详解电商行业精密化经营的四大场景
本文摘要:跟着流量盈利的消失,企业为寻求更高的 ROI,企业运营重心现已被迫从拉新流量转移至存量用户——对用户进行精密的分群,并配以细分的运营策略,将适宜的产品精准推送给用户。精密化运营是流量盈利完毕后的生计法则,是面向 ROI 和细分策略的体系化运营方案。

跟着流量盈利的消失,企业为寻求更高的 ROI,企业运营重心现已被迫从拉新流量转移至存量用户——对用户进行精密的分群,并配以细分的运营策略,将适宜的产品精准推送给用户。

精密化运营是流量盈利完毕后的生计法则,是面向 ROI 和细分策略的体系化运营方案。我们无妨用四组词来界说精密化运营,分别是:量入为出、各取所需、物尽其用、乘机而动。

图 1 四组要害词界说精密化运营

量入为出:无论是运营效果仍是投放效果,产出状况抉择我们的投入。A/B Test 保证运营活动在大规模投入之前,预知方案的好坏。

各取所需:依据用户群体画像制定差异化的运营策略,个性化引荐、个性化推送是常用的运营方式。

物尽其用:在投入资金、人力后,所做的事情是否比其他事情更具有价值?比如坑位运营、优惠券,效果是否契合预期。

乘机而动:一次运营活动不可能让 100% 的用户完成转化,应该寻找适宜时机对其进行二次触达,直到其依照运营的预期开展。

四大场景讲述精密化运营

注:以下产品配图均来自神策分析,为防止商业秘要,图片所涉数据均为虚拟。

场景 1:某超商小程序的用户分析运营

某超商有一款进店小程序,他们期望通过小程序完成两个意图:

一是提高活跃度,即依据顾客的购买商品的记载,对其进行精准营销,让顾客可以常常消费;

二是提高购买转化率,比如线下支付通常需要推销员人工进行商品引荐,而通过小程序选择商品则可以直接看到相关引荐商品,从而提高客单价。

在运营角度上,就是通过 ROI 完成更高功率的用户运营,提高用户的拜访频率和购买转化率。其运营分析主要分为两个步骤:

第一步,确定北极星指标,基于指标拆解象限图

基于提高活跃度和购买转化率的意图,运营团队将北极星指标界说为用户 3 月拜访天数、用户总消费金额。

通过使用 2 个北极星指标建立起“用户四象限”,将北极星转化为用户标签,把用户划分红了 4 个群体,分别是高频高价值、低频高价值、高频低价值、低频低价值。

图 2 基于北极星指标拆解象限图

第二步,对不同的用户群体,采纳不同的运营策略,明确运营方针。

1. 高频高价值:是企业的头部客户,是重点的用研对象和门店体验约请对象。

2. 低频高价值:该群体是潜在高价值客群,还不是产品的忠诚用户。因此是重点的品牌宣传和交叉营销对象,以期建立品牌忠诚度转变为高频高价。

3. 高频低价值:是最庞大的长尾群体,可以让其粗野成长,但同时做好预警机制,一旦发生很多迁移,立刻进行分析,进行运营干涉。

4. 低频低价值:可以让其自生自灭,不做针对性运营。

最终效果是——在运营预算不变的状况下,提高了全体运营效果。用户活跃度全体提高 10%,用户消费转化提高 5%。

除此之外,企业还可以依据用户生命周期阶段分层运营,提高用户在生长通道的流转。

图 3 精密化运营流程图

场景 2:某二手豪华品电商的新用户流量运营

某二手豪华品电商对平台流量运营时发现,平台常常会有阶段性的流量暴增,针对新用户的流量运营是运营团队的核心运营方针。

团队通过渠道流量分析后发现,其 70% 的新用户主要来历于两个渠道:抖音和 B 站。

通过用户分群及漏斗分析对用户群体进行下钻分析,发现抖音渠道的流量转化率和复购率都比较好;而 B 站则不然,虽然加购较多可是转化较少。

图4 ?数据分析发现,B站渠道加购高,转化低(图片来历:神策分析)

图5 ?数据分析发现,B站渠道加购高,转化低(图片来历:神策分析)

虽然两个渠道从效果上有较大差异,可是从流量效果上来说,B 站是不能抛弃的重要营销渠道,因此运营人员将重要精力放在此渠道的新流量的运营上。

因为 B 站渠道?0-17 岁用户占比达 37.55%,18-25 岁的用户占比为 29.96%,因此运营人员判断该渠道用户较为年青,对豪华品有需求,但经济购买能力有限。

于是通过内部交流,在平台上添加了快时尚品牌,针对 B 站渠道的用户制造专门的落地页。通过完美的内部承接,渠道的用户转化率迅速上升。乃至该企业依据用户群体的特点,将产品定位从“豪华品”改为“时尚品”,完成了数据驱动商业决策的改变。

场景 3:常识付费企业的优惠券效果评价

优惠券的使用是企业精密化运营常用的手法。抱负优惠券发放带来的效果是,合理的补助率(小于 20%)、用户较高的使意图愿、促进较高的出售量、多元化的使用方向、效果长时间——继续的用户活跃和用户购买。

图 6 抱负优惠券发放的效果

因为影响优惠券的发放活动效果的因素很多,运营人员可以通过该指标体系来评价效果,如图。

图 7 优惠券运营的指标体系

一家常识型付费企业常常会给用户发放一些优惠券,通过分析发现“老友约请券”使用频率十分高。

老友约请券是由老用户发给朋友,当朋友成为平台用户后,两人都会各得到一张券。然而,虽然该券被高频使用,可是带来转化率十分低,复购率仅为 6%,远低于其余券 20-30% 的复购率。

运营团队通过用户途径分析以及用户调研,发现“老友约请券”的发放者主要是 KOL,他们会在开新课之前给学员发券,让学员减少课程支付本钱。在这种场景下券的使用者对平台简直没有什么认知,复购率很低也是情理之中了。

图 8 ?70% 以上的约请券由 KOL 使用

因此,运营人员不能不暂时关闭了该券。那么,“老友约请券”该怎么发放?运营团队尝试了两种方式:

第一种方式:用户加购——提交订单——给券——支付成功。

在这种方式中,给券的环节是在用户提交订单、支付成功之前,通过小规模内试用,发现最终效果其实不好,因为它极大搅扰了用户的购买流程:用户在支付前看到优惠券,需要转给朋友并当朋友注册后才干投入使用,这样无疑延长了用户的购买时间。

第二种方式:用户加购——提交订单——支付成功——给券。

在这种方式中,老用户在支付完成会拿到一张优惠券,此时可进行分享该券,新用户在老用户下次购买前注册新用户即可,如此既然不会搅扰购物流程,同时还可以督促老用户的复购。

最终企业选择了第二种方式,通过数据监测,该券的使用量下降了 50%,可是复购率和 ROI 都提高了 50%。

场景 4:某电商企业的坑位运营

坑位归因,望文生义,是将产品最终收益的劳绩分配给转化途径中各个不同的坑位上。

坑位的核心意图是“流量引导”,当流量流入在线产品(如电商、在线教育等)后,运营人员需要引导其完成购买使命,以完成流量价值最大化。

坑位运营的第一方针是促进转化。促进转化相关的因素包括坑位设计、曝光量、产品体验、素材吸引力。量化指标见下图。

图 9 ?坑位运营的相关衡量指标

某电商运营人员期望全面了解各坑位的运营状况,从而找到优化重点。我们不难发现,不同坑位的贡献度差异很大,详细发现:

1. 大专题页面导入用户流量高,但转化率相对较低,要么优化该页面的转化率,要么将用户流量导向其它页面更为合理。

2. 并不是越排序靠前的方位,贡献越高,不契合常见的规律。前 30 位的坑位收入贡献占比只有 50.02%,低于另外常见客户的 60-70% 的值,有较大提高空间。

现在,在神策归因分析上线后,在神策分析进行参数设置后,官网各坑位的运营状况一望而知。通过归因分析还可以针对不同的优化点进行深度下钻分析,查看每个优化点对应的细分体现,例如查看不同的“大专题活动”,通过带来的贡献收入进行“大专题活动”的优化等。

坑位运营的分析思路 1. 坑位点击次数、人数和浸透率

通过各类坑位的点击次数、各类坑位的点击人数知道其时产品中流量规模最大坑位类型。通过各类坑位的浸透率,要评价用户使用坑位的意愿。

2. 坑位人均点击次数和 CTR

用户对坑位的使意图愿,不能单纯从点击次数上分析,因为不同的坑位因为地点页面和页面所处的方位不同,得到的曝光量也不同。因此需要使用更科学的 CTR 进行评价。

CTR = 坑位点击次数/坑位曝光次数,可以更好的表达用户在看到一个坑位后愿不肯意去尝试或使用。

点击率越高,表明坑位和素材吸引用户的能力越强;人均日使用次数越高,表明用户有将该坑位作为寻找方针商品的重要途径。

3. 归因分析

成单贡献分析实际上是一种典型的归因分析,将订单成交归于不同的坑位,并分析不同坑位带来的贡献,也就是订单量或订单金额的占比散布。

基于归因分析的成果,能看出不同坑位带来的订单量和 GMV 的肯定数和占比散布,从而对坑位的成单贡献进行评价。占比越大,成单的肯定贡献越高。

4. 坑位贡献原因分析

将归因模型中的方针转化,分别改为商品概况页阅读、加入购物车、提交订单概况、支付订单概况,就能够得到这些坑位在流量落地、意愿达到、促进有用订单以及最终支付各环节的贡献状况。

以上流程中,任意一步呈现问题都可能导致坑位的成单贡献不同,因此要定位问题地点,提高坑位效果。

5. 坑位内容分析

前面分析的所有指标,都是对不同类型的坑位进行的分析,除此此外,还可以对某一类坑位中的详细内容素材进行评价和分析,包括各 icon 的点击人数、次数,各 icon 的人均点击次数、点击率,各 icon 带来的订单量、GMV 等。

6. 坑位留存和全站留存

对坑位的使用进行留存分析,可以知道用户对各类坑位使用的粘性,一定程度反映该功用的友爱程度和有用性,是否能给用户带来杰出的体验,包括能否帮他找到感爱好的商品等。

触及功用点:留存分析、日留存、周留存。

以上是电商精密化常见的运营场景,精密化运营可以协助企业更了解用户、了解企业的投放效果、了解用户的出售额。

 

作者:朱静芸,神策数据分析师。大众号:神策数据

本文由 @朱静芸 原创发布于人人都是产品主管。未经答应,禁止转载

题图来自Unsplash,基于CC0协议


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。

相关内容