电商数据分析：GROW品类增长模型

电商数据分析：GROW品类增长模型 GROW-数字化品类增长模型：帮助行业和品牌识别增长驱动力，指明增长方向

文章目录

• GROW-数字化品类增长模型：帮助行业和品牌识别增长驱动力，指明增长方向
• • 1- 模型简介
  • 2-模型四大要素
  • 3-GRO指标增量公式
  • 4-GROW模型如何落地
  • • 4-1 落地场景
    • 4-2 监测运营指标

---

题外话:
上一次写FAST指标体系的时候立下了flag,说是今年年底一定要把grow模型也写出来,今天含泪来交作业了…最近忙得晕头转向的,年终述职啥的也太磨人了,不是才刚刚年中述职过吗?咋又要年终述职了呢??哭唧唧/(ㄒoㄒ)/~~

---

1- 模型简介

GROW模型是由波士顿咨询公司（BCG）联合天猫大快消团队共同打造,GROW 模型将增长驱动力分解为四大要素，即渗透力（G）、复购力（R）、价格力（O）和延展力（W），帮助品牌从“错位投入”到“精准定位”。利用 GROW 模型，我们可以找出行业和品牌识别增长驱动力，明确增长方向，便于制定后期运营策略及落地监测。

GROW模型主要解决三大痛点：

1. 品类增长模式方向不清；
2. 缺乏品类增长抓手；
3. 品类增长效率较低。

2-模型四大要素

GROW 增长模型识别出可以驱动品类持续增长的四大要素：

• 渗透力（Gain）：指消费者购买更多类型品类 / 产品对品牌总增长机会的贡献；
• 复购力（Retain）：指消费者更频繁 /重复购买产品对品牌总增长机会的贡献；
• 价格力（bOOst）：指消费者购买价格升级产品对品牌总增长机会的贡献；
• 延展力（Widen）：指品牌通过提供现有品类外其他关联类型产品所贡献的总增长机会。

作为品牌方，我们可以根据渗透力（G）、复购力（R）和价格力（O）对 GMV 贡献计算出品牌覆盖各产品线（类目）各自的G/R/O 的值，以整体的机会总量为 100%，计算出 G/R/O 各自的比例，其中比例最大的便是我们的“决策因子”。
样例：

3-GRO指标增量公式

那么GRO指标该如何去计算呢？下面给出GRO指标的增量计算公式供参考。

通过上述计算公式，我们就可以的到本年度（本周期）对比上年度（上周期）渗透力（G）、复购力（R）和价格力（O）的增量情况。同时，我们也可以借助策略中心，在品牌增长概览中查看品牌维度或品牌类目下GRO指标。

品牌增长概览样例：

4-GROW模型如何落地 4-1 落地场景

GROW模型旨在提升品类场景运营从策略到落地的能力。
BCG给出了对应不同决策因子的14种常见落地场景，可做参考。

渗透力（Gain）：

• G1：延展目标人群驱动品类渗透。瞄准行业核心人群（前 30%）、渗透下沉市场以及细 分长尾人群（小镇青年、Z 世代等）。
• G2：跨品类交叉渗透。识别高相关品类，结合站内联合营销，通过打造关联品类 / 品牌（CP）进行渗透；加强线上线下全渠道消费者数据融合，提升渗透力。
• G3：多渠道联动渗透。品牌各渠道消费者相互导流，对消费者进行全渠道触达渗透。

复购力（Retain）：

• R1：品类消费生命周期延长。防止购买人群流失，例如在防晒霜的消费者沟通中 , 强调全年防晒，推送日常抗老信息
• R2：品类使用场景拓展。通过挖掘细分场景需求以及培养新的消费习惯，增加复购频次。
• R3：高频再购的触发。 通过匹配高复购人群和高复购产品，结合营销手段， 激发再次购买。
• R4：老客唤醒和召回。通过加强消费者沟通，提升购买频次和件单数。

价格力（bOOst）：

• O1：老客的再购升级。低客单老客的再购升级，高价值老客的客单提升。
• O2：产品包装升级。通过包装升级撬动价格升级。
• O3：基于情感诉求实现溢价。营销加持抬高产品溢价，侧重打造产品卖点。
• O4：功能 / 属性升级。通过产品升级重新定义行业产品的价格带 / 区间。

延展力（Widen）：

• W1：行业趋势分析识别新品类机会。分析和捕捉更好的市场机会，分析品类生命周期特征，结合市场吸引力及品牌自设能力，制定进入新行业 / 品类业务的策略。
• W2：人群需求定位帮助品类开拓。洞察人群需求，行业新品类的孵化和创新，填补现有购买人群未满足的品类空白。
• W3：产品价值链衍生发掘新品类。结合品牌自身产业价值链能力，依据价值链衍生方向，识别和进入新品类市场。

4-2 监测运营指标

在选定落地场景并采取行动后，品牌方可以设置关键运营指标，实时对增长效果进行监测并对标行业平均水平，寻找差距，制定修正迭代方案。运营指标可分为核心指标与次要指标：核心指标主要是为了品牌负责人或店长追踪品牌整体表现，并与行业平均水平对标，寻找差距；次要指标主要是便于店铺运营者进一步追踪品牌自身数据，并与同期对比，识别趋势。

---

往期指引：
电商数据分析：FAST指标体系-用户矩阵分析模型

猜你喜欢：
数据分析思维 – 第一步：明确分析问题
数据分析思维 – 第二步：开启分析思路
数据分析思维 – 第三步：打开分析视角

---

版权声明：本文为CSDN博主「高雅_GaoYa」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_44390462/article/details/122197746