教你如何通过SCRM会员标签实现会员精准营销。

会员精准营销最主要的作用是借助会员标签，实现对不同属性人群的个性化信息推送，达成品牌传播和营销转化。很多品牌的会员体量十分庞大，多则上百万，少也有数万。人工管理会员的颓势逐渐显现，如何精确了解会员的基础信息、行为偏好、消费习惯，让会员的属性和价值衡量可视化、数字化，SCRM会员标签应运而生！

什么是会员标签？

SCRM会员标签是指衡量用户属性的简短字段集合，它可以是记录用户性别的“男”或“女”，也可以是衡量用户狂热程度的一个词，例如“重度社交媒体用户”。任何能够衡量用户状态的字、词、短语都可以作为会员标签。

一、如何正确创建会员标签？

1、通用基础SCRM标签，获取用户底层数据

沟通方式：微信、微博、短信、邮箱等

信息渠道：新产品发布、会员特权活动、门店促销活动等

购物倾向：即用即买、剁手党、品质优先、价格优先等

价格敏感度：高价值敏感、中度消费敏感、低频消费敏感等

评价主动性：喜欢评价/多图片+视频如何精准营销，一般评价/纯文字或单图等

还有诸如年龄、性别等基础用户标签

2、场景化会员标签，多种行业属性细分

快销行业/饮料

场景：便利店、超市、商场、购物中心、景点、活动现场等

人群：旅游达人、运动爱好者、健身人群等

味道：柠檬、苹果、水蜜桃等

口感：甜味、酸味、咸味等

功效：补充能量、增强电解质、提升耐力等

服装行业/女装

款式：蕾丝、花边、撞色、拼色等

搭配：开衫、衬衫、连衣裙、套装等

风格：森女、清纯、知性、商务等

尺码：S偏瘦、M微胖、L匀称、XL高挑等

场景：职场、居家、社交、运动、户外、旅游等

母婴行业/纸尿裤

孕期年龄段：怀孕、待产、0-3月、3-6月、6-12月等

选购倾向：品牌、价格、舒适度、材质、外形等

二、获取会员信息有哪些渠道？

任何的会员标签都无法凭空产生，要想获得准确的会员标签的前提一定是获取更多的会员信息。SCRM系统提高会员标签的精准度，就必须关注这些会员信息的获取渠道是哪些，质量又是什么样等问题。

那么会员信息可以从哪些渠道获取呢？

信息渠道一：会员登记信息

1.会员注册手机号。从用户手机注册号码判断用户所在地，例如手机号都有归属地尾段，大致能评估用户所在地，可结合用户定位信息和SCRM系统分析做进一步识别和确定。

2.门店信息登记。从导购员与客户接触的过程中，挖掘更多的用户基础信息，例如家庭情况、职业、服务需求等，由导购人员直接录入SCRM系统并管理匹配手机号。

信息渠道二：会员购买记录

1.SKU商品信息。挖掘客户在同类型商品中的倾向性，例如同样是酸奶饮品，客户经常光顾或者点击的区域，就是符合客户日常消费习惯的品类，得出客户对品牌的喜好标签。

2.单品购买频次。客户对某个产品经常产生复购行为，例如每周多次点击购买或者到店消费，达到一定的消费频次，SCRM系统会自动在结算环节识别用户，记录用户的消费购买频次信息，实现“粉丝消费价值”的判断和等级划分。

3.产品价格梯度。根据客单价和购买周期评估会员的消费能力如何精准营销，给消费能力较高的会员，打上相应的SCRM标签，可以在会员的挖掘和深耕中实现会员精准营销。

信息渠道三：客服对话咨询

客服咨询的时候，可以根据与客户的对话内容挖掘多客户的信息。例如客户多次询问产品的材料和工艺，那我们可以判断客户对产品的健康和品质比较关注，实现SCRM系统自动打标签。

不过这种方式要求客户本身能够对客户的沟通有比较好的引导能力，要懂得如何把控对话节奏和进度，适当的时候结束用户的对话，以防止客户产生反感。

信息渠道四：活动回访调研

活动回访调研现在很多都已经实现电子化，用户在微信或者网页端打开页面就可以快捷填写，当会员完成提交后，可直接根据问卷选项，给会员打上相应的标签。

三、如何应用会员标签实现精准营销？

目前，SCRM系统已经能够实现会员自动化打标签，管理员也可以人工干预机器学习的标签，提高标签的准确度和速度，不断完善整体会员标签体系。

如何使用群脉SCRM会员标签管理实现自动打标签

Step1：创建基础标签标签

用户可创建多种类型的标签，基于时间、场景、人（ID）、商品4大维度实现实现基础标签的交叉和复合。

下图是群脉SCRM自动标签系统

Step2：标签丰富和完善

通过单次活动获取的用户标签其实并不具备数据分析应用的条件，我们可以通过1~2个月的持续用户跟踪，将已有的标签进行丰富和完善，剔除其中异常、错误的信息标签，将用户的标签由底层库转入正式的用户标签库。

Step3：基于用户标签画像的精准推送

给用户的推送其实非常重要，如何结合用户标签和当下的需求推送合适的内容信息，这是很多做SCRM产品非常头疼的问题。从技术上讲，以千人千面的方式推送用户个性化的信息不难，但是结合品牌方的运营资源进行匹配就存在不小的困难，例如，怎样丰富消息库满足多样化的标签匹配需求？如何对推送的结果进行评估？