从到搭建新零售系统打通线上线下全渠道

　　随着线上零售不断发展，不少门店都开启了线上线下全渠道发展的新零售模式，基于此笔者所在的SaaS服务企业基于原来老会员体系，展开新会员系统的建设。而本文就着重跟大家分享笔者的项目心得。
　　从2018年9月至今，我有幸来到一家新零售行业的SAAS服务企业，负责其线上线下全渠道的CRM系统建设。花了一年多的时间从项目定向到落地开发再到投入客户使用，中间走了很多弯路，浪费了不少资源。目前项目还在继续建设发展，通过下文的复盘希望和大家讨论交流。
　　首先说明为什么是从1到1。公司作为SAAS提供方，服务了大大小小几万零售商户，原先就已存在一套会员体系，只是由于公司发展的基因，已有的会员体系是基于线下储值卡的，一张卡即代表一个会员，所有的营销、促销均是针对卡本身。
　　这与零售行业的发展有密不可分的关系，原先的商户是基于门店，运营会员的最佳方式即发放储值卡，沉淀资金在门店，即掌握了客源。
　　而随着线上零售的发展，除了电商外还衍生出了线上、线下全渠道发展的新零售模式。因此基于这个发展趋势，我们认为未来的线下零售商家必然也会开一家线上的网店，否则将无法与其他商家竞争终被淘汰（20年开头的新冠肺炎更是证明了这一点）。
　　因此在新零售的发展下，构建一套新的以人为本的会员系统迫在眉睫。
　　而作为SAAS提供方，面向的客户是B端商家，那么如何在兼容老会员体系的前提下推广新会员系统，这是一个很大的难点，因此我称之为是从1到1已有产品，在此基础上迭代优化简单；没有产品从0到1，可以自由发挥也不难（但有好坏之分）；而已有产品，在此基础上要颠覆但兼容原产品的使用则是步履维艰。
　　本篇主要抛开老产品，常规介绍下CRM从0到1的建设过程（以新零售业为例）。
　　CRM产品架构图：
　　其实CRM系统的范围可大可小，还是要结合自己公司的产品线来划分界限。一般包含用户信息管理、会员成长体系、会员特权、积分体系、标签体系，营销中心、数据分析可以是其他业务系统承接，也可以作为单独的业务线，与CRM可直接交互即可。运营体系若愿意投入心思也可进行研究（个人认为这部分很重要）。
　　关于定位
　　作为saas服务商，我们在建设CRM初期时未考虑清楚方向定位（盈利定位），是作为独立系统可对接各种ERP系统（做独立售卖考虑）抑或仅支持公司本身的业务系统（组合ERP售卖），但在不断试错的过程中最终选择了后者。
　　独立的CRM系统固然是好的，但是基于现状，想要能单独售卖出CRM系统行不通，市面上几乎所有的ERP系统都会包含CRM，而一般商户在选择系统时只会考虑ERP系统是否满足需求，CRM只要有即可，要求并不高。因此最终我们确定了只对接公司ERP系统的定位。
　　CRM工作流
　　建立统一的全渠道会员中心，对线上线下、全部渠道的会员进行整合，清洗汇总。同时，整合不同会员等级、积分规则，建立一个统一的、全域的、360视图的客户资料管理中心；
　　客户画像：针对客户的行为特征、来源、分布、消费记录等给客户打标分析，了解会员的特征，为后续精准营销做准备；
　　会员的精准营销：基于会员的精准画像，我们可以对老会员做精准营销，同时对于潜客我们也可以做到有效的触达。会员营销成本大幅降低，但是会员运营的效果显著提升；
　　数据分析：数据分析和以上三点，其实是一个循环的过程，我们对会员营销的结果进行数据分析，反馈给到以上三个环节，进行深度优化。
　　构建系统时碰到的问题
　　1。客户的定义是什么？
　　客户究竟是什么？
　　有人把办会员卡的人称作客户、有人认为注册手机号的是客户，那么作为商家需要管理的客户究竟包含哪些？
　　简单来说我认为客户非会员会员。
　　非会员授权系统的有迹可循的用户数据，会员注册手机号储值会员。
　　以前我们往往只把会员部分列入管理对象，但作为SAAS提供方，我们想要尽可能地帮商家建造扩大私域流量池，只要经过客户允许的授权数据都可以记录下来，客户授权数据主要有微信授权、支付数据，这部分数据可以作为非会员先放存放，后期再想办法运营转化。
　　2。如何打通线上线下数据？
　　作为新零售的CRM，涉及到线上、线下等多渠道的用户数据，线上可能有APP、小程序、H5、淘宝店、外卖平台的用户授权数据、下单数据、绑定手机号数据，线下可能有办卡用户、微信支付、支付宝支付的用户数据，一旦客户留有下手机号，系统便可通过手机号这个唯一标识来进行数据打通。
　　比如某客户工作日会在线上下单、周末会去门店下单，且该客户在线上绑定了手机号，在线下办卡时也已留了手机号，此时系统就该自动把这两条用户数据合并为一条，相应的订单数据、活动数据也一同合并，这样用户的数据统计维度自然完整了许多，是后续精准营销的前提。
　　3。标签系统的构建及应用？
　　在收集了用户多种数据后，我们可以按照不同的维度进行打标处理。用户维度、消费订单维度、商品维度、营销维度等，按照我们想要的数据构建标签。像淘宝的标签体系多达上百万个标签，才能做到如此精准的千人千面。
　　零售业有一种常见的标签模型叫RFM模型，即按照用户最近一次消费时间、消费金额、消费次数三个维度统计对用户分群，建模方法很多文章都有分析就不再细讲。
　　RFM模型：
　　在构建标签体系时，需要注意的一点是：用户是男是女，哪里人，工资多少，有没有谈恋爱，喜欢什么，准备剁手购物吗？探讨这些是没有意义的。是男是女如何影响消费决策，工资多少有无影响消费能力，有没有谈恋爱会否带来新的营销场景，剁手购物怎么精准推荐，这些才是背后的意义。
　　标签体系（以小红书为例）：
　　在构建完标签系统后，我们一般会应用到以下几方面：
　　精准营销：这是运营最熟悉的玩法，从粗放式到精细化，将用户群体切割成更细的粒度，辅以短信、推送、邮件、活动等手段，驱以关怀、挽回、激励等策略。
　　广告系统：操作过各大广告投放系统的同学想必都清楚，广告投放基于一系列人口统计相关的标签，性别、年龄、学历、兴趣偏好、手机等等。
　　用户分析：店铺目前所有用户、新增的用户有什么特征，核心用户的属性是否变化等等来判断当点店铺的经营情况。
　　数据分析：客户画像可以理解为业务层面的数据仓库，各类标签是多维分析的天然要素。数据查询平台会和这些数据打通。
　　4。会员营销
　　标签系统的其中一个应用即精准营销。选择你想要的用户群体，对其进行差异运营，运营目的可能是为了挽回、为了增加复购率、或者提高客单价，但是请注意，对结果的分析是很重要的一个环节，同时也是校验标签准确性的一个机会，不要只制定运营手段，忽视了对结果的分析，否则只是浮于做CRM的表面，并无实际的意义。
　　总的来说，做CRM的方法大同小异，实际应用效果却天差地别，我们只需记住根本目标是什么，朝着这个目标去努力即可。