新客户比例低，会员以回头客和老客户为主，说明我们把精力和资金投入到传统营销渠道意义不大。回头客比例低，说明客户回头率差，熟客比例有待提高。这是一个危险的信号，购买几次后，顾客就不再光顾了。那么我们就需要反思，对老客户的服务是不是有问题。
如何做好会员的精细化分析做到精准营销呢？主要从会员基础分析标签分析贡献分析RFM分析渗透分析几个角度进行分析，对不同会员进行差异化营销，让现存的会员能够不断产生消费行为，为公司带来持续利润。一基础的会员分析我们进行会员分析，一般情况下，我们需要哪些基础数据呢？理想状态下会收集到会员的名称性别年龄联系方式区域地址收入状况等等情况。
当然，这些信息不一定会十分精准，甚至会有一些异常数据，例如有的化妆品企业在做数据分析时，发现有些会员年龄居然超过了120岁，这些数据大概率都是需要清洗剔除的，以此来保障我们的数据质量。1会员基础分析我们拿到会员的数据，首先需要对会员进行基础分析，了解会员的年龄层次区域分布消费能力等情况，并实现标签分析，刻画用户画像。
常用标签肤质中性干性油性混合敏感痘痘功效补水美白保湿隔离提亮肤色抗氧化防晒收缩毛孔等小样接受度高中低年龄段20以下20-2525-3030-3535-4040-4545以上性别男女产品偏好单品组合过敏史无酒精过敏香料过敏等购买频率非会员新顾问返店客固定客收入情况低中高品牌偏好品牌A品牌B品牌C2会员级别定义随着会员的消费升级，会员的级别在不断升级，根据会员的消费情况，我们对会员进行级别定义，一般划分为新顾客返店客固定客，并采用趋势分析对比分析结构分析等分析方法对每一类会员的消费情况进行分析。
以某家化妆品企业为例，他们的会员级别定义如下新顾客第一次进店的客户返店客第二次第三次购买的客户固定客经常购买的客户通过对不同时间阶段的销售情况进行趋势分析产品结构分析，找出销售额增长或下跌的主要原因，及时调整营销策略。分析云支持复杂算法计算会员级别，消费评级和忠诚评级也可通过复杂算法得到，会员明细为精准营销提供依据。
3会员结构分析会员在逐步升级，我们需要进行结构分析，了解每个级别的会员数量每个级别的会员为销售带来了多少价值会员的变动情况等等。会员销售占比，决定销售的稳定性与市场满足度。了解非会员到新店客新店客到返店客返店客到固定客的转换比例，洞察存在的产品服务问题。新顾客的占比低，会员以返店客和固定客为主，说明我们把精力资金投入到传统的市场营销渠道意义不大返店客的占比低，说明顾客的回头率差，需要改进顾客服务固定客的占比低，这是一个危险信号，购买了几次之后顾客不再光顾，那我们需要反思针对老顾客的服务是否出现了问题。
4线上线下整合分析很多企业也会遇到这些问题会员不一定只在一个渠道中实现消费，有可能是到门店消费，也有可能是线上购物，尤其是疫情以来，更是加速了消费者选择线上购物的趋势，所以我们需要实现线上线下的整合分析。分析云，能够实现电商系统与零售系统数据的集成，通过主数据管理，统一标准和口径，打通数据孤岛，实现会员消费数据的整合，做出更精准的分析洞察。
第二，在RFM模型分析的基础分析之后，我们还需要使用一些模型工具来实现对成员数据更详细的分析，其中最经典最常用的就是RFM模型。1什么是RFM模式r最后一次消费的时间和使用情况来判断会员的生命周期，从而做好周期营销。成员的生命周期，蜜月期，活跃期，失落期，休眠期。一般定义为3个月内的蜜月期，3-6个月内的活跃期。但如果半年内没有购物行为，则已经进入亏损期，超过1年没有购物，则进入休眠期。
