线上流量红利见顶已经成为大多数人的共识，那么面对这样的流量现状，企业要如何做好存量运营，用好存量用户，促进业务线的增长？或许你需要接触“交叉营销”这一方法，通过交叉营销，更充分地利用现有资源，接触潜在客户。那么，我们要如何选择交叉用户，做好交叉营销？一起来看看作者的案例解读。
线上流量红利见顶已经成为大多数人的共识，那么面对这样的流量现状，企业要如何做好存量运营，用好存量用户，促进业务线的增长？或许你需要接触“交叉营销”这一方法，通过交叉营销，更充分地利用现有资源，接触潜在客户。那么，我们要如何选择交叉用户，做好交叉营销？一起来看看作者的案例解读。
一、前言
随着流量红利的消失，增量获客成本高，需要更好地做好存量运营。换言之对外广告投放成本高，且由于互联网上网人群已经比较稳定，没什么新增，因而要获得新客户的成本更高。可能广告投放曝光的更多也是老客，那既然是老客，广告投放又要花钱，为何不在自己的私域流量池里运营呢？那什么是存量用户？
存量用户是指在企业当前流量体系内的用户，例如58的存量用户，包含58同城、58安居客、赶集直招等的用户。
如何更好地用好存量用户？促进业务线的增长？
一般公司都会划分较多业务线，例如58划分了房产、招聘、本地服务等。那对于单业务线而言，如58房产，360天内访问过58房产的，即为58房产的老用户，即存量用户。在做好存量用户促活、促留存的基础上，希望能进一步在58域内做流量增长，这就需要做交叉营销。
展开全文
二、交叉营销
交叉营销，指通过把事件、金钱、构想、活动或演示空间等资源整合，为任何企业，包括家庭式小企业、大企业或特许经营店提供一个低成本的渠道，去接触更多的潜在客户的一种营销方法。
交叉营销的实质在拥有一定营销资源的情况下，向自己的顾客或合作伙伴的顾客，进行的一种推广手段。这种营销方法最大的特点是充分利用现有资源，在两个具有相关用户需求特点的企业间展开交叉营销，能使各自的潜在用户数量明显增加，而不需要额外的营销费用。例如58房产的用户与58招聘的用户做交叉，这样能使招聘的用户去使用房产服务，房产的用户使用招聘服务，从而实现双方的用户拉新。
不过交叉营销有个问题，有的房产用户对招聘服务不一定感兴趣，而运营者通过交叉营销手段，反复触达这类用户，会造成用户厌烦，点击转化率也会比较低。
那两个业务间的交叉用户又该如何选择？如何进行有效的交叉营销？
开展交叉营销需要寻找合适交叉的业务、圈选合适的交叉用户、多渠道进行触达、效果监测。
而选择交叉业务和交叉用户目前有2种方法：业务经验和数据挖掘。业务人员积攒了一些经验，知道适合跟哪些产品做交叉，例如装修业务适合跟新房、二手房业务进行交叉营销，因为买新房/二手房的用户，很大概率需要装修服务。但装修跟本地生活、装修跟新车二手车业务能否交叉？这对于业务人员来说，就不得而知了。那还有什么其他科学的手段？
三、关联分析
这就需要数据挖掘的方式，找到潜在的交叉机会。比较典型的就是啤酒和尿布的故事，20世纪90年代沃尔玛超时管理员分析销售数据时，发现了一个很奇怪的现象，啤酒和尿布两样毫无相关性的商品，经常会被同时购买。其原因在于年轻夫妻经常到超时买婴儿尿布，他们同时也会买自己喜欢的啤酒。
据说是沃尔玛引进了一种全新的算法，它分析了顾客在超市消费的记录，然后计算商品之间的关联性，发现这两件商品的关联非常高。关联分析则是用于发现隐藏在大型数据中令人感兴趣的联系，描述了一个事物中某些属性同时出现的规律和模式。
支持度=购买了A和B商品（集合G）的人数/所有购买过商品（集合U）的人数
置信度=购买了A和B商品（集合G）的人数/购买了A商品（集合A）的人数
得到这两个指标之后，需要为这两个指标设立一个最低门槛，即最小支持度和最小置信度。因为在用户的购买行为中，购买A商品的用户可能不仅购买B商品，还购买了C、D、E……等一系列商品，所以我们需要分别算出所有这些组合的支持度和置信度，只有满足比如支持度>0.2，置信度>0.6的这些商品组合才可以认为是有关联的，值得推荐的。
四、如何应用？
这种关联分析的方法在交叉营销中如何应用？例如，寻找58新房与其他业务的交叉关系，方便把其他业务线的流量精准引入到58新房。交叉营销步骤为：寻找交叉业务、用户分析、制定策略、投放及效果评估。
第一步：寻找交叉业务
1）BG间交叉分析：新房与其他BG的交叉
从全局流量来看，先跨BG交叉新房与招聘、车、本地生活，设58新房活跃10000、招聘活跃30000、车活跃10000、本地服务活跃20000，进行洞察分析，并产出初步策略。
招聘支持度=交叉人群/（招聘∪新房）=3000/（30000+10000-3000）=8%招聘置信度=交叉人群/招聘=3000/30000=10%
（以下数据均已脱敏，为虚构数据，不具备业务参考价值）
洞察一：买车的人群，相对较多考虑买房。数据：新房与车交叉人群占比较高，置信度为18%。策略：新房可优先从二手车进行交叉引流。
洞察二：招聘和本地服务中，准备买房的占比较少。
数据：招聘和本地服务，与新房交叉的置信度6%左右。买房的人群，可能会考虑更稳定的工作，因而不频繁看工作信息；本地服务发布的信息较杂，需进一步细分。
2）BG内交叉分析：新房与房产内的业务交叉
洞察一：准备买新房的人群，同时也在看二手房。数据：新房与二手房交叉人群量最多6000，置信度为40%。策略：新房可优先从二手房进行交叉引流，非交叉人群有较大空间。
洞察二：买新房的人群，同时也可能会租房。
数据：新房与租房的交叉人群5000，置信度为25%，较高。
3）综合来看
跨BG，可优先对二手车进行交叉营销，招聘和本地服务需进一步细分，探寻机会。在房产BG内，可优先对租房、二手房业务进行交叉营销。
这就有点类似电商中的类目-品类，从全局到局部进行分析，即先跨类目分析、再跨品类分析。
找到了可交叉的业务，那具体应该触达业务内哪些高意向用户？
第二步：用户分析
使用用户分布分析方法，来洞察新房用户的显著特征，从而确定人群圈选规则。用户群洞察分析，较为依赖标签画像数据的构建，详情可查看草帽小子之前写的《标签体系》。
TGI指数（Target Group Index）：代表目标群体相较于对比群体，所选特征的显著性。TGI值>100，且越大，则表示人群中所选特征越显著。
TGI指数=（目标群体中具有某一特征的群体占比/总体中具有相同特征的群体占比）*标准数100
1）基础属性分析
洞察：25及以上的用户，有一定经济水平，会更偏好买房。数据：35-40岁用户买房TGI偏好度最高，达200；30-35岁人数占比最高，达25%；年龄在25岁以上，占比80%；20岁及以下的TGI只有74，买房意愿低。
策略一：可优先组合圈选25岁以上人群进行投放。
策略二：新房人群投放时，注意把20岁及以下的人群排除。
洞察：用户更偏好下午和晚上访问新房数据：用户在晚上19-24点的TGI偏好最高，达184，人数占比也最多，达47%；其次是凌晨访问；继而是下午13-19点访问TGI较高；早上和中午访问人数及偏好都较低策略：push推送等触达时，可优先设置下午或晚上七八点触达。
2）业务属性分析洞察：新房用户偏向租整租房源，比较喜欢独立空间数据：整租占比94%，TGI偏好1914，均比较高；其次偏好单间出租房源。
策略：交叉租房人群时，可优选圈整租人群。
洞察：新房用户更意向，房龄较新的二手房数据：2-5年房龄的TGI较高为622；其次为2年以内房龄的TGI为607；5年以内房龄的用户占比约50%。策略：可优先圈选房龄偏好为5年以内的二手房用户，进行交叉营销。
洞察：二手房购置意愿度更高的用户，更容易访问新房数据：二手房购置意愿度高的，TGI为657，人数占比42%；二手房购置意愿度中的TGI为414；二手房购置意愿度低的，TGI为114，无明显偏好。策略：可优先圈选二手房购置意愿度高的人群；排除二手房购置意愿度低的人群。
洞察：新房人群更偏好访问保时捷、宝马、奔驰、奥迪等豪车品牌数据：TGI偏好最高的是保时捷，为9112，其次为奔驰、宝马、路虎等豪车品牌；访问人数占比最多的大众、丰田、宝马、奥迪等品牌。策略：可优先圈选奔驰、宝马、奥迪、大众品牌二手车人群，进行交叉投放。
洞察：工作5年以上的人群，更有可能买房数据：工作10年以上的人群TGI偏好最高，为28730，人数占比也最多，占26%；其次为6-10年的和3-5年的；应届生、1年以下经验、以及无工作经验的占比较少。
第三步：制定策略
通过一系列的分析，可得到通用组合策略和细分的业务线交叉策略，进行策略的总结。需要注意的是，制定策略是较为为关键的一步，数据分析的目的不是为了看数，而是制定策略帮助业务决定下一步动作是什么。通用策略：
租房业务交叉策略：交叉租房人群时，可优选圈整租人群。
二手房业务交叉策略：
新车&二手车业务交叉策略：
为提升今后的交叉营销方案设计质量和交叉营销活动效果，在每次活动结束后，都需要对效果进行评估和经验总结。
直接效果评价：用户数量、营销ROI、交叉营销收入、交叉营销成本。
间接效果评价：交叉营销对新用户和老用户的营销，交叉营销对客户忠诚度的影响、交叉营销对长期效益和企业形象的影响、交叉营销对联盟合作关系的影响、交叉营销对竞争关系和竞争格局的影响等。
该新房交叉营销项目，最后助力新房流量提升235%的同时，CTR提升了101%，以更精细化的方式来助力业务用户增长。
五、说在最后
站内交叉营销，能够更大限度地帮助各业务线，高效利用内部资源进行用户增长，提升整体大盘流量，从而降本增效。而在交叉营销过程中，需要注重选择精细化的用户，才能更好地为用户提供个性化体验。
专栏作家
一个数据人的自留地，公众号：一个数据人的自留地。人人都是产品经理专栏作家，《数据产品经理修炼手册》作者。
题图来自Unsplash，基于CC0协议。
