诸葛智能实战案例 夯实数据底座,安利实现业务持续增长

利(中国)日用品有限公司(以下简称“安利”)成立于1995年4月,总部位于广州,业务聚焦营养保健、美容化妆品 、个人护理和家居护理等产品的生产和零售。

自进入中国市场以来

安利始终坚持本土化运营,深耕中国市场,产品多达200多种,凭借自身高效环保的产品赢得了中国消费者的信赖和喜爱,其中雅姿、纽崔莱品牌更是家喻户晓。如今安利中国的业务已遍布全国,员工数量过万,是中国保健品市场的领导品牌之一,中国也成为了安利全球的最大市场。

西班牙 Telegram 用户列表由西班牙各地使用该服务进行信息共享、交流和社区文化参与的用户组成。它主要由于其私密性和群组功能而被使用 西班牙 telegram 用户列表 用于谈论当地文化、活动和兴趣。这个用户群代表了 Telegram 在连接个人和培养全国范围内充满活力的在线社区方面日益重要的作用。

安利以社交商业为基因主要采取直销模式

除了线下直营销售门店外,核心是通过签约销售人员(即ABO)的直接推销和关系裂变完成产品的销售。起初主要走线下模式,由销售人员向亲朋好友推荐或直接在地铁站、商场等人流密集场所推销安利产品,劳动强度大,效率低下。

基于洞察到的移动互联网和社交电商的潜在机会,2014 年开始,安利启动直销模式变革,基于数字化、体验化、年轻化理念,提出“体验战略”——由体验实体、电商平台、物流售后体系、社群活动形成卓越的体验生态。即原有传统线下门店升级改造为体验中心。

承载的诸多线下体验与沟通场景

社群活动(如瑜伽、美妆、美食烹饪等);自研安利云购(最主要的线上销售渠道,有PC、APP、小程序端)作为电商平台;与京东合作,搭建物流售后体系。此外,还借力数码港等自研APP、微博、微信公众号等数字化平台,为营销人员提供丰富的多媒体互动性内容,包含企业资讯、营销培训、在线销售等多种服务,持续强化“单兵作战”能力。数据显示,安利目前超过90%以上的订单来自线上,80% 来自于移动端,引领直销业态全面转型社交电商。但对安利而言,从人力驱动走向数据驱动并非一帆风顺,过程中也面临过不少问题。

安利数字化转型初期面临的主要问题

首先,数据类型不完整、用户画像单薄,安利无法基于用户画像及旅程进行个性化营销与运营。安利依托自身的在线化工具以及GA和Adobe的产品进行数据采集,但数据非常分散,采集更多的是客户来源渠道、成交额等客户旅程两端的业务维度数据和少量关键行为数据,且该部分数据也仅停留在简单的部分采集和分析层面,对客户的整个浏览、加购、支付、推荐等一系列客户旅程行为所知甚少,无法完成精准的用户画像和客户旅程划分,无法籍此展开营销与客户运营。

安利全网每日沉淀的数据量庞大

但缺少系统化接入采集方案,数据采集成本高昂,统一ID体系尚不完善。安利内部拥有数十个线上应用产品,全网日均数据量超过5000万条,但起初并没有自动化、全渠道采集方案,从有些地方只能够拿到特定ID,每年仅数据采集成本高达数百万。同时,安利自身的One-ID体系相对薄弱,未能完全做到对所有渠道用户的ID进行识别打通,数据无法资产化,影响进一步的数据应用。

体系不完善致使用户标签体系无法有效建立

制约了安利云购中包括产品推荐等众多应用功能的精准发挥。由于用户来源渠道多种多样、用户行为数据缺乏且ID体系不够完善,安利无法针对特定用户建立相对完整、多维度的用户标签体系,这很大程度上限制了安利基于不同用户的标签特征进行个性化产品推荐、促进复购甚至签约成为ABO等系列用户运营动作的效果,影响用户粘性、交易额及ABO团队的发展。

由于大数据治理和底层数据基础设施不完善

安利起初未能做到基于数据并结合业务场景 在新加坡使用仓库存储的好处 做深度赋能,且数据的内部使用成本偏高。安利在数字化转型初期缺乏对业务场景进行深度赋能的能力,如对加购未下单、下单未支付的订单等场景缺少适度干预, 对ABO的赋能偏弱,也缺乏对跨终端分享的追踪分析,数据和业务间存在断层现象。同时,安利内部数据由各业务线分别接入各自应用(项目)中进行采集和分析,内部数据并未完全打通,不同业务部门调用数据,往往需要跨多部门申请沟通,时间成本高昂。

探索数据-决策-运营良性循环

诸葛智能于2018年前后与安利展开合作,成为 索尔特数据 安利数字化转型的核心服务商之一,通过聚焦客户业务场景、专注用户行为分析、“采集-洞察-触达-BI”的一体化智能营销闭环服务,搭建了安利的Databank敏捷数据中台,帮助安利从0到1实现了体系化、自动化的用户行为数据采集与打通,完善了One ID体系和标签体系,定制化开发了追踪用户分享的跨终端分析功能模块,实现了集团内部多业务线的数据共用、共享,打破数据孤岛,让数据在同一个平台进行统一管理,有效支撑集团精准高效地进行经营分析与决策,形成了数据驱动决策,决策指导运营、运营反馈数据的良性循环。

Leave a comment

Your email address will not be published. Required fields are marked *