大家好，我是小编v兔。今天小编给大家分享的是消费者运营方法论，提到消费者运营，我们就不得不考虑到数据银行的运营，那么我们今天主要的内容是给大家分享下关于数据银行基础的消费者运营。

我们做过运营的小伙伴们可能都有一个感触，以前我们更多的是在做流量运营，那现在我们随着电商不断的更新替代，我们必然要去学习及增强我们电商运营能力，那么我们就要了解并学习消费者运营。

既然说到消费者运营，我们就要充分的了解到从流量运营到消费者运营之前的链路是如何的，他们之间是怎么样演变过来的。

在我们做流量运营的链路大家都非常熟悉，不管是大促还是日常，包括活动，运营都会从来源渠道比如大促会场流量，聚划算，淘抢购等官方活动流量；通过我们的落地页面（我们的首页大促二级页，自定义页面等）来做一部分的承接与转化工作，商品详情页，行为倾向，购买成交，复购。

在电商运营过程中，流量运营一个完整的链路。

通过生意参谋监控下面数据，通过数据来做下一阶段的规划与计划。

那么做流量运营，这些数据与消费者运营有什么关系呢？ 我们通过下面来划分下。

这部分数据是对于店铺和品牌属于品牌的认知人群。

收藏加够人群属于品牌的兴趣人群，对于品牌产品有一定的了解后，希望进一步来对品牌的产品选择收藏加够等动作。

购买人群，属于对品牌店铺第一次购买动作人群。

忠诚人群属于对品牌多次购买及多次成交。

一、aipl模式说明

对于没有数据银行的商家，我们可以通过aipl这个逻辑来针对当前店铺做逻辑分析与套用。那部分的点击率是需要优化的，那部分的流转率是可以提升的，我们以前看的转化率都是从uv到买家数的数据转化，但是中间是有一个环节是收藏加够的，那么我们在做消费者运营的时候，会把数据作为2部分来拆分分析，uv到收藏加够，收藏加够到买家，买家到老买家数，2个数据链路，这样的话，我们对于无论店铺大小方面，都是在做消费者运营，而不是单纯的流量运营环节。以上是对流量运营，消费者运营简单做了一个讲解。

那么接下来我们来讲一下fast，在讲解fast之前，需要大家了解几个逻辑点，fast与消费者运营之间的联系，与aipl之间的关系，通过图中，我们可以看出aipl是对消费者购物行为的路径上的定义。

把消费者运营分成几个阶段，每个阶段我们把他定义为a，那么另一个阶段我们定义为i，依次类推。但是不管这个uv属于我们店铺的那个阶段，对于我们的客户总量来说，都属于品牌客户的总体资产。所以这些所有跟我们品牌打过照面，看到过品牌信息的，甚至发生过关系的人群来说，我们把这些人群的消费者全部累加在一起，那么就是我们消费者总量F。就是我们要讲的fast中的F。那现在我们能通过生意参谋看到的消费者总量就是我们现在店铺的买家数，为什么呢，因为，生意参谋中，我们的p级购买人群的有限存储期为2年半的时间。那么现在通过数据银行看到的我们消费者总量中的p级总量，就要看我们店铺在近2年半的时间累积的买家数总量。

那么如果在大促期间，我们想把我们的消费者总量F增加到最大化，那么我们在预热期间最快的动作为增加我们的A认知人群，也就是加大我们的曝光人群，当我们的曝光人群总数有一定量的提升之后，那么我们店铺的fast中的F就有一个量的提升。

但是我们做店铺运营，消费者运营过程中，引流是第一步，完成第一步之后，我们重点要做的就是如果把消费者总量转化为我们店铺的p级，也就是买家，通过p级，如果转化为L级，老买家数。那么我们店铺的流转率，认知流转兴趣，兴趣流转买家，买家流转老买家，通过这种流转率来测算出我们店铺最终的店铺转化率。

但是在我们做关系递进的同时，会有另一部分人群，opportunity，是我们的机会人群，以前跟我们的品牌完全没有发生任何照面的人群，说白一点就是当日及活动期间非消费者总量的额外人群，简称关系人群，这部分人群是可以成为我们品牌资产的，可以流转为认知，可以流转为兴趣，购买人群。从o到a，从o到i，p，l。的关系发生递进的时候，那么就是我们店铺在做一个动作叫做，消费者人群关系加深率，也就是我们fast中的A这个指标，包括我们现在店铺在做的跨店铺跨类目拉新，其实就是希望把我们的opportunity中更多非品牌资产的人群，流转到我们的品牌资产中。那么在我们整体的消费者总量中，有一部分人群作为我们高客单购买人群，比如我们的会员和买家，作为店铺的高价值人群，我们把他称为超级用户。所以我们fast中的st主要指的是我们店铺的高价值人群的总量和活跃率。

到这里，我们主要讲解了，oaipl与fast的指标概念是什么了！那么这指标概念主要指的是人，是消费者。我们无论是看消费者总量，还是看消费者与品牌发生如何的关系，还是看我们店铺的高价值人群的总量，都是围绕着人与品牌之间的动作。但是消费者与品牌发生关系，最终是要做什么，一定是人来买东西这个动作。如果你的店铺里没有货，或者没有消费者刚需的货物的时候，我们应该如果操作，那么接下来我们来看一下，关于货的几个数据指标。

关于货物的指标grow那么关于grow数据指标，在这里v兔只做下简单的解释与理解。

在2019年之前，只要做的是 gro三个指标，那么现在新出来的w，延展力如何理解呢，不知道有没有发现2019年大促前期，对于新品预售环节有所加强呢，这就是平台对于新品，及品牌新客的贡献，包括品牌新享等，都是平台针对于w做的扩展与扩充，包括汉服之前是在民族演出服类目下，现在也在独立出来一个新的品类。那么平台做了这些动作之后，我们做为商家，应该如何把w应用在店铺内，这个需要小伙伴多加思考与分析。

我们接下来来了解下，人群运营的发展链路，首先是从单向销售环节，消费者到线下店铺去购买自己刚需产品，拿到东西去付款之后就结束了。商家想让消费者成为自己的会员，就会让消费者办理各种会员卡等。随便市场的不断演变，就是衍生出来，我们的认知和兴趣客户。也就是路过店面看到过和只是进来试一下衣服和问问价格等。那么我们放在电商数据上来做细分的话，就是4个部分。主要通过购买前与购买后来区分。根据行业数据需求提升来说光区分还不够，那么就出来一个fast消费者资产管理运营。去看下我们的总量到底多不多，质量怎么样，运营的效率到底高不高，流转率是如何？同步出来兴业侧洛人群，也就是大快消的策略人群，我要知道我们给谁发广告，发信息等等，细分人群资产管理，把相同人群归在一类。

把grow的动作落地到fast人群中。也就是数字化视觉下能实现的，关注全链路人群的触点的高效运营和需求满足。

我们在给我们店铺的人群做分层的时候，我们会把客户分为，新客、老客，在深入一步的话，就是增加潜客。在细化一些，会根据时间段，浏览次数，购买次数等细化数据来做人群的区分，那么在大快消中会划分8大人群。我们在做我们店铺分层的时候，一定要结合我们店铺现有的实际情况做细节，不要根据行业及后台模板方式来做，因为店铺层级的不同会打乱店铺整体的人群标签，一定要结合店铺实际情况来做人群的划分。

那么，我们为什么要对人群做分层呢，比如我们店铺筛选出1万人，把这1万人分层10个人群包，每个人人群包的人群特征相似，这样我们就可以针对不同的人群包做定向的营销手段。

那么我们是如何把消费者人群分层的呢，这就要基于我们对消费者人群的洞察，通过行业数据及点评消费者用户的消费数据来分析过后，包括地域人群，grow数据等等，得出来相同或者相近的人群数据，这样，我们就可以把相似的人群作为一类人群包定义。

 

二、投放应用

当我们把人群作为分层之后，肯定要做一些投放应用，比如达摩盘，客户运营平台， 不管是短信方面，还是营销推广方面的应用。

 

三、效果监控

我们应用了之后，必然要跟踪下我们的数据效果，如果我们投放的推广，不做跟进工作的话，后面我们就不知道要不要做，做的效果怎么样，后期要做的话需不需要把费用提升，还是把费用缩小，我们在监测效果的时候，要监测2个方向，因为我们以前，包括现在有些商家都是在监测roi，我们做一次短信，做一次钻展，我们要看15天投入的roi是多少，这个是一个金额的roi，是一个短期的投资回报率，我们还可以看到更多的指标，进店率，行动率，转化率，这个数据不仅可以看到我们大促活动的数据指标，比如我们在大促活动结束后的一周，我们可以监测店铺数据有没有提升，更多的一个星期里店铺的购买转化有没有提升，所以这就是从收益投资回报率上做的复盘，以及我们在人群流转上都会做的数据复盘工作。

作者：v兔 链接：http://ask.vv-tool.com 来源：v兔电商知识库 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。