數字是個很有趣的東西,很有說服力,而且也可以更加深入地掌握不同變量之間的邏輯關係。舉個例子,我們喜歡說留住老用戶,發展新用戶,那麼老用戶和新用戶的定義應該是什麼呢?直觀上說,老用戶就是曾經在我這裡買過東西的唄,其實這樣的定義太簡單了,假如今天是2008年4月24號,我們看看如下哪個顧客屬於老用戶?
; G) N6 M- H. B6 M/ v1,2002年註冊,2002年~2003年曾經購買過27次,但是2004年之後就再也沒有來過了;, R& E/ m4 g# Y. J2 x
2,2002年註冊,直到2005年才買過一次東西,但是從此人間蒸發了;* p8 X# |# k; [; v6 n7 w
3,2008年4月22號註冊,4月23號(昨天)買過東西,不知道他以後還來不來;
9 @* C! ? l( d0 F4,2007年1月註冊,2007年1月~2008年4月間,平均每3個月就來買一次。4 D) A' m0 x) e% e9 r( }( b# ]
其實上面的都可以俗稱為老用戶,但是他的註冊時間,購買次數,購買金額,購買頻率,最後一次購買時間等數值,對我們都有重要的參考和分析意義,只有細緻分析,才能精準營銷。
- [# x/ I Q5 N) f9 h; x( A我們來用數字分析一家比較知名的B2C網站的發展歷程,名字就不直接說了,我們就用A公司來代替。只是從這些分析中,我覺得可以看出很多隱形的(hidden)有趣現象來。這不屬於洩露公司業務,名字和產品都沒有寫。事實上,我還掌握了好幾家的內部數據。我只是想,能夠拿出來和大家一起商酌,無傷大雅,可以一起探討學習。現在,我們從2002年1月1號開始分析,action!~! T6 N" L% t1 t2 ^0 M* ~; R
1,A公司的註冊會員發展軌跡; A! G6 E9 r2 H) `
某電子商務公司2002-2007註冊用戶發展變化 | 年度 | 年度註冊 | 每日註冊 | 註冊占比 | 累計占比 | 2002 | 7792 | 21 | 2.22% | 2.22% | 2003 | 27835 | 76 | 7.92% | 10.14% | 2004 | 39738 | 109 | 11.31% | 21.45% | 2005 | 72332 | 198 | 20.59% | 42.04% | 2006 | 98316 | 269 | 27.99% | 70.03% | 2007 | 105299 | 288 | 29.97% | 100.00% | 總計 | 351311 | / | 100.00% | / | 截止2007年12月31號,A公司累計註冊用戶35萬。淘寶網截止2008年Q1有6200萬註冊用戶,也就意味著A公司的註冊用戶只是淘寶的0.56%而已。每天的註冊人數從2002年的21個(天)到目前大概300個(天),可以說,A公司的註冊用戶一直在穩步增長。; k1 K7 ]+ @. w. p/ Q) `& u
中國互聯網網民的規模,足以支撐所有的統計規律的圓滿實現。我在baidu的index裡輸入某個關鍵字的查詢次數,比如我輸入「電子商務」,發現每天在baidu查詢「電子商務」的人數一直穩定在300~500的範圍內飄飄蕩蕩的。昨天查詢的人和今天查詢的人是不一樣的,而且也互相不認識,但是龐大的baidu用戶群體造就了美麗平滑的統計大數定律。所以,如果有人問我,今天大概多少網民過生日?我告訴他,大概27萬左右,因為網民總計1億,365天每天都有人可能過生日,所以這個27萬的正確率絕對80%以上。* B- p) a, l z7 ^
2,A公司的年度交易量發展變化圖9 p$ q/ L% t) }& B
年度 | 每日交易額(萬) | 年度交易額(億) | 每日訂單量 | 平均每單金額(元) | 2002 | 3.13 | 0.114 | 54 | 583 | 2003 | 7.31 | 0.267 | 118 | 620 | 2004 | 11.02 | 0.402 | 172 | 640 | 2005 | 15.66 | 0.572 | 240 | 652 | 2006 | 31.34 | 1.144 | 462 | 679 | 2007 | 41.83 | 1.527 | 614 | 681 | 總計 | / | 4.026 | / | / | 恩,不錯,2002年每天只有3.13萬的交易量,到了2007年,每天有41.83萬了。年度交易額來看,2006年就衝過1億的關口了。每個訂單的金額大概就是650元左右。每天的訂單量目前維持在600多一點的規模。除掉每天8小時的睡覺時間,其他時間顧客都可以下單的話,大概1~2分鐘就來一個600多元的訂單。
* ^8 D6 ?( x( w: q, s1 I3,註冊用戶的購買情況1 M1 B7 ?: e* h1 S9 a: C/ l
如上的2個表格沒有意思,這個表格卻可以說明很多問題:
2 w9 l" K, m) F& d3 i1 B4 N購買次數 | 人數 | 百分比 | 人均貢獻(元) | 總計貢獻金額(億) | 累計貢獻 | 0次 | 185773 | 52.88% | 0 | 0.000 | 0.00% | 1次 | 71859 | 20.45% | 548.49 | 0.394 | 100.00% | 2次 | 28060 | 7.99% | 1094.03 | 0.307 | 90.21% | 3次 | 15496 | 4.41% | 1584.46 | 0.246 | 82.58% | 4次 | 10304 | 2.93% | 1990.09 | 0.205 | 76.48% | 5次 | 7425 | 2.11% | 2551.32 | 0.189 | 71.39% | 6次 | 5273 | 1.50% | 3235.61 | 0.171 | 66.69% | 7次 | 4520 | 1.29% | 3655.12 | 0.165 | 62.45% | 8次 | 3255 | 0.93% | 4318.95 | 0.141 | 58.34% | 9次 | 2717 | 0.77% | 4597.85 | 0.125 | 54.85% | 10次 | 2152 | 0.61% | 5182.04 | 0.112 | 51.75% | 10次以上 | 14474 | 4.12% | 13622.08 | 1.972 | 48.98% | 總計 | 351311 | 100% | / | 4.026 | / | 1)
$ m" }- S& N5 c3 d所有的註冊用戶中,52.88%的註冊用戶到目前為之還沒有產生過購買;所以註冊到購買轉化率大概47%;
% E7 l% F* j" d8 a9 H2)
) x7 W$ ?4 x+ _產生了3次或以上購買的顧客占總體註冊用戶的18.68%,但是他們產生的總體購買金額卻佔了A公司有史以來總體交易金額的82.58%,看來2:8定律真的是無處不在! ?% e) Q5 G& o! t& I4 K; I
所以,根據這個結果,我們可以把購買了3次或者以上的顧客定義為公司的核心用戶,他們是確保公司基石的重量級客戶。
, p) `3 U j$ V3)1 l1 L9 y- {; r: v
購買10次或以上的有14474人,占註冊用戶4.12%,但是這小小的4.12%的用戶為公司貢獻了48.98%的交易額!而且人均貢獻1.36萬!當然不排除企業客戶,但是我們發現,購買頻率越高,對公司越是至關重要!
& ?) V4 ?& A1 u( [我們這裡做個假設:如果不考慮重複購買,所有的顧客只要購物,都只買1次,那麼會發生什麼情況?
' d! D/ V5 [: l/ V' ^3 i5 ~結果是:A公司的交易額將變成目前總體交易額的25%而已!公司總體交易額將縮減75%!可見:
% G/ j2 ^. q: P2 L& n7 I- H1)& `$ \: O$ H9 H' X7 s B' ?
對於一個購物網站來說,忠誠度的培養和顧客的重複購買,是多麼關鍵。
4 s8 o {3 `5 M; ]$ Q" u2). R& F# ?# W! ~( g
長期進行老用戶的優惠措施(積分優惠、折扣優惠等)是公司發展的根本!
- z! m" `1 N/ o4,有過購買的用戶,都是註冊之後多久會購買?$ o7 ]. J. _ u( `9 D1 \
如下是以有購買記錄的顧客為研究對象的,從沒購物的不考慮其中。
0 b) n0 F. \9 d註冊到首次購買的時間 | 人數 | 占比 | 註冊後1個月以內購買的 | 135377 | 81.78% | 註冊後2個月以內購買的 | 140177 | 84.68% | 註冊後3個月以內購買的 | 142892 | 86.32% | 註冊後4個月以內購買的 | 145177 | 87.70% | 註冊後5個月以內購買的 | 147097 | 88.86% | 註冊後6個月以內購買的 | 148752 | 89.86% | 註冊後7個月以內購買的 | 150408 | 90.86% | 註冊後8個月以內購買的 | 151351 | 91.43% | 註冊後9個月以內購買的 | 152262 | 91.98% | 註冊後10個月以內購買的 | 153139 | 92.51% |
: }0 V i' I, G* h' o+ e | ) S6 H6 ` O0 _' O1 x* Q a
|
9 O8 a# |& }# `6 H+ E/ J | 這個圖表說明了幾個很重要的規律:* m/ H! q7 |; ?. w) W! J! E: i* G- I
1)
! Y% q# l* Q' T顧客註冊之後如果要購物,那麼81.78%的顧客都會在註冊後的1個月之內下單;" ]% T% C5 @& e$ ?2 r
2)& O+ S( @7 V7 r5 U/ ^/ Y
如果顧客註冊之後的1個月之內沒有購買,那麼他81.78%的可能性永遠不會來買了;% Z8 U2 k- q, [9 x( D* @4 M: C7 m' j
3)
: @' o7 m) X4 v( Z, l z* T- Y$ {如果顧客註冊之後的半年之內麼有購買,那麼他90.86%的可能性永遠不會來買了;2 u' m+ l" k1 C, n/ \: n8 T
4) 如果顧客註冊之後1年以內還沒有購買,我們就不用追討了,他很有可能就蒸發了;4 i7 |! @! x5 E: [$ U. K
4)( j* V2 B% \2 V5 c7 p7 C
所以,要顧客轉化,有必要在顧客註冊之後的1個月之內通過各種方式引誘他購物;5 |/ h& {3 X9 O/ H$ H( t
技巧:顧客註冊之後,通過Email和短信通知其購買,甜美MM電話告知,甚至不惜給予豐厚的優惠讓顧客來購買。根據統計分析,顧客註冊之後產生第一次購買的概率是47%左右,但是一旦產生了第一次購物,那麼他購買第二次的概率是60%以上;所以,讓顧客產生第一筆交易永遠是值得投入的,一旦變成你的老用戶,那麼他的價值是很大的。
" z7 ]. w( y3 A3 r4 b) E5,顧客的購物頻率是怎麼樣的?
- F0 p ]; O3 M0 f5 j* Z) L/ c如下的顧客全部是購買了2次或者以上的顧客,因為只購買了1次的顧客,討論購物頻率是沒意義的。7 o: W' B& D' O) { y
購買頻率 | 人數 | 百分比 | 累計百分比 | 0-1個月來買1次 | 17977 | 19.19% | 19.19% | 1-2個月來買1次 | 18183 | 19.41% | 38.60% | 2-3個月來買1次 | 15476 | 16.52% | 55.12% | 3-4個月來買1次 | 10988 | 11.73% | 66.85% | 4-5個月來買1次 | 8000 | 8.54% | 75.39% | 5-6個月來買1次 | 5658 | 6.04% | 81.43% | 6-7個月來買1次 | 4244 | 4.53% | 85.96% | 7-8個月來買1次 | 3035 | 3.24% | 89.20% | 8-9個月來買1次 | 2145 | 2.29% | 91.49% | 9-10個月來買1次 | 1705 | 1.82% | 93.31% | 10個月以上購買1次 | 6267 | 6.69% | 100.00% | 總計 | 93678 | 100% | / | 這個表格也有意思:
+ s" q" E* S: |4 v/ t6 Z# C1)81.96%的顧客都會在半年之內來購買1次,所以,對我們公司來說:
# }3 s& x; E- u. \) t2個月給沒有繼續購物的顧客發送優惠的產品信息,必要性:38.60%;2 L% J" u X% [' d; s8 _
3個月給沒有繼續購物的顧客發送優惠的產品信息,必要性:55.12%;
) G! ?- @; s5 t" X8 r+ n; m8 H6個月給沒有繼續購物的顧客發送優惠的產品信息,必要性:81.43%;
# S. t$ s6 K2 Q1 ?' \6)9 }$ Z: X7 d( j9 A
新老用戶交替的科學計算矩陣圖" k- f2 V# Z; t/ w4 } X
如下這個圖是有意義的,是動態跟蹤顧客購買記錄的矩陣。這個圖有點繞口,它觀察的是:顧客最後一次下單的情況。
+ H( b) D9 {& B; E7 o比如,我們拿2002年來說明:2002年註冊的那幫傢伙,最後一次下單都是什麼時候呢?如下的百分比說明:3 H) G0 U' n8 N+ M) D- v4 Q' `
1)2002年註冊的人如果購買了,21.49%的人最後一次購買是在2002年;
% K1 e# z5 m/ g% a2)2002年註冊的人如果購買了,8.16%的人最後一次購買是在2003年;4 Z) g0 ~1 K3 D$ F$ R9 R4 [( i% S
3)......
: x. y4 I! d6 C4)2002年註冊的人如果購買了,38.16%的人最後一次購買是在2007年!% D0 a. d- f9 V
這個表格說明:( D' b! u; `7 {
不管顧客是哪一年註冊的,平均來說40%的顧客還是會在目前保持活躍度的,顧客的生命期比我們想像的要長;也就是說:2002年註冊的那幫傢伙如果產生了購物,他們40%左右現在還在活躍著!2003年註冊的那幫傢伙如果產生了購物,他們40%左右現在還在活躍著!5 Y" M9 @1 A/ [0 v. ?$ S i& B' r, K
! `- u, j4 ~9 M; o! Z# f0 |* }
| 2002年 | 2003年 | 2004年 | 2005年 | 2006年 | 2007年 | 總計 | 2002年註冊 | 21.49% | 8.16% | 6.44% | 8.85% | 16.90% | 38.16% | 100.00% | 2003年註冊 | ! z- Z7 [5 Y8 u) y2 y6 K
| 28.08% | 8.47% | 9.63% | 14.88% | 38.94% | 100.01% | 2004年註冊 |
/ i$ |8 m$ C9 s) m, K! @8 V6 P+ r
| ; Y7 X8 a7 r9 o$ c- o. E
| 27.04% | 10.90% | 17.99% | 44.08% | 100.00% | 2005年註冊 |
( E+ O' O* A/ [, j: I
| 2 S3 w8 v% B3 J, `+ L9 w
|
! y1 X6 r! n$ x9 g" K! J
| 35.00% | 21.59% | 43.41% | 100.00% | 2006年註冊 | : j- b$ B+ d7 D: G
| + L9 Z4 ~+ k& P$ S) A: f
|
% _' o, r8 q! R; L" t
| / x' i/ ^% r; n4 d* X9 d/ Q/ |1 L
| 55.27% | 44.73% | 100.00% | 2007年註冊 |
4 d1 A& U8 |2 ^5 G% l# a
| , {3 d p; t ^3 `) Z/ y
|
& q& }9 Y- a6 r& f! c6 j
| % u+ V' @% s$ B6 Y) r% j
|
: ^+ [# @7 K8 t
| 100.00% |
! B( P, h: j" [) h) M9 d3 E' x! D$ v4 Q
0 `( V; H" i5 X' Q. X! D我個人是很重視數字的,其實不管是價格策略、產品策略、促銷策略等,數字都可以在很大程度上助我們一臂之力,特別是目前技術允許我們這樣做,我們有cookies記錄顧客的行蹤,我們有CRM系統對顧客信息進行整理分析,我們也可以用統計學模型來分析顧客瀏覽產品的關聯度指數等。
1 s# B% n8 F4 V1 a9 \$ u% `- f6 A! P) k/ ^ R9 S4 ]
1,我們不應該只是關心增長率,而是應該關心邊際增長率。比如過去4天註冊人數是:100,150,180,200,貌似是在增長,但是邊際增長是50個,30個和20個,那麼邊際增長出了問題,註冊雖然在漲,但邊際在衰減;
5 G/ K7 V2 A2 Q6 _$ o8 X
/ g* M! O8 r9 L3 ]& [ 2,文中我沒有分析產品。但是顧客第一次購買和以後購買的產品是不一樣的。我們如果發現50%以上的顧客第一次購買都傾向於購買某類產品,那麼針對新用戶,我們就應該推廣這類產品。在其他網站做廣告,我們也只是推廣顧客第一次最容易購買的產品廣告,而不是全部產品。7 X" f' p* L3 S# I' D; P6 I+ D
9 p' q( \6 ~% o9 a; y q
3)我們可以巧妙地在網站上調整價格做實驗,來測試顧客的價格彈性。比如我故意將某個產品價格下降5%,看看顧客的購買金額增長了多少。如果顧客購買增長超過5%,那麼降價有理;如果顧客增長少於5%,那麼最好是不要降價。
8 S' R4 ?2 Q4 H5 M1 S. ]. S% X: A) e% ?) P6 n3 Q# F
4)我可以在網站上隨意做任何促銷,包括降價、送贈品、捆綁銷售、抽獎、主題活動、優惠券、積分等,然後我在系統中細緻地分析每個促銷活動的:1,投入產出比,比如送贈品是1:5,也就是投入贈品成本1元,帶來5元交易額增量;2,每個活動帶來的交易量增長絕對值。以後我專門選擇投入產品比和交易量絕對增長高的促銷活動。但是在首頁做促銷問卷調查是沒有太大意義的!
7 a. o7 O' J! T+ C) X. E
! n8 ^$ Y3 @% q
( J J% O, A( u0 W) W& F+ }/ |$ _9 @3 P+ J1 c) b5 z5 o* V1 E+ h4 K
轉自 黑色夢中SEO博客 |
評分
-
查看全部評分
|