在一二級市場萎靡的大環境下,新消費品的商業模式需要從早期的 流量-轉化-留存 中解放出來,轉而更專注於服務體驗產品價值。商品品質和服務體驗做得好,才能帶來長期價值,要優於通過燒錢拉新的方式擴大短期規模。
本文中數據均為脫敏/虛構數據。
1
商業模式
在做用戶分析前,通常需要對商業模式做一個基本的了解,我們先來看經典的5W1H問題。
對於網易嚴選:
Who:用戶是誰?- 精品電商的用戶群體
Why:用戶為什麼來?- 有消費需求/內容吸引
Where:用戶到哪消費?- 多端&多渠道/線上&線下
When:用戶什麼時間來消費?- 用戶的生命周期
What:用戶來做什麼事?- 消費
How:怎麼做?- 挑選 > 下單 > 支付 > 物流 > 收貨 > 售後
後續會有單獨的一章做更詳細的商業模式擴展分析,這裡不做過多描述。
先看一個熟悉的公式,從用戶角度出發
[營業收入 Revenue] = [交易額 GMV] × [佣金率 TR]
[交易額 GMV] = [活躍用戶規模 DAU] × [轉化率 CR] × [客單價 ARPU]
可以通過 提升佣金率、擴大規模、提升轉化、提升客單價 達成增長目的。但根據系統性原理,以上因素都是相輔相成的,單一變量的變化會對其他變量造成影響。這裡就有一個問題,究竟哪個環節是能夠驅動增長的核心過程?
用一句話來說答案大概是:吸引並和留存高價值的活躍用戶群體。
我們從行為分析的視角出發,當前電商的運營模式可以大致分為兩類:
如上圖所示,由於業態的差別,境內和境外的電商模式,有明顯的差異。以首頁為例,與 Amazon / Etsy 相比,淘寶 / 京東 的首頁顯然承接了更多消費以外的需求,如商業化、簽到、遊戲場景等。究其原因,平台在不影響現有消費導向用戶的體驗的前提下(搜索作為主入口),滿足更多特定群體用戶的偏好需求,以提升[活躍用戶規模 DAU],並且願意花費額外的人力成本在其中。
回來看網易嚴選,顯然屬於後者。除銷售導購外,網易嚴選的APP中也承載了更多互動和體驗內容,也需要我們做更細緻的用戶行為分析,以找到機會點並驅動增長。
2
用戶需求
回歸電商的本質,用戶到嚴選APP的最終目的,應該是消費。消費前用戶會有一個的決策過程,也就是逛和選。
這兩部分是用戶的核心需求,由此我們可以定義一些關鍵指標,用作後續分析:
消費相關:消費金額,消費頻次
逛選相關:訪問頻次,收藏/加購頻次,訪問深度
我們這裡不使用停留時長作為指標,詳細見附錄。了解過網易嚴選電商平台的產品定位以及用戶群體後,我們就可以做定向的分析了。
3
分析框架
3.1 場景分析
前邊提到了網易嚴選APP的業務形態比較多元,除了核心的銷售場景外,還有一些互動場景。通過調研了解,我們對網易嚴選做了一些場景劃分,以便於更好的分析。
有了場景後,我們可以通過分場景的UV/PV排序,來做用戶的場景洞察,根據用戶常出沒的場景,做定向的導購/推薦/挽回等策略。
數據可視化:場景分布中常用的兩種可視化方案,PV展示用餅圖類,UV展示用柱圖類(推薦玉珏圖)。
UV展示:
PV展示:
3.2 路徑分析
通常情況下,電商場景的主路徑為:搜索-列表-詳情-訂單-支付-完成
但由於很多導購、互動場景的存在,會使得用戶的路徑更多元化,如下圖所示。
在路徑分析中,我們核心關注的問題是:
① 用戶為什麼來訪?- [投放吸引]:廣告/PUSH/短信 等 or [主動訪問]:直購/內容/物流/活動 等
② 用戶為什麼離開?- 未找到商品/價格不滿意/服務不滿意 等
數據可視化:路徑分析中常用的兩種可視化方案,桑基圖和路徑圖。
3.3 偏好分析
大部分用戶都有個人的使用習慣和偏好,了解目標用戶的偏好可以幫助我們做更好的精準營銷。
3.3.1 時間偏好
用戶的時間偏好(訪問時間偏好/購買時間偏好)也是很重要的特徵,可以協助我們更深入的了解用戶習慣。舉例如部分用戶偏好在8~10點做簽到任務,部分用戶偏好在晚上20~24點間觀看直播,諸如此類。該特徵可用於個性化推薦,以及PUSH/短信等主動觸達方案的時間控制。
數據可視化:時間偏好通常會採用熱力圖(推薦色塊圖)做數據可視化。
3.3.2 品類偏好
用戶會有偏好的某一個品類,或者某幾個品類,通過品類偏好分析,可以探究品類之間的關聯性,讓我們清楚的了解用戶需求,同時提升交叉銷售能力。
數據可視化:品類偏好通常採用關係圖譜做數據可視化。
4
深入應用
接下來,我們結合用戶篩選和用戶成長模型來看,行為分析的具體應用場景及價值。我們定義用戶的生命周期為:新訪-激活-首購-復購-忠誠
落到具體場景,我們需要引入一個統計方式 TGI [Target Group Index] 來做用戶評估:
TGI = [目標群體中具有某一特徵的群體所占比例] ÷ [總體中具有相同特徵的群體所占比例] - 1
為了方便展示,這裡採用自定義的TGI,TGI>0表示目標用戶的關注程度高於整體水平,反之TGI<0表示目標用戶的關注程度低於整體水平。
4.1 新訪-首購
這裡我們以 [首購新訪用戶] 對 [全部新訪用戶] 做TGI統計。先從場景入手,如下圖左所示 ↓,首單轉化的用戶對直播有非常明顯的傾向性。此外從數據角度看,偏好0元購、每日抄底、紅包的用戶,更易達成首單轉化。偏好茅台預約、新人會場、搜索場景的用戶,更難達成首單轉化。
我們可以得出一些結論:在新用戶對平台不熟悉的情況下,傾向於購買一些低價商品、或使用紅包/優惠券等權益達成首單轉化,此外,一些羊毛黨(如茅台預約用戶)很難轉化。
路徑分析主要看用戶來源渠道(SEM/CPC/ASA/CPS等廣告各不相同,通常質量和價格掛鈎),信息比較敏感,我們這裡不做詳細描述。
接下來時間偏好,如上右圖所示 ↑,下午 12:00~20:00 偏好用戶,更易達成首單轉化。有時候新客運營團隊會負責新客的前3單轉化,分析邏輯和上述首單類似,可以擴展。首購的商品也會影響復購,詳見4.2.1
4.2 首購-復購
用戶的復購,通常分為單品類復購和交叉品類復購兩種。這裡我們以 [復購用戶] 對 [有購買用戶] 做TGI統計。
4.2.1 單品類復購
同樣做場景分析,如下圖所示 ↓,紅包、優惠券、榜單等營銷和推薦場景的用戶,更易達成復購轉化。偏好簽到、心愿城等互動場景的用戶,更難達成復購轉化。
此外,用戶的單品類復購行為,也與商品品質的好壞強相關。考慮到好評率會有倖存者偏差,我們建議採用NPS(問卷採集)做為評估手段。
NPS = [推薦者數]/[總樣本數] - [貶損者數]/[總樣本數]
這裡主要是用戶分析,商品分析不做過多展開。
4.2.2 交叉品類復購
我們先來了解下,著名心理學家威廉·詹姆斯提出的鳥籠效應:一個不養鳥的人,當別人送給他一個鳥籠,不久後就會養起鳥,並且購買鳥糧等附加品。人們會在偶然獲得一件物品後,會繼續添加更多與之相關而的東西。
我們希望可以找到可以驅動品類遷移的 [鳥籠],並以較低的價格「送給」用戶,從而促使用戶跨品類復購。實際上通過用戶行為可以找到商品間的關聯關係,做品類偏好分析,就能找到 [鳥籠]。
舉幾個簡單的例子:
懶人拖把 → 一次性地板濕巾
空氣炸鍋 → 錫紙 / 防油紙盤 / 打蛋器等烘焙小工具
香氛燈 → 香氛精油 / 香氛蠟燭
5
附錄
關於 [停留時長和轉化率關係] 這件事,是一個明顯存在倖存者偏差的結論。
數據觀察: 停留時長和轉化率正相關。
認知升級: 消費用戶的決策周期更長,所以停留時間更久。
不足以支撐結論: 由於用戶停留時長更長,所以轉化率更高。
以上兩個事實只有相關關係,並不能證明存在因果關係。盲目提高用戶在域內的停留時長,可能無法有效提升轉化率,小紅書電商就是一個很明確的例子,此外,淘寶早在2018年前就放棄了把停留時長作為目標管理中的一環(除個別遊戲場景以外)。
但也不是完全無關,針對一些特定用戶如直播敏感型用戶,通過優化產品體驗提升用戶直播觀看時長,對轉化率是有正向作用的。
由於涉及到數據安全問題,文章中淺嘗輒止,只是提供一些分析方法論,並沒有深入的做細節探究。
評論列表
我對比過很多家,你們家的服務真的很不錯,很慶幸選擇你們幫忙挽回!
被拉黑了,還有希望麼?
如果發信息不回,怎麼辦?
如果發信息不回,怎麼辦?