智云通CRM：预测购买模型让企业业绩成倍增长？

如果企业想要赢得更多的市场份额，产生更多的销售模型，企业就必须要学会预测购买模型。什么是预测购买模型？

预测购买模型的原理是从客户数据库中提取注册客户的相关数据（注册信息数据、购买数据），其中选取的字段包括：第一次购买时间、客户属性标签、客户行为数据、客户注册及登录信息、客户网页浏览等，然后构建预测分析模型，帮助企业预测潜在客户群体中哪些客户可能会购买公司产品。

预测购买模型可以根据采集到的数据状况，尝试采用统计回归算法Logistic/Linear Regression（逻辑/线性回归）、Decision Tree（决策树）之类进行测试。

下面选取已注册客户的相关数据并建立模型，预测哪些客户可能会购买产品。客户注册信息如下图：客户注册信息表

此表中包括客户ID、注册时间、登录设备、交互次数、第一次购买时间、是否购买，以及其他各类行为标签数据。在具体实践中，需要根据可能影响购买的因素，尽可能多找一些指标。

建立模型后，可以针对每个客户（一个客户对应一个客户ID）利用统计模型算法得出可能购买的概率，如下图。这里定义概率大于或等于0.5的为潜在客户，概率小于0.5的为非潜在客户。

利用手里已有的客户数据库，采用概率分析模型（Logistic Regression/Decision Tree），可以训练出一个决策模型。通过该模型，可以估计哪些客户有较高的购买可能性，针对这些客户采取特定营销策略，促进潜在客户向有效客户方向转化。

大多数企业都会开展针对客户的促销等运营活动。促销的本质就是在那些可能会流失的客户群体中，尽量大可能找到并拉回那些能被拉回来的个体。大部分企业每年都会做大量的促销、营销及运营类活动，有的企业可能会用基础的CRM系统，对客户做简单的分类分析，针对不同的客户做不同的营销活动。也有很多企业可能并没有CRM，甚至数据都是存放在很多零散的角落里的，营销的方式可能是简单粗放式的短信、E-mail投放，投放完也没有较完善的持续跟进及对活动效果的评估。

针对企业在进行客户运营、营销时的现状及挑战，下图中列出了企业业务痛点及挑战、推荐的POC（验证性测试）做法、业务价值这三个部分的方案。

企业客户群体按照忠诚度可以分为头部、中部、尾部等三部分。

头部客户：优质客户，即使企业不去关注，也可能在一定的周期内多次购买产品。

中部客户：需要企业关注，是贡献销售额最多的客户群体。

尾部客户：非常容易流失的客户。

对企业而言，应该把有限的运营资源给予合适的客户。所以，企业总是更关注中部、尾部客户群体，期望通过对中部、尾部客户群体的运营，能够带来更高的销售额。但是，在做客户运营时企业会面临一个问题，就是客户群体不是一成不变的。如果企业长时间不关注头部客户，他们也可能会成为流失群体。根据运营的效果，中部客户群体则可能向头部、尾部客户群体分化。而通过合理地运营，也可以使尾部客户变为中部、头部客户。所以针对不同的群体，企业需要有不同的运营策略。

在一定程度上，对于客户的运营问题，可以变成数字化运营问题：有限的预算要如何分配给每个客户，对每个客户要提供什么样的折扣。

收集销售数据、订单数据、卡券相关数据，针对每次活动的效果进行建模分析，用数字描述将来要发生的事情，将未来的运营策略进行量化。智能运营模型输出客户购买可能性及活动的效果分数后，企业也可以添加客单价、预算等限制条件，重新计算出新的客户运营清单。

数字营销的整个流程如下图：

有了这个模型之后，针对客户进行营销、运营投放时，可以参考每个客户群体可能购买的概率，以及以往活动的投放效果，预测下次活动可能达到的效果。这样就可以知道，在有限的预算条件小，营销活动应该面向哪些客户群体。

（来源：智云通CRM）