人群包进行激活、深度培养。

 

总结:

1、随着流量红利时期的结束,数据银行助力品牌经营从狩猎式往农耕式转变——充分深研开发自己的消费者。

2、在新零售时代,品牌数据银行是消费者资产的数据枢纽,可以全链路、全媒体、全渠道跟踪品牌消费者,在消费决策的链路环节中对消费者进行催化和培养。

3、品牌数据银行对全链路、全媒体、全渠道消费者进行沉淀、融合、管理、精准激活以及深度培养。