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?
2 ~8 U: M( A5 V4 b- U' O1,2002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;: E, q4 k2 Y6 N0 Q
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;
X+ a( C' a" n# J" m3 A3,2008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;7 I1 ^+ G8 {8 k* A8 s& W
4,2007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。7 N2 d7 I4 m9 K4 ^* W; { o
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。5 |1 U4 A& C5 F) d+ T7 ^9 s8 y6 e: D) i
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!~
4 ]6 W8 h0 V' \. d/ d [1,A公司的註冊會員發展軌跡# E j( d9 K3 X9 K
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。' ^. N: M* |0 l/ u$ V6 G
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。
# y$ l5 ^* S$ N9 {( Y% c2,A公司的年度交易量發展變化圖( o. ^& S4 A% f3 V4 g# n6 `
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。* `% t) }; h4 X- G$ M: p! ?% V: W
3,註冊用戶的購買情況
. _1 H4 t9 s) s5 a I# W4 Y如上的2個表格沒有意思,這個表格卻可以說明很多問題:& Z0 x7 x4 i, G+ D0 B$ k
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)8 z% c+ E* ^; }* U. N, m1 x
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%;" K6 M* O0 d* r" J1 o" F- {
2)! I' R2 k4 r6 Z: m( h) W
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!2 }0 N4 y2 @' _ v! T' 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。
4 L5 u1 U7 z, J* Z) @7 D* O3) i, P5 M+ k! V7 F q2 V* u: [7 U
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!' E( U4 e+ o, n% X9 a
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?- |$ u4 H3 d; ^
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:
3 F" c6 k" B) I9 L1): h6 T p* t0 v& `
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。
' w& R! { j* C& a" N; N) U2)
# E3 z- l7 `) @- M' e- }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!4 W& ]: ]/ C$ ]7 ~' g6 ?& d
4,有過購買的用戶,都是註冊之後多久會購買?
! ~( p9 P, F: J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。
u8 E! G4 q% H$ j" ^+ i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% |
4 |; F/ g" `3 g: y | + A' c J, F5 P! o. R2 q5 V
|
9 [3 J; O4 }4 _ | 這個圖表說明了幾個很重要的規律:
( H1 x' q- w+ }1)
) D' o7 h8 S% h% }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;
) O e. g& O2 G8 ~0 e2 C2)
: K9 A5 t: q" E2 ~ _/ @3 U8 m' h$ e: n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;
# T y0 e" i) a5 a$ t* Z5 k7 P# m: E3)
, ?/ A7 U P* o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;
4 ?6 q* V9 M8 Z4) 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;- n' `6 \- O" c' p" u
4)& L% A: P9 Y4 p+ 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;
: d# R3 d9 s6 f- r. y: J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。& N' J9 Z2 R, P
5,顧客的購物頻率是怎麼樣的?
6 ?$ `) N b- R& f) a+ F. U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。
0 j' N) { W9 {( g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:- e9 _" A" U* d) y9 p4 u
1)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:+ R# M6 a, | S. Z
2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%;
: b8 r3 b) {' |. _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%;% d, {: h7 V+ t& }: ?
6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%;- y& w9 k% s$ S- f; S6 o
6), W \% }9 ?5 [ L" O5 [, |, `
新老用戶交替的科學計算矩陣圖5 O7 E' `! O9 b9 Q/ F
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。
: U% p/ G2 d; @. a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:
/ G3 y5 Q- D9 c+ W7 m0 T& U' O0 U1)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;- P8 R0 l+ b* d* w3 O
2)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;- |1 f1 W/ i+ W2 K
3)......2 l3 t1 `9 ~. b0 @
4)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!+ f7 @; l4 `& r5 q N
這個表格說明:
6 f$ S3 F$ @. G, s/ P) a5 ?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!
$ f* |$ R$ a k3 J
9 {- z& v; e# q8 B. k8 }: `
| 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 | 1 I+ W) L$ E5 F( d
| 28.08% | 8.47% | 9.63% | 14.88% | 38.94% | 100.01% | 2004年註冊 | 7 R2 Y" {* _. C* w8 x
|
: l/ A; x; B0 K
| 27.04% | 10.90% | 17.99% | 44.08% | 100.00% | 2005年註冊 |
. V: `7 t. d) t' U T( f; |
| ; _, m* B8 a2 Z$ w. [
|
" u$ v S( `2 d& s8 c$ O: j
| 35.00% | 21.59% | 43.41% | 100.00% | 2006年註冊 | " a0 _$ j, n2 ^7 \7 O( l
|
5 a2 [( G6 x& ^. N& q4 }
| : l2 m1 T, P# b! [3 q6 J- _, b' [3 o2 N1 n
|
% R5 _5 t% A2 x, s
| 55.27% | 44.73% | 100.00% | 2007年註冊 | ! C' S3 _, a! u& U0 W& [ R5 w
|
; @) h R C2 \* k) y
| " N4 ?# a: u: ?% _- r6 {1 X
|
X! ]0 L* Z3 x- t" t6 d! q+ C
| - n- v5 t0 ]# @
| 100.00% |
; e% e8 @( o& V; v- g8 d5 M0 E; q
) s1 X6 u8 E, k* O2 B i& b
9 _: O) R) F3 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。6 s3 D4 s+ _7 L7 K' F% k9 _) x
- a' q* _1 j" t% K. T9 _
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;2 g8 g) r8 s# `; b1 S
7 I; }: Z5 {* `4 W: k5 V 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。
' X( k- R" C- s' L0 T
. n3 V( O- a. W& M/ m' Z) S/ M 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。5 L' s( E' C9 l/ d7 J
; ~/ \. I) c& [& H2 S* O5 [6 p, _* S
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!
5 q1 ^* s2 I6 `! x) m) Z8 z& c& K3 M G# y. }/ A
" Z3 U) T- j" E% {; |) r
% ` d4 U3 E- L- z9 Q, _9 e h' Y轉自 黑色夢中SEO博客 |
評分
-
查看全部評分
|