互聯網數據分析之道:轉化篇

當今時代信息化產業飛速發展,各類底層大數據平台百花齊放,億級數據、秒級響應已經不再是當年的遙不可及的神話。然而對於企業來說,數據計算快僅僅是滿足企業進行業務數據分析的硬體基礎,如何發掘這些海量的數據產生應用價值,走好數據分析這最後一公里,引導企業進行戰略決策卻是至關重要的一步。

相信大家對互聯網運營都不陌生了。

在獲取到用戶流量之後也就獲取到了平台的一批潛在用戶,那麼如何通過一系列的運營策略讓用戶順利完成搜索商品——>瀏覽商品——>商品下單——>交易付款的過程轉化呢?

通過對平台數據進行數據分析引導經營策略,最大化每個營銷漏斗的轉化率是我們孜孜以求的目的。本文以互聯網行業為數據業務分析背景(轉化篇),分別從下單轉化率、事件轉化率、服務轉化率、退貨率四大方面進行分析和思考,希望能跟大家交流一些數據分析方面的心得和體驗。

本文使用的分析工具為FineBI ,通過FineBI鏈接CRM和網站後台數據做了一個可視化的分析展示。

www.finebi.com

一、下單轉化率

對於平台經營方來說,我們希望一旦有用戶流量進入平台網站,就能夠順利按照我們平台運營設定好的系列要求一步步進行下去,最終完成交易付款操作。那麼對於互聯網運營方來說,就需要做好用戶在會員註冊、商品收藏、購物車添加、交易付款等一系列轉化操作。對於這樣需要進行逐級轉化的平台運營,那麼我們首先可以通過漏斗圖進行宏觀的流程轉化數據分析找出目前階段最需要優化的運營環節,有效地進行針對性治理,最終提高整體平台用戶下單轉化率。

會員註冊轉化率:

會員註冊轉化率=新增會員總人數/新訪客總人數。對於互聯網平台運營方來說,往往用戶進行平台消費行為之前都需要註冊為網站會員。而網站會員機制有利於平台進行定向運營推廣,以增強用戶和平台之間的黏性,故而提升網站平台的會員註冊轉化率對於提高用戶復購率來說非常重要。在當下這樣的一個的互聯網社交時代,除了做好自己的網站直接會員註冊運營之外,打通跟其他社交平台比如微信、QQ等平台賬號共享能夠明顯提高網站平台的註冊轉化率。

商品收藏轉化率:

商品收藏轉化率=商品收藏總數/商品瀏覽總數。這一指標通常在平台舉行大型促銷活動之前需要時刻關注的一個指標,因為在這個時間段內的商品收藏量有很大幾率能夠直接轉化為成功交易訂單,與此同時,該指標對平台活動促銷效果也能夠起到一定預估作用。

品牌/單品轉化率:

品牌/單品轉化率=單品成功交易訂單/單品瀏覽量。這一指標通常用戶平台進行商品受歡迎程度統計,通過分析品牌/單品轉化率,從而引導商鋪進貨品牌種類,提高單品轉化率高的貨物進貨量的同時降低單品轉化率低的貨物進貨量。

付款轉化率:

付款轉化率=付款總數量/下單總數量。這一指標通常用於反應平台的支付渠道和用戶的支付習慣的匹配程度,通常來說我們需要完善快捷銀聯支付、支付寶、微信支付等渠道,降低因為用戶沒有某個支付平台而放棄消費的可能性。

如上圖所示 ,通過對某個平台的用戶訪問階段轉化率數據分析,逐級來看各節點轉化情況。首先是用戶從瀏覽商品行為到添加購物車行為這一流程的轉化情況,我們通過漏斗圖可以快速看出其轉化率為50.77%,反映出該平台的商品介紹、圖片描述等對用戶有較強的吸引力。接下來繼續看添加購物車到下單的轉化率,可以看出其轉化率高達99.66%。之後下單至付款的轉化率僅50%,這是一個值得反思的轉化節點,通過數據分析猜測該平台商鋪支付渠道不完善,需要增加例如支付寶、微信等快捷支付渠道,降低平台因為沒有提供用戶習慣性的支付渠道而導致用戶放棄購買行為的幾率。

二、事件轉化率

時間轉化率通常指的是平台或商鋪通過一系列的運營推廣活動以及由於公共事件影響所帶來的額外價值。這一指標對於平台運營評估和指導市場推廣運營活動極為重要,例如網路營銷總的SEO關鍵詞投放、折扣促銷活動、郵件營銷等等效果跟蹤。關於事件轉化率方面的數據分析,通常我們可關注於營銷渠道轉化率、會員轉化率、店鋪流量轉化率、下單轉化率等指標進行活動的推廣營銷效果評估。

如下圖所示,我們首先分析出各個營銷推廣渠道的轉化率環形玫瑰分布圖,可以看出目前平台的轉化率最高的渠道主要是基礎上線工作、SEO關鍵詞推廣、微信推廣、品牌推廣幾個渠道。同時我們想聯動查看每個渠道對應的轉化率數據時,這裡通過FineBI提供的數據自動聯動過濾功能讓用戶無需任何設置即可進行所有相關聯的數據聯動。

我們先來看看微信渠道隨時間的轉化率走勢情況,可以推測出平台在2015年9月29日(因為從2015年9月29日用戶的下單轉化率有所下降,一般用戶在知道近期即將有促銷活動的時候,往往會收藏商品從而產生延遲消費,所以活動開始前的時間轉化率會降低)左右發布了即將要開始的商品促銷活動,同時活動日期大概在2015年10月1日到2015年10月7日左右(轉化率提升明顯),屬於國慶黃金周的大型活動促銷,同時也取得了較好的活動效果。

除了以上渠道營銷策略之外,對於平台商鋪而言,合適的關聯性商品推薦也能夠提高用戶對關聯商品的購買率,比如用戶在購買完服裝之後可以再給他推送鞋子一類商品。另外關於事件轉化率方面,由於季節性以及公共事件也會影響商品的下單轉化率,針對不同時期較流行的商品進行進貨營銷往往才能夠達到最大的盈利目的。

三、服務轉化率

服務轉化率方面,通常用戶在網上購買商品時,對於商品的一些細節品質以及發貨渠道和速度等會需要做一些了解。那麼良好的服務自然能夠提高顧客的購買率,對於平台的客戶人員,我們可以統計處其諮詢到下單的節點轉化率,並且以諮詢到下單的轉換率指標作為KPI指標之一來評價客服人員的工作績效。

如下圖所示,我們通過客服諮詢下單轉化率條形圖的數據分析統計可以發現,該平台的Blanche、Henry、Christian、漢克、貝蒂這五名客服的轉化率比較優秀,並且都在10%以上,其他的客服員工的轉化率則相對較低,故而這方面可以讓轉化率最為優秀的Blanche客服給其他客服做一次服務培訓,整體上提昇平台的服務水平,進而提升用戶的下單轉化率。

四、退貨率

退貨率方面,對於用戶而言退貨的原因通常可分為兩大類,一類是由於買到的商品質量有問題而申請退貨,另外一類可能是由於用戶自身原因想申請退貨。平台方往往更為需要關注第一類因為商品質量問題而申請退貨的商品,通過歷史商品的質量原因退貨數據統計分析,對於確確實實是存在質量問題的商品需要及時反饋給供應商,質量過於嚴重的話可以考慮該類商品和供應商的協商庫存退貨。

本次的關於互聯網運營轉化篇的數據分析經驗心得分享暫時先寫到這裡,後續將繼續給大家分享關於互聯網數據運營方法的促活、消費、留存等方面的一些經驗,歡迎大家一起共同交流探討互聯網運營之道。


推薦閱讀:

用Python讀紅樓夢之——二、詞雲美化
013【數據分析】利用Python進行數據分析 第二版 (2017) 中文筆記
關於互聯網,這些數據你知道嗎?
做好用戶畫像分析,比消費者本身更懂自己
《與有8年健康醫療服務領域探索經歷的專業人士的討論》沈理然

TAG:互聯網數據分析 | 數據分析 | 大數據 |