海王星辰应如何进行会员制营销

【慧聪商务服务网】会员制连锁零售药店现在不希奇，国内市场上只要是连锁零售药店，没有几家不采用会员制度的。什么是会员制？从目前的行业做法来看，就是成为会员后，消费可以积分，产品享受一定的折扣。其实，这些都不是现代零售业会员制模式的核心，真正的核心在于基于不同会员的不同消费模式和消费特定，通过个性化的营销服务，满足会员消费者的独特需求，从而加强会员与药店的长期的友好关系，达成双赢。这种个性化服务的核心，至少在目前的中国会员制连锁药店零售行业几乎没有看见。没有区分不同特征的消费者，没有洞察不同消费群体的消费动机和模式，没有真正了解核心消费者，那就只能提供千篇一律的毫无区别的打折和积分回馈，所以至少在目前，中国的连锁零售药店行业没有真正的会员制度。

    目前中国连锁药店市场上做得靠前的品牌是海王星辰，截止2009年3月8日，海王星辰在国内一共拥有连锁药店2667家，该企业在2007年成为国内**家在纽约证券交易所上市的连锁药店企业，从1997年起海王星辰就开始实施推广会员制计划，目前拥有会员消费者800万人。从规模到效益到资本，可以说海王星辰都是中国连锁药店会员制度的榜样和**，那么海王星辰在会员制管理和营销上做得如何呢？

    海王星辰的800万会员消费者按照消费金额的不同分为两个等级，一是基础级别的普通会员，所享受的服务和优惠主要是在会员日消费打折，另外消费可以积分，积分累计兑奖；二是高级会员（称为“优越俱乐部”），一段时间内消费达到一定金额，就成为高级会员。高级会员销售的服务和优惠主要如下：季度内消费美容保健品达到500元以上，获赠价值50元的护肤品；季度内消费营养食品达到1000元以上的，获赠价值100元的营养食品；另外，高级会员积分加倍奖励，获赠季度杂志《健康季候风》，参加不定期的讲座、聚会等等。

    从上面的罗列可以看出，海王星辰在会员的管理和营销方面走得较同行稍微深入一些，比如它已经开始细分出了美容保健品的核心消费群体和健康食品的主要消费群体，对这两个细分人群采取了不同的服务和优惠鼓励。大概这两个产品消费群贡献的利润比例较其他产品类的消费者更大更高，而且这两个产品群消费弹性大，不象特定药品你无论如何鼓励刺激，特定患者消费特定药品的消费容量是有极限的，消费弹性相对小得多。

    但是，作为榜样和**的海王星辰目前的实践还算不上真正的会员制营销管理，因为总的来说它对800万会员提供的还远远不是个性化的服务。即使就它目前稍微深入细分的美容保健品核心人群来看，在这个人群里面，它所提供的仍然是不带个性色彩的统一的50元赠品，有的人喜欢赠品，有的人讨厌赠品（认为是处理品），有的人对特定的品牌情有独钟，有的人对品牌无所谓，有的人主要消费清洁产品，有的人重点消费保养产品，有的人季度消费500元，有的人季度消费5000元，这么多个性不同、模式各异的美容保健品消费者被海王星辰笼统划在一个所谓的季度消费美容品500元的圈子里，提供没有分别的奖励，你说这个500元圈子里有多少消费者会对这种没有区别的赠品感到兴趣，感到满意，感到个性化的优待？？？没有感到特别的满意，伺候得不周到，消费者凭什么要对你保持忠诚度？消费者凭什么一定要来你这里消费？

    榜样和**的海王星辰尚且如此，中国其他的连锁零售会员制药店的操作和效果就可想而知了。 出路在哪里？出路就在数据挖掘以及随后的营销应用。面对海量的消费者数据，那些基于传统的统计分析，甚至目前流行的BI解决方案中的报表展示、OLAP，都是无能为力的。因为这些技术都无法提供消费者的个性化线索和需求。大家都在奢谈从“以产品为中心”向“以客户为中心”的战略转移，如果没有数据挖掘技术的支持，这个口号**只能是个空洞的口号，无法落地，无法实现。

    海王星辰目前在会员制营销管理上比较关注的焦点和瓶颈在于下列几点：1如何有效招募到大量的有高度赢利贡献价值的更多的核心会员。2怎样才能有效提升会员的消费量和消费金额。3如何有效减少核心会员的流失问题。4如何更好地提升会员消费者对企业的忠诚度和依赖性。

    上面所有的难题和困惑，归根结底都是由于没有深入了解消费者（尤其是利润贡献大的核心消费者）所造成的。如果真的详细深入了解了消费者不同的消费爱好、消费模式、消费特点，上面所有的难题都将迎刃而解。数据挖掘技术基于海量消费者的数据分析就是为了解决此类难题而应运而生的。数据挖掘中成熟的消费者消费特征分析模型、交叉销售模型、会员流失预警模型、等等都可以有效地回答上面的困惑。

    数据挖掘，就是这么神奇，就是这么有用。二十一**的商业市场，正是数据挖掘应用与日中天的时期，虽然它一定有没落的一天，有退出历史舞台的一天，但是那是更远的未来的时候。在现在，在当下，数据挖掘的商业应用就是一轮喷薄而出的红日，你可以躲开它、你可以逃避它，但是你无法阻挡它。顺势而为，在激烈竞争的商业市场，除了主动拥抱数据挖掘，你没有第二个更好的选择。