九枝兰：数据分析在营销领域还有哪些应用？

张溪梦：首先，我想重点介绍的是用户维度的数据分析。

如果企业的用户量足够多，我建议对用户进行分群，根据地理位置、收入、性别、购物历史等方面进行分群，并对每个标签下的用户实施不同的营销策略：给不同的优惠、不同的价格、不同的产品，然后我们衡量每种策略的效果，在此过程中要进行大量数据测试，用最终的转化结果再去调整前面的渠道投放。

另一方面，是用户生命周期管理。

早期的新用户你怎么获取他？

如何把新用户变成一个首次购买的一个老用户？

如何让他迅速复购，再继续购买产品，而不要流失？

企业应该如何持续保持高价值的用户，提高品牌忠诚度？

你如何能够使用户变成你的推广者，自愿把产品推荐给身边的朋友？

这些都是营销人需要思考的。

九枝兰：企业如果要做一个类似京东6.18这样的大促，如果是在Linkedln这样具备成熟的数据分析模式的公司，活动的组织流程以及数据分析部门扮演的角色是怎样的？

张溪梦：基本上那么大的活动一般是项目制，设计部门、市场运营部门、产品工程部门等部门都会参与，而我们数据部门在第一天就会参与进来。数据部门的主要几个职责：

职责一：针对不同的人群提出不同的促销方案，每个方案的打动点不一样。

比如：

有购买力的人不需要折扣，他对价格不敏感、只需要很好的产品；

但有些价格敏感型的用户，折扣少了他就不会来买。

所以我们策划带有折扣的促销活动，就要算出来哪些用户需要折扣，哪些用户不需要折扣，这就需要数据分析部门进行人群挖掘。

职责二：预估出营销过程中所需要的资源，做好系统性准备

需要算出来在此次活动中，会有多少人会购买这个产品，而他变成客户的过程是有成本的，包括库存、服务器、带宽、客服人员、物流支持系统等各种资源，否则用户来了以后买不到东西，或者客服人员紧缺用户无法获得及时反馈、投诉率上升，这都是问题。所以营销前的系统性规划，也是数据分析部门的职责之一。

职责三：活动过程中的精细化营销，提升活动的营销效果

一般做一个大促，会有很多渠道、很多套文案、物料、很多种语言、很多个landingpage，甚至细化到语意、文字、设计、背景、颜色等等，这里面涉及很多数据测试的知识。这些最后分完了以后，运营部门会分别来执行，在执行前所有的渠道都需要放上我们自己的各种数据标签，为衡量它的转化效果与数据分析做铺垫。

数据分析还有一个很重要的功能：从每次的营销实践，学到最有效率的东西，再利用到下一次营销活动中。

九枝兰： 有些企业的用户转化周期比较长，对于还没有转化的这部分leads我们应该如何处理？ 

张溪梦：我建议进行销售线索的培育，而培育leads是一个系统化的循序渐进的过程，是一个从低温度向高温度转化的过程。当一个用户有购买欲望的时候，他不是上来从零到百分之百这么切换，而是需要一个过程：

他是从不知道你（评分为0）

开始知道你（评分10%），

看到你出现一次（评分15%），

看到你一篇文章（评分30%），

下载一个白皮书（评分50%）

他看了产品介绍（评分60%）

他在网站留言说我对你的产品感兴趣（评分80%）

他准备要购买了，谈合同（评分90%）

最后签字（评分100%）

这是一个不断培育的过程，这个过程需要数据分析来追踪。就像一个桃子，只有等它从很小很青涩成长为一颗丰硕的果实才能品味到香甜的味道。

用户也一样，如果他的意向不强就去直接销售产品，他不可能转化。只有等温度比较高（评分较高）的时候，销售再跟进，否则销售在早期只是浪费资源和时间。

比如说，我今天突然打电话给你，想把一个SaaS分析产品卖给你，你说我刚认识你，我都不知道你在说什么。但可能过了一段时间，你发现这东西有用，并在其他地方又看到了我们的广告，才决定购买。

运用销售线索的评分与培育制度，高分用户销售去跟，低分用户自动化系统去跟，最终提升转化率。