一說營銷，水深范圍大。市場、理念到實現手段幾本書都概括不了，方法又良莠不齊，特別是最近甚至流行的一系列負面營銷，就算有效果的也總讓人心里不舒服，不說也罷（主要是我講不清。。。）。所以今天聊聊營銷中的一個小部分：會員營銷。

1.會員和用戶的區(qū)別

先說會員，實際上現在“會員”這兩個字的概念已經不是很好了，在理發(fā)店辦張卡就是會員。。。雖然總覺得有點low，但是這樣理解也是沒有錯的。

還是以理發(fā)店為例，偶爾路過一次去剪個頭發(fā)，就成為了用戶，在理發(fā)師的不斷勸說下，填寫了資料辦了會員卡，甚至在卡上充值，就成為了會員。

所以這里講的會員主要是和非注冊用戶區(qū)分開，會員是經過注冊手續(xù)的某種組織成員。會員和用戶乍聽之下差不多，可是實際上卻有區(qū)別。做產品的總愛講用戶，用戶門檻低，用戶就是使用產品的人。用戶包括了會員，會員是用戶的子集。

2.會員兩個字代表了什么

光是區(qū)分清楚用戶和會員實際上并沒有什么卵用。。。我們需要關注的是，對于不同的群體如何進行不同策略的營銷。（還有一些重要的問題包括，用戶吸引，注冊的轉化，但實際上這是用戶的另外一堆問題，今天先不討論。）

說回辦卡，當時在理發(fā)店辦卡的時候可能是因為洗頭小妹還蠻可愛的，或者是跟理發(fā)師說少剪一點，他居然聽了，要不就是屈于老板娘的不斷游說，畢竟一對一的地推還是很難拒絕，而且還充100送20呢。。。

所以，不管是因為什么原因進行的注冊，都是基于一定的認可，就算是沒有進行消費。注冊時的成本的是付出了個人信息，承擔了可能持續(xù)接受不良信息的風險，所以總會期待有一定的產出。另外，也表示注冊之后，當我有這方面需求時，我可能會選擇你。

作為理發(fā)店的一方，在這過程中獲得了一個會員的認可，也獲得了這個會員之后持續(xù)消費的可能，還有會員的信息以及持續(xù)服務和騷擾這個會員的機會。所以不管從何種意義上來說，花時間和心思維護一個會員都是很有必要的。

3.體系化！RFM模型

會員多且具有不同特性，想要正規(guī)的營銷就不得不將客戶去進行體系化的分類維護。說到體系的劃分規(guī)則，就增加了整個營銷的技術成本。

理發(fā)店的核心價值是服務，有價值的服務是根本。但是會員營銷大家都在做，理發(fā)店會員管理采用的就是CRM系統和積分充值體系。一般會員的劃分有兩個維度，消費金額和消費頻率，簡單來說就是美女燙不燙頭和先生下次再來啊。。。

并且，會員體量越大模型會越復雜，營銷的個性化手段應該越多，趨近于精細化管理。大家都想在對的時間向對的人做對的事情，但是這需要有大量的行為數據和經驗才能做到。

根據美國數據庫營銷研究所Arthur Hughes的研究，客戶數據庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標：

最近一次消費(Recency)

消費頻率(Frequency)

消費金額(Monetary)

根據三個維度可分為8個象限去觀察不同客戶處在的位置去進行營銷。

由于消費的過程是持續(xù)變動的，所以RFM模型實在原有理發(fā)店的基礎上又增加了最近一次消費時間維度，畢竟，吸引一個三個月前才來過的會員，比吸引一個兩年都沒來過的用戶容易的多。

在模型之外也應該考慮不同運營成本，還有就是，在RFM模型中同樣類型的會員也可能對營銷的喜好程度和傾向性也大有不同。

4.個性化！基于內容推薦、協同過濾推薦、基于知識推薦

除了之前提到的會員劃分和非個性化的營銷，在這里想科普一下個性化營銷，畢竟獲得了海量的會員數據我們可以做更多（有數據不用白不用?。?。個性化無疑可以提高用戶的忠誠度，使用感受和消費效率。

基于內容的推薦方法就是根據用戶過去的瀏覽記錄來向用戶推薦用戶沒有接觸過的推薦項。

基于用戶的協同過濾推薦是基于一個這樣的假設“跟你喜好相似的人喜歡的東西你也很有可能喜歡?！彼曰谟脩舻膮f同過濾主要的任務就是找出用戶的最近鄰居，從而根據最近鄰 居的喜好做出未知項的評分預測。

基于知識的推薦在某種程度是可以看成是一種推理技術，它們的推薦過程相似：用戶必須指定需求，然后系統設法給出解決方式。假設找不到解決方式，用戶必須改動需求。此外，系統還要給出推薦物品的解釋。

本文由作者：lottelyn江琳??公眾號（這個產品超難用） 授權發(fā)布于人人都是產品經理?，未經許可，禁止轉載。