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?( _% V4 r, b6 z! f N4 ?$ {8 k& l2 F" _
1,2002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;
5 H" d' E( n5 A6 U8 B$ R. f! P2,2002年註冊,直到2005年才買過一次東西,但是從此人間蒸發了;2 Y9 E5 I H) m( L1 D4 R
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;
/ I; C+ J( ] Y! p6 M; n4,2007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。
) O7 e9 w. a: t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。
, {& ]1 T8 p" g0 w7 C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!~- m5 d, n9 q% }; v# _3 r1 [' D) U
1,A公司的註冊會員發展軌跡
% h0 ~2 L6 u: y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。
?# t: U4 K/ ^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。
6 h6 H4 l; m, R3 E# G4 ]4 u2,A公司的年度交易量發展變化圖# c6 }+ B8 }3 V: e Z, h) g7 _8 D
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。
: r8 E1 e; _% D3,註冊用戶的購買情況: \) F L# y5 V2 R6 m
如上的2個表格沒有意思,這個表格卻可以說明很多問題:3 L/ j2 {8 q6 {" o* L+ J6 j' \
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)
& v2 [1 c7 z& b$ c. ]' C5 S0 V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%;
y% X; D! E; i( a2 j$ R( J; ^2)
7 O9 v2 G; x3 N3 ]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!
( w8 w v1 V$ P* ]. Z w0 D g0 x' B( e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。; `, q9 h: C, w# H% s1 H, A
3)+ H+ ^) U% _) e
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!+ C! @1 S! C' S/ g8 e0 v
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?5 c, _ Z) f- v' k* ~9 B0 m" x
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:
0 e/ f& u1 @ u$ m- q; b1)- t, Z7 [1 `8 o+ m
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。% h" H) g" p( \! {: o
2)- K8 }1 V1 Z+ m/ _0 ]2 I r
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!
8 l1 ^% p$ W8 c- a& i0 E4,有過購買的用戶,都是註冊之後多久會購買?' }; D& z. `" W% y; U3 s( K9 _
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。
% v& I# g% `8 w3 a1 Z$ 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 j/ t: Y/ Q, n' r+ |
|
4 a, C7 Z7 e' q1 I3 w |
5 m* v: o! c6 j8 `8 V; L6 M2 E7 A | 這個圖表說明了幾個很重要的規律:" |) i2 P9 u! s" M* N7 P& R
1)
3 l1 M* ^% X$ i: A2 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;9 W9 m. D7 U) B* b
2)+ j( ~! q3 B' r8 P6 u; k
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;, \0 b1 {! K3 m& _* L5 D5 a
3)
, R6 H6 o6 m/ i5 w7 s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;
# t8 L+ ?- Q& r9 D4) 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;/ h3 r$ K* k# d" q: d7 I
4)& p+ @' ~8 [( c1 Y9 q# Q) i& w. _
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;" [1 i5 S. R, ?6 E/ |% M6 `
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。8 x4 s$ L4 S9 m
5,顧客的購物頻率是怎麼樣的?
+ H. P* G. ?3 _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。
; p6 z b a5 ~/ R* C5 m* E. b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:8 {- p8 Z- w' C! H7 S" F S
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:
" z2 F$ t6 B8 W5 w2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%;1 h4 v1 z/ h# O; \2 N9 S
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 R' U1 {+ i6 ~9 \
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%; D- g; a# ?4 E- g% P4 Y, M
6)# U, Z: I: y2 M3 H. R& I
新老用戶交替的科學計算矩陣圖' ?$ [* j0 R1 Y: s& \
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。
: B1 b3 R3 F2 t% x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 q' v6 a5 k" `- B, n3 P, r
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;- Q0 @7 e1 Z d, g: Y
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;
* Y6 L( ~8 ]# @% |( J6 i0 [3)......( U! e+ y- r+ D% G& a) d
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!' ? J4 s2 N% _3 B9 q
這個表格說明:
! \. j1 ~: d0 ?) `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!- y# F7 M% F% i) H2 u' g) r
* l: m9 K# R$ C. i8 @
| 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 | ( M% {0 ^* J- h: }8 E
| 28.08% | 8.47% | 9.63% | 14.88% | 38.94% | 100.01% | 2004年註冊 |
: t$ k/ a* u1 |7 \1 U* d8 z8 u1 t
| 3 m; ]$ n2 n; X- [* x
| 27.04% | 10.90% | 17.99% | 44.08% | 100.00% | 2005年註冊 | 9 o6 p0 A& K$ A' Q" o
| 9 Q& g9 a8 {: _2 N4 Z4 I
| 8 Z; V7 p( B0 p# |, E4 u0 a8 _% |
| 35.00% | 21.59% | 43.41% | 100.00% | 2006年註冊 |
" T* R7 S) N* \* O) u" M% k
|
+ w4 k1 s% C& F7 U1 c
|
# H8 J( L- \$ I8 }5 f7 E/ W
|
( Q0 z4 I& z% Y, S: y
| 55.27% | 44.73% | 100.00% | 2007年註冊 |
* ?# I2 v1 k8 y
|
1 `) F; N0 y; W8 S1 C2 W5 Y3 c+ R
|
8 V9 J$ N+ g/ s" p
|
# u9 |# ]7 u4 A0 u5 B
| ! C" \' f! b& g+ s
| 100.00% |
" i, {3 n5 K* r* `/ Z$ {, `7 \' \
& {" @8 j B7 Z) l
, b& [! r W% I
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。
b7 q' O( n9 b _
2 u/ }/ `' h, s+ m7 T1 S7 A 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;8 |& D7 ]3 l7 M- M+ T
- D7 U j, o0 d0 W- j 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。& G& l, |) x9 ~8 H
+ u3 t) S; V- r2 Q& L) Y 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。- J$ l& Y# b+ j; [: Q
3 q0 t/ S. D a% g
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!
* L* g; s( Z, Q) P6 K5 p1 q
) H4 n. b: E7 z l
# Z( k2 t+ {2 _+ c) U6 D/ S2 o) ^. v5 m- F
轉自 黑色夢中SEO博客 |
評分
-
查看全部評分
|