数据化客户营销的核心是多样的人群标签

在这个大数据时代，许多行业开始开始探索企业自身的大数据价值当今日益激烈和同质化的数字竞争中，对于企业客户，特别是C如何让辛辛苦苦引进的新客户成为老客户，老客户不流失，尤其是电商行业，已经成为一个大问题。不仅如此，在数字交易的背景下，越来越多的商家开始使用它DataFocus、集客CRM做数据分析，想做数据营销。但无论工具有多先进，分析都必须依靠数据分析师的大脑和思维来驱动工具。我们认为，数据客户营销的核心是各种人群标签。

我们参考DataFocus某美容客户群数据标签，但实际上对很多行业都是普遍的，主要是为了分享你的想法，交换你的想法。首先是标签分类，可以分为三类:人口统计标签、平台整体行为和关系标签。

一是人口统计标签，细分为年龄、性别、地理位置、职业、兴趣爱好等基本属性。18-50最好是每5岁分组一次，18岁以下和50岁以上分组一次；地理位置可以是省；兴趣爱好尽可能短，如花卉、网络、水果粉、汽车朋友、装饰等。标签的含义应写在后面。例如，该职业是一个由接收地址和其他规则构建的培训集，以购买行为为特征建立数据分类模型，并将模型预测结果与规则集成到最终结果中。兴趣爱好是根据用户在平台上购买半年的特点，以检索行为计算的。

下一步是平台的整体行为，可分为综合购买力、折扣敏感性、性价比高的属性、商店VIP等级，买家淘宝等级。前两个标签可以直接用高、中、低标注。

最后是关系标签。可以分为交易关系、加购关系、收藏商品关系、收藏店铺关系、访问关系。标签内容都可以以时间周期为基准，比如近30天有无购买/加购/收藏……。

注意，每个人的标签最好在1-2在一定范围内，人群占全店客户的20%以上，否则数据太少会影响效果，尤其是老客户，最好用交易关系的标签来做。这样，就可以基本建立整个数据客户营销的人群标签基础。