<menuitem id="ntvxb"></menuitem>

<delect id="ntvxb"><video id="ntvxb"></video></delect>

          <font id="ntvxb"></font>

            <menuitem id="ntvxb"></menuitem>

              經驗心得

              首頁 > 分享 > 經驗心得 > 正文

              零售O2O該如何做數據分析?

              admin 2017-07-26 15:17:42
                     在日常的運營與決策中,我們可以通過數據分析評判商業模式是否可行,預估哪種推廣渠道效率最高,能發現網站、商品結構、物流等各個環節的問題,能評估改進效果。

              我們需要做哪些準備?

              首先是數據來源,我們可以通過網站統計工具、ERP系統、客服與投訴等工具進行數據收集。我們收集到的數據包含簡單的幾類三類:前期的營銷推廣、網站運營,中期的顧客消費與供應鏈等ERP信息,后期的客服與投訴。

               

              將之細化我們可以看到,前期的數據包括訪問量(IP UV PV)、平均瀏覽時長(瀏覽量)、新客比例、跳出率、轉化率(注冊、訂單、支付)、流量來源(搜索、地區、渠道)、網頁打開時間、網站熱點、搜索分析等。

               

              中期的顧客消費與供應鏈數據包含:訂單量、客單價、毛利率、二次購買率、忠實顧客轉化率、顧客流失率、缺貨率、商品價格變化、SKU數量變化、周轉率、退貨率、品類銷售占比、會員注冊量、注冊會員轉化率等。

               

              后期客服與投訴包含:客服回訪問卷投訴數據主要包含:投訴分類、UI印象、品類印象、價格印象、網站功能印象、物流體驗印象、售后印象等。

               

              我們通過將以上數據串聯起來,構成一個完整的用戶行為流程。

               



                    怎么分析數據?

              有的公司成立專門的數據分析部門,數據部門不僅提供數據,還要完成數據分析工作。這種工作方式,雖然基礎數據準確,但分析結果可能有較大偏差。因為數據分析人員不熟悉業務,對各種信息的了解也不如市場部和運營部等業務部門。

               

              比如市場部推廣方式的突然改變,或者市場上的供求關系突然失衡,數據分析人員不了解這些信息,則可能簡單的判斷成顧客不歡迎這類商品。更合理的數據分析方式是,由數據分析部門提供基礎數據,由相關部門組成項目組共同分析,歸因哪些方面的因素造成的數據異動。

               

              對于新項目而言,可以引入目標分析法,目標分析法是以分析“新客成本”和“忠客轉化率”為核心,設定合理目標,以此判斷商業模式是否可行。如果目標和實際業績數據相差不多,可以通過優化改善業績,如果數據相差太大,則說明商業模式可能不可行,應該早點調整商業模式,并在試錯過程中重復以上數據分析步驟。

               

               

              數據分析結果該怎么用?

               

              其實我們在日常運營中最大的兩部分支出就是推廣成本與運營成本。而我們所獲取的數據分析結果,能夠幫助我們判別不同推廣方式的優劣勢,計算每種推廣的投資回報率,根據數據分析結果,重點投入和側重優化投資回報率最高的推廣方式。

               

              與此同時,促銷也是推廣的重要組成,依靠數據分析評估每一次主題促銷,就在ERP系統中建立促銷單據,設置促銷主題,促銷商品,促銷檔期。通過BI工具分析促銷商品銷量變化,促銷毛利損失,促銷活動帶動正常商品銷量變化,綜合評估促銷效果,以此指導下一次促銷活動。

               

              而分析中期的運營數據的目的是降低顧客跳出率,讓顧客購物更加簡單輕松。讓網站的布局更加清晰,讓顧客購物過程更加流暢。通過熱點分析,了解顧客關注的位置,把顧客關注的內容放到熱點區域。在顧客容易跳出的頁面顯示推薦內容,吸引顧客繼續留在網站。

              另一方面,根據轉化漏斗模型,去調整商品結構、促銷方式、網站整體體驗、不同區域的物流配送設置、老客戶維系等方面。通過數據分析了解顧客需求,不斷引進和剔除引起數據波動的商品,使商品結構盡量符合顧客需求。建立商品維度表,綜合考慮商品所有維度,比如價格、型號、外形、品牌、規格等維度,把商品根據不同維度區分,數據分析各品類各維度的銷售量,增加高銷量維度商品品類占比,精簡低銷量維度商品品類占比。

               

              但不要忘記,商品選擇的過程還受到很多外部因素影響,比如“結構商品”即使銷量不好,也不能淘汰,“季節商品”需要把季節因素考慮進去。

               

              最后,我們來說說后期數據??头c投訴作為接受用戶反饋的重要組成,客服部門通過對新、老顧客回訪。對生成訂單、但最后沒有提交訂單的顧客回訪,在UI、品類、價格、網站體驗、物流、售后等方面統計數據,分析那個方面最影響顧客體驗,根據實際情況逐條解決。不斷優化。

               

              綜上,通過分析整個用戶行為流程的數據,不斷調整自身的網站、商品結構、客戶服務等等內容,才算是真正的通過數據優化。

               

               

              視界科技

               

              十二年,視界在變 · 專業不變

               

              不卡无码在线观看,一级生性活片在线播放,亚洲日韩涩涩涩无码下一,在线精品视频一区二区三四,国产毛片毛多水多的特级毛片