
淘宝网店从激活到挽留,4步走玩转数据营销_数据分析师
数据营销的核心就是基于用户数据对用户进行针对性营销。基于数据库的营销一般分几种类型:注册的未产生购物车、产生购物车未生成订单、生成订单未付款、无第二次购买、无重复购买、收藏夹用户。基于这些基础的用户数据,我们就可以将用户分类成多种用户群进行用户营销。如果是注册用户并且完成登录的,而自己的系统日志系统做的比较好,那还可以采集到用户的商品浏览信息。
有了这些数据基本可以完成相关的数据销售动作。大体可以分成三步:激活新用户、完成订单付款、防止用户流失。先根据业务的流程分析下用户的生命周期,从引流开始到离开。一般的流程是这样的:引流、注册、购物车、订单、付款、重复购买、体验服务、流失。这样的流程中,只要增加任何一个点的转化率,都可能增加销售。
新用户的增量是衡量一个网站潜力的非常重要的因素。按照用户的贡献来计算的话,用比较粗暴的方式来算,就是:人均贡献额=总的销售额/总的消费人数=总的销售额/总的注册人数/注册消费转化率。
对一个稳定的网站,他的风格、商品价格、商品品质、引流渠道是一定的,基本就确定了网站的目标群体在哪里。进一步看,网站内部的转化率(从注册激活,付款率,重复购买率)这些数据也基本都是稳定。除非你修改了一些购物流程,支付流程和商品陈列等东西,否则变化不会太大。基于这样的假设,那你的总注册人数就是个很关键的指标。(PS:如果你想不通,看看淘宝的注册用户增长和销售增长的曲线,这就是用户红利。)
当用户完成了注册时,你就有了相关的联系方式,一般的都是邮箱,有更清晰的会有电话。如果是社交类登陆的话,会更好,这样的消息推送的成本低点。新注册未产生销售的用户,一般的做法是用折扣信息来完成首单来完成。原因很简单,有时候折扣可能会让你首单亏本,但是你有了以下信息:用户的联系方式,具体收货地址(很可能就是他的生活的地方,用作区域营销用),而更重要的是首单体验,这个非常重要,就像走过一次的路,下次再走比较容易。而对整个购物流程来说,完成一次购买最复杂的地方是折扣。
催付分两个部分,一般的购物流程分选择、支付两块:支付部分有的是从收藏开始,到购物车、到订单,有的直接从未付款订单开始。这个取决于自己的系统,只要记录了相关的数据,对未付款订单进行简单的催付即可。(当然,如果你感觉真不够可以送点福利过去)。催付只需要控制时间即可,比如1天、7天、30天进行催付,对应不同的策略,1天只是提醒、7天送积分、30天送现金券之类。
也可以对不同级别的用户进行催付,用户的分类就是累积消费金额较高、最近频次比较多的、单个订单金额较大的,这样对应的催付可以设置不同的现金券。催付的渠道也可以设置,比如利用聊天软件、短信、邮箱、我的账户完成。
购物车的部分是快速生成订单并完成支付,用相关的折扣券效果比较好,还可以利用恐吓式营销。比如购物车商品的提价,针对那些购买了一些特价商品的。比如下架,当有些商品库存较少时,提醒就要下架,马上要其付款。
还有个部分是是收藏列表,收藏列表一般的作用是什么?无外乎几点,1.关注的商品,想要的。2.比较,已经大体的方向,选几个商品进行比较价格,款式等。从这个里面大体可以分出几个点:类目偏好,价格偏好。有了这些点,可以做一个很牛的动作,对收藏比较多的某类、某个商品做整体促销,设计价格折扣,然后再根据目标人群再进行相关的调整。
购买过1单的用户已经对你的网站有了基本的了解。从网站购物,到支付、收货,及相关商品的质量,有了初始印象,就可以进行相关的用户分群营销了。基本的用户群可以分成以下几种:
1.类目偏好。或者更准确的说是商品偏好,这个用户只在你这个网站卖的商品,比如我比较喜欢在淘宝买小玩意,在当当买书,在米兰网买服装,每个人对每个网站买什么一般都有固定的偏好。特别是经常网上购物的。可以从网站浏览的商品、收藏、购物车、购买的商品就基本可以分析出来。
2.价格偏好。从类目的价格分布和购买、点击的商品的价格进行对比,基本能分析出用户的价格偏好。还有使用折扣券的情况,积分的情况,这是利用现有折扣进行的。例如,如果有人对商品价格敏感的,就完全可以使用运费的费用调节;再比如,运费是服务范畴,而商品是实物范畴,有很多人喜欢付10块钱的运费买20块的商品,这是买服务。而你直接30块包邮的话,他就感觉贵了。这些需要一些价格的AB测试,目的是测试用户看重的是商品,还是服务。
3.节假日偏好。这种偏好的人是比较懒的。节假日偏好只所以产生是无外乎几点:1.节假日会做一些打折,往往折扣力度比较大。2.商家会把相关的商品按照各种主题准备好,然后划分各个类型。有了这两点,商品好找,又打折,自然有很多懒人在等待。这种人往往是前两种的结合体,而刚好节假日满足了它们的诉求,所以有了这样的群体。可是商家惯用的伎俩就是提价打折,尾货处理等。运气好可能碰到商家是用流行品做引流做活动的。
挽留是指原来购买的用户不再购买了,对用户进行的挽留式营销。一般会有1月,3月,6月的做法,不同的品类和平台对应的时间不同,换句话说就是不同的类目和平台的用户生命周期不一样。类似淘宝服装类的女性用户一般会比淘宝服装的男用户活跃,1个月不登陆女性用户可能就流失了,男性用户可能是正常的。所以,这个可以根据平台和类目的属性进行考虑。
我们可以设定一个大概的阈值,当超过了某个设定值后,就要做挽留措施了。挽留措施一般是推荐新品、积分使用、折扣券提醒、相关的挽留活动。对于那些平台数量比较大的,可以设置挽留用户的专区进行营销,主要方式是不同分群的用户,用对应的高质量的商品进行吸引,然后利用对应的折扣、服务等去换回,这样会比较精准。
还有比较犀利的做法是积分直接兑换现金券进行消费,积分到消费比较远,如果直接兑换现金券,会让人觉得变现,而增加粘性。想想微信红包,直接发红包导致了几百万的银行卡绑定,还是说明有这样的心理的人是很多的。
针对用户的数据营销一般是分上面几步了,上面分享的是几个思路,主要的是根据用户的生命周期进行设计,具体实施可以根据不同的平台类型来实施,因为大家的商品结构不一样,价格区间不一样,对应的用户人群也会很大的差异。这样具体实施的商品选择,用户分类、主要的方式都需要根据自己的情况而定,基本的就是用户、商品这两块要搞清楚。不管是用商品分析到用户分析,还是用户分析到商品分析来做,最后肯定是两块都比较熟悉,才能比较完整的控制营销。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01