电商CRM，该如何拆分和设计
CRM的的客户关系管理和维护的重要方面，在电商中显得尤其重要，我们从各个渠道投放广告花高成本顺便获客，手机用户进来以后却及时不能及时的被留住，留存和复购数据不太理想，客户不能被准确的定位和相关服务，基于这些问题，更加需要需要有评析客户行为，判断每类客户的喜好和习惯，不断完善群体属性，通过建立完善的CRM机制来升客户的消费并实现二次购买。
延长用户生命周期，同时实现生命周期价值CLV
（CustomerLifetimeValue，也有称LTV：LifeTimeValue）最大化 生命周期：CL：CustomerLifetime
生命周期价值：CLV（CustomerLifetimeValue，也有称LTV：LifeTimeValue）
让用户能在生命周期中产生商业价值，才是业务的最终使命。这里的商业价值，电子游戏不单纯是电商广告电脑游戏等赚钱模式。信息和数据这些无形且很难量化的也是商业资产。为什么生命周期要谈用户价值链和价值？因为不得不接受的论断是，无论你是多么抢眼的运营和产品，都无法真正制止用户的流失你可以延长它，但就是难以阻止它。当产品获得足够多的用户时，最大的问题不是再次获取，而
是从用户身上花近钱。成熟的产品都应该考虑CL，以及更重要的CLV。 只要用户停留时间越长，对产品的重复使用粘性越大，就越有可能在我们品牌价值的产品上产生价值，那么有一个公式大家一定并不陌生：
赚钱=CLV（用户生命周期价值）-CAC（获客成本）-COC（运营成本）
电商的CLV由一系列购买的主要指标决定，电商CLV指标：支付订单量、GMV另外，我们通常说的用户留存率，其实也是手机用户忠诚
度的体现，留存率对更为用户的判定较为模糊，也不具备界定指导意义，因此我们可以转化为用户生命周期。
用户生命周期=周期/(1-周期内新增留存率)
如果一款产品新增用户的月留存率是70%，那么估算出：平均客户端生命周期=1个月/（1-70%）=3.3个月。
运营的菌丝体首要目标就是延长用户生命周期从3.3个月到4个月、5个月乃至更长。并且在此期间产生商业价值。对于大部分产品，这个公式就是适用的。
如果需要更精准的主要指标，则可以将数据制作成频数分布图。
多方位来看看怎么精准的分析和运营：
每个用户的卵囊扁枝都能产生商业价值，但有些用户注定更晚近。 用户生命周期和积聚毫无关系是息息相关的，用户流失，便是用户生命周期的延期。
用户不用APP，可能是比较忙，可能是出去生态旅游了，可能是大姨妈来了心情不熟。那么营运应该怎么运营管理判定他是上述情况，还是卸载不用呢？也许我们需要几个同月后才会发现在最后登录停留用户某一天。财会运营和初级运营的分水岭在于：哈莱因运营经常事后补救，高级运营能够防范于未然。
将用户的流失可能扼杀在萌芽阶段，是延长用户生命周期的有效手段之一。这听起来很玄乎，但举个例子就可明白的。
一款社交应用，通过流失用户的特征分析。发现了如下的几个特点。
这些特征很容易读懂了解，比较运营也很容易目的性的采取策略。例如良好的新手引导、引入好友推荐（想想微博和各兴趣向APP）、增加曝光量、乃至使用机器人等等。
如果数据化运营更彻底，可以运营管理和数据分析结合，将上述的构造建模，可以得出一个较比较准确的流失概率预测。用流失模型计算结果出某一类人群流失概率在80%以上，和认得什么样的人可能流失，在运营上是两个层次。
我们可以构建逻辑系统模型，因为决策树模型的可解释性强，它是if-then的集合，运营管理非常容易理解。比如用户完善图表低于50%，且没有导入记事本好友，且好友数量低于3，则其一个月后的时流失概率为80%。模型训练出叶节点，运营用SQL就能跑出来流失即便流失的用户群。
另外，发掘出变化性变量在运营中有奇效。比如完善资料，是否集成通讯录好友，都是静态、状态型的特征，更多是产品上的优化。但是某一类用户流失，能通过其他数据特征突显，比如上周打开了APP20次，本周打开了5次，下周打开了1次，趋势是下降的，那肯定是要流失
1.数据的获取
流失用户是通过用户来最近一次登录距离当前的时间的鉴定的，所以要分析方法流失用户，需要知道每个用户的客户最后一次登录时间，而对于不同网站而言，这个时间间隔会各不相同，最长可能会有1年或者更久，所以在数据获取方面会有一定的难度。如果分析的是注册用户，那么一般网站都会在数据库中建相应的表来中国中铁储存用户信息，所以建议在储存用户基础信息的同时记录用户的最近一次登录时间，这样就能够准确地计算用户最近登录距离当前的间隔时间，进而区分该用户是否流失。
2，流失用户变化趋势
RFM定义：最近一次消费(Recency)消费频率(Frequency)消费金额(Monetary)
根据这个指标，我们又把商户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯”(loyaltyladder)，其诀窍只是在于让消费者一直顺着阶梯往上爬，把销售想象成是要将两次购买的顾客往上推变成转成三次购买的顾客，把一次买家变成两次的。
以上三个指标会将维度再细分出5份，这样就能够细分出更
5x5x5=125类用户，再根据每类型用户精准营销……显然125类用户已超出普通人脑的计算范畴了，更别说针对125类用户量体定制营销手段策略。实际运用上，我们只给定必须把每个维度做一次两分即可，这样在3个维度上我们依然得到了8组用户。
这样，之前提的四个问题，就能很容易被解读（编号次序RFM,1代表高，0代表低）
紧密结合用户生命周期和价值，观察流失率曲线并预估是否用户在持续累积还是流失，评估用户的RFM，在而后体会了用户的真正节点之后，结合数据，就可以设计搭建CRM大后台了，这个后台所要承载的功能就需要按照模块进行分类和细化，这里只对上大模块做区分，并无法没有细化用户的生命周期节点，后台可留有时间设置，来进行精准营销，这个相信大家都怎么样去利用数据设置任务，此处不做赘述，具体内容可参考下图，基本可以覆盖电商所需要的底层功能：
针对CRM，还有很多值得我们研究和探索的路线图框架以及内容，做好CRM实实在在无非是为了更好的做到三点：
另外，CRM客户关系管理其实也分为2种，2B或者2C。我们上述内容讲解全为2C端的，2B的CRM更多的是对销售余地回旋余地的管理，其中包含各个客户的拜访情况，意向，对方处于的状态，对方的痛点等等。核心相关情况在对能把东西卖给他所需要的相关人员信息的管理。2C的CRM则更加大数据一些，这主要在零售公司零售商比较常见。根据顾客购买情况，参考一些数据分析模型（比如RFM），我们可以描绘出各种典型顾客画像，在将购买顾客分别店主套在画像中，以进行后续的营销活动（比如EDM电子邮件营销）。无论是使用什么样的方法，我们的目的很简单，就是留住用户，增加粘性，让用户信任我们，依赖我们。我们为用户提供更进一步的体验和关怀，用户可以为我们提供服务更多的商业价值。（部分CL及CLV内容引荐知乎）
