随着会员制营销在中国的飞速发展，传统会员制营销的普及也逐渐产生很多新的问题，公域和私域转化问题、客户品牌忠诚维持、精细运营最大化ROI，同样是快餐零售餐饮企业正在亟待寻找答案的地方。

01 商业问题

对快餐零售企业而言，实行会员制并推出不同类型的付费卡是其增强客户粘性最常见的典型营销手段之一。随着新客获取成本的不断增长，会员运营人员也开始重新思考付费会员潜客的挖掘问题，分析关键的营销投放痛点，并努力寻找有效的转化方式。

1.1 公域投放不转化，私域挖掘存机会

虽然公域会员营销的渠道非常多，但由于用户隐私保护的限制，企业无法获取到完整的客户360信息，不能进行详细的客户资源分析，营销投放没有针对性。企业已经逐渐认识到付费会员卡对于提升用户频次和销售业绩方面的重要贡献。

1.2 会员分析与模型搭建

企业已经逐渐认识到付费会员卡对于提升用户频次和销售业绩方面可以贡献非常大的价值，但对于如何在庞大的普通会员中精准找出付费卡销售的目标人群和关联指标，却一直找不到好的方式方法，企业亟需对现有会员进行细分评估并搭建一套行之有效的预测模型。

02 解决方案

DIA数皆智能在与多个快餐零售企业的合作中，沉淀出一整套成熟的私域会员付费卡复购潜客挖掘模型。快餐零售企业当前面临的典型现状与未来发展的整体思路如下：

普通会员低活跃高流失

虽然品牌往往虽然在过去几年中累计了大量的注册会员，但存在非常严重的「大进大出」现象。换言之，很多人是冲着单次活动优惠的「薅羊毛党」，这种情况下，即使推出再多次的优惠活动，也都是血本无归。

证明付费卡有需求空间

有一部分品牌忠诚度较高的高频消费、高价值人群有着付费会员专享优惠折扣的需求，这种需求可以促进其继续维持品牌的忠诚度，并为品牌创造更多的商业价值。

确定会员分析数据口径

例如某段时间内，在渠道1、渠道2、渠道3……的注册会员相关的注册信息、行为信息、交易信息等，需要关注不同渠道的注册用户数、交易订单数、交易用户数、交易金额、交易频率和购卡用户数、用户商品偏好等。另外，RFM模型研究也需要定义好相关指标的计算逻辑。

精细化运营是发展重点

对企业而言，会员发展的多是好事，但如果发展的多流失的也多，就需要把运营的重心放在存量用户的精细化运营上，而不是投入到新会员的拓展上。我们可以通过模型精准预测出普通会员中存在“付费卡”需求的人群，为其推荐权益合适的付费卡种，使其持续复购活跃，模型不仅可以帮助企业剔除「薅羊毛党」，同时还能提升会员的复购率和客单价。

2.1 会员现状评估

在建模之前，需要对会员现状进行充分的评估，制定严格的会员评估体系，了解会员的现状详情，会员分析的框架可参考如下架构：

分析会员的结构、发展速度、活跃度、价值贡献，进行RFM分群，评估会员质量、探寻可以深耕的会员群体；分析会员（细分付费卡会员）的消费行为特征，例如卡品、品类、金额、频率、渠道、回报等，为探索付费卡潜客识别建模提升支撑；分析付费卡会员的渗透、消费结构特征、饱和度测试（回报），探索付费卡客户活跃度、评估价值贡献，为付费卡运营策略提供支撑。

接下来我们从「会员基本面」、「会员行为画像」、「付费卡会员基本特征」和「付费卡会员行为画像」四个角度进行深入剖析，了解会员当前的规模、趋势和质量，探寻付费会员的特征、需求和潜力。

我们可以从区域、入会渠道结构、会龄、是否付费卡等层面分析会员的「规模」；从月度累计达到、月度新增、月度新增付费卡等层面分析会员的「趋势」；从当月月活数、订单两、月金额、人均消费额（总体/月活）、人均订单量（总体/月活）等层面分析「质量」。

分析会员「特征」、「需求」和「潜力」可阶段性选取最近三个时段，如最近3个月/最近4-6月/7-9月和曾经付费卡/非付费卡两个维度，选取相关指标进行深度解析，例如：

•会龄/消费次数/消费月份/月均消费次数；

•消费金额/单次消费金额/月均消费金额；

•消费渠道（线上-明细/线下）；

•消费品类（一级/二级菜品、订单组合）；

•消费时间（工作日/非工作日、上/中/下旬、早餐/午饭/晚餐）；

•用户分群：RFM分群-高活跃/高价质 （分年度，看变化）；

•付费卡的使用情况（按月度）。

01 会员「基本面&行为画像」

规模

从会员注册的年份/月份来分析会员注册的高峰期，占总体会员的比例，以及前后的注册趋势。注册会员中，往往只有少数客户保持交易（约20%），绝大多数客户保持沉默（约80%），这也遵循典型的二八规则。其中，活跃存量会员通常保持活跃，也是后续会员运营的重点对象。

从区域的角度，如分析长三角、珠三角及京津翼（或华南、华东、华北、西南、西北）等来分析区域订单会员贡献度，找出用户活跃度最高的区域及二级省份。区域存量客户及其活跃度差异一般较大，在进行客户运营时，可考虑出具针对性的策略。

从渠道注册、消费的角度，来分析整体注册且有订单的用户数及其占比、不同渠道注册沉默的用户数及其占比，通常会发现超过一半以上的会员注册即沉默。

趋势

从会员月活的角度，分析会员月度交易（活跃）用户数的发展趋势，分析活跃度骤增或骤减是否存在外部影响因素，在后续的客户运营中，需要适当预测外部影响并配备合适的应急响应措施。

针对RFM模型对人群价值等级的分类，分析最近几年会员RFM人数的结构变化，并重点关注不同分类的用户数量及其增长率，会发现通常流失最多的人群往往是低消费人群。

分析会员人均月度订单量和客单价的趋势。例如，有订单会员的人均订单量通常保持稳定变化不大，但人均消费会有所增长或略有降低；另外，当年度新开会员的月度人均订单量、人均消费金额，通常会比会员整体消费水平要低一些。

质量

分析普通会员和付费会员的收入贡献度。从年度平均订单量、年度平均消费金额两大指标来分析普通会员与付费会员的会员活跃度和收入贡献度。很显然最后的结果往往是，普通会员用户会有一半以上的年度消费仅为1次，远低于年度平均订单量；付费会员的年度平均订单量一般是普通会员的两倍以上。从交易会员的客单价来看，付费会员的订单收入贡献度明显高于普通会员。

根据分析结果（示例如下图），找出有较好活跃度和价值贡献度的会员（红框区域），即消费金额和频次在中等以上的会员，后续值得深度运营。观察付费卡渗透率，在高频以及高消费群体中均有相对较好的渗透，说明这个群体对付费卡模式的接受度较高。但从企业收益的角度来看，付费卡营销更应该聚焦中低频、中低消费人群，以期待拉动更多的消费。

02 付费卡会员「基本特征&行为画像」

特征

同上RFM九宫格分析的方式，可以针对某一特定付费会员卡进行用户价值等级剖析。

对会员用户的生命周期进行跟踪分析，探索高用户流失率的用户群体背后的原因，有可能是潜在薅羊毛党，或是因为优惠权益刺激才转换的冲动型临时消费，该群体的典型特征是大多为一次性偶发消费。可以从最近1年不同期限内仅活跃1天的会员用户数及其占比，以及用户在开通付费卡1小时内直接消费的用户数及其占比这两方面来重点分析不同时间段内的用户数占比。例如，如果用户是在开卡后1小时内直接消费或首单消费时间在开卡后10min以内，则该群体极有可能是潜在羊毛党。

需求

对RFM结构不同价值等级的用户占比进行对比分析，同时分析付费后一段时间内付费卡会员的留存占比趋势。可以明显看出，付费会员的质量明显优于普通会员，且对于付费卡首次开卡的用户，付费会员留存的最佳时机通常为购卡后3个月内。

潜力

通过对付费卡用户在不同渠道消费的用户数占比分析及订单数占比分析，举例说明（如下图），发现付费卡用户享受权益的主要下单渠道通常来自堂食的手机点餐，另外，外卖平台和微信/支付宝小程序也是用户常用的点餐渠道。

除此以外，可以通过词云来分析不同类型付费卡的用户对商品的消费偏好，例如观察其最喜爱的套餐种类和单品等；或分析某特定付费卡用户对各种套餐的偏爱程度（如下图），后续可以针对套餐关联度进行付费卡权益的优化设计。

2.2 付费卡潜客识别

建立潜客挖掘模型，根据消费者全量会员、订单、产品、渠道、门店等数据，结合与业务部门探讨得出的近多个特征指标，进行预测建模，得出个人级别的付费卡消费意愿预测，并给出个人级别的消费、渠道、产品偏好画像。

01 潜客识别模型搭建

以某一种类型的付费会员卡为例，选取近三个月内至少交易一次的会员，预测其下个月开通该付费卡的概率。利用用户历史交易特征及消费偏好相关的数据来预测未来购买付费卡的概率。根据近三个月内的订单数据推导用户特征，对选定的几十个特征指标进行同质指标归类，最后选取少数几个典型的具有代表性的特征指标来进行预测建模。

在数据整合的过程中，会发现数据源存在非常复杂难以处理的多种问题，例如典型的问题有：

•业务复杂，数据来自多个渠道，规模较大；

•数据质量差，非常稀疏，特征数据缺失严重。

•基于数据源存在的问题，经过专家研究，DIA数皆智能选取了随机森林的算法进行建模。随机森林是一种集成算法，通过组合多个弱分类器，最终结果通过投票或取均值，使得整体模型的结果具有较高的精确度和泛化性能。该模型具备几大重要的优势特性：

•针对随机样本和随机特征拥有较强的抗过拟合能力；

•训练速度快、可并行化且能运用在大规模的数据集上；

•善于处理高纬度数据，特征遗失数据和不平衡数据。

对于一个输入的样本，每个决策树会有各自的分类结果，而随机森林则集成了所有树的分类投票结果，将投票次数最多的类别指定为最终的结果输出。整体上的建模过程如下：

02 模型效果评估

设置模型评估的几个关键指标：准确率、查准率、查全率和F1-score（综合衡量指标）。例如，模型输出结果包含：用户ID、购卡概率、常购渠道、某单品订单数、某套餐订单数、付费卡权益商品订单数、主要商品订单数及外卖订单数。分别分析下月该付费卡不同开卡概率的人数和人数占比。

例如在某客户案例中，将自然状态下的付费客户转化结果与模型识别出来的推荐人群对比后发现，自然状态转化的客群超过80%以上都是模型识别出来的数据，充分证明了模型的有效性，且转化率提升10%+。

03 个性化策略投放

客户可以根据自身预算、营销计划等精准到个人级别挑选投放名单，匹配多种投放策略，并能够精准到个人级别预测投放ROI。在投放过程中，可以根据概率分批次进行A/B测试，灰度测试，并根据投放效果，递归优化转化预测模型，发现新的用户特征和业务机会。未来，客户还可以利用相似模型，进行新品推广转化、会员激活转化等各业务支持。

03 分析总结&运营建议

3.1 会员消费分析总结

通过会员现状评估，可总结出相关重要结论，示例如下：

•单次交易会员占比较大，可增强留存/活跃运营，并将资源集中于其他优质用户（生命周期长达2年以上）；

•注册但未消费会员，可根据注册渠道挖掘未消费原因，优化运营策略；

•付费卡会员活跃度和收入贡献相较于普通会员卡更为显著；

•……

3.2 付费卡会员运营建议

根据模型结果输出，得出相关运营建议，例如付费卡潜客挖掘和拓展示例如下：

•针对模型计算所得，付费卡潜客列表及特征，进行个性化推广；

•尽可能进行数据埋点和追踪，观测推广和转化效果；

•持续优化预测模型及投放策略；

此外，还可以针对会员活跃度、甄别羊毛党（单次消费会员/卡用户）、持续优化模型和用户画像……等多角度输出有针对性的运营建议。

3.3 制定个性化营销策略

以某类型付费卡为例，选取有过储值、消费小于30天、且是该付费卡潜在客户：

•目标人数：****人；

•营销点：储值300送50元卡券&XXX套餐三件套；

另外，还可以针对以前买过卡但当前手里无卡的人群、30天内买过两次XX付费卡或XXX套餐三件套但没买过该付费卡的人群、买过其他特权卡但没买过该付费卡的人&高频人群等，来分别制定针对性的策略。