在设计一款CRM系统之前，我们需要先了解会员定义、会员管理和会员分析等体系内容，并了解这些内容在CRM中的对应要点。

入行将近2年，本身是从传统的工业设计转入的，一直从事电商、会员相关的设计，从单纯的前端延伸拓展至后端，从单纯的B2C接触到B2B2C，最近做汇总的时候猛然发现都可以归结至电商CRM，为此，拜读了CRM大佬的相关文章，做了简单的思维导图，并有相关案例一一呼应，就算是复盘了。

CRM的全称为Customer Relationship Management，翻译过来就是客户关系管理，比如一个电商平台：

1. 有内部人员对商家的入驻开店上架商品做审核，那么我们需要对他们设定一定范围内的权限，比如编辑、删除、审核、增减等；
2. 商家需要在我们的平台内开店、店铺装修、上架商品、售卖等，那么我们需要对他赋予一定的权限，并尽可能通过技术和营销帮助他更好的出售商品；
3. 当然体量最多的客户是普通消费者，消费者在平台内购买，我们为他提供良好的用户体验，对他的等级进行划分，赋予他一定权益。

以上，我认为客户（customer）即指使用我们平台的所有人员，即使角色不同，都是被管理的对象。当然在实际的设计中，即使是B2B2C，主要的管理对象还是最终的消费者。常用模块主要包括以下3方面：会员定义、会员管理和会员分析。

会员定义

定义会员，首先需要确定对象，即如何才能成为会员。主流市场中可以将其分为2类：

1. 付费会员（比如京东plus会员，用户通过付费成为一定时间内的会员，享受与普通用户不同的权益）
2. 非付费会员（用户通过一定行为提升会员等级，享受更好更多的权益，比如信用卡会员、大众点评会员等）

用户成为会员后，需要对会员信息进行管理，主要包括以下5方面：

1. 人口属性信息
2. 联系信息
3. 家庭/工作信息
4. 收货信息
5. 卡/支付信息

！！！注意：以上信息并非需要用户在注册之际就全部填写（否则用户会感到烦恼，注册流失率极高），而是在使用的过程中一步步引导用户填写相关信息，而家庭/工作信息则并非清晰确定，是一个模糊的概念。

会员定义中的重中之重是会员等级、权益和积分体系。这部分内容都围绕积分展开，此处积分可分为2大类，3小类：

1.成长积分

• a.可升可降的积分（比如淘宝淘气值）
• b.只升不降的积分（贴吧等级积分）

2.抵物积分，即可用来在平台内进行兑换的积分（例如淘宝淘金币，京东金豆）

这中间涉及的等级、权益，积分获取方式和使用方式内容涉及较多，可参考我之前的文章：《拼多多：为何不做会员成长体系和积分体系？》 。

会员管理

从会员的生命周期来看会员管理，首先会员生命周期可分为4个部分，可做的营销活动分别为：

1. 考察期（拉新吸粉：关注有礼，注册即送）
2. 成长期（沉淀拓展：领卡有礼；首次消费奖励；首次充值奖励）
3. 成熟期（忠诚培养：消费有礼；会员日；积分活动）
4. 衰退期（挽留维护：问卷调查，关怀活动）

会员对象管理与一般表单并无大的区别，有常用的导入导出功能、调整积分和批量修改信息的功能，值得一提的是其中的“打标签”，我个人认为也可以理解为微型用户画像，这个值得深入研究和讨论。

打标签大体上可分为2类：手动打标签和自动打标签

• 手动打标签：如果目标客户符合条件“XX”，则对其手动打标签为“XX”，针对的仅是目前所有的存量用户（涉及到过滤器的使用，对存量数据进行SQL查询）
• 自动打标签：如果目标客户触发条件“XX”，则对其自动打标签为“XX”，针对的不仅是已有的用户，还有设立该标签后所增加的用户。（自动触发，可用于场景营销，比如：用户排队A门店or预定A门店，则推送A门店的优惠券）

“XX”的内容可以包含多个“and”和“or”，比如：

• 平台级别的筛选：最近30天有2次以上购买行为and消费金额超过100元；
• 店铺级别的筛选：最近7天有收藏商品行为or最近7天有加购行为。
• 筛选的条件需产品先进行设置，可在实际使用过程中不断完善。

CRM会员分析

CRM会员分析可以理解为：统计会员的基础信息、行为分析和转化分析，结合会员细分，形成完整的用户画像。

会员统计分析主要分为3类：

1. 基础统计分析：包括性别比例、年龄分布、学历分布、行业分布、地域分布和婚姻状态
2. 行为统计分析（电商平台为例）：渠道来源、消费店铺习惯、交易行为、线上购买次数、线上消费金额、商品购买偏好
3. 转化分析：漏斗分析（比如：首页-商品列表页-商详页-订单列表页-支付页-支付完成页，到达这些的用户分别是多少，最后的百分比是多少，哪一步流失最多，并提出针对改善）

会员细分方法较多，可分为3大类6小类，分别是：

1.自定义分组：即打标签

2.聚类分组：

• a.帕累托分析
• b.会员信息热度评估
• c.RFM（在电商中可结合会员生命周期一同分析，可深入探讨）
• d.K-means聚类

3.预测分析：决策树

用户画像则是结合上述直接告知的结构信息和及其学习的非结构信息，丰满用户形象。比如：

“设计师高庭，今年27岁，从杭州的大学毕业后来到上海工作5年，今年刚迎来了第一个宝宝。平时每周都要网购，原先买的最多的商品是美妆类，现在母婴类商品的比重正在增加。购物车和收藏夹中有很多商品，但一般都在19:00-24:00之间下单，每次购买的金额在100元以上的居多。”

以上，是我在实际工作中遇到的会员定义、会员管理和会员分析的内容，接下来会对会员标签、会员生命周期和RFM、营销场景优化等内容进行深入分析，并辅以相关的原型做说明，希望可以和大家多交流~

以下内容为本次大概导图，若需原图或相互交流可留下联系方式哈~欢迎指正~

本文由 @季然 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Unsplash ，基于 CC0 协议