CN114820084A - 一种基于scrm的电商营销方法 - Google Patents

Abstract

本发明公开了一种基于SCRM的电商营销方法，属于营销技术领域，具体方法包括：步骤一：建立企业员工活码库并进行实时更新，构建专有传输渠道；步骤二：加入企业官网，记录访客的活动轨迹；步骤三：进行数据清洗，完成用户去重；步骤四：建立用户画像，进行用户分群；根据用户数据设置用户标签，根据用户标签匹配对应的画像模板，进行优先级选择，获得目标模板；根据目标模板的特征因子进行用户数据中的相关数据提取，将提取的数据补充到目标模板中，完成用户画像；步骤五：根据用户分群和用户特征进行针对性营销；在多场景下建立分销网络，快速实现渠道裂变以及资金回笼；将多业务场景引流获客渠道统一沉淀到企业私域。

Description

一种基于SCRM的电商营销方法

技术领域

本发明属于营销技术领域，具体是一种基于SCRM的电商营销方法。

背景技术

典型电商平台的销售及营销费用主要用于广告、促销、优惠活动等，目的是提升用户规模，塑造品牌影响力，从近几年典型电商平台销售及营销费用与年度活跃用户比值来看，基本呈现增长趋势，说明用户维护及获取成本不断升高。高渗透率代表线上渠道的重要性，同时也说明流量红利增长空间有限，加之活跃用户获取成本的提高，因此目前品牌主亟需提升存量运营能力，培养用户黏性；因此本发明针对获客难、留客难、内容生产难、转化成本高等问题，提供了一种基于SCRM的电商营销方法。

发明内容

为了解决上述方案存在的问题，本发明提供了一种基于SCRM的电商营销方法。

本发明的目的可以通过以下技术方案实现：

一种基于SCRM的电商营销方法，具体方法包括：

步骤一：建立企业员工活码库并进行实时更新，构建专有传输渠道；

步骤二：加入企业官网，记录访客的活动轨迹；

步骤三：进行数据清洗，完成用户去重；

步骤四：建立用户画像，进行用户分群；

根据用户数据设置用户标签，根据用户标签匹配对应的画像模板，进行优先级选择，获得目标模板；根据目标模板的特征因子进行用户数据中的相关数据提取，将提取的数据补充到目标模板中，完成用户画像；

步骤五：根据用户分群和用户特征进行针对性营销。

进一步地，建立企业员工活码库的方法包括：

获取企业具备销售性质的员工信息，并标记为销售人员信息，根据获得的销售人员信息生成销售人员专有的企业微信活码，根据具有的企业微信活码建立企业员工活码库，记录每个企业微信活码对应的具体销售人员。

进一步地，构建专有传输渠道的方法包括：

根据企业员工活码库在企业私域中建立对应的员工客户储存节点，并在对应员工的企业微信活码与员工客户储存节点之间建立传输通道；当客户扫描员工的企业微信活码时，自动添加对应员的企业微信，获取对应的客户信息，并打上对应的标签，通过关联的传输通道将客户信息发送到企业私域中对应的员工客户储存节点中进行储存。

进一步地，记录访客的活动轨迹的方法包括：

在企业官网生成唯一用户uuid，在微信生态体系中获取用户的openid；通过API调用或导入的方式应用客户访问轨迹追踪。

进一步地，步骤三中进行数据清洗的方法包括：

获取具有的轨迹数据和用户数据，使用ID-Mapping模型进行识别，把碎片化的数据全部串联起来，消除数据孤岛，获取用户的完整信息视图，并对访客用户进行去重，识别新老客户。

进一步地，ID-Mapping模型的建立过程包括：

步骤SA1：获取当日数据中的所有用户标识字段，及标志字段之间的关联，生成点集合、边集合；

步骤SA2：将上一日的ids->guid的映射关系，生成点集合、边集合；

步骤SA3：将步骤SA1和步骤SA2中的两类点集合、边集合进行合并，获得合并图；

步骤SA4：对合并图执行最大连通子图算法，获得连通子图；

步骤SA5：识别连通子图中的id，并进行分类，生成一个唯一标识；

步骤SA6：将生成的唯一标识去比对上一日的ids->guid映射表。

进一步地，根据用户标签匹配对应的画像模板的方法包括：

获取具有的用户标签，识别对应用户标签的含义，根据用户标签的含义设置对应的特征因子，获得特征因子集，将特征因子集转化为定位坐标，根据定位坐标匹配对应的画像模板。

进一步地，根据定位坐标匹配对应的画像模板的方法包括：

根据具有的特征因子从互联网中获取大量对应的画像模块，并标记对应的模块特性，建立数据库，所述数据库内设置若干个储存节点，根据具有的特征因子在储存节点上打上对应的特性因子标签，将每个特征因子对应的画像模块储存到对应的储存节点中，根据定位坐标匹配对应的储存节点；根据各个储存节点中的画像模块进行合并组合，获得若干个画像模板。

进一步地，进行画像模板的优先级选择方法包括：

对匹配的画像模板进行整体性评分，将获得的整体性评分标记为PF，获取用户数据，根据用户数据进行画像模板的适应性计算，获得适应性匹配度，并标记为SYi；其中i表示画像模块，i＝1、2、……、n，n为正整数；根据优先级公式

计算各个画像模板的优先值，其中，b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1；ηi为画像模块对应特性因子权重值，根据计算的优先值选择画像模板作为目标模板。

与现有技术相比，本发明的有益效果是：

本发明结合电商建立起“线上+线下”分销网络，帮助品牌方、经销商、电商、自媒体卖家等，在多场景下建立分销网络，快速实现渠道裂变以及资金回笼；将多业务场景包括传统的公域流量搜索引擎、私域流量微信钉钉等引流获客渠道统一沉淀企业私域，落地到SCRM中，同时通过营销活动最终引导客户进行购买行为；多维度及灵活的打标客户，构建精细客户画像，洞察客户真实诉求；将电商和SCRM结合，通过SCRM多种营销工具，帮助电商开展各种活动引导用户参与。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法流程图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种基于SCRM的电商营销方法，具体方法包括：

步骤一：建立企业员工活码库并进行实时更新，构建专有传输渠道；

建立企业员工活码库的方法包括：

获取企业具备销售性质的员工信息，并标记为销售人员信息，具备销售性质的员工根据企业自由定义，如可以进行客户挖掘的所有员工信息，或仅包括从事销售工作的员工等；根据获得的销售人员信息生成销售人员专有的企业微信活码，根据具有的企业微信活码建立企业员工活码库，记录每个企业微信活码对应的具体销售人员。

构建专有传输渠道的方法包括：

根据企业员工活码库在企业私域中建立对应的员工客户储存节点，并在对应员工的企业微信活码与员工客户储存节点之间建立传输通道；当客户扫描员工的企业微信活码时，自动添加对应员的企业微信，不需要员工同意，获取对应的客户信息，并打上对应的标签，通过关联的传输通道将客户信息发送到企业私域中对应的员工客户储存节点中进行储存。

企业私域指的是企业内部储存数据的位置，如企业私有云等。

步骤二：加入企业官网，记录访客的活动轨迹；

通过活码可以加入到企业官网中；同时记录访客的活动轨迹，数据获取根据《个人信息保护法》在“明示告知-同意”的方式处理个人信息；

记录访客的活动轨迹的方法包括：

在企业官网生成唯一用户uuid，在微信生态体系中获取用户的openid；其他场景中比如社交媒体、电商平台、营销活动网站、客户调研、DMP数据包、第三方媒体数据等，可通过API调用或导入的方式应用客户访问轨迹追踪。

步骤三：进行数据清洗，完成用户去重；

由于轨迹数据从不同渠道过来，存在重复用户，因此需要进行数据清洗和用户去重；

获取具有的轨迹数据和用户数据，使用ID-Mapping模型进行识别，把碎片化的数据全部串联起来，消除数据孤岛，获取用户的完整信息视图，并对访客用户进行去重，识别新老客户。

ID-Mapping模型采用图计算方法，识别各种id标识之间的关联关系，从而进行id标识归类，即识别出哪些id标识属于同一个人；ID-Mapping模型的建立过程包括：

步骤SA1：获取当日数据中的所有用户标识字段，及标志字段之间的关联，生成点集合、边集合；

步骤SA2：将上一日的ids->guid的映射关系，生成点集合、边集合；

步骤SA3：将步骤SA1和步骤SA2中的两类点集合、边集合进行合并，获得合并图；

步骤SA4：对合并图执行最大连通子图算法，获得连通子图；

步骤SA5：识别连通子图中的id，并进行分类，生成一个唯一标识；

就是从连通子图中取到哪些id属于同一组的，再生成标识；

步骤SA6：将生成的唯一标识去比对上一日的ids->guid映射表。从而识别出哪些id标识属于同一个人。

如果一个人已经存在guid，则沿用原来的guid。

步骤四：建立用户画像，进行用户分群；

根据用户数据设置用户标签，根据用户标签匹配对应的画像模板，进行优先级选择，获得目标模板；根据目标模板的特征因子进行用户数据中的相关数据提取，将提取的数据补充到目标模板中，完成用户画像。

根据用户数据设置用户标签的方法包括：

在一个实施例中，如访客在企业微信或者内置智能客服产生聊天记录时，客服可根据客户聊天内容和感兴趣的产品手动给客户打上标签。

在另一个实施例中，基于RFM模型进行设置用户标签，其中：

R：最近1次消费时间间隔；

F：消费频率(Frequency)；

M：消费金额(Monetary)，一段时间内消费的总金额(“一段时间”通常根据不同应用场景来定)。

在进行数据分析时通常我们将它用来客户群体划分上面；比如上面的场景中我们想要找到哪些客户属于“高价值”客户，哪些客户是“一般价值”客户，哪些又是“低价值”客户，这个时候我们就可以用这样三个指标来做评价的依据。本系统将用户分为8个维度进行分析；如下表：

根据用户标签匹配对应的画像模板的方法包括：

获取具有的用户标签，识别对应用户标签的含义，如价值含义、重要度含义等；根据用户标签的含义设置对应的特征因子，获得特征因子集，将特征因子集转化为定位坐标，根据定位坐标匹配对应的画像模板。

根据用户标签的含义设置对应的特征因子，具体是采用人工的方式进行设置的，根据设置的用户标签和企业实际情况进行设置，如最近消费、消费总额等，具体的为本领域常识，不进行详细叙述。

将特征因子集转化为定位坐标的方法就是先将特征因子集转化为数值，因为具有基本固定的特征因子，可以采用人工的方式先制定对应的赋值表；进行匹配获得对应的数值，再根据预设顺序组合成定位坐标。

根据定位坐标匹配对应的画像模板的方法包括：

根据具有的特征因子从互联网中获取大量对应的画像模块，并标记对应的模块特性，如尺寸特性，适合的排放位置，显示特性，显示文字还是图像等；建立数据库，所述数据库内设置若干个储存节点，根据具有的特征因子在储存节点上打上对应的特性因子标签，即为每个储存节点对应一个特征因子，是对应数值标签；将每个特征因子对应的画像模块储存到对应的储存节点中，根据定位坐标匹配对应的储存节点；根据各个储存节点中的画像模块进行合并组合，获得若干个画像模板。

根据各个储存节点中的画像模块进行合并组合的方法为：当前可以直接现有的画像合并模型的，可以直接获取现有的模型进行合并；对于不能获得的，可以自行建立神经网络模型进行训练，通过训练成功后的模型进行智能合并。

进行画像模板的优先级选择方法包括：

对匹配的画像模板进行整体性评分，将获得的整体性评分标记为PF，获取用户数据，根据用户数据进行画像模板的适应性计算，获得适应性匹配度，并标记为SYi；其中i表示画像模块，i＝1、2、……、n，n为正整数；根据优先级公式

计算各个画像模板的优先值，其中，b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1；ηi为画像模块对应特性因子权重值，由专家组根据具有的特性因子进行设置；根据计算的优先值选择画像模板作为目标模板。

对匹配的画像模板进行整体性评分的方法为：在进行画像模块合并的过程中，可以对相应的模型进行调整训练，使其可以根据对应合并后的画像模板直接评分；或者再建立一个评分模型，具体未公开的部分为本领域常识。

根据用户数据进行画像模板的适应性评分的方法为：识别对应的用户数据，以及画像模板中对应画像模块的模块特性相似度，可以通过现有的相似度算法进行计算。

步骤五：根据用户分群和用户特征进行针对性营销。

由于对访客进行了分群，结合渠道及用户特征，实施“免打扰式”的场景营销，摒弃刷屏式优惠及私域推送，提供了多种方式针对不同系统的客户群体的营销方式。

支持全自动拉群，流量灵活分配；标签拉群，筛选目标客户，聊天侧边栏一键拉群，统一创建标准化群运营模板，下发给群主执行，统计每日群SOP执行情况，优秀SOP持续复用，解决了缺乏标准运营工具人力成本高的客户痛点。

营销工具，支持多种营销，商品营销：一键推送多品类商品，强力引导客户下单转化，卡券营销：通过满减、折扣券等卡券能力，圈定意向客户加速变现，活动营销：内置大转盘、刮刮卡等海量营销活动功能，提升营销效果。

由于对不同渠道用户打标分群之后，摒弃刷屏式优惠及私域推送，应根据用户特征及购买习惯实施精细化营销。在RFM模型中的四类用户群体：

1.重要价值客户，RFM都很高，要提供优质的服务，对这些用户推送节日问候，促销活动，加入到企业微信的群有专门客服提供快速高质量的售后服务等。

2.重要发展客户，消费频率低，这类客户是最容易转化成第一类客户的群体，一定要想办法提高他们的消费频率。

3.重要保持客户，最近一笔消费时间已经有些远了，所以必须要主动保持联系，提高复购。

4.重要挽留客户，这类客户消费频率低和最近消费时间间隔比较远，但是消费金额高，这种用户即将流失，要主动联系用户，调查问题出在哪里，想办法挽回。

针对这些不同用户分群结合本系统专门的营销工具对客户进行无打扰的进行运营。对客户关系全周期的管理。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (9)

1.一种基于SCRM的电商营销方法，其特征在于，具体方法包括：

步骤一：建立企业员工活码库并进行实时更新，构建专有传输渠道；

步骤二：加入企业官网，记录访客的活动轨迹；

步骤三：进行数据清洗，完成用户去重；

步骤四：建立用户画像，进行用户分群；

根据用户数据设置用户标签，根据用户标签匹配对应的画像模板，进行优先级选择，获得目标模板；根据目标模板的特征因子进行用户数据中的相关数据提取，将提取的数据补充到目标模板中，完成用户画像；

步骤五：根据用户分群和用户特征进行针对性营销。

2.根据权利要求1所述的一种基于SCRM的电商营销方法，其特征在于，建立企业员工活码库的方法包括：

获取企业具备销售性质的员工信息，并标记为销售人员信息，根据获得的销售人员信息生成销售人员专有的企业微信活码，根据具有的企业微信活码建立企业员工活码库，记录每个企业微信活码对应的具体销售人员。

3.根据权利要求2所述的一种基于SCRM的电商营销方法，其特征在于，构建专有传输渠道的方法包括：

根据企业员工活码库在企业私域中建立对应的员工客户储存节点，并在对应员工的企业微信活码与员工客户储存节点之间建立传输通道；当客户扫描员工的企业微信活码时，自动添加对应员的企业微信，获取对应的客户信息，并打上对应的标签，通过关联的传输通道将客户信息发送到企业私域中对应的员工客户储存节点中进行储存。

4.根据权利要求1所述的一种基于SCRM的电商营销方法，其特征在于，记录访客的活动轨迹的方法包括：

在企业官网生成唯一用户uuid，在微信生态体系中获取用户的openid；通过API调用或导入的方式应用客户访问轨迹追踪。

5.根据权利要求1所述的一种基于SCRM的电商营销方法，其特征在于，步骤三中进行数据清洗的方法包括：

获取具有的轨迹数据和用户数据，使用ID-Mapping模型进行识别，把碎片化的数据全部串联起来，消除数据孤岛，获取用户的完整信息视图，并对访客用户进行去重，识别新老客户。

6.根据权利要求5所述的一种基于SCRM的电商营销方法，其特征在于，ID-Mapping模型的建立过程包括：

步骤SA1：获取当日数据中的所有用户标识字段，及标志字段之间的关联，生成点集合、边集合；

步骤SA2：将上一日的ids->guid的映射关系，生成点集合、边集合；

步骤SA3：将步骤SA1和步骤SA2中的两类点集合、边集合进行合并，获得合并图；

步骤SA4：对合并图执行最大连通子图算法，获得连通子图；

步骤SA5：识别连通子图中的id，并进行分类，生成一个唯一标识；

步骤SA6：将生成的唯一标识去比对上一日的ids->guid映射表。

7.根据权利要求1所述的一种基于SCRM的电商营销方法，其特征在于，根据用户标签匹配对应的画像模板的方法包括：

获取具有的用户标签，识别对应用户标签的含义，根据用户标签的含义设置对应的特征因子，获得特征因子集，将特征因子集转化为定位坐标，根据定位坐标匹配对应的画像模板。

8.根据权利要求7所述的一种基于SCRM的电商营销方法，其特征在于，根据定位坐标匹配对应的画像模板的方法包括：

根据具有的特征因子从互联网中获取大量对应的画像模块，并标记对应的模块特性，建立数据库，所述数据库内设置若干个储存节点，根据具有的特征因子在储存节点上打上对应的特性因子标签，将每个特征因子对应的画像模块储存到对应的储存节点中，根据定位坐标匹配对应的储存节点；根据各个储存节点中的画像模块进行合并组合，获得若干个画像模板。

9.根据权利要求8所述的一种基于SCRM的电商营销方法，其特征在于，进行画像模板的优先级选择方法包括：

对匹配的画像模板进行整体性评分，将获得的整体性评分标记为PF，获取用户数据，根据用户数据进行画像模板的适应性计算，获得适应性匹配度，并标记为SYi；其中i表示画像模块，i＝1、2、……、n，n为正整数；根据优先级公式

计算各个画像模板的优先值，其中，b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1；η_i为画像模块对应特性因子权重值，根据计算的优先值选择画像模板作为目标模板。

Images