- 营销战略要素模型中，我们认为相比较 SCVM，STP 更具备实际的操作属性。关于STP：景区运管那些事儿：一张图弄懂STP战略（市场细分，目标市场选择和品牌定位）
- 营销战术模型，我们进行简单的梳理：4P从营销的发起方出发（B 端），4C 从营销的接受方出发（C 端），4R 从营销发起方和接受方的交互出发。我们认为 4P、4C、4R，对营销分析的基本逻辑是非常关键的三个模型。产品价值和用户需求的匹配，决定了认知；价格和消费者可负担的成本的匹配决定了触达； 流量场景和体验场景的匹配决定了关系；促销和沟通决定了回报。StevenLu：营销学理论4P、4C、4S、4R、4V、4I（完整版）
- 一个有效的营销分析体系是否能够对 4R（认知、 触达、关系、回报）进行指标体系的建立、观察和洞见，是最为行之有效的营销衡量。 同时每个从事营销分析行业的人，几乎都有过一段很痛苦的经历，因为营销的要素实在是太多了，这使得数据的维度变得非常之高，分析师可以切入的视角非常多。那么接下来 4P 和 4C 之间的对应关系，是非常好的降维参考。我们在实战中更是进一步把 4P 和 4C 可以进一步定义为，人群和事件。我们认为能够以人群和事件做为维度，在认知、触达、关系、回报的价值指标体系上，得出最为行之有效的面向行动的分析结论，即为朴素的营销分析。
- 人群上，消费者可负担能力、产品价值匹配、价格带匹配，都是很重要的动态的人群属性；
- 事件上，围绕流量（或者说渠道），场景的匹配、促销的投入和关系节点的深化，也是很重要的事件属性。
人群（Customer Insight） × 渠道 （Multi-Touch Attribution） = 机会 （Opportunity）
- 实战营销分析，可以被分为三个阶段“衡量效果、优化动作、发现机会”，可以得出他们和经典营销理论的对应关系，我们用清晰的一张表格来描述营销分析的要素，并把他归为 1 个完整的营销分析逻辑 C.M.O.
1. 人群（C）： 或者说是其产品或服务的用户、消费者，广告主希望他们提供的产品和服务更匹配用户或目标市场的需求、更能够形成转化或者持续性的生命周期价值、更能够捕捉用户行为轨迹上的沟通机会。当我们谈到人群洞察 （这个概念在营销分析中已经走得太远，几乎到了随处可见的滥用地步）时，我们实际上在讲的是，通过人群洞察来对用户结构和价值进行优化或识别优化的机会，我们的目的和广告主的目的，从来不是洞察，而是如何提升“用户结构和价值”。——对人群进行洞察，以优化人群结构和价值为目的，回答 5W（who，what，when，where，继而 why）的问题，比如广告主的关键人群是谁，偏好什么样的营销组合，在什么时间和事件节点上进行沟通，他们对用户结构和价值的影响是什么，真的是关键人群吗？这就是 C.M.O. 营销分析方法中，C 的部分要回答的问题。
2. 渠道（M）： 这里我们专指包括广告渠道在内的营销渠道，广告主希望能够精准评估每个渠道的效能（不管是销售效果还是品牌认知度效果），能够对每个渠道在营销中所扮演的角色有清楚的洞察，能够形成对渠道投入的优化方案，甚至能够进行渠道组合的营销方案制定。渠道洞察和人群洞察不同，它完全没有被滥用，甚至可以说非常谨慎，广告主很难将各个渠道的效果，放到统一的分析环境来进行分析，这背后有数据的原因、渠道的原因，也有技术和数据能力的原因。我们提供的方法，会帮助广告主更关注如何优化“多渠道的效率和效果”。——对渠道进行洞察，以优化渠道的效能为目的，回答 1H （how）的问题。比如针对关键人群，哪些渠道发挥了什么样的作用，如何制 定渠道策略去加大关键人群的交互，这里我们的渠道不仅仅局限在广告渠道。 这就是 C.M.O. 营销分析方法中，M 的部分要回答的问题。
3. 机会（O）： 这里我们指通过 C × M 分析中获得的策略，并对策略进行度量和预估，也指当围绕某个营销目标，通过数据如何发现 C 和 M。我们主张对 “策略的数字化发现、评估和预估”，是非常重要的营销分析动作。这里我
们专指广告主通过识别细分目标市场，并制定渠道优选策略，同时能够在一定条件下的预估和预测营销策略对目标市场的作用。可以让广告主基于整个目标市场 / 个体市场进行运作，让广告主不仅仅可以定位产品和服务的关键特征，更可以做针对产品和服务的品牌、品类、销量的增量预估 / 容量预估，甚至精准控制渠道成本，加强 ROI 的可控性，提升用户体验。——当我们从机会人群和渠道的角度出发，度量效果和预测效果，就成为“确定” 一个机会的最后一步。这就是 C.M.O. 营销分析方法中，O 的部分要回答的问题。
人群（Customer Insight）
1. 消费者资产分析
消费者精细化运营的基础是需要对消费者进行解析，对其进行分层，形成消费者资产。对分层下的资产规模进行评估，确定分层运营目标；对分层资产状态流转的评价，分析资产增值的能力；通过营销策略，促进资产增值流转的效率，而通过评价营销渠道对资产增值的贡献，可以帮助广告主优化营销策略。因此如何建立合适的消费者分层，评估消费者资产的变化，衡量广告对资产正向变化的贡献，便是消费者资产分析需要解决的问题。
消费者资产
消费者资产也称为顾客资产（customer equity)，是所有消费者终身价值的综合。通过消费者关系管理，积累消费者资产，产生更多高价值的忠诚客户，为品牌创造更多价值。根据消费者与品牌关系的强度由浅至深，可以分为认知 - 兴趣 - 购买 - 忠诚，也就是 AIPL 模型，也有其他的原理类似的划分方式， 比如 WPP 集团的 BrandDynamics 品牌动力金字塔。浅层消费者还未产生花费，仅仅认知品牌，或者仅有过几次互动，营销人员会通过营销活动促使他们往更深关系上流转，创造价值。
用户分层
用户分层是根据用户的特征和行为对用户进行区隔划分，生成不同的用户群体，进而制定不同的产品和运营策略，优化资源分配，提升效益。用户分层是消费者资产管理和精细化运营的基础。
常见消费者资产模型
根据业务类型和目标不同，运营人员建立用户分层方案，形成不同的消费者资产模型。比如对所有与店铺有互动关系的用户依其行为对店铺贡献的强弱进行分层，划分为潜新老用户，制定拉新促活策略；对店铺已经购买的会员进行价值分层，制定忠诚度计划。而对品牌方而言，品牌根据消费链路由浅至深的行为划分不同状态的消费者形成消费者资产，比如 AIPL 模型， DEEPLINK 模型。品牌需要了解各层资产规模及流转路径，制定深度运营策略，提升客户体验。
以 AIPL 为例， 从“认知 - 兴趣 - 购买 - 忠诚”的状态划分，依据的是指定周期内消费者与品牌的互动行为：
● A（Awareness），品牌认知人群。包括被品牌广告触达和品类词搜索的人
● I（Interest），品牌兴趣人群。包括广告点击、浏览品牌 / 店铺主页、参与品牌互动、浏览产品详情页、品牌词搜索、领取试用、订阅 / 关注 / 入会、加购收藏的人
● P（Purchase），品牌购买人群，指购买过品牌商品的人
● L（Loyalty），品牌忠诚人群，包括复购、评论、分享的人
我们针对消费者资产的建立和应用设计了从用户自定义分层到资产状态变化分析、营销活动对资产变化贡献评估的消费者资产分析解决方案，包括多种用户分层模型、用户状态流转模型、用户流转归因模型。
用户分层模型
方案 1：行为分层模型
行为分层是依据用户在产品使用中的行为对用户进行划分，并根据行为对产品贡献的强弱关系进行最终归类，一个用户在一个分层模型中只会属于一个分层。
1. 明确业务目标：
业务目标就是本次想解决什么问题，对分层人群做什么，达到怎样的目标。这样才能选择合适的分层模型去制定对应的运营方案。
2. 确定分层范围：
分层对象的范围，是圈定参与分层的人群所属的范围，是某店铺还是某品牌相关的人群。定义分层发生的截面时间，即计算的是用户哪天的分层状态。
3. 定义分层行为
● 基准行为：基准行为是用户在分层对象范围内发生的有价值的行为，是分层划分的基本元素，如：浏览、收藏、成交等。
● 行为周期：对用户基准行为设置生命周期，它定义了用户在分层范围内指定行为的统计时长，超过时长的用户行为不会用于分层。不同的行为会定义不同的行为周期。比如店铺内的浏览定义为 15 天内，成交定义为 365 天则 365 天前的成交行为不会进入统计。
● 行为深度：行为深度表示在设定的行为生命周期内用户基准行为发生的数量， 通常通过用行为发生的频次进行区分，如 15 天内 , “店内浏览 =1 次”为浅度进店，”店内浏览 >=2 次”为深度进店。
4. 用户分层与归类：基于各行为的与终极目标行为（比如成交）的转化强弱分析 , 将各行为由浅至深排列，越浅层的行为表示仅做该行为的用户与分层对象关系越弱。比如消费者与店铺行为关系由浅至深为：曝光 -> 点击 -> 浏览 -> 加购 -> 成交。 将不同分层行为定义对应到不同的资产分层，比如把曝光放在潜客层， 成交放在老客层。
在初始行为定义中，一个用户可能发生多种行为，会属于不同的分层。最终我们会将用户进行层级归类，将资产分层关系进行由浅至深依次排列，同一用户会被优先匹配在顺序靠后的关系更深的分层中，比如一个用户既有新客行为又有老客行为，由于老客层级关系更深， 他最终会被归为老客。
方案 2：价值分层模型
价值分层是指通过关键用户行为用户进行价值评分后，用价值评分对用户进行分层，我们提供 RFM 分层，客户参与价值分层。
分层方法
RFM 由三部分指标衡量：
● R 值：Recency( 最近购买时间），最近一次消费距今时间，R 越小往往意味着会员活跃度越高，R 值大于购买周期，用户流失可能性增大。
● F 值：Frequency( 购买频次 ), 用户在统计周期内购买的次数。不同的品类统计周期受购买周期影响，快消品通常为 1 年，耐用品可以放宽到 3、5 年。
● M 值：Monetary( 购买金额），用户在统计周期内的购买总金额。在价格带单一的店铺中，M 和 F 往往有很强的正相关关系，因此可以用次均购买金额来替代，以获取更多的信息。
步骤
1. 对现有会员进行 RFM 分段打分，可以按照均值、等宽、等频、自定义等分段阀值划分方式，对 R、F、M 三个指标进行分段，并标记分段得分 R_Score, F_score, M_score。
2. 根据三种得分对用户进行分层，分层有两种方式：基于阀值划分、基于总得分。 根据得分或实际数值的阀值分层，每位用户都将份到一个分层中。下图设定了 RFM 切分的阀值为实际数值均值， 用户将分成 2×2×2=8 组。
○ 用三种得分的重要性作为权重进行加权获得综合评分。RFM_score = R_score * R 权重 F_score * F 权重 M_score * M 权重比如 : R、F、M 分箱个数分别为 5、5、5，权重均为 10，则 R、F、M 各自的分数范围：
10 分 -50 分，综合评分范围在：30 分 -150 分。分箱与分箱权重依业务需要进行调整，若在意活跃情况，则可为 R_score 赋予更多权重，将三个得分加权后相加得到 RFM 总分，根据总分排序按期望比例将用户分层。
客户参与价值模型
客户参与价值分层模型（CEV, customer engagement value）分层，是指基于消费者的终身成交价值（customer lifetime value，CLV）、推荐价值（customer referal value， CRV）、社交影响价值（customer influencer value，CIV）、知识反馈价值（customer knowledge value，CKV）进行综合评分，对评分生成分层的模型。客户参与价值分层模型常用于对店铺中人群高中低价值的区分 , 也称为超级用户模型，应用于：
● 识别发掘优质客户
● 为营销服务提供分析与决策
● 客户价值的衡量和提升创利、投产能力
方案 3：用户流转模型
用户流转是指，在指定用户分层模型下 , 对两个时间节点之间用户分层状态变化情况的分析，也叫链路流转模型。比如在 AIPL 模型中，7 月 1 日状态是 A 认知的用户， 在 7 月 7 日变成了 P 行为状态。通过用户流转模型，我们可以定位不同阶段消费者的流转规模和效率，解析高效流转的路径，定位促成流转的机会点，进行精细化营
销，促成人群在品牌链路上的正向流转，加快品牌资产的积累。 用户流转模型中的主要指标有：
● 初态人数 / 终态人数：起始和截止两个截面上各分层下的人群数量
● 流转率：终态相对于初态，某一层用户流转到另一层的比例，比如 I 兴趣 ->P 行动流转率，即初态是兴趣终态是行动的用户数 / 初态是兴趣的用户数。20
● 整体加深率：终态相对于初态，分层关系加深的人数 / 初始状态品牌分层模型中的总人数
● 分层加深率：初始状态 I 兴趣层的加深率为例，兴趣层加深率 = （ 初态是兴趣层的人中，终态是 P 或 L 的人数之和 ）/ 初态是兴趣层人数
方案 4：用户流转归因模型
用户流转归因模型，是指在指定客户关系下，以状态流转为转化行为，衡量营销触点对转化的贡献。比如在 DEEPLINK 模型中，品牌渠道对 D 到 E 人群转化的触达和转化贡献是多少。通过对比不同流转路径上各个渠道的贡献和效率， 发现适合促进对应分层流转的高效渠道和渠道组合，优化策略，提升流转效率。用户流转归因模型中
使用到的关键指标为：
● 流转转化人数：归因于对应营销触点的消费者的状态转化的人数
● 触达量 ( 人数 )：营销触点对初始态人群的触达次数 ( 人数 )
● 流转转化率：流转转化人数 / 触达人数
1. 定义流转归因模型
流转归因模型主要包括两部分输入：流转转化与营销触点。
● 分层流转行为数据，即一段周期内消费者的从 A 状态到 B 状态的流转明细数据；
● 营销触点数据，触点可以是曝光或点击。
2. 归因
将消费者分层流转行为用最后互动方式归因给营销触点。
3. 模型输出
输出各流转行为下，分渠道的触达量、触达人数、流转人数、流转率数据，用于对比评价。
应用案例
在 DEEPLINK 模型下，评价某营销活动前后，不同渠道对初始状态为 D 发现层的用户流转到其他状态的贡献和效率。
2. 消费者行为分析
渠道 （Multi-Touch Attribution）
1. 受众沟通和品牌认知评价
2. 营销渠道效果评估与归因10
3. 多渠道组合路径效率评价
4 营销组合模型 MMM
机会 （Opportunity）
1. 目标群组发现
2. 增强分析在营销分析场景下的实现和应用
