1. 首頁 > 生活百科 > >

推薦4大場景 電商行業如何精細化運營？( 二 )

小知識精細化運營


場景 3：知識付費企業的優惠券效果評估優惠券的使用是企業精細化運營常用的手段 。 理想優惠券發放帶來的效果是 ， 合理的補貼率（小于 20%）、用戶較高的使用意愿、促成較高的銷售量、多元化的使用方向、效果長期——持續的用戶活躍和用戶購買 。
因為影響優惠券的發放活動效果的因素很多 ， 運營人員可以通過該指標體系來評估效果 ， 如圖 。
一家知識型付費企業經常會給用戶發放一些優惠券 ， 經過分析發現“好友邀請券”使用頻率非常高 。
好友邀請券是由老用戶發給朋友 ， 當朋友成為平臺用戶后 ， 兩人都會各得到一張券 。 然而 ， 盡管該券被高頻使用 ， 但是帶來轉化率非常低 ， 復購率僅為 6% ， 遠低于其余券 20-30% 的復購率 。
運營團隊通過用戶路徑分析以及用戶調研 ， 發現“好友邀請券”的發放者主要是 KOL ， 他們會在開新課之前給學員發券 ， 讓學員減少課程支付成本 。 在這種場景下券的使用者對平臺幾乎沒有什么認知 ， 復購率很低也是情理之中了 。
因此 ， 運營人員不得不暫時關閉了該券 。 那么 ， “好友邀請券”該如何發放？運營團隊嘗試了兩種方式：
第一種方式：用戶加購——提交訂單——給券——支付成功 。
在這種方式中 ， 給券的環節是在用戶提交訂單、支付成功之前 ， 經過小范圍內試用 ， 發現最終效果并不好 ， 因為它極大干擾了用戶的購買流程：用戶在支付前看到優惠券 ， 需要轉給朋友并當朋友注冊后才能投入使用 ， 這樣無疑延長了用戶的購買時間 。
第二種方式：用戶加購——提交訂單——支付成功——給券 。
在這種方式中 ， 老用戶在支付完成會拿到一張優惠券 ， 此時可進行分享該券 ， 新用戶在老用戶下次購買前注冊新用戶即可 ， 如此既然不會干擾購物流程 ， 同時還可以督促老用戶的復購 。
最終企業選擇了第二種方式 ， 經過數據監測 ， 該券的使用量下降了 50% ， 但是復購率和 ROI 都提升了 50% 。
場景 4：某電商企業的坑位運營坑位歸因 ， 顧名思義 ， 是將產品最終收益的功勞分配給轉化路徑中各個不同的坑位上 。
坑位的核心目的是“流量引導” ， 當流量流入在線產品（如電商、在線教育等）后 ， 運營人員需要引導其完成購買任務 ， 以實現流量價值最大化 。
坑位運營的第一目標是促進轉化 。 促進轉化相關的因素包括坑位設計、曝光量、產品體驗、素材吸引力 。 量化指標見下圖 。
某電商運營人員希望全面了解各坑位的運營狀況 ， 從而找到優化重點 。 我們不難發現 ， 不同坑位的貢獻度差異很大 ， 具體發現：
1. 大專題頁面導入用戶流量高 ， 但轉化率相對較低 ， 要么優化該頁面的轉化率 ， 要么將用戶流量導向其它頁面更為合理 。
2. 并非越排序靠前的位置 ， 貢獻越高 ， 不符合常見的規律 。 前 30 位的坑位收入貢獻占比只有 50.02% ， 低于另外常見客戶的 60-70% 的值 ， 有較大提升空間 。
目前 ， 在神策歸因分析上線后 ， 在神策分析進行參數設置后 ， 首頁各坑位的運營情況一目了然 。 通過歸因分析還可以針對不同的優化點進行深度下鉆分析 ， 查看每一個優化點對應的細分表現 ， 例如查看不同的“大專題活動” ， 通過帶來的貢獻收入進行“大專題活動”的優化等 。
坑位運營的分析思路1.坑位點擊次數、人數和滲透率通過各類坑位的點擊次數、各類坑位的點擊人數知道當前產品中流量規模最大坑位類型 。 通過各類坑位的滲透率 ， 要評估用戶使用坑位的意愿 。
2. 坑位人均點擊次數和 CTR用戶對坑位的使用意愿 ， 不能單純從點擊次數上分析 ， 因為不同的坑位由于所在頁面和頁面所處的位置不同 ， 得到的曝光量也不同 。 因此需要使用更科學的 CTR 進行評估 。
CTR = 坑位點擊次數/坑位曝光次數 ， 能夠更好的表達用戶在看到一個坑位后愿不愿意去嘗試或使用 。
【推薦4大場景 電商行業如何精細化運營？】點擊率越高 ， 表示坑位和素材吸引用戶的能力越強；人均日使用次數越高 ， 表示用戶有將該坑位作為尋找目標商品的重要途徑 。
3. 歸因分析成單貢獻分析其實是一種典型的歸因分析 ， 將訂單成交歸于不同的坑位 ， 并分析不同坑位帶來的貢獻 ， 也就是訂單量或訂單金額的占比分布 。
基于歸因分析的結果 ， 能看出不同坑位帶來的訂單量和 GMV 的絕對數和占比分布 ， 從而對坑位的成單貢獻進行評估 。 占比越大 ， 成單的絕對貢獻越高 。

推薦閱讀