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?
& Y. L2 j* x8 E1,2002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;
/ q2 y z/ L/ ?" Q- M$ m5 J2,2002年註冊,直到2005年才買過一次東西,但是從此人間蒸發了;& s2 d1 l+ Q1 `4 r6 v0 `
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;- F: k6 Y& Q& ~! X, ^$ Q
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。
: {/ i0 J6 |8 N. D9 j3 X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。& K# g; R' v) 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!~; o# P) Y3 {* d. ]- x# |
1,A公司的註冊會員發展軌跡
6 d+ k! W( i. w4 ~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。
9 v- ^! _. `" ?: _8 v& W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。% n# Z8 |! l1 U# w& U/ X
2,A公司的年度交易量發展變化圖
; d E7 e+ c/ ]+ O9 ]+ r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 ?, u W& f% W/ H' A/ v3,註冊用戶的購買情況$ {8 {" m! u8 m* B( Q4 l' F1 F
如上的2個表格沒有意思,這個表格卻可以說明很多問題:0 `) A( g) Y b: y h4 D
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)' h' W* T) K) S8 ?0 ]1 Z
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%;
8 Q1 F& x2 E% O2)
" w/ ~6 J- X% n" 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!
( |6 c$ k8 s) s b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。
, l. \( {! L( X& p; c3)1 T6 _9 W b+ u; u/ ~7 y
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!* s" _8 j. `+ f2 O9 b4 x' D
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?
. h! Q; h) b }& ?+ J/ I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:
4 b3 S% h7 J2 {( X- q- z. q$ G9 Q1)
, x3 J6 _4 \8 e# J' e3 t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。$ V8 S2 z, s7 ^5 C3 o+ ?/ {
2)
: u0 m5 d- d2 J" O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!
. t% Z7 p5 ]9 P4 r/ z& }4,有過購買的用戶,都是註冊之後多久會購買?
" N* b& t! [* c+ \2 s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。 B4 }8 c9 ^) `0 ?5 \: ]
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% | & F+ {( h. c& G* [
| 3 O! _! m# E3 K- Q8 e
| # A9 J6 _: |3 @( C
| 這個圖表說明了幾個很重要的規律:* [; E6 N5 M3 }& _" y
1)3 e# g# }* ]' u K
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, l2 E# Q- K4 n; J) M- c0 z2)5 `/ Y) t2 N9 {; D/ D+ }
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;; t1 R& c+ a1 s; X6 V0 c5 p
3)
! d! W& M# z, X9 U* F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; b9 E9 A! z- Z0 v$ q3 ]
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;
- I1 Q& R! M: m$ C+ J0 H4)6 B; k& y& @- z$ O
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;
# {* ~" H( t' k( k ^" l! @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。
( U! l6 t! U3 [$ R) E5,顧客的購物頻率是怎麼樣的?
_& ]. m. q" \6 }) M- z: s' r( 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。
5 ]9 P6 N% t! \- {; v+ X. C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:. k5 L' c* t; s6 V( v u, q
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:, a) y5 a( m% \3 h. u1 r( h
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%;
6 A0 T4 S$ h% t9 @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%;9 E7 C# l q3 X9 h* o- P, f0 c
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%;7 k6 E* H2 M# K0 T
6)
) {& X; M0 C- Y' D0 `新老用戶交替的科學計算矩陣圖
+ T% g) R* \) m9 j0 E1 g& W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。
& B4 P, X2 ^7 [' P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 o9 k8 i3 O& i- b
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; d( |2 Q6 l8 M1 b' Z+ V
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;( t; k/ o" Q8 E& X7 N, f' w. q' O
3)......
4 Y9 z1 u" [; D6 f, j4)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!
; P# c# R. ]9 e3 ?* D& Z" ]這個表格說明:( ^, Y% A3 d* W# Q' \' R4 R5 V
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!
" u/ q$ C3 S6 W: h! b" |/ |0 _
& H4 B6 P8 |9 |1 F* U
| 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 |
/ l* o, s E, s8 S: U( U: a' Q/ O
| 28.08% | 8.47% | 9.63% | 14.88% | 38.94% | 100.01% | 2004年註冊 | ' i4 f9 Q' _5 ^* R4 C
|
% Q. @/ k% s( }2 ~. _
| 27.04% | 10.90% | 17.99% | 44.08% | 100.00% | 2005年註冊 | 0 I( u* X4 f( N2 v% m
| " B& B3 n* J& u5 O8 L' y
| 6 L/ C9 G$ k- H1 `# t( D
| 35.00% | 21.59% | 43.41% | 100.00% | 2006年註冊 |
/ U' i O6 Q! Y
|
( B. s$ c. P) |- y n
|
* P% R: u6 J7 F, i
| 9 w# p) P) Q3 _: q
| 55.27% | 44.73% | 100.00% | 2007年註冊 | : [) g6 `) r7 d" e1 |
| & Q3 A$ x$ S- C7 Y1 Z
| # K0 E6 }4 m( B( M
| $ V$ J: g7 J* f3 ?
| / U- z3 w! x2 Q2 `6 {
| 100.00% |
% k" A7 S% d6 a- f& N6 w. K3 Q0 ?; L" [
% ^# F* X2 V+ L$ H! ^+ C
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。0 `0 ^( u/ \* x! z$ p3 V
( T2 E# z n1 R) r
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;
) x$ {% p9 o2 o) V! G
0 x0 d0 V8 ?1 k K 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。
+ V, r- C( t' m" q# x+ l. n8 ] l$ x
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。
. L5 M; w+ c+ ~, j6 d% U A( m( P7 r! l1 ?+ o6 z
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!
% e* G; n1 l( r; A# H1 ^! C6 D5 R- g: @- P+ O
6 d# o0 P! Q/ @, T( b; L3 x! T/ o4 F8 j- C$ n% r* g! {( P
轉自 黑色夢中SEO博客 |
評分
-
查看全部評分
|