从AIPL到GROW,谈互联网大厂的营销分析模型

从AIPL到GROW,谈互联网大厂的营销分析模型,第1张

从AIPL到GROW,谈互联网大厂的营销分析模型 本文作者通过对比总结,与大家分享这些营销模型背后的底层逻辑。

一、营销模型的本质遇到新名词,先不要急着“熟读并背诵”,那样越看越晕。

俗话说得好:“不信广告,信疗效”。

要搞懂这些营销模型在说啥,得先看营销本身需要什么。

从本质上看,营销是正常销售节奏以外的辅助。

因此,想打好辅助,需要搞清楚三个问题: 当前正常节奏是什么? 辅助要打在哪个点上? 辅助实际打上去效果如何?这三个里,最重要的就是识别正常节奏。

只有准确把握现状,才能知道到底从哪里发力。

几乎所有的营销模型,其内核都是:用多个指标描述现状,发现机会。

二、如何识别节奏最简单的识别方法,就是看“销售额”指标。

销售额低了,就上个活动刺激下。

但是只看销售额的弊端是很明显的,比如销售额增长,来自于同一波用户反复割韭菜。

那一旦韭菜割完了,销售额自然无可挽回地往下掉。

所以,至少得再看一个“消费用户数”的指标,而且最好能区分新老用户来看。

当看的指标多了,就需要有逻辑地把指标组成模型,系统观察。

特别是互联网业务,互联网公司都是先烧钱圈用户再收割,因此不能只盯着销售额。

理论上,用AARRR模型也能识别节奏,上一篇文章分享过,在业务扩张期、稳定期、衰退期,需要关注的重点指标不同。

通过监控业务渗透率,用户增长速度,用户流失速度,也能衡量出:业务目前在扩张、稳定还是衰退(如下图)。

互联网大厂,掌握的数据更多,因此能站在二层楼,对整个行业的大盘进行观察。

三、AIPL、FAST、GROW三件套阿里系有三个营销模型:AIPL、FAST、GROW。

这三个模型的底层数据,都是基于阿里生态里众多的数据源(天猫、淘宝、聚划算、youku、土豆、UC、大麦、飞猪、盒马……),从不同角度对品牌发展节奏进行识别。

比如AIPL,包括: A(Awareness),品牌认知人群。

包括被品牌广告被动触达、品类词搜索的人; I(Interest),品牌兴趣人群。

包括广告点击、浏览品牌/店铺主页、品牌词搜索等等主动互动行为的人群。

P(Purchase),品牌购买人群,指有购买品牌商品行为的人。

L(Loyalty),品牌忠诚人群,指有复购、评论、分享行为的人。

这个模型的逻辑是很好理解的。

想做大销售,如果认知不够就加大投放,如果购买转化不够,就加强产品、促销。

这样能清晰地展示现状,知道营销方向。

FAST的逻辑类似,只是更加突出了“用户价值”的概念,包括: F(Fertility):全网消费人数总量。

A (Advancing),消费转化率。

S(Superiority),高价值人群总量。

T(Thriving),高价值人群活跃率F、A主要衡量用户数量,有足够的消费基数与转化率,就能做大销售盘子。

S、T则衡量用户质量,有足够多高价值、活跃用户,就能稳定销售,获取更多利润。

在获取数量、提升质量两方面,营销活动有很多固定玩法,因此区分数量和质量,可以更好地配合业务行动。

GROW模型,则是站在品类角度,看: 渗透力(Gain): 指消费者购买更多类型品类/产品对销售增长的贡献; 复购力(Retain): 指消费者更频繁 / 重复购买产品对销售增长的贡献; 价格力(Boost): 指消费者购买价格升级产品对销售增长的贡献; 延展力(Widen): 指消费者购买关联类型产品所贡献的总增长机会。

基于阿里数据,对每个消费品类的GROW指标,都有数据支持。

这个指标,其实就是传统商品运营四个策略: 扩宽品类→渗透力 二次购买→复购力 增量购买→价格力 交叉购买→延展力因此懒汉做法,可以直接选择品类看对应指标,然后上营销策略即可。

四、如何自己建个营销模型可能看了一堆,小伙伴们会很迷茫:说了半天,我们家就是个小厂子,拿不到这么多数据,我们该咋自己弄个营销模型呀!这里有个更简单的懒人方法。

就是直接用结构分析法,把销售额做拆解,比如我们现在的销售额,按订单拆解如下图:那么直观地看,就有两个营销策略: 继续做低价的订单,薄利多销 做高价促销(买赠或者满减),拉高单价至于哪个可行,除了打嘴仗,还能用测试来检验。

完全可以两个活动,选两个自然销售额差不多的月份,各做一次,最后哪个效果明显,继续用哪个,漂亮!这样确实很简单粗暴,但是没办法,数据少的时候只能将就了。

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/tougao/663039.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-18
下一篇 2022-04-18

发表评论

登录后才能评论

评论列表(0条)

保存