NAPL模型 - 零售業數據教我們的人生哲理

NAPL模型 - 是一個零售業的會員分群模型,透過大數據分析,協助零售品牌了解會員分布的樣貌,追蹤會員經營的成效,並針對不同分群的會員,設計會員行銷活動。

Happy Lee 李昆謀
Happy Lee 李昆謀

Table of Contents

我們經營品牌,都越來越了解會員的重要性。一個成熟的品牌,一群20%的VIP會員,可能貢獻一個品牌80%的業績

因此,消費者上門了,就會希望他們能夠加入會員,至少要會員留下他們的聯絡方式,之後還可能聯繫他們,希望他們再回來買。許多老品牌,因為時間長了,累積了好幾百萬的會員資料,號稱擁有600萬會員之類的。但,會員數真的就是越大越好嗎

我們要如何知道一個品牌經營會員的結果,是好或是不好呢?

會員分佈的全貌 - 面對殘酷的現實

圖一:品牌會員成長趨勢圖

隨著時間的推移,本來品牌每月的總累積會員數,只會變多,不會減少。但關鍵是每月有交易的會員數有沒有每個月提升。例如從上圖的案例,可以看到每月的總累積會員逐漸累積到200,000人,但每個月實際有產生的交易會員數,只有12,000人,等於是只有全部會員的6%,而且沒有明顯隨著每月會員數的增加而增加。

其他的94%的會員,是怎麼了呢?

圖二:一年內有購物的會員分佈情形

合理的情況下,本來每一個月期間,就不可能每一位會員都會回來消費。但如果拉長以一年的區間來看完整的會員消費情形,就可以更了解會員經營的全貌。

會員分析的方式,最常用的就是RFM模型:Recency(最近購物時間), Frequency(購物頻率), Monetary value(累積購物金額)。上圖二是用其中最基本的Frequency,也就是依據「消費次數」來區分會員,就可以看到非常殘酷的情形。

最大的圈是該品牌所有的會員數,有500,000人。但一年內有買一次的會員只有150,000人,約30%,而一年內有買2次以上的會員只有50,000人,是10%。而從另外一個角度看,更殘酷的現實是,這個有500,000會員的品牌,等於一年以內有350,000的會員,完全沒有消費,消費次數0,累積消費0。

這些會員消失了嗎?他們去哪了呢?

NAPL模型

圖三:NAPL模型分群

91APP從2015年,開始投資數據工程的資源,並且也陸續組成一個資料科學家的團隊,發展出一系列的會員分群模型。其中最經典的就是NAPL模型

NAPL其實是用到RFM的Frequency(購物次數)加上Recency(最近購物時間) 做切分。如同之前提到的,先切成一次購、2次購的會員,然後再依據最近購物時間切一刀,3個月內第一次購物的是N(New),買過一次超過3個月沒買第二次是L(Lost)。

3個月內有購物,而且已經是2次購以上的是A(Active),這一群活躍客是最有價值的一群會員。而曾經買過2次,但近三個月都沒有購物的,就會掉到P(Potential)。

圖四:NAPLrs 模型分群

NAPL四群會員是彼此不重複的,而事實上,NAPL四群的人數加起來,並不等於該品牌的總會員數,而只是該品牌「一年內有消費的總會員數」。

另外還有兩群會員是R(Ready to buy),是註冊後從來沒有消費過的會員;另一群是S(Sealed),也就是雖然消費過,但已經超過一年沒有回來買了的會員,是一種「封存」的會員

而常見的情形是,一年內有消費的會員,也就是NAPL的總數,可能只佔該品牌的30%,而可能有40%的會員已經超過一年為購物(Sealed),而有一群30%的會員,註冊會員後,卻從來沒有消費過(Ready to buy)。

透過NAPLrs,我們更了解一個品牌會員分佈的樣貌。然後,我們可以做什麼?可以改變這個會員分佈樣貌嗎?

NAPL 會員分群活動操作

圖五:透過活動操作讓會員在分群間移動

通常我們都會希望,買過一次的客人,來買第二次(N to A),流失的客人可以讓他再回來(L to A),曾經是活躍的客人繼續保持活躍(P to A)。

那些註冊未購的客人,可以讓他們嘗試第一次購物(R to N),那些沈睡或封存的客人,可以喚醒他們回來(S to A)。

所以一般而言,品牌會針對不同族群的會員,做不同活動促購,並針對不同會員分群做不同的文案溝通。

但,通常結果如何呢?

圖六:NAPLRS活動操作後成效

事實證明,那些流失的會員(L, S),會流失還是有原因的,所以非常難以挽回,溝通後轉換率甚至不到1%。而首購客是非常有機會創造二次回購的一群人(N),而最有趣的是活躍客(A),是品牌最重要的一群會員,他們的轉換率最高,可以到7%。

這群活躍客,是這個月剛買過,或是可能上個禮拜才剛買過,但你跟他們溝通,他們又很支持的踴躍回購。就像我們的人生,人與人之間一樣:

“愛你的人很愛你,你說什麼他都會聽。不愛你的人,你說什麼都沒有用”

所以NAPL怎麼用呢?他可以拿來做精準會員溝通。譬如一檔促購活動,溝通5.71%的活躍客,就可以帶來該檔活動42.30%的業績(上圖的紅色框框)。而溝通NAP三群人,就可以完成該檔活動80%的業績,而NAP三群人,只佔了全會員的將近20%左右。

也就是說,以往一檔促購活動,需要跟全部會員70萬人來溝通,如果以簡訊來算,可能也要70萬元的溝通費用。但現在只要特別針對20%的重要會員加強溝通,卻可以得到將近80%的活動業績,光是溝通費用,就節省了80%,就成效(或ROI)來看,等於放大了5倍


會員經營的關鍵,並不是會員數累計越多越好,而是怎麼找到那些真正熱愛你的品牌的那20%的會員,他們對品品牌貢獻巨大、付出最多。

對於這些真正愛你為你付出的人,請一定要好好對待他們。

不要把心思浪費在那些不在乎你的人身上,留不住的終歸就是留不住。你應該往前走,找到那些真正在乎你的人。(延伸閱讀:LTV 顧客終身價值 -每段關係都有一個期限

*NAPL是91APP標準行銷名單圈選的分群工具之一。

進階應用:NAPL x DCIU :會員模型的交乘應用
NAPL x DCIU :會員模型的交乘應用
透過不同模型的交乘,增加單一模型解釋的豐富度,可以讓簡化的模型,增加其更進一步的豐富度,因此可以簡單的 NAPL 模型觀測會員分佈全貌,然後透過 DCIU 交乘來用比較細緻的分群,來做會員溝通操作

  • 「零售業的大數據分析」系列三部曲

也就是是「把數據寫成雞湯文」系列XD

  1. NAPL模型 - 零售業數據教我們的人生哲理 ( 1 )(本篇)
  2. LTV(顧客終身價值)- 每段關係都有一個期限 ( 2 )
  3. 為什麼要做會員分級制度? ( 3 )

相關標籤

🛍️ 零售的科學 流量與會員(人)CRMData 大數據NAPL


主題頻道導覽


頻道首頁 零售主題地圖導覽 零售這個產業 OMO 大數據 RMN AI

精選文章