会员营销：用“垃圾邮件”撬开你钱包

 譬如，两个消费者，在同一天，A买了200块钱的女装，B买了200块钱的男装，那么按照RFM模型，这两个消费者是被划分到一个类型里面的。

    再譬如，还是这两个消费者，在购买迄今3个月的时间里，都没有再发生二次购买行为，但期间A到你的网站来了20次，B只来了1次，按照RFM模型，这两个消费者还是属于同一个类型。

    或许，我们需要寻找一种全新的会员数据库模型标准，在这个数据库里面，消费者不再是一个一个的钱包，而是真实的、有情绪的、能被影响的、有不同需求的人，它将会告诉我们，对不同的会员，你该说什么话！该怎么说！该什么时候说！

    360度会员数据库

    当一个老会员，决定再次购买你的某件商品的时候，会被哪些因素影响？

    产品？价格？特别优惠？品牌好感？上一次购买体验？潜在需求？天气变化……没错，可能性因素有很多。

    当一个老会员决定不再购买你的产品，他的特征或许就比较简单：不再访问、投诉、拒收或者退换货。

    所以，我们需要给会员插上尽可能多的标签：性别、年龄、地域、注册时间、购买记录、访问记录、投诉的内容、退换货历史等等。这些标签将有助于系统**地对消费者精准定位，自动计算对哪些会员在何时发送什么信息；这些标签也有助于发布新品上架的信息时，把不同的产品精准地推销给有需求的消费者，减少频繁的信息发布所带来的反感情绪。

    那么，一个消费者的数据库，到底需要多少科目来进行统计分析，才能实现上述目的呢？

    1.人口统计学科目：包括姓名、性别、年龄、地域、生日、家庭状态、联系方式等等。11月份，你把羽绒服推给北方的会员，一定比推给南方的会员更有把握；你把婴童产品，**给28～35岁左右的女性会员，一定会有比较高的成交率。

    2.访问科目：包括注册时间、历次访问时间、平均访问页面数、平均访问时长等等。访问科目，是统计分析会员活跃度的**关键指标。要知道，挽回一个休眠会员的成本，是开发一个新会员成本的3倍！从访问科目，我们会得出许多有用的信息，譬如平均访问频率很高，但购买率却很低，那一定是产品表现出了什么问题，消费者迟迟不能被打消顾虑。

    3.购买科目：包括购买时间、购买金额、购买商品、累计贡献、频次和周期等等。购买科目的**贡献，并不是让我们去搞什么会员等级折扣制度，而是在于我们能够去统计分析，在什么时候，**什么样的产品，会员会比较能接受。

    4.事件科目：包括订单取消、拒收、退换货、投诉、评论、建议、**等等。事件科目是许多企业所忽视的，但这恰恰**考验品牌的软实力。因为消费者在做出订单取消、拒收、退换货、投诉时，往往带有非常明显的情绪倾向，不加重视，会直接造成客户流失。

    数据库不是简单的购买记录+联系方式，它是对消费者和品牌之间所有接触信息的集成，是会员营销的大基石，缺少了对这些科目的统计分析，会员营销将完全无计可施。