|
数字是个很有趣的东西,很有说服力,而且也可以更加深入地掌握不同变量之间的逻辑关系。举个例子,我们喜欢说留住老用户,发展新用户,那么老用户和新用户的定义应该是什么呢?直观上说,老用户就是曾经在我这里买过东西的呗,其实这样的定义太简单了,假如今天是2008年4月24号,我们看看如下哪个顾客属于老用户?
1,2002年注册,2002年~2003年曾经购买过27次,但是2004年之后就再也没有来过了;
2,2002年注册,直到2005年才买过一次东西,但是从此人间蒸发了;
3,2008年4月22号注册,4月23号(昨天)买过东西,不知道他以后还来不来;
4,2007年1月注册,2007年1月~2008年4月间,平均每3个月就来买一次。
其实上面的都可以俗称为老用户,但是他的注册时间,购买次数,购买金额,购买频率,最后一次购买时间等数值,对我们都有重要的参考和分析意义,只有细致分析,才能精准营销。
我们来用数字分析一家比较知名的B2C网站的发展历程,名字就不直接说了,我们就用A公司来代替。只是从这些分析中,我觉得可以看出很多隐形的(hidden)有趣现象来。这不属于泄露公司业务,名字和产品都没有写。事实上,我还掌握了好几家的内部数据。我只是想,能够拿出来和大家一起商酌,无伤大雅,可以一起探讨学习。现在,我们从2002年1月1号开始分析,action!~
1,A公司的注册会员发展轨迹
某电子商务公司2002-2007注册用户发展变化 | 年度 | 年度注册 | 每日注册 | 注册占比 | 累计占比 | 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% | 总计 | 351311 | / | 100.00% | / | 截止2007年12月31号,A公司累计注册用户35万。淘宝网截止2008年Q1有6200万注册用户,也就意味着A公司的注册用户只是淘宝的0.56%而已。每天的注册人数从2002年的21个(天)到目前大概300个(天),可以说,A公司的注册用户一直在稳步增长。
中国互联网网民的规模,足以支撑所有的统计规律的圆满实现。我在baidu的index里输入某个关键字的查询次数,比如我输入“电子商务”,发现每天在baidu查询“电子商务”的人数一直稳定在300~500的范围内飘飘荡荡的。昨天查询的人和今天查询的人是不一样的,而且也互相不认识,但是庞大的baidu用户群体造就了美丽平滑的统计大数定律。所以,如果有人问我,今天大概多少网民过生日?我告诉他,大概27万左右,因为网民总计1亿,365天每天都有人可能过生日,所以这个27万的正确率绝对80%以上。
2,A公司的年度交易量发展变化图
年度 | 每日交易额(万) | 年度交易额(亿) | 每日订单量 | 平均每单金额(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 | 总计 | / | 4.026 | / | / | 恩,不错,2002年每天只有3.13万的交易量,到了2007年,每天有41.83万了。年度交易额来看,2006年就冲过1亿的关口了。每个订单的金额大概就是650元左右。每天的订单量目前维持在600多一点的规模。除掉每天8小时的睡觉时间,其他时间顾客都可以下单的话,大概1~2分钟就来一个600多元的订单。
3,注册用户的购买情况
如上的2个表格没有意思,这个表格却可以说明很多问题:
购买次数 | 人数 | 百分比 | 人均贡献(元) | 总计贡献金额(亿) | 累计贡献 | 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% | 总计 | 351311 | 100% | / | 4.026 | / | 1)
所有的注册用户中,52.88%的注册用户到目前为之还没有产生过购买;所以注册到购买转化率大概47%;
2)
产生了3次或以上购买的顾客占总体注册用户的18.68%,但是他们产生的总体购买金额却占了A公司有史以来总体交易金额的82.58%,看来2:8定律真的是无处不在!
所以,根据这个结果,我们可以把购买了3次或者以上的顾客定义为公司的核心用户,他们是确保公司基石的重量级客户。
3)
购买10次或以上的有14474人,占注册用户4.12%,但是这小小的4.12%的用户为公司贡献了48.98%的交易额!而且人均贡献1.36万!当然不排除企业客户,但是我们发现,购买频率越高,对公司越是至关重要!
我们这里做个假设:如果不考虑重复购买,所有的顾客只要购物,都只买1次,那么会发生什么情况?
结果是:A公司的交易额将变成目前总体交易额的25%而已!公司总体交易额将缩减75%!可见:
1)
对于一个购物网站来说,忠诚度的培养和顾客的重复购买,是多么关键。
2)
长期进行老用户的优惠措施(积分优惠、折扣优惠等)是公司发展的根本!
4,有过购买的用户,都是注册之后多久会购买?
如下是以有购买记录的顾客为研究对象的,从没购物的不考虑其中。
注册到首次购买的时间 | 人数 | 占比 | 注册后1个月以内购买的 | 135377 | 81.78% | 注册后2个月以内购买的 | 140177 | 84.68% | 注册后3个月以内购买的 | 142892 | 86.32% | 注册后4个月以内购买的 | 145177 | 87.70% | 注册后5个月以内购买的 | 147097 | 88.86% | 注册后6个月以内购买的 | 148752 | 89.86% | 注册后7个月以内购买的 | 150408 | 90.86% | 注册后8个月以内购买的 | 151351 | 91.43% | 注册后9个月以内购买的 | 152262 | 91.98% | 注册后10个月以内购买的 | 153139 | 92.51% |
|
|
| 这个图表说明了几个很重要的规律:
1)
顾客注册之后如果要购物,那么81.78%的顾客都会在注册后的1个月之内下单;
2)
如果顾客注册之后的1个月之内没有购买,那么他81.78%的可能性永远不会来买了;
3)
如果顾客注册之后的半年之内么有购买,那么他90.86%的可能性永远不会来买了;
4) 如果顾客注册之后1年以内还没有购买,我们就不用追讨了,他很有可能就蒸发了;
4)
所以,要顾客转化,有必要在顾客注册之后的1个月之内通过各种方式引诱他购物;
技巧:顾客注册之后,通过Email和短信通知其购买,甜美MM电话告知,甚至不惜给予丰厚的优惠让顾客来购买。根据统计分析,顾客注册之后产生第一次购买的概率是47%左右,但是一旦产生了第一次购物,那么他购买第二次的概率是60%以上;所以,让顾客产生第一笔交易永远是值得投入的,一旦变成你的老用户,那么他的价值是很大的。
5,顾客的购物频率是怎么样的?
如下的顾客全部是购买了2次或者以上的顾客,因为只购买了1次的顾客,讨论购物频率是没意义的。
购买频率 | 人数 | 百分比 | 累计百分比 | 0-1个月来买1次 | 17977 | 19.19% | 19.19% | 1-2个月来买1次 | 18183 | 19.41% | 38.60% | 2-3个月来买1次 | 15476 | 16.52% | 55.12% | 3-4个月来买1次 | 10988 | 11.73% | 66.85% | 4-5个月来买1次 | 8000 | 8.54% | 75.39% | 5-6个月来买1次 | 5658 | 6.04% | 81.43% | 6-7个月来买1次 | 4244 | 4.53% | 85.96% | 7-8个月来买1次 | 3035 | 3.24% | 89.20% | 8-9个月来买1次 | 2145 | 2.29% | 91.49% | 9-10个月来买1次 | 1705 | 1.82% | 93.31% | 10个月以上购买1次 | 6267 | 6.69% | 100.00% | 总计 | 93678 | 100% | / | 这个表格也有意思:
1)81.96%的顾客都会在半年之内来购买1次,所以,对我们公司来说:
2个月给没有继续购物的顾客发送优惠的产品信息,必要性:38.60%;
3个月给没有继续购物的顾客发送优惠的产品信息,必要性:55.12%;
6个月给没有继续购物的顾客发送优惠的产品信息,必要性:81.43%;
6)
新老用户交替的科学计算矩阵图
如下这个图是有意义的,是动态跟踪顾客购买记录的矩阵。这个图有点绕口,它观察的是:顾客最后一次下单的情况。
比如,我们拿2002年来说明:2002年注册的那帮家伙,最后一次下单都是什么时候呢?如下的百分比说明:
1)2002年注册的人如果购买了,21.49%的人最后一次购买是在2002年;
2)2002年注册的人如果购买了,8.16%的人最后一次购买是在2003年;
3)......
4)2002年注册的人如果购买了,38.16%的人最后一次购买是在2007年!
这个表格说明:
不管顾客是哪一年注册的,平均来说40%的顾客还是会在目前保持活跃度的,顾客的生命期比我们想象的要长;也就是说:2002年注册的那帮家伙如果产生了购物,他们40%左右现在还在活跃着!2003年注册的那帮家伙如果产生了购物,他们40%左右现在还在活跃着!
| 2002年 | 2003年 | 2004年 | 2005年 | 2006年 | 2007年 | 总计 | 2002年注册 | 21.49% | 8.16% | 6.44% | 8.85% | 16.90% | 38.16% | 100.00% | 2003年注册 |
| 28.08% | 8.47% | 9.63% | 14.88% | 38.94% | 100.01% | 2004年注册 |
|
| 27.04% | 10.90% | 17.99% | 44.08% | 100.00% | 2005年注册 |
|
|
| 35.00% | 21.59% | 43.41% | 100.00% | 2006年注册 |
|
|
|
| 55.27% | 44.73% | 100.00% | 2007年注册 |
|
|
|
|
| 100.00% |
我个人是很重视数字的,其实不管是价格策略、产品策略、促销策略等,数字都可以在很大程度上助我们一臂之力,特别是目前技术允许我们这样做,我们有cookies记录顾客的行踪,我们有CRM系统对顾客信息进行整理分析,我们也可以用统计学模型来分析顾客浏览产品的关联度指数等。
1,我们不应该只是关心增长率,而是应该关心边际增长率。比如过去4天注册人数是:100,150,180,200,貌似是在增长,但是边际增长是50个,30个和20个,那么边际增长出了问题,注册虽然在涨,但边际在衰减;
2,文中我没有分析产品。但是顾客第一次购买和以后购买的产品是不一样的。我们如果发现50%以上的顾客第一次购买都倾向于购买某类产品,那么针对新用户,我们就应该推广这类产品。在其他网站做广告,我们也只是推广顾客第一次最容易购买的产品广告,而不是全部产品。
3)我们可以巧妙地在网站上调整价格做实验,来测试顾客的价格弹性。比如我故意将某个产品价格下降5%,看看顾客的购买金额增长了多少。如果顾客购买增长超过5%,那么降价有理;如果顾客增长少于5%,那么最好是不要降价。
4)我可以在网站上随意做任何促销,包括降价、送赠品、捆绑销售、抽奖、主题活动、优惠券、积分等,然后我在系统中细致地分析每个促销活动的:1,投入产出比,比如送赠品是1:5,也就是投入赠品成本1元,带来5元交易额增量;2,每个活动带来的交易量增长绝对值。以后我专门选择投入产品比和交易量绝对增长高的促销活动。但是在首页做促销问卷调查是没有太大意义的!
转自 黑色梦中SEO博客 |
评分
-
查看全部评分
|