提升订单率做好这五大数据分析就够了!

2019-12-18 08:56
发布人:和记娱乐
来源:h88平台官网
        

  现在很多电商运营团队缺少精细化运营和数据驱动的经验和意识,但是电商运营正在成为电商自身增长越来越重要的因素。

  近几年电商行业的各大网站纷纷通过降价、促销等方式来吸引用户,KPCB 的调查报告显示,2009 年到 2015 年全球移动端新用户的增长率持续下滑,可以预计在 2016 年这一增速将继续放缓。这意味人口增长带来的流量红利正在逐渐消退,用户增长将更加乏力,那么,通过单纯的价格战来吸引新用户的方式还可行吗?

  2)现在很多电商运营团队缺少精细化运营和数据驱动的经验和意识,依靠价格战这种生长的方式,一旦团队面临增长困境,又该如何应对?

  要想实现精细化运营,数据是必不可少的一个环节。电商网站要提高运营效率,至少需要五大关键指标:活跃用户量、率、留存、复购和GMV。

  1)活跃用户量是一个基本的指标,有 DAU(日活跃用户)、WAU(周活跃用户)和 MAU(月活跃用户)三个层次;

  2)是一个非常重要的指标,电商运营需要关注主径、次径甚至精细到每一个品类 / SKU 的率;

  5)GMV 是最重要的指标,我们的运营最终是围绕这个来进行的。GMV = UV *率*客单价。

  这是三个电商 APP 的首页界面(各家 Web 端布局也比较相似):前两个是京东和国美,属于平台型的电商;第三个是生鲜水果平台,属于垂直型电商。不难发现电商的产品在设计上非常类似,首页呈现的是轮播的 Banner ,下面是活动专区。

  在商品运营中,尤其是首页商品更新速度快,我们要格外重视,甚至要精确到不同时间区间、不同、不同商品的率。然后根据率,结合业务经验,不断调整运营策略。然而目前,即使是大型的电商网站,也没有很好地做到这一点,对于每个商品品类 / SKU 的率的分析仍存在一定的空缺。

  商品运营有一个非常大的优势:投入低,见效快,效果明显,商品运营的本质是通过不同坑位、不同活动、不同商品的分析来提高我们的率和GMV。

  下图展示了一个电商购买流程的主径:首页活动页商品详情页支付完成。从精细化分析的角度出发,我们关注径每一步的率;通过分析不难发现最后一步“支付完成”的率偏低。

  我们更需要基于三个关键“UV-点击”、“点击-加入购物车”、“购物车-支付成功”,对不同的商品进行比较分析,从而及时调整运营策略,下图就是各个步骤的率:

  电商网站的运营节奏非常快,尤其是活动专区的“秒杀”、“抢购”等活动,需要实时监测 SKU 的更新变化。上图中,某电商平台进行了一次微信上的促销活动,通过实时监测到对应的平台访问情况,便于运营人员及时调整运营策略。

  电商网站上的商品品类非常多,每一个品类都应该有明确的定位,不同定位的品类应该有不同的运营策略。根据商品品类的利润率、率等表现,我们将商品品类分成 4 种:导流型品类、高利润品类、高品类、未来明星型品类。

  这是新型的矩阵,横坐标代表商品的量,纵坐标是商品的率,图中的每一个圆圈代表一个品类的商品。右上角的商品品类量大、率高,是现金流的重要业务;而左上角的商品虽然率非常低,但是率极高,属于我们提到的未来明星型品类,对于这一类商品,我们在后期的运营中可以增加其量。

  正如开头提到的,随着互联网用户增长速度的放缓,用户体验愈发重要,之前无目的的短信推送、APP 通知有可能使用户厌烦,用户的体验;甚至可能导致用户退订、卸载。

  精细化运营的情况下,做好用户运营主要从两个角度出发:一是找到用户留存的关键点;二是采取差异化的运营策略,区分不同的用户群体,对不同群体采取差异化的运营方式。

  留住一个客户的成本远远小于重新获取一个客户的成本,所以留存至关重要,它关系着一个平台能否持续健康发展。

  留存曲线分成三个周期,开始是震荡期和选择期,经过这两个周期,如果用户能够留下来,就会进入一个相对平稳期。

  以某电商平台为例,在该网站上 7 天内完成 3 次购买的用户的留存度(红色)是一般用户(绿色)的 4 倍左右,因此在一周内让用户完成 3 次购买就是他的魔法数字。

  不同用户的活跃度、商品偏好、购买决策阶段都各异,我们需要采取差异化的运营策略。差异化的运营策略主要从3个角度出发:基于用户的活跃度、基于用户对不同商品的偏好、基于用户所处的决策阶段。

  基于用户的活跃程度,我们可以将用户大致分成“流失用户”、“低频活跃用户”和“高频活跃用户”。一般情况下,一个用户 30 天甚至更久没有登录你的平台,我们基本可以认为该用户流失了。对于流失客户,是否要考虑采取召回策略。30 天内活跃 10 天以上的高度活跃用户,我们是否可以向其推荐更多精准的商品。

  其次基于用户对不同商品的偏好,我们采用用户分群,将用户区分成“美妆类”、“鞋帽类”、“数码类”、“书籍类”等不同群体,然后精准推送新品。

  最后,基于用户购买决策的不同阶段。一个标准的购买流程,先后经历“首页浏览/搜索浏览商品详情页商品对比加入购物车支付成功”等几个环节,用户在每一个节点都处于不同的决策阶段。我们从维度(属性数据)和指标(行为数据)出发,对用户分群,如“领取了优惠券,但是未使用”的用户,采取精准的推送。我们从 GrowingIO 提供的 API 导出这些用户的 ID 和属性,然后对接企业内容的 CRM 或者 EDM 进行精准的推送和提醒,刺激用户的。

  目前电商产品的设计总体成熟、界面布局类似,我们主要结合用户的使用情况去优化产品。我们的思主要是:优化产品不同径的率,注重用户点评的管理。

  上图利用 GrowingIO漏斗功能展示了一个用户的购买流程及每一步的率,我们发现“加入购物车”到“支付成功”的率不到 1/3,偏低,需要排查具体的问题出在哪里。

  一旦觉察到问题可能存在,我们就需要层层下钻,直接抵达问题的核心。我们通过用户分群,将“提交订单,但是未支付完成”的用户全部筛选出来。然后抽出 3-5 个符合条件的用户,借助“用户细查”仔细观看每个用户的操作流程,一般就能发现问题了。

  借助漏斗,我们发现观看过“商品评价图片”的用户的购买率是一般用户的 4 倍,但是其数量只占总体的 1/10。如果我们能引导用户参与点评,将优质点评展示给更多的新用户,那么我们的总体购买率将会有更大的提升。

      和记娱乐,和记h88,h88平台官网