活動營銷消費頻率

A. 營銷活動安排的頻率與時間長度應怎樣把握

營銷活動的最終目的是贏得市場的認同。
所以營銷活動安排的頻率和時間長度都要根據市專場來屬決定。
總的說來，營銷活動的安排要考慮一下因素：
1.市場客觀因素。大的方面比如國家經濟發展的速度與質量，小的方面比如季節等因素。
2.產品。看你營銷的產品是什麼類型的，根據不同的產品制定不同的營銷策略，頻率和時間跨度。
3.企業自身的實力。預算夠不夠，也是決定營銷活動安排頻率和時間長度的重要因素。

總之，沒有最好的營銷，只有最適合市場的營銷！
好運！

B. 服務市場營銷的要素主要是什麼

4P理論的營銷四要素：產品（proct）價格（price）渠道（place）促銷（），4p理論是營銷策略的基礎。

1、產品組合

它主要包括產品的實體，服務，品牌和包裝，是指企業向目標市場提供的商品和服務的集合，包括實用性，質量，外觀，樣式，品牌，包裝和規格以及服務和保證。

2、組合計價

它主要包括基本價格、折價、付款日期和貸款條款，是指公司追求銷售其產品所獲得的經濟回報。

3、分布分布

位置通常稱為分布組合，它主要包括分銷渠道，倉儲設施，運輸設施和庫存控制，代表了公司組織的進入和到達目標市場的活動，包括途徑、環節、場所、倉儲和運輸等。

4、促銷組合

它是指企業使用各種信息載體與目標市場進行通信的通信活動，包括廣告，人員銷售，業務推廣和公共關系。

以上4P（產品，價格，位置，促銷）是可以在營銷過程中控制的因素，也是企業開展營銷活動的主要手段。它們的具體應用構成了企業的營銷策略。

(2)活動營銷消費頻率擴展閱讀：

活動營銷分三類：

1、企業活動營銷

活動營銷通常是企業營銷的致勝法寶，企業通過投資主辦活動，並以活動為載體，以產品促銷、提升品牌、增加利潤為目的而策劃實施的一種營銷手段和營銷模式。

企業活動營銷的形式有產品推介會、發布會、路演、促銷活動、贊助各類賽事論壇、系列主題活動等等，藉助活動營銷可以提升企業的媒體關注度和消費者體驗與溝通。

2、城市活動營銷

活動營銷是城市營銷的有效手段，通常是指城市有計劃、有目的的策劃或申辦某項大型節會、賽事、論壇等形式的活動，並圍繞活動的策劃和組織對城市的文化進行挖掘、對城市的基礎設施進行改造、對城市的環境進行優化、對城市形象和品牌進行宣傳推廣，最終藉助活動促進城市經濟的發展和品牌價值的提升。

3、非營利組織活動營銷

非營利組織主要在中國由政府運營，主要依靠公司或公共捐贈來運營，所謂捐贈主要是出於道德驅動的行為，是善行，而捐贈者基本上不考慮其經濟收益。

大多數捐助者已經成為無名英雄，實際上，非營利組織可以使用活動營銷來增強道德驅動力和收益回報；通過活動整合社會資源，媒體資源和明星資源，活動的影響力不但增加了自身的宣傳力度，而且利用活動平台回報了贊助企業，提升了贊助企業的品牌知名度和聲譽，並實現多贏。

C. 如何搭建會員營銷體系(會員營銷二）

會員營銷體系是會員營銷的頂樑柱，並成為品牌營銷的重要內容。

上次的（會員營銷一）中，我們已經清晰的了解了會員和會員營銷是什麼，會員營銷能給餐飲企業帶來哪些價值。那麼會員營銷體系怎麼搭建呢？

古人有言：知己知彼百戰不殆。 我們做的是會員營銷，首先需要對本企業的會員有清晰的了解，才能根據會員的痛點和消費情況策劃營銷活動，搭建會員營銷體系，這樣的會員營銷活動才能達到較為可觀的營銷效果。

但是怎麼對消費用戶精準分析，搭建會員營銷體系呢？

在企業管理中有一個管理術語叫 CRM系統（客戶關系管理） ，網路解釋的是 企業通過富有意義的交流溝通，理解並影響消費用戶行為，最終實現提高消費用戶獲得、消費用戶保留、消費用戶忠誠和消費用戶創利的目的。

放在餐飲行業的會員營銷體系的搭建中，簡單說指企業通過和顧客的互動， 吸引新顧客——沉澱新顧客——培養已有新顧客轉為忠實顧客的循環模型。 企業運用市場營銷工具，給顧客提供精準創新式的個性化服務，進一步促進企業和顧客的關系連接，提升品牌影響力，形成口碑營銷。

今日密碼君向大家介紹一種分析消費用戶便於搭建會員營銷體系的相對簡單可行有效的方法： RFM分析模型。

RFM分析模型是顧客管理中的經典方法，它用以衡量消費用戶的價值和創利能力，是一個典型的消費用戶分群。

它根據用戶消費的三個核心指標： 消費金額、消費頻率和最近一次消費時間，以此來構建消費模型。

通過這三項指標，我們很容易構建出一個描述用戶消費水平的坐標系，以三個指標形成一個數據立方體：

坐標繫上，三個坐標軸的兩端代表消費水平從低到高，用戶會根據其消費水平，落到坐標系內。當有足夠多的用戶數據，我們就能以此劃分大約八個用戶群體。

比如用戶在消費金額、消費頻率、最近一次消費時間中都表現優秀，那麼他就是重要價值用戶。

如果重要價值用戶最近一次消費時間距今比較久遠，沒有再消費了，他就變成重要挽留用戶。因為他曾經很有價值，我們不希望用戶流失，所以運營人員和市場人員可以專門針對這一類消費群體喚回。

圖中不同的象限區域，都對應不同的消費人群。大家是願意簡單地視為一體去運營，還是根據人群區別對待呢？

這就是RFM模型，曾經在傳統行業被頻繁應用，而在以消費為主的運營體系中能夠移植過來為我們所用，它既是CRM系統的核心，也是消費型用戶分群的核心。

如何運用RFM分析模型，分析消費用戶，將消費用戶分群，對會員進行管理，搭建會員營銷體系進行精準營銷呢？

通過會員營銷體系的搭建，企業可精準地發展會員，為會員用戶提供差別化的服務和精準的營銷，提升產品口碑傳播速度，形成品牌效應，促進客戶對產品的忠誠度和回購率，增加企業利潤。

讓你的產品擁有獨特的粘性

用西貝舉例，西貝企業用CRM系統用戶端不同的展現方式和不同場景不同消費習慣的消費群體建立聯系，增加了企業自身的曝光率，也較全面地滿足了不同消費習慣用戶的需求。

有了一定的消費用戶後，西貝便可以根據RFM分析模型分析消費用戶群體，根據消費用戶的： 消費金額、消費頻率、最近一次消費時間這三個維度，精準地分析出消費用戶的習慣和對企業利潤的貢獻。

根據數據分析，可具體分出： 重要挽留顧客、重要發展顧客、重要保持顧客、重要價值顧客各是哪些。 在其基礎上，根據不同分層的顧客，做出相應的顧客挽回與維護的營銷活動，晉升顧客對企業的體驗層次，發展會員用戶的生命周期，提升消費用戶的忠誠度，使消費用戶的價值最大化，為企業帶來最大的價值。

良好的會員體系，能夠很好地通過拉新方式，降低企業宣傳成本，快速地吸引客戶進行消費體驗，提升新消費用戶留存的可能性，加大了普通用戶成長為消費用戶的可能性，同時企業可獲得會員完善的資料，進行數據沉澱和分析。

在此基礎上，可提供優質的會員關懷服務，增加會員用戶的粘性，提升復購率，起到互動作用。 一個不斷更新與完善的會員營銷體系，是企業口碑營銷，提升品牌營銷力的關鍵所在。

歡迎更多人加入餐飲密碼，一起交流分享成長！

D. 門店怎麼做營銷活動

做營銷活動主要還是要看商家的目的，咱們不能為了做營銷而做營銷。

做營銷活動，一般會有如下幾個目的：
1、引流拓新客
2、提高客單價
3、增強顧客粘性

下面分別說說這幾類活動怎麼做：
1、引流拓新客
1）新店開張隨天數遞減折扣
活動玩法：新店開張第一天，全場8折，第二天全場85折，第三天全場9折，第四天至第七天全場95折，第八天之後恢復原價。
限於剛開的店鋪，隨著折扣力度減小，引流的效果會越來越弱，這屬於正常現象。如果產品品質好，復購率不用擔心。
2）前100名到店送禮品
活動玩法：店鋪營業當天，前一百名到店消費的用戶免費領取小禮品。
這種活動多見於商家重大節點時，比如國慶活動、周年慶之類的。通過送禮品，可以鎖定當天的流量至少有100人次，避免當天因客流量少給商家造成的尷尬。
3）5元選購區
活動玩法：5元錢辦理會員，當天5元選購去的產品可以任選一件。
適用於水果店、生鮮店，設立5元選購區，只要辦理了會員的顧客，可以在5元區任選一件價值超過5元的產品。
4）熟人介紹可打折
活動玩法：讓用戶留手機號加入會員，之後有朋友來消費，報他的手機號享受9折。
熟人打折讓用戶有了面子，當有其他人問用戶哪家店比較好時，他一定會推薦這家報自己號碼可以打折的店。
2、提高客單價
1）買5份送1份
活動玩法：活動期間，購買5份產品，贈送1份。
適用於高頻剛需產品，比如母嬰店，就可以選奶粉、尿不濕這類剛需高復購產品，做買4送1、買5送1、買10送3等活動。
2）充值返利
活動玩法：開通會員卡，充值500，返100元；充值1000元，返300元。
多見於美業，其次，童裝店、超市也可以做，充值返利的金額根據利潤率來定。
3）滿減、滿送、滿額抽獎
活動玩法：消費滿200元，減20元；消費滿200元，送禮品；滿200元可以抽獎
滿額活動是提高客單價的神器，在各行各業都很常見，雖然顧客也知道這些套路，但還是會經不住誘惑去想辦法湊單。
3、增強顧客粘性
1）買一送一
活動玩法：活動當天買了一份，贈送第二份，第二份需要在指定日期領取。
這類活動和5折有著本質的區別，活動當天不能領取，目的就是讓客戶有第二次進店的機會，而第二次進店大概率上又會產生其他消費，大大增加了復購率。
2）集卡活動
活動玩法：每消費一次（消費金額超過多少金額），贈送一張笑臉卡（或蓋章），集齊五張卡，獲得免費消費一次的機會，或者獲得大額抵扣券。
當顧客獲得了一次笑臉卡，那麼他會一直記得這個事情已經完成一部分了，只需要再完成幾個步驟就能得到優惠，那麼顧客大概率會繼續來消費，甚至大大增加消費頻率。
3）買單時送代金券
活動玩法：在結賬時送上代金券，代金券在下次消費時可以使用。
顧客拿了代金券，等於得了一個好處，但是這個好處只有在你店裡消費的時候才能實現，那麼客戶心裡就會一直想著要去實現這個好處，大大增加了來店消費的概率。

E. 數據精準營銷的七個關鍵要素

數據精準營銷的七個關鍵要素
說到大數據精準營銷，不得不先提個性化的用戶畫像，我們針對每一類數據實體，進一步分解可落地的數據維度，刻畫TA的每一個特徵，在聚集起來形成人群畫像。

01用戶畫像
用戶畫像是根據用戶社會屬性、生活習慣和消費行為等信息而抽象出的一個標簽化的用戶模型。具體包含以下幾個維度：
用戶固定特徵：性別，年齡，地域，教育水平，生辰八字，職業，星座
用戶興趣特徵：興趣愛好，使用APP，網站，瀏覽/收藏/評論內容，品牌偏好，產品偏好
用戶社會特徵：生活習慣，婚戀，社交/信息渠道偏好，宗教信仰，家庭成分
用戶消費特徵：收入狀況，購買力水平，商品種類，購買渠道喜好，購買頻次
用戶動態特徵：當下時間，需求，正在前往的地方，周邊的商戶，周圍人群，新聞事件如何生成用戶精準畫像大致分成三步。
1.採集和清理數據：用已知預測未知
首先得掌握繁雜的數據源。包括用戶數據、各式活動數據、電子郵件訂閱數、線上或線下資料庫及客戶服務信息等。這個是累積資料庫；這裡面最基礎的就是如何收集網站／APP用戶行為數據。比如當你登陸某網站，其Cookie就一直駐留在瀏覽器中，當用戶觸及的動作，點擊的位置，按鈕，點贊，評論，粉絲，還有訪問的路徑，可以識別並記錄他／她的所有瀏覽行為，然後持續分析瀏覽過的關鍵詞和頁面，分析出他的短期需求和長期興趣。還可以通過分析朋友圈，獲得非常清晰獲得對方的工作，愛好，教育等方面，這比個人填寫的表單，還要更全面和真實。
我們用已知的數據尋找線索，不斷挖掘素材，不但可以鞏固老會員，也可以分析出未知的顧客與需求，進一步開發市場。
2.用戶分群：分門別類貼標簽
描述分析是最基本的分析統計方法，描述統計分為兩大部分：數據描述和指標統計。數據描述：用來對數據進行基本情況的刻畫，包括數據總數，范圍，數據來源。指標統計：把分布，對比，預測指標進行建模。這里常常是Data mining的一些數學模型，像響應率分析模型，客戶傾向性模型，這類分群使用Lift圖，用打分的方法告訴你哪一類客戶有較高的接觸和轉化的價值。
在分析階段，數據會轉換為影響指數，進而可以做"一對一"的精準營銷。舉個例子，一個80後客戶喜歡在生鮮網站上早上10點下單買菜，晚上6點回家做飯，周末喜歡去附近吃日本料理，經過搜集與轉換，就會產生一些標簽，包括"80後""生鮮""做飯""日本料理"等等，貼在消費者身上。
3.制定策略：優化再調整
有了用戶畫像之後，便能清楚了解需求，在實際操作上，能深度經營顧客關系，甚至找到擴散口碑的機會。例如上面例子中，若有生鮮的打折券，日本餐館最新推薦，營銷人員就會把適合產品的相關信息，精準推送這個消費者的手機中；針對不同產品發送推薦信息，同時也不斷通過滿意度調查，跟蹤碼確認等方式，掌握顧客各方面的行為與偏好。
除了顧客分群之外，營銷人員也在不同時間階段觀察成長率和成功率，前後期對照，確認整體經營策略與方向是否正確；若效果不佳，又該用什麼策略應對。反復試錯並調整模型，做到循環優化。
這個階段的目的是提煉價值，再根據客戶需求精準營銷，最後追蹤客戶反饋的信息，完成閉環優化。
我們從數據整合導入開始，聚合數據，在進行數據的分析挖掘。數據分析和挖掘還是有一些區別。數據分析重點是觀察數據，單純的統計，看KPI的升降原因。而數據挖掘從細微和模型角度去研究數據，從學習集、訓練集發現知識規則，除了一些比較商業化的軟體SAS，WEKA功能強大的數據分析挖掘軟體，這邊還是更推薦使用R，Python，因為SAS，SPSS本身比較昂貴，也很難做頁面和服務級別的API，而Python和R有豐富的庫，可以類似WEKA的模塊，無縫交互其他API和程序，這里還需要熟悉資料庫，Hadoop等。
02數據細分受眾
「顛覆營銷」書中提到一個例子，可以引述一下，大家思考一個問題：如果你打算搜集200份有效問卷，依照以往的經驗，你需要發多少份問卷，才能達到這個目標？預計用多少預算和時間來執行？
以往的方法是這樣的：評估網路問卷大約是5%的回收率，想要保證收到200份的問卷，就必須有20倍的發送量，也就是發出4000份問卷，一個月內如果可以回收，就是不錯的表現。
但現在不一樣了，在執行大數據分析的3小時內，就可以輕松完成以下的目標：
精準挑選出1%的VIP顧客
發送390份問卷，全部回收
問卷寄出3小時內回收35%的問卷
5天內就回收了超過目標數86%的問卷數
所需時間和預算都在以往的10%以下
這是怎麼做到在問卷發送後的3個小時就回收35%？那是因為數據做到了發送時間的"一對一定製化"，利用數據得出，A先生最可能在什麼時間打開郵件就在那個時間點發送問卷。
舉例來說，有的人在上班路上會打開郵件，但如果是開車族，並沒有時間填寫答案，而搭乘公共交通工具的人，上班路上的時間會玩手機，填寫答案的概率就高，這些都是數據細分受眾的好處。
03預 測
「預測」能夠讓你專注於一小群客戶，而這群客戶卻能代表特定產品的大多數潛在買家。
當我們採集和分析用戶畫像時，可以實現精準營銷。這是最直接和最有價值的應用，廣告主可以通過用戶標簽來發布廣告給所要觸達的用戶，這裡面又可以通過上圖提到的搜索廣告，展示社交廣告，移動廣告等多渠道的營銷策略，營銷分析，營銷優化以及後端CRM/供應鏈系統打通的一站式營銷優化，全面提升ROI。
我們再說一說營銷時代的變遷，傳統的企業大多還停留在「營銷1.0」時代，以產品為中心，滿足傳統的消費者需求，而進入「營銷2.0」，以社會價值與品牌為使命，也不能完全精準對接個性化需求。進入營銷3.0的數據時代，我們要對每個消費者進行個性化匹配，一對一營銷，甚至精確算清楚成交轉化率，提高投資回報比。

大數據下的營銷顛覆經典的營銷4P理論，Proct，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大數據時代，線下地理的競爭邊界早就不存在，比的是早一步的先知能力，利用大數據，從顧客真實交易數據中，預測下一次的購買時間。 營銷3.0時代關鍵詞就是「預測」。
預測營銷能夠讓你專注於一小群客戶，而這群客戶卻能代表特定產品的大多數潛在買家。以上圖為例，你可以將營銷活動的目標受眾鎖定為20萬潛在客戶或現有客戶，其中包括特定產品的大多數買家（4萬人）。你還可以撥出部分預算用於吸引更小的客戶群（比如20% 的客戶），而不是整個客戶群，進而優化你的支出。
過去我們看數據可能是被動的方式，但預測營銷強調是決策價值，比如購買時間，你該看的不是她最後的購買日期，而是下次購買的時間，看未來的存活概率，最後生成客戶終身價值（CLV）。預測營銷催生了一種新的數據驅動營銷方式，就是以客戶為中心，核心在於幫助公司完成從以產品或渠道為中心到以客戶為中心的轉變。
04精準推薦
大數據最大的價值不是事後分析，而是預測和推薦，我就拿電商舉例，"精準推薦"成為大數據改變零售業的核心功能。譬如服裝網站Stitch fix例子，在個性化推薦機制方面，大多數服裝訂購網站採用的都是用戶提交身形、風格數據+編輯人工推薦的模式，Stitch Fix不一樣的地方在於它還結合了機器演算法推薦。這些顧客提供的身材比例，主觀數據，加上銷售記錄的交叉核對，挖掘每個人專屬的服裝推薦模型。 這種一對一營銷是最好的服務。
數據整合改變了企業的營銷方式，現在經驗已經不是累積在人的身上，而是完全依賴消費者的行為數據去做推薦。未來，銷售人員不再只是銷售人員，而能以專業的數據預測，搭配人性的親切互動推薦商品，升級成為顧問型銷售。
05技術工具
關於預測營銷的技術能力，有幾種選擇方案：
1、使用預測分析工作平台，然後以某種方法將模型輸入活動管理工具；
2、以分析為動力的預測性活動外包給市場服務提供商；
3、評估並購買一個預測營銷的解決方案，比如預測性營銷雲和多渠道的活動管理工具。
但無論哪條路，都要確定三項基本能力：
1）連接不同來源的客戶數據，包括線上，線下，為預測分析准備好數據 ；
2）分析客戶數據，使用系統和定製預測模型，做高級分析 ；
3）在正確時間，正確客戶，正確的場景出發正確行為，可能做交叉銷售，跨不同營銷系統。
06預測模型
預測客戶購買可能性的行業標準是RFM模型（最近一次消費R，消費頻率F，消費金額M），但模型應用有限，本質是一個試探性方案，沒有統計和預測依據。「過去的成績不能保證未來的表現」，RFM只關注過去，不去將客戶當前行為和其他客戶當前行為做對比。這樣就無法在購買產品之前識別高價值客戶。
我們聚焦的預測模型，就是為了在最短時間內對客戶價值產生最大影響。這里列舉一些其他模型參考：
參與傾向模型，預測客戶參與一個品牌的可能性，參與定義可以多元，比如參加一個活動，打開電子郵件，點擊，訪問某頁面。可以通過模型來確定EDM的發送頻率。並對趨勢做預測，是增加還是減少活動。
錢包模型，就是為每個客戶預測最大可能的支出，定義為單個客戶購買產品的最大年度支出。然後看增長模型，如果當前的總目標市場比較小，但未來可能很大，就需要去發現這些市場。
價格優化模型，就是能夠去最大限度提升銷售，銷量或利潤的架構，通過價格優化模型為每個客戶來定價，這里需要對你想要的產品開發不同的模型，或者開發通用，可預測的客戶價格敏感度的模型，確定哪一塊報價時對客戶有最大的影響。
關鍵字推薦模型，關鍵字推薦模型可以基於一個客戶網路行為和購買記錄來預測對某個內容的喜愛程度，預測客戶對什麼熱點，爆款感興趣，營銷者使用這種預測結果為特定客戶決定內容營銷主題。
預測聚集模型，預測聚集模型就是預測客戶會歸為哪一類。
07AI在營銷領域的應用
去年人工智慧特別火，特別是深度學習在機器視覺，語言識別，游戲AI上的突飛猛進，以至於人們開始恐慌人工智慧是不是已經可以接管人類工作，我個人是對新技術有著強烈的興趣，也非常看好新科技，數據與現實的關聯。
我以前在國外零售店買單的時候經常被詢問「你有沒有購物卡」，當我說沒有收銀員會趕緊勸我免費開通，有打折優惠，只需要填個手機號和郵箱，後面就可以針對我的購買記錄做營銷活動，而當我下次進來，他們就讓我報出電話號碼做消費者識別，當時我想如果做到人臉識別，豈不是更方便，刷臉就可以買單。而這個場景在去年也有了實驗，螞蟻金服研發出了一個生物識別機器人，叫螞可Mark，據說其認臉能力已經超越了人類肉眼的能力。還有VR購物，Amazon推出的無收銀員商店Amazon Go，通過手勢識別，物聯網和後續數據挖掘等技術實現購物體驗。
針對營銷領域，主要有以下三種預測營銷技術：
1、無監督的學習技術
無監督學習技術能識別數據中的隱藏模式，也無須明確預測一種結果。比如在一群客戶中發現興趣小組，也許是滑雪，也許是長跑，一般是放在聚類演算法，揭示數據集合中 真實的潛在客戶。所謂聚類，就是自動發現重要的客戶屬性，並據此做分類。
2、 有監督的學習技術
通過案例訓練機器，學習並識別數據，得到目標結果，這個一般是給定輸入數據情況下預測，比如預測客戶生命周期價值，客戶與品牌互動的可能性，未來購買的可能性。
3、強化學習技術
這種是利用數據中的潛質模式，精準預測最佳的選擇結果，比如對某用戶做促銷應該提供哪些產品。這個跟監督學習不同，強化學習演算法無須僅需輸入和輸出訓練，學習過程通過試錯完成。
從技術角度看，推薦模型應用了協同過濾，貝葉斯網路等演算法模型。強化學習是被Google Brain團隊的負責人Jeff Dean認為是最有前途的AI研究方向之一。最近Google的一個AI團隊DeepMind發表了一篇名為《學會強化學習》的論文。
按團隊的話來說，叫做「學會學習」的能力，或者叫做能解決類似相關問題的歸納能力。除了強化學習，還在遷移學習。遷移學習就是把一個通用模型遷移到一個小數據上，使它個性化，在新的領域也能產生效果，類似於人的舉一反三、觸類旁通。
強化學習加上遷移學習，能夠把小數據也用起來，我認為是很激動人心的，通過AI來創造AI，數據科學家的部分工作也可以讓機器來實現了。