對(duì)于跨境電商賣家來說，復(fù)購(gòu)率的重要性不言而喻，那跨境電商賣家要如何提高復(fù)購(gòu)率呢？又可以從哪些層面著手？

中山易達(dá)電子商務(wù)有限公司用戶方案創(chuàng)意部總監(jiān)Eric Liu，給跨境電商賣家一個(gè)最科學(xué)、直觀的回答。

建立復(fù)購(gòu)率監(jiān)控機(jī)制

討論復(fù)購(gòu)提升策略以前，賣家需要先理清以下兩個(gè)問題：

第一，根據(jù)不同性質(zhì)的商品采取相應(yīng)的策略。

商品被哪一個(gè)群體需要？被需要的周期是多長(zhǎng)？這些都需要賣家先通過品類特性和店鋪本身的復(fù)購(gòu)數(shù)據(jù)進(jìn)行分析。舉個(gè)例子，如果商品是標(biāo)類比如凈水器的濾芯或者打印紙，可以根據(jù)濾芯/打印紙的損耗周期定期給用戶推送解決方案，這是與其非標(biāo)類商品不同的地方。

第二，數(shù)據(jù)分析，大數(shù)據(jù)時(shí)代下賣家需要建立復(fù)購(gòu)率的監(jiān)控機(jī)制。

從復(fù)購(gòu)率的計(jì)算方式來看，可以有以下幾種：

用戶復(fù)購(gòu)率＝單位時(shí)間內(nèi)購(gòu)買二次及以上次數(shù)的用戶數(shù)/有購(gòu)買行為的總用戶數(shù)

訂單復(fù)購(gòu)率＝單位時(shí)間內(nèi)第二次及以上購(gòu)買的訂單個(gè)數(shù)/總訂單數(shù)

這里有個(gè)圖片，可以更直觀的展示

有些賣家還會(huì)計(jì)算用戶回購(gòu)率（計(jì)算單位時(shí)間內(nèi)有購(gòu)買行為的老用戶數(shù)/有購(gòu)買行為的總用戶數(shù)），因?yàn)橐矊儆谟脩魪?fù)購(gòu)率的范疇這里不做單獨(dú)的分析。

首先你要找到自己的復(fù)購(gòu)用戶，擁有自己的復(fù)購(gòu)用戶清單加以維護(hù)。

還要能夠?qū)τ脩暨M(jìn)行分類，為買家增加不同的標(biāo)簽便于篩選

其次需要定期檢測(cè)店鋪復(fù)購(gòu)的數(shù)據(jù)，通過觀察每個(gè)時(shí)間段數(shù)據(jù)的變化調(diào)整策略。

復(fù)購(gòu)率的曲線與用戶總數(shù)疊加在一起可以看出用戶黏性的健康度，最佳的情況是復(fù)購(gòu)率曲線普遍保持著穩(wěn)定上升的趨勢(shì)。用戶復(fù)購(gòu)率和訂單復(fù)購(gòu)率增長(zhǎng)曲線異常/下降時(shí)，需要關(guān)注現(xiàn)有復(fù)購(gòu)策略的有效性和市場(chǎng)競(jìng)爭(zhēng)情況。因此實(shí)現(xiàn)數(shù)據(jù)化監(jiān)控是提高市場(chǎng)反應(yīng)速度的前提。

從產(chǎn)品、服務(wù)、品牌、營(yíng)銷四個(gè)方面著手提高復(fù)購(gòu)率

產(chǎn)品的層面，最重要的當(dāng)然就是品質(zhì)。相信大家都理解，品質(zhì)的好壞不僅決定了復(fù)購(gòu)率，還決定了店鋪的生死存亡。即便當(dāng)前復(fù)購(gòu)率還不錯(cuò)也不能掉以輕心，互聯(lián)網(wǎng)用戶對(duì)于品牌的粘性比你想象的要低，因?yàn)樗麄冇性S多選擇，如果因?yàn)樯唐菲焚|(zhì)丟失老用戶，之后的挽回成本非常高。隨著互聯(lián)網(wǎng)的發(fā)展，運(yùn)營(yíng)手段肯定會(huì)越來越豐富，但發(fā)展的根本還是要依托于產(chǎn)品本身。

根據(jù)瑞典耶夫勒大學(xué)University of Gävle曾做過一個(gè)市場(chǎng)調(diào)查數(shù)據(jù)，可參考下圖，關(guān)于用戶對(duì)于品質(zhì)/商品耐用性的看法。

其次需要建立用戶與商品的連接。建立連接首先要重視用戶反饋customer feedback，包含客戶投訴和商品評(píng)論?？蛻敉对V和差評(píng)可以收集商品品質(zhì)問題點(diǎn)，然后在產(chǎn)品更新或換代中不斷迭代優(yōu)化。另外通過好評(píng)則可以收集打動(dòng)用戶的方面，可以通過保持產(chǎn)品的優(yōu)勢(shì)或者加大宣傳來達(dá)到吸引用戶的目的。

服務(wù)層面，相信大家都有自己的服務(wù)標(biāo)準(zhǔn)。但是很多賣家局限了客服的作用，客服僅是處理客訴或者解決客人答疑，其實(shí)客服除了不怠慢用戶，更需要從用戶的角度提前去思考產(chǎn)品使用過程中可能發(fā)生的問題并提前準(zhǔn)備解決方案，然后通過操作指引來引導(dǎo)用戶的使用。

很多賣家覺得自己的客服團(tuán)隊(duì)已經(jīng)做得很好，其實(shí)根據(jù)Amazon FBM的一份客服滿意度調(diào)查來看54%的用戶曾經(jīng)感受過糟糕的客服。

客服做得好，需要關(guān)注用戶投訴的痛點(diǎn)，比如問一個(gè)問題，客人為什么對(duì)我們的服務(wù)滿意？你會(huì)發(fā)現(xiàn)客服處理的時(shí)效性、人文關(guān)懷、客服窗口單一性是非常重要的。

品牌層面，其實(shí)是建立在產(chǎn)品和服務(wù)層面的。在做好產(chǎn)品和服務(wù)的同時(shí)，將這樣的產(chǎn)品和服務(wù)同企業(yè)的品牌聯(lián)系起來，讓用戶形成聯(lián)想。無論是站內(nèi)推廣還是站外推廣，或者是社交媒體投放的廣告，品牌廣告的建立都需要匹配產(chǎn)品和店鋪服務(wù)的特性，或者可以樹立自有品牌的故事，可以使用有沖擊力的LOG，從而形成產(chǎn)品與品牌的強(qiáng)關(guān)聯(lián)。

營(yíng)銷層面，使用較多的手段是會(huì)員體系。會(huì)員體系的搭建是客戶管理系統(tǒng)化的過程，系統(tǒng)化的管理首先需要建立嚴(yán)謹(jǐn)?shù)挠脩舴謱舆壿嫛?/p>

通過RFM模型進(jìn)行用戶管理

傳統(tǒng)行業(yè)在用戶管理中經(jīng)常使用RFM模型。

Recency – How recently did the customer purchase?

Frequency – How often do they purchase?

Monetary Value – How much do they spend?

RFM模型是一個(gè)很通用，又有一套科學(xué)理論的商業(yè)模型。相信大家對(duì)RFM模型是有一定理解的，但是如何計(jì)算RFM則是另外一個(gè)數(shù)據(jù)化的課題。

要計(jì)算RFM首先你要先養(yǎng)數(shù)據(jù)，RFM需要足夠的數(shù)據(jù)來支持。數(shù)據(jù)庫包含了能收集的所有用戶信息并且可以具備歸類分析的價(jià)值，比如用戶購(gòu)買金額，購(gòu)買次數(shù)，最近一次的購(gòu)買日期，性別，行業(yè)等等。

RFM定義標(biāo)準(zhǔn)：

因?yàn)镽FM是一個(gè)立體模型，里面橫軸縱軸都需要標(biāo)準(zhǔn)來定義。這個(gè)標(biāo)準(zhǔn)需要參考實(shí)際業(yè)務(wù)的具體情況，比如下面案例中R的計(jì)算是將30天作為第一個(gè)階梯，如果賣家的商品復(fù)購(gòu)周期短，可以設(shè)定7天，15天等等。RFM里面的幾個(gè)小立方體的大小是可以不一樣的。

R 最近一次消費(fèi)

賣家A將從2016年1月1日起到2017年10月18日的數(shù)據(jù)，根據(jù)購(gòu)買周期分出了4個(gè)維度，隨后可以直接將4個(gè)維度不同的客戶進(jìn)行標(biāo)類，并放到RFM模型當(dāng)中，每個(gè)維度都有可以維護(hù)的用戶群體。

F: 消費(fèi)頻率

從數(shù)據(jù)上可以看出這個(gè)賣家的商品消費(fèi)周期是比較長(zhǎng)的。EU復(fù)購(gòu)4次以上的用戶占比只有不到10%，剩下的用戶大多集中在不到2-3次。

出現(xiàn)這樣的情況建議這個(gè)賣家再講消費(fèi)頻率的標(biāo)準(zhǔn)調(diào)整，比如第一梯次是購(gòu)買1次，第二梯次是購(gòu)買2-3次，第三梯次是4次以上，第四階梯是5次以上。這樣可以將用戶分層做得更合理，將不到2-3次的922個(gè)用戶中再提取一部分有價(jià)值的用戶群體出來。

M: 消費(fèi)金額

賣家同樣也是劃分了5個(gè)標(biāo)準(zhǔn)。

R,F,M都定完標(biāo)準(zhǔn)之后，需要給每個(gè)區(qū)間的用戶打分1,2,3,4,5.

這樣基本的RFM模型就做完了，賣家也能夠獲知用戶在店鋪中所處的位置。然后根據(jù)這些位置來調(diào)整市場(chǎng)營(yíng)銷策略。

如果大家不喜歡立體的圖示，還可以參考學(xué)習(xí)RFM時(shí)經(jīng)常使用的平面圖。這里R,F被放入了X,Y軸，M則使用了色彩來標(biāo)示，其理論是一樣的。

或者也可以把色彩換成大小不一的方塊表示：

如果你的用戶數(shù)據(jù)很多，還想分得更細(xì)，或者R/M/F其中某個(gè)的模型要分得更細(xì)，可以將RFM模型的每個(gè)維度放大。這里就不再闡述了。

通過金字塔模型進(jìn)行用戶管理

除了RFM模型，還可以使用金字塔模型，其實(shí)邏輯也是一樣的，只要基于現(xiàn)有的數(shù)據(jù)，合理的分層，都能達(dá)到同樣的效果。

最后，用戶的分層不是目的。分層之后展開不同的營(yíng)銷策略并帶來轉(zhuǎn)化才是我們追求的目標(biāo)。因此下一步是測(cè)試和確認(rèn)轉(zhuǎn)化率。賣家需要不斷的測(cè)試和調(diào)整，甚至重新梳理用戶分層的邏輯，從而通過數(shù)據(jù)驗(yàn)證來達(dá)到復(fù)購(gòu)率提升的最大化。

*本文轉(zhuǎn)載于網(wǎng)絡(luò)，有問題請(qǐng)聯(lián)系小編！

小貼士：更多跨境電商干貨資訊，敬請(qǐng)掃碼關(guān)注下方微信公眾號(hào)【跨境電商贏商薈】