5.4 数字化的品牌资产评估的FAST模型

对消费者资产的深度挖掘代表着运营模式的重大变革，即从过去的“流量运营”向“消费者运营”进行转型。这意味着运营的参照体系需要从传统的GMV指标向着更全面的能够展现消费者动态路径的全新指标体系转变。阿里巴巴开发的FAST模型为数字化导向的消费者管理体系赋能，具有可量化、可对比、可优化的属性。

FAST模型主要由以下四个部分构成。

（1）Fertility（F）。Fertility（F）（AIPL人群总数量指数）是指曾达到过AIPL状态的消费者去重总量指数化后的结果。

（2）Advancing（A）。Advancing（A）（AIPL人群加深率）是指存在AIPL状态提升（包括从A提升到I、P、L，从I提升到P、L，以及从P提升到L）的消费者去重总量在AIPL人群总量中的占比。

（3）Superiority（S）。Superiority（S）（超级用户人群总量指数）是指高净值、高价值及高传播力消费者，即有意向与品牌产生互动的人群，如会员。此类人群是品牌可以低成本、高效触及或转化的人群，与是否已经产生购买行为无直接相关性。

（4）Thriving（T）。Thriving（T）（超级用户人群活跃率）是指有过活跃行为（包括180天内有加购、收藏、领取权益或积分、互动等行为）的超级用户在超级用户人群总量中的占比。

在传统广告学中，品牌的三个指标是品牌知名度、品牌美誉度和品牌忠诚度，是基于抽样的定性研究。在有了数字化手段后，品牌知名度指标不再体现在问卷上能否认知品牌名字，而是能够全量体现出品牌单位时间内触达的人群总数量。品牌忠诚度也转化为实实在在的会员数据，而品牌美誉度是一个感性指标，好感和成交转化不能正比拟合。通过AIPL模型逐层的转化率完全可以观测出品牌的运营能力。FAST模型能够更加准确地衡量品牌营销和运营效率，同时FAST模型也将品牌运营的视角从重视结果的静态数据（GMV）拉向了对品牌价值健康、持久的维护，从管理结果转向管理过程。数据化品牌价值的FAST模型如图5-9所示。FAST模型的数量指标和质量指标如图5-10所示。

FAST模型通过同时监测全部及细分群体的消费者历程的动态转化，为品牌商更好地运营消费者资产提供了有利的参考指标，解决了过去GMV指标无法考虑消费者转化时间和消费者质量等维度的问题。GMV指标是结果的表达，GMV=流量×转化率×客单价，转化率由于流量AIPL的属性不同而发生巨大变化。比如，在对“双11”的销售额进行预测的时候，前一年10月同期流量是每天10万个UV（Unique Vistor，独立访客），而今年是20万个UV。在商品和运营能力不变的情况下，是不是能判定在今年的“双11”期间能实现销售额100%增长呢？答案是否定的。这要看这20万个UV是哪个周期的消费者，是否精准。如果这20万个UV中有15万个是天合计划带来的新消费者，而去年的每天10万个UV是品牌兴趣人群和忠诚人群。那么很可能在今年“双11”期间GMV不增反降。基于FAST模型的评估就准确得多，很多商家对“双11”销售额的预测准确度大大提升。

图5-11为品牌活跃消费者数量在8月到“双11”之间的波动情况。从图5-11中能明显看出，这个品牌在9月开始人群“蓄水”（增加新人群曝光和从A人群向I人群流转），在10月20日开始发力“收割”（多次触达I人群为“双11”转化做准备）。品牌的市场曝光预算集中花在9月，而电商的推广预算主要花在10月中下旬。这个节奏与消费者的转化周期相吻合。参照前一年的消费者资产日环比数据，可以每天预估“双11”目标GMV的值，从而判断增加哪个运营要素。