阿里AIPL:用户增长分析的核心模型

数据管道

共 1848字,需浏览 4分钟

 ·

2021-11-27 09:27

 用户增长的基础在洞察,洞察的基础在数据模型。

大家好,我是宝器!


之前有提过AARRR、AIPL等用户增长模型。今天分享一下阿里品牌数据银行中,关于用户增长的核心模型:AIPL。该模型的关键意义,在于将原本难以量化的消费者资产进行了量化。



01
AIPL的业务背景

2017年,阿里推出了品牌数据银行,通过数据化的方式运营品牌消费者资产。以下是阿里品牌数据银行的主页截图,其核心就是AIPL模型。


对于一个品牌而言,比如“戴森”品牌,在以往的营销中,基本都是围绕着已有客户进行的,因为通常只能获得已有客户的数据。这里的“已有客户”往往是成交的客户,可以拿到一些成交客户的手机等信息。

围绕成交客户的营销活动,能做的是复购、购买同品牌其他产品,或者推荐给新客户。问题是,如果想做新市场的开拓,通常是通过各类广告等方式的推广,但这个过程,很难直接进行量化。一方面,广告从投放到最终成交是个间接的过程,另一方面用户真的是否看到了广告,也是难以直接判定的。

但是纯线上的情况下,阿里提出的AIPL模型以及品牌数据银行,对品牌人群实现了量化的管理与营销。


02

AIPL的含义

AIPL模型及品牌数据银行,其实是一个典型发挥数据应用价值的数据产品。


首先,AIPL代表了用户对于一个品牌从初识到忠诚的全过程。

  • A(Awereness):品牌认知人群。表示用户对品牌刚刚建立认知,了解到有这个品牌、是干啥用的,是消费者相对被动与品牌建立的接触

  • I(Interest):品牌兴趣人群。表示用户对这个品牌在有一定兴趣,存在着一定的购买的想法,是消费者主动与品牌建立的接触

  • P(purchase):品牌购买人群。表示用户已经购买过该品牌,使用过了该品牌的产品或服务

  • L(Loyalty):品牌忠诚人群。表示用户对该品牌非常认同,愿意多次购买,或者愿意将该品牌推荐给自己的亲朋好友


在传统的线下环境中,要准确衡量一个品牌的购买、忠诚用户不难,只要用成交数据做统计即可,但衡量认知及兴趣是很难的。我作为一个用户,可能是偶尔看到了一个品牌,品牌商怎么会知道我有认知呢?

但在纯线上的电商环境下,衡量用户品牌全链路的AIPL,成为了可能。


03

AIPL的计算逻辑

AIPL模型,本质上是将各类的电商行为数据进行了一系列清洗,建立了一个综合数据模型。包括品牌商品的曝光、点击、浏览,用户的搜索、成交、加购、分享等等行为。是一个对品牌消费者情况比较全面的衡量。

这里要引入一个重要概念:触点。

触点,就是品牌和消费者建立联系的一个环节、或者实物。比如消费者通过电视广告认知到了汰渍品牌,那么电视广告就是一个触点;比如消费者通过京东购买了汰渍,那么京东就是一个触点。

当然,触点是可以细分的。比如是通过京东的自营购买的还是POP,那自营店和POP店就是京东平台触点下细分的二级触点。具体的触点划分方式,可以按照业务需求来。关于触点,后面详细介绍。

以下是阿里AIPL的计算逻辑:


从这个详细的逻辑可以了解到,涉及的数据计算、数据量是非常大的。因此对于阿里这种体量的大厂,对品牌数据银行的准入门槛也是比较高的,不然很可能是跑不动数据的。

在这个计算模型的基础上,计算每个品牌有多少认知用户、多少兴趣用户、多少购买、忠诚用户,成为了可能。所有的四类用户合起来,就是该品牌的消费者资产,所有的消费者都是可以用来进行营销的。

针对认知、兴趣用户,可以进行促购买转化;针对购买用户,可以进行复购转化;针对忠诚用户,可以进行深层次需求挖掘,提升品牌忠诚度。可以说,根据用户的的分层,可以进行的营销方式就更加有了针对性。

同时,也可以对消费者资产进行数据监控,衡量各个活动的效果,和传统的相比,有了量化的衡量尺度,就是质的提升,对营销来讲相当于有了很好的标准。品牌数据银行这个数据产品,就基于该模型,进行了各个维度的洞察分析。

今天主要分享这些,关于如何用该模型进行营销活动、以及品牌数据银行的产品设计,后续进行分享。
·················END·················

推荐阅读

  1. 我在字节做了哪些事

  2. 写给所有数据人。

  3. 从留存率业务案例谈0-1的数据指标体系

  4. 数据分析师的一周

  5. 超级菜鸟如何入门数据分析?


欢迎长按扫码关注「数据管道」

浏览 291
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报