一家大型零售商要求评估其在 1990 年代后期首次推出的忠诚度奖励计划。根据一个指标——保留率——零售商的计划仍然是成功的。但该计划未能推动大部分钱包,高管们想知道原因。
由于该计划已经存在了很长时间,因此报告没有包含由更现代的忠诚度计划捕获的新数据集(例如,客户资料或浏览行为)。然而,即使可以追溯到 90 年代的基本交易数据也揭示了增加钱包份额和提高客户生命周期价值的主要机会。问题的答案在于零售商已有的数据。
即使是大型、复杂的品牌,深圳标志设计公司也看到无法将现有奖励计划的数据反馈到计划本身的设计中。即使是一些简单的数据分析也可以增加成功激励的效果,并揭示其他未被注意的地方来响应客户需求。回答以下问题将揭示几种使用数据刷新奖励计划的快速方法,以及帮助您实现目标的正确分析。
你在推动正确的行为吗?精心设计的奖励计划可以激励频率和跨渠道购物等行为,但您的计划是否针对最能影响利润的行为?哪些行为与您的最高支出者相关?你最大的损耗时刻在哪里?
在上面的零售示例中,成员的“生存曲线”显示许多首次购买者从未返回进行第二次购买——这是一个预期的“一次性完成”问题。更有趣的是,更少的客户进行了第三次购买,这是新的信息。但在第三次购买之后,深圳标志设计公司仍将是忠实的购物者。对于这家零售商而言,通过在第二次购买后再次光顾商店的激励措施来刷新计划,有可能进一步减少客户流失。
您现在无法回答哪些关键业务问题?您希望拥有哪些信息?您是否有映射到其他数据库的数据库?现在是在 IT 中构建数据功能以进行下一轮改进的时候了。
更新或重新设计现有的奖励计划比从头开始设计计划提供更可预测的投资回报率。现有的会员交易数据可以帮助您预测真实客户将如何更有效地对利益做出反应,而不仅仅是对角色进行假设。深圳标志设计公司可以按客户群调整计划响应率和成本,因为客户群将以不同的方式和不同的频率利用收益。深圳标志设计公司开发了一个 ROI 模拟器来测试各种计划调整的财务影响,并快速并排比较几个计划选项,揭示现实世界客户的最佳利益组合。