京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析提升电子商务转化率
消费者网上购物的平均时间,拿去年的6月跟今年的6月比较,从20分钟减少到了17分钟。另一方面,客户停留在网站上的时间减少的同时,多数电商的转化率只有0.5%左右。
在注意力越来越分散的今天,99.5%的客户是流失掉的,电商要如何去了解这群客户的购物行为特征,并且使之转化为订单量。
困境:客户停留时间在减少
时间是一个很稀缺的资源
对于电商来讲,人均浏览网页的时间,就是正在变得稀缺的竞争资源。
从图二可以发现,每天覆盖的人数,购物网站(包括淘宝)的流量增长是68%,但是人均当天在线浏览的时间(在电商这边)减少了16%。网上购物的时间,拿上一年的6月跟今年的6月比较,则从20分钟减少到了17分钟。
我们细致地看一下各家网站(见图三)会发现同样的情况:京东、卓越、当当、凡客、梦芭莎,这几家代表性的B2C中,我们发现大部分流量是增长的,但是如果我们看一下这些网站人均的当日浏览时间,京东上一年是10分钟左右,今年则只有8分钟左右。那么,这是由于现在的网站找东西更有效,所以浏览网站的时间更少一点,还是其他原因?
其实,我们可以用其他的数据挖掘一下,到底是网站的有效性小了,还是总的时间少了?我觉得其中一个很重要的东西是每个网站在争取一个顾客进来以后,它在8分钟里做了哪些事情。
电商的眼球经济只有17分钟,这是总的平均数,也即平均每个网民在电子商务网站会停留17分钟。淘宝商城、京东商城,如果我们真的把它们浏览的时间拿走的话,你会发现其他的网站所拿到的流量就会很小。
而用户停留在网站上的有效购物时间减少的同时,电商的转化率却普遍不是很高。
从访问到购物车,平均来讲,100个人进来,只有4.5个人把东西放到购物车,有96个人不会把东西放到购物车,那这96个人干吗呢?
另外,我们可以看到,京东商城下单到在线支付的百分比是29.4%,凡客诚品是29%,一号店是8.3%。
追寻流失客户购物行为特征
先让我们看一下图五的数据。
图五这个数据蓝色部分显示的35%,是指只有35%的人是今天来、今天买的;65%的人是以前来、今天才买的。这里的65%说的是新客户,不是老客户,新客户今天来到这个网站,今天就买了。从下往上第二格红色,是昨天来、今天买的客户;绿色的是2-6天前来的、今天才买的客户;最高的那个橙色是21天之前来的、今天买的顾客。当然,这个数据,每个行业都有差别,不完全一样。
从数据我们可以发现,客户从访问页面到最终付款,所用的时间是不一样的。有的用户是第一天下单,隔了一个星期才付款。尤其是一些非标准、无品牌的产品,消费者比价情况普遍,导致从访问到下单购买时间更长。(我为此访谈过部分国内电商,数据基本一致但百分比不一样。)
所以,电商业者会发现,当天来到网站的人不能完全用漏斗(图六)来看,因为他来之前压根就没想买你的东西,他只是过来看一下这个产品便宜还是贵。面对这样的顾客,你就更需要知道他们到了网站之后做了什么事情。
首先,网站可以问,客户在下单之前浏览过哪些页面和产品,他的浏览历史非常重要。
其次,要了解清楚,正在网站上浏览的客户,哪些是明确要来买东西的,哪些只是随便来逛逛的,以及他们从什么入口进入;
第三,没有购买的用户,到底看了多少产品页,多少放进购物车没有付款,多少是一个产品页都没有看的;
第四,多少客户把产品放进购物车隔天才付款的。
此外,非常重要的是,客户登录网站首页之后,除了有40%的弹出率之外,剩下60%的用户分别是从搜索、分类购物和引导购物等渠道进入,作为电商来讲,应该了解他们从哪个渠道进入到产品页面、三个渠道进入之后付款的比例分别是多少,从中找出问题所在。
这一思路与网站整体的架构相关,目前国内关注还比较少,但是先可以尝试用这个思路去看存在的问题。
最后,最想告诉读者的是,用这些简单的方法,就能知道没有付款的消费者的购物行为,只有了解他们的购物行为特征,才可以让这溜走的99.5%的用户产生付款,从而提升网站转化率。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29