SHOPLINE 推出「顧客分群」功能,您可以利用多種篩選條件精準分眾,還可以匯出分眾後特定顧客的相關資訊報表,以利您針對此顧客群組制定合適的行銷策略、活動。
此篇文章主要說明顧客分群篩選條件-智慧 RFIM 分群,以下將分別介紹:
一、顧客分群篩選條件-智慧 RFIM 分群介紹
智慧 RFIM 分群主要分為 9 個篩選條件。
篩選條件名稱 |
篩選條件定義 |
篩選條件的資料來源更新頻率 |
互動顧客 |
從未消費過,但曾於三倍回購週期*內造訪、互動的顧客 *備註:造訪包含曾瀏覽網店、透過社群互動(粉專私訊、直播留言),但若顧客僅是社群互動用戶,沒有在網店留過資料且綁定網店顧客,則不會列入。 |
每天更新 |
新消費顧客 |
近期剛消費的單次消費顧客 |
每天更新 |
活躍顧客 |
近期剛消費的重複消費顧客 |
每天更新 |
潛在回購新客 |
近期準備回購的單次消費顧客(註二) |
每天更新 |
準備回購舊客 |
近期準備回購的重複消費顧客(註二) |
每天更新 |
流失顧客 |
久未消費、互動的單次消費顧客 |
每天更新 |
沈睡顧客 |
久未消費、互動的重複消費顧客 |
每天更新 |
忠誠顧客 |
近期剛消費,且累積訂單數大於等於 Top 25% 或三張訂單的重複消費顧客 | 每天更新 |
Top 顧客 |
近期剛消費,且累積訂單數及累積消費金額皆為 Top 10% 的重複消費顧客 |
每天更新 |
*備註:
- 回購週期:根據商店所有重複消費顧客兩年內的消費記錄,抓取消費間隔天數的中位數,計算出該店的回購週期,作為預測顧客回購狀態的基準。
為了考量回購週期的準確度,若您的商店尚未累積超過六個月的訂單資料,Smart RFIM 模型則會採用數據統計之平均回購週期作為商店的回購週期,直到商店有六個月以上的訂單資料。 - 符合以下兩種情況則視為準備回購:該顧客進入網店的預測回購週期,或已超過預測回購週期但仍有互動者。
- 系統會以店家的「預測回購週期」乘 0.8 倍,自動計算「近期」代表的實際天數。
智慧 RFIM 分群圖表
若您想了解智慧 RFIM 分群相關數據,可參考:顧客:分眾分析|Shoplytics;
想了解回購週期定義(如:近期消費、準備回購等),請參考:Smart RFIM 分眾洞見 中的圖表 X 軸。
*備註:可點按滑鼠右鍵,選擇「在新分頁中開啟圖片」放大瀏覽以下圖片。
*注意:智慧 RFIM 分群可能會出現受眾重疊的情形,若您不希望重複發送購物金、點數、廣播等行銷活動,建議您可以使用「排除」功能排除掉可能發生受眾重疊的篩選條件。
受眾重疊情境:
- 顧客可能同時是「活躍顧客 & 忠誠顧客」
- 顧客可能同時是「準備回購舊客 & 忠誠顧客」
- 顧客可能同時是「忠誠顧客 & Top 消費顧客」
- 顧客可能同時是「活躍顧客 & 忠誠顧客 & Top 顧客」
- 顧客可能同時是「準備回購舊客 & 忠誠顧客 & Top 顧客」
二、消費行為篩選條件的「高/中/低」智慧選項
篩選條件名稱 |
篩選條件定義 |
篩選條件的資料來源更新頻率 |
累積消費金額「高/中/低」智慧選項 |
將全店顧客累積消費金額區分為:前 25%、後 25%
|
每天更新 |
平均客單「高/中/低」智慧選項 |
將全店顧客平均客單價區分為:前 25%、後 25%
|
每天更新 |
延伸閱讀
評論