分享

为终端“赋能”是新零售的关键

 昵称29351445 2017-04-20


两年来,领客(LinkeCloud)数字化门店解决方案已为近十多个行业、1000多个品牌、50余万家连锁经营门店提供了基于以“用户”为中心、以消费行为作画像、建立用户与品牌互联互通的数字化门店解决方案。

通过两年来的实战运营,打通B端(门店)和C端(用户)的系统服务,一定是靠运营支撑的。如何让门店真正“用起来”,和本地化的用户“连起来”一直是领客思考和不断强化的根本。门店要的不是工具,而是方法而方法也不是操作要领,而是要如何根据不同用户的数据提供个性化的服务

这就是赋能。

▼从目前服务的商家和门店来看,领客用户都已实现了三点价值:

1客户有转化、产品有交易

门店完成了将“由顾客流转化为粉丝流,再有粉丝流产生了交易流”的三流转化。这表明用户是可以接受这种方式并可实现交易转化的。

从目前付款的方式来看:即有线上付款;也有引到线下门店付款的

从成交用户的粉丝来源来看:即有店员的粉丝成交的,也有合伙人粉丝成交的,也有门店安装师傅的渠道拉粉丝成交的。

2客户有沉淀,用户与品牌之间连接起来

客户(无论是自然进店还是门店的宣传引流)可与店员(门店、品牌)连接起来,这与之前门店的集客方式其实是已发生本质的变化:第一这种连接方式是符合用户的生活方式;第二这种连接不仅是用户和导购的连接,或是用户和门店的连接,现在是用户和一个品牌的距离变为“0”,这种变化将意味着用户是“活”的,品牌可随时触达用户。

3代理商接受、店员接受、用户接受

    互联网是工具,工具就是为人服务。人才是将工具发挥生产力的主动轮,虽然终端运营方案目前在运营过程中,店员需要形成一种新习惯的养成;甚至在执行过程中,多少还与目前营销方式上存在摩擦。但经销商、店员以及我们的用户是接受这种方式的。

▼要充份做好为门店的赋能,还要从以下三点下足功夫

1所有运营都是对“人”的运营

终端运营的第一步就是要和人建立连接,但不是说连接后所有的结果就自然而然按照我们想要的就会得到了。建立连接的目的就是要和人发生关系。

对人的运营,就像一场恋爱:对人冷淡(不及时);沟通太硬,不走心(没温度);不懂她,不理解她(缺少个性化);缺少这些最基本的,大家不可能走在一起的。对用户也一样,在线下我们的店员可以对到店用户做到“大姐、大哥”热情、有温度,在线上其实用户恰恰更喜欢这些。新消费群体的购物心理是线下我喜欢自由看,自由试,不喜欢导购的话术“误导”,而线上这波人是喜欢社交化的。

对人的运营其实是最容易的事,也是最难的事;容易在于只要用点心、用户喜欢什么说什么;难在于我们暂且10分钟忘掉生意,多和用户搞好关系

2对内容的运营

为什么要做内容:所有的连接都要靠内容连接连接是“骨骼”,内容才是连接的血液;

推什么内容:不同用户内容不同,比如:参与工团活动的;到门店已成交的;未成交的;已成交的如何推服务内容等;

我们理解的用户最初的连接都是基于“我需要”(我喜欢买床、或是我需要全友给我的小礼物);持久的连接一定是我喜欢(靠内容);

3对数据的运营

数据有很多维度,但最根本的数据是粉丝数据,其它的数据可理解为粉丝的画像标签类数据(以家具为例:比如年龄、性别、新房还是二手房、有没有装修等)。

比如对数据的运营是要每天将新增数据做分析:从哪里来,哪个店员的,什么方式来;对于全友来说,如果发现数据是店员的朋友数据或是同行数据,我们要做什么分类。而那些有价值的数据,但没有活跃,我们要给店员什么样的提醒等。这些太重要了,要知道,数据是有活跃度的,我们叫它“兴奋曲线”。为什么微信要设置48小时理论呢,这是从人性的角度考虑。当用户最后一次与你互动的时候算起,你可以与用户的互动时间为48小时,用户是不需要去“骚扰”的。

但用户如果感觉你是“骚扰”,其实只是说明你并不懂她。

所以我们要根据对数据的运营,实时提醒店员与用户及时的建立关系

其实以后更多的数据或是更多用户不是店员主动去激活和唤醒;而是我们对用户数据系统化的运营中,用户会主动的找她的服务顾问。

当然数据运营还包括很多方面,数据如何业务化,能够持续的变现也是我们持续思考的事情。

这种新零售的玩法里会有一些新工具和新方法的尝试,但工作和方法对于我们来讲不是“术”而是道,道法要自然、要融合、要常态化。但过程是很有意思,往往想的和做的不一样,方法论里肯定的事情但在现实中会因各种奇葩的现实所否定。但有一定是明确的,我们的用户已发生了变化,这种方式是是她们喜欢的,所以我们就要坚持做,反复做;很多事情多做几次就好了,也就成了!

新零售的发现者

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多