无人愿解释的忠诚度指标

几乎所有电商品牌都在追问同一个问题：如何提高客户的终身价值（LTV，即客户在整个生命周期内为企业贡献的总利润）。这个方向当然没错——复购率、购买频率和LTV是推动业务持续增长的核心指标。一个买过两次的客户比只买一次的更有价值，买过三次的则更甚。市场上充斥着各种号称能提升客户忠诚度和购买频率的产品：礼品卡、折扣券、积分计划、注册奖励，以及无数变体。大多数产品都宣称效果显著，许多还声称复购率大幅提升。但令人意外的是，很少有产品能解释清楚：这些结果到底是不是它们带来的？ 忠诚度指标有一个“分母问题”：当某个供应商报告称“收到礼品卡的客户中，40%在60天内再次购买”时，第一个要问的问题是：这个项目启动前，客户的自然复购率是多少？在高频消费品类中，很大一部分客户即使没有任何干预，也会在60天内自然回流。报告说他们收到奖励后回来了，这根本不是忠诚度提升的结果，而只是描述了“在奖励面前发生的既有行为”。礼品卡可能根本与此无关。更关键的是归因窗口（attribution window，即判断某个行为是否由特定因素引起的时间范围）。一个客户收到礼品卡后三周再次购买，可能是被礼品卡驱动，也可能是促销邮件、再营销广告（retargeting ad，针对已访问过网站的用户投放的广告）或他自己的购买周期所致。要隔离出真正的原因，需要控制实验（controlled testing，通过设置实验组和对照组来排除干扰因素）、有意义的样本量，以及足够长的时间让行为自然发展。大多数忠诚度项目都跳过了这两个问题。在PPT里，40%这个数字听起来很有说服力，但如果没有分母、没有对照组、没有归因窗口，它几乎说明不了任何增量（incremental，即因干预而额外产生的行为）是否发生。 激励手段和测量方法其实都是产品的一部分。这正是大多数奖励计划的致命伤：它们能告诉你客户回来了，却无法告诉你是不是因为奖励才回来的。每个激励都有成本。如果一个项目无法区分“本来就会购买”的客户和“因为奖励而改变行为”的客户，就无法判断这个项目是创造了价值，还是仅仅把本来就会发生的行为归功于自己。没有增量测量的复购率，只是一个剥离了最重要背景的数字。要建立这样的测量，必须直接集成交易数据，观察真实的购买行为，而不是互动率、兑换率或邮件打开率这类代理指标（proxy metrics，即间接反映目标行为的指标）。这意味着在项目启动前就明确要影响的行为，并设置对照组进行测量，从而看到“实际发生”与“如果没有激励会发生”之间的差距。当这些要素到位时，数字会截然不同：在目标群体中实现6%的复购率提升，并且能证明这些购买本不会发生，这才是可以持续优化的基础。而一个没有对照组和基线的40%回报率，什么都不是。 忠诚度和激励需要精确性。部分混乱源于“奖励”这个词被用来描述解决完全不同问题的不同事物。在购买时点应用的礼品卡，帮助客户完成他们本就在考虑的交易——这有实际价值，但它是一种转化机制（conversion mechanic，即促进交易完成的手段）。而购买后交付的奖励，给客户一个“有资金支持”的理由回来。他们是否真的回来，取决于激励的相关性、兑换的便利性，以及客户自然回归该品类的频率。要测量真实影响，仍然需要一个对照组，因为没有它，你只是在观察客户做一些他们中有些人本来就会做的事情。这个问题最难的版本是：针对特定客户行为（比如“购买这个品牌”或“达到某个消费门槛”）的定向激励。如果测量不精确，你可能会把自然行为误认为激励效果，从而浪费预算，甚至做出错误的业务决策。对于中国跨境电商卖家来说，这意味着在投入大笔资金做促销或忠诚度计划前，必须建立自己的测量框架——哪怕只是简单的A/B测试（A/B testing，即对比两个版本效果的实验方法），也要知道哪些客户是“被激励回来的”，哪些是“本来就会回来的”。否则，你看到的“漂亮数据”可能只是幻觉。