在新零售行业，随着数字化交易的大量进展，越来越多的客户被数据化，并且导入到了企业的客户数据库。而我们都知道，以阿里为首的新零售平台每年都有各类狂欢节日，甚至店铺也有自己的会员日等节日。很多企业都会在活动前后进行数据分析预测，活动实时分析，以及活动后数据复盘，包括转化率分析、好评率分析等，有的企业有专门的数据分析团队，也有的企业使用DataFocus等BI工具进行分析。而对于天猫、京东、淘宝等平台，潜客转化的一个重要指标就是收藏和加购。收藏反映出客户对于此店铺或商品感兴趣，加购的购买意愿更是强烈一些。那么如何利用数据分析赋能店铺的收藏和加购呢。
首先，收藏和加购基本上是“被动”的，即客户看到店铺的推送消息或首页展示，或是习惯性点开常买的店铺链接，点开页面后的行为，很少有直接搜索店铺名或商品名加购收藏的。因此，最好的促进收藏加购的时机是背靠活动。
我们还是以双十一为例。数据分析主要的目的不仅是筛选，更是洞察。那么说到客户大多是看到消息推送而产生的行为，我们就可以以渠道敏感人群为基准做数据分析。
第一是对于SNS、EDM敏感的人群分析。尤其是在双十一这类大促，可以分两拨分析历史数据，第一波就是对于双十一透出商品的响应人群分析。比如去年双十一主推的爆款，是活跃老客还是新客点击和购买率较高，第二波是第一波的人群对于此类爆款商品的收藏加购率。那么最后数据分析出的这一部分人群，就是高价值的通过上述渠道能加购的客户群体。
第二是微信、微淘敏感人群分析。这些积累的多是老客，可以做实时数据分析，比如可在预热期每天挑选几款双十一商品，结合时事热点，或者采用买家秀，进行商品透出，引导收藏加购，看每一天的数据情况，并实时调整推送的商品和内容。
第三是积分互动敏感人群分析。比如我们做过的每一个活动的响应率历史数据分析，或者即将要做的活动的实时数据分析，比如收藏商品、收藏店铺、加购物车、邀请收藏、多任务、大额优惠券秒杀、加购抽奖等。那么最后得出的人群，就是非常容易能用积分引导加购收藏的人群。
