01 JAN

电商行业精细化运营

背景:在互联网及移动设备不断普及的时代背景下,越来越多的国内传统品牌商及国际知名品牌为提高销售规模纷纷试水电商业务。基于电商市场的持续扩增以及品牌商电商化的业务需求,众多企业通过向品牌方提供金融支付、品牌运营、整合营销、 IT 服务、物流仓储、供应链等服务而得到快速发展,电商服务产业因此而不断壮大,消费者消费习惯也因此改变。

行业特征:

1)商品品类及 SKU 多,用户覆盖面广,运营难度大; 
2)总体上客单价低(除旅游、奢侈品等外),强调留存与复购; 
3)电商产品设计相对成熟,优化运营是重中之重; 
4)电商行业竞争白热化,精细化运营是冲出重围的必备技能。


二、电商运营关键指标

1、活跃用户量

活跃用户量,指在一段时间内活跃用户的数量,常用于反映网站、互联网应用或网络游戏的运营情况。一般分为DAU(日活跃用户)、WAU(周活跃用户)和MAU(月活跃用户)三个层次。


2、转化

转化率是指访客中发生购买行为的比率,它是评价电商健康程度的最基本指标之一。电商运营需要关注主路径、次路径甚至精细到每一个品类 / SKU 的转化率。


3、留存

留存率一般是看新用户的留存,当然也可以看活跃用户留存。留存率反应的是电商留住用户的能力。


活跃用户留存:用户在某段时间内开始访问你的网站,经过一段时间后,仍然会继续访问你的网站就被认作是留存,这部分用户占当时新增用户的比例就是新用户留存率。


消费用户留存:另外一种计算留存的方法是按消费来计算,即某段的新增消费用户在往后一段时间时间周期(时间周期可以是日、周、月、季度和半年度)还继续消费的用户比率。


4、复购

复购要从以下 3 个角度去看,复购率越高,则用户对品牌的忠诚度越高

复购用户量:指在统计周期内产生二次及二次以上购买的用户数量

复购率:指在统计周期内产生二次及二次以上购买的用户占总购买用户的总数

复购金额比:指在统计周期内产生二次及二次以上购买总额占比前一次购买总额的比例


5、GMV

GMV(Gross Merchandise Volume)是指网站一段时间内的成交总额。

GMV=销售额+取消订单金额+拒收订单金额+退货订单金额

销售额=流量*转化率*客单价=(品牌*渠道)*(产品*运营)*客单价


三、电商运营分析

电商平台的KPI有个固定的计算公式:

销售额=流量*转化率*客单价

流量跟品牌和渠道有关,而转化率又跟产品和运营强相关,客单价可以用提供增值服务、打包销售等方式来提升,是商品的升级包装策略。


所以,上面那个公式可以具体为:

销售额=(品牌*渠道)*(产品*运营)*客单价


品牌,如果在同行业中没有形成品牌的差异化,甚至都没有一定的品牌知名度,用户对你品牌的感知几乎为零,那么品牌对提升用户消费意愿的功效也几乎为零。品牌建设成功的一个重要表现就是,用户记住了你们的品牌关键语。比如:小米的”为发烧而生“;滴滴的“滴滴一下,马上出发”;雅芳的“比女人更了解女人”…这些关键语,会在用户口口相传中快速传播,因为能快速get到品牌的关键利益点。


渠道,如果没有去做精细化的用户画像分析,不确定你的目标用户群体都聚集到什么地方,他们都喜欢用什么样的产品和应用,你们的推广效果将会大打折扣。渠道拓展之前,要不吝成本的投入到用户调研中,甚至可以通过一对一面谈的形式,充分全面的了解你们的目标用户群体,才能找到他们,并有针对性的去推广。


产品,如果你们的产品体验很差,将直接导致其他的运营工作事倍功半,就算运营短时间可以起到补救的作用,长期下来也是无力回天。


客单价,给产品定价一直都是增加营收最棘手的问题,定价太低会让你损失利润,太高又会吓跑用户,同样损失利润。这里我们要根据产品的成本和利润区间、以及市场愿意支付的水平去定价。我们也可以考虑通过用户调研对用户使用心理战术的策略来定价,比如折扣定价、心动价格(故意以9、99、98等结尾的价格)等。


这里我利用两个消费者行为分析模型对这些元素进行分析:

1、AISAS模型

品牌和渠道,属于运营战的前锋,目的是触达到更多的目标用户,并让他们来到自己的平台。这部分工作如上文所说,需要思考品牌的差异化如何建设,如何打造用户心智,渠道如何有效拓展,这涉及到市场推广工作,我们可以使用AISAS模型来分析把握信息的传播路径和用户的行为路径等宏观方面的数据。AIASAS侧重于前期的品牌和渠道运营。


AISAS模式是由电通公司针对互联网与无线应用时代消费者生活形态的变化,而提出的消费者行为分析模型。


Attention:注意;在注意力经济时代,谁能抓住消费者的眼球,谁就能脱颖而出。所以塑造品牌至关重要,打好广告是塑造品牌的基础。如今常规广告形式已经铺天盖地出现在网站页面上,巨幅广告、页面融合式广告、富媒体广告竞相占据网页的版面以抢占网民的眼球。简而言之越大型的广告形式,越有效的吸引受众的注意力。

Interest:兴趣;抓住消费者的眼球是第一步,让消费者产生兴趣是进一步沟通的目标。我们提出和受众行为轨迹相匹配的精准定向解决方案,使得广告传播者的信息只触及到相同兴趣爱好的受众。这样即节约了广告主的费用,又使得传播的信息有效性得到提高。

Search:探索;沟通的艺术就是巧妙的和消费者(受众)形成良性沟通。通过互动培养受众对品牌的认可和好感从而形成记忆,从而深入影响受众的情感,进而产生占有的价值和欲望。除了在搜索上做到良好的搜索优化,也必须在Blog、TAG、SNS、RSS、wiki等WEB2.0应用上吸引受众去了解和感知品牌,讲述品牌故事,由此增加了用户接触产品的渠道。使之与品牌产生积极的互动。尤其要关注GUC触点的应用效应。让品牌的阐述达到“随风潜入夜”的境界。

Action:行动(购买),在互联网营销上不是结局而只是有一个探索和分享的开始。

Share:分享,在互联网是非常需要关注的触点,也是用户接触产品的重要渠道(口碑传播)。互联网媒体带来了传统媒体无可取代的以消费者为主体的传播,消费者不仅可以通过网络主动获取信息,还可以作为发布信息的主体,与更多的消费者分享信息。潜移默化的促进消费者分享愉快的品牌体验使之成为一个新的搜索触点,引领和聚合相同品牌喜好的受众成为品牌的推波助澜的源泉,达成“润物细无声”用户自传播营销目标。


2、AAARR模型

当用户来到平台,让AARRR运营模型来指导工作就非常贴切了。AARRR模型侧重于用户体验,围绕着用户活跃、留存、付费行为转化,以及分享行为来制定和优化每一步的运营策略。


Acquisition 获取用户:对于电商营销活动来说,获取用户意味着页面流量的拓展,一档大型的电商营销活动至少可以从以下三个方面获取用户(流量):


1、锁定站内资源:每个大型营销活动,平台都会锁定大量营销资源辅助活动曝光,并且通过视觉和站内氛围的改造强化营销概念,为活动造势和引流。如京东的618、淘宝11.11及造物节,小红书会员日等。 
2、异业合作:在重要的时间节点,各行各业都在做自己的营销活动,这就需要我们具备异业合作的能力,充分利用自身优势,整合一切可利用的资源,优势互补,将营销活动渗透到站外的用户群。这个部分需要明确两点,第一,我需要什么,对方能给我什么;第二,对方需要什么,我能不能给。异业合作的尝试和沉淀可以为平台对外拓展打下良好的基础。 
3、产品功能辅助流量增长
电商的大型促销活动通常周期较长,牵涉多个品类。我们要根据品类进行分阶段的主推。


在这一阶段我们要利用好一切自己拥有的渠道进行曝光和推广,利用自己的优势与第三方进行合作换量,如果有可能的话,通过一些产品功能或者玩法实现流量裂变;


Activation提升用户活跃度:不同产品对于用户活跃度的定义不同,以电商营销活动为例,衡量用户活跃度是以成交商品为准的,因此,如何吸引用户下单是这一层次需要思考的重点,对电商来讲,也就意味着如何提升下单转化率。整体上可以从以下三个方面入手:


1、 促销力度+噱头玩法:对于电商来说,商品的力度噱头可以说是营销活动的基础,想让用户下单,就需要在价格上做文章,并且这种“便宜”的感觉必须被用户感知到。在商品让利、满减优惠券满天飞的当下,单纯的价格刺激已经稍显薄弱,从用户的角度来看,需要配合一些噱头玩法,才能增强用户占便宜的心理。比如推出新用户专属福利,开发新用户身份识别功能,上线仅新用户可见的超低价商品,如新人1元包邮等,可有效转化新用户;而老带新的玩法,则是用奖励的方式,调动老用户积极性并促使新用户下单;此外,秒杀的氛围也是将“限时低价”的氛围做足,迫使用户快速下单。

2、 精准BI:BI是一种产品功能,即淘宝和京东的猜你喜欢,将这个功能模块加入营销活动中,可以个性化地推介用户感兴趣的商品,增强商品转化。 
3、 商品精细化运营:营销活动在线的每一天,每一小时都是一种资源的消耗,一般情况下,重点模块的选品如果把握不准确,可以调取近期top单品,重点模块主推top单品可以有效提升该模块的转化率。其次,货品应当是一个动态调整的过程,让用户的成交情况来决定商品的去留,这需要运营实行商品的赛马机制,做好实时数据监控,不达标的商品及时更替,也可以保证转化率的提升。


Retention提升用户留存:留存可分为三个阶段:初期、中期和长期。


留存初期,这个阶段将决定用户是继续使用或者购买产品还是使用两次之后就“沉睡”。因此,初期留存率可以作为衡量产品黏性的一个指标。我们可以根据产品的行业标准以及你对用户行为的分析来决定产品的留存初期应该多长。在留存初期,用户从产品中获得的价值越大,他们长期使用产品的可能性就越大。这个阶段我们可以通过预约造势,通过sns、定金裂变等玩法吸引用户关注。也可以从品类或者主题的纬度去拆分节奏,用“促销日历”类型的方式呈现给用户,并设置预约按钮,让用户定期回流。
留存中期,这时产品带来的新鲜感开始退去,要留住中期用户,核心任务是让用户使用产品成为一种习惯,让用户逐渐从产品或服务中获得满足感,这样无须鼓动用户也会继续使用你的产品,因为这已经成为他们日常生活的一部分。 
留存长期,确保产品继续为用户带来更多价值,最关键的地方在于让用户不断重新认识到产品的不可或缺性。


Revenue增加收入:电商在这一环节其实是前置的,但这并不意味着在这一层级运营无事可做。这里可以考虑的是货品及优惠策略:


1、 优惠券:根据用户购买属性圈确定偏好品类,定向发放优惠券;券面额的制定也需要优化,比如券的使用门槛需要比平台/品类客单价高一点点,这样既可以提升优惠券的使用率,也可以提升客单价。 
2、 货品策略:对于电商来说,一档营销活动是由引流款、爆款和常规款组成的。其中引流款是低毛利甚至是负毛利的商品,用于吸引用户点击和关注,爆款通常需要至少满足三个条件,第一,是平台/品类热销top榜单的商品;第二,价格确实比非活动时期低,这些商品是主力扛成交的商品,需要制定严格的坑产,并且根据数据效果进行动态调整;第三,分类tab商品,这些单品主要是为了满足长尾需求。 
3、 前置加车策略:引导用户加车,一方面是为了促成转化,另一方面,购物车里的东西代表用户的购买意愿非常强烈,加车后可以精准地针对这部分商品做精细化运营,打破用户购买决策的最后一道防线。 
例如,在活动开始前加车或者支付1元定金,可以获得该商品在活动中的减价权益,活动生效当天引导用户回流兑换减价权益,即使用户最终未能购买,购物车里的商品也为后续运营积累了非常重要的用户信息,无论是引导用户选择“降价提醒”,还是给用户推送同类商品,都可以进一步提升用户的转化率。
4、 满减策略
比起单一商品的满减,跨品类的满减能够促使用户为了凑单,而去购买更多的东西。
在这个前提下,一方面是需要增加参与活动的品类,另一方面则是设置阶梯式满减。

长治电商


有效载荷是指每位用户每次向多少人发送广告(或者链接、微件等)。分享转化率是指收到邀请的人中使用产品的用户占比分享的总数。频率是指收到分享的频率。要让产品具有病毒性就需要优化这三个变量。主要可以通过下面几种方法:
1、提升用户分享的次数,
2、提升转化率,通过奖励机制鼓励分享,如提供双向奖励,也就是同时给分享人和被分享人提供奖励。

精细化运营是流量红利结束后的生存法则,是面向 ROI 和细分策略的体系化运营方案。我们不妨用四组词来定义精细化运营,分别是:量入为出、各取所需、物尽其用、伺机而动。

量入为出:无论是运营效果还是投放效果,产出情况决定我们的投入。A/B Test 保证运营活动在大范围投入之前,预知方案的好坏。

各取所需:根据用户群体画像制定差异化的运营策略,个性化推荐、个性化推送是常用的运营方式。

物尽其用:在投入资金、人力后,所做的事情是否比其他事情更具有价值?比如坑位运营、优惠券,效果是否符合预期。

伺机而动:一次运营活动不可能让 100% 的用户实现转化,应该寻找合适机会对其进行二次触达,直到其按照运营的预期发展。

四大场景讲述精细化运营

场景 1:某超商小程序的用户分析运营

某超商有一款进店小程序,他们希望通过小程序实现两个目的:

一是提升活跃度,即根据顾客的购买商品的记录,对其进行精准营销,让顾客能够经常消费;

二是提升购买转化率,比如线下支付通常需要推销员人工进行商品推荐,而通过小程序挑选商品则可以直接看到相关推荐商品,从而提升客单价。

在运营角度上,就是通过 ROI 实现更高效率的用户运营,提升用户的访问频率和购买转化率。其运营分析主要分为两个步骤:

第一步,确定北极星指标,基于指标拆解象限图

基于提升活跃度和购买转化率的目的,运营团队将北极星指标定义为用户 3 月访问天数、用户总消费金额。

通过使用 2 个北极星指标建立起“用户四象限”,将北极星转化为用户标签,把用户划分成了 4 个群体,分别是高频高价值、低频高价值、高频低价值、低频低价值。

第二步,对不同的用户群体,采取不同的运营策略,明确运营目标。

1. 高频高价值:是企业的头部客户,是重点的用研对象和门店体验邀请对象。

2. 低频高价值:该群体是潜在高价值客群,还不是产品的忠实用户。因此是重点的品牌宣传和交叉营销对象,以期建立品牌忠诚度转变为高频高价。

3. 高频低价值:是最庞大的长尾群体,可让其野蛮生长,但同时做好预警机制,一旦发生大量迁移,立刻进行分析,进行运营干预。

4. 低频低价值:可让其自生自灭,不做针对性运营。

最终效果是——在运营预算不变的情况下,提升了整体运营效果。用户活跃度整体提升 10%,用户消费转化提升 5%。

除此之外,企业还可以根据用户生命周期阶段分层运营,提升用户在成长通道的流转。

场景 2:某二手奢侈品电商的新用户流量运营

某二手奢侈品电商对平台流量运营时发现,平台经常会有阶段性的流量暴增,针对新用户的流量运营是运营团队的核心运营目标。

团队通过渠道流量分析后发现,其 70% 的新用户主要来源于两个渠道:抖音和 B 站。

经过用户分群及漏斗分析对用户群体进行下钻分析,发现抖音渠道的流量转化率和复购率都比较好;而 B 站则不然,虽然加购较多但是转化较少。

虽然两个渠道从效果上有较大差异,但是从流量效果上来说,B 站是不能放弃的重要营销渠道,因此运营人员将重要精力放在此渠道的新流量的运营上。

由于 B 站渠道 0-17 岁用户占比达 37.55%,18-25 岁的用户占比为 29.96%,因此运营人员判断该渠道用户较为年轻,对奢侈品有需求,但经济购买能力有限。

于是经过内部沟通,在平台上增加了快时尚品牌,针对 B 站渠道的用户制作专门的落地页。通过完美的内部承接,渠道的用户转化率迅速上升。甚至该企业根据用户群体的特点,将产品定位从“奢侈品”改为“时尚品”,实现了数据驱动商业决策的改变。

场景 3:知识付费企业的优惠券效果评估

优惠券的使用是企业精细化运营常用的手段。理想优惠券发放带来的效果是,合理的补贴率(小于 20%)、用户较高的使用意愿、促成较高的销售量、多元化的使用方向、效果长期——持续的用户活跃和用户购买。

因为影响优惠券的发放活动效果的因素很多,运营人员可以通过该指标体系来评估效果。

一家知识型付费企业经常会给用户发放一些优惠券,经过分析发现“好友邀请券”使用频率非常高。

好友邀请券是由老用户发给朋友,当朋友成为平台用户后,两人都会各得到一张券。然而,尽管该券被高频使用,但是带来转化率非常低,复购率仅为 6%,远低于其余券 20-30% 的复购率。

运营团队通过用户路径分析以及用户调研,发现“好友邀请券”的发放者主要是 KOL,他们会在开新课之前给学员发券,让学员减少课程支付成本。在这种场景下券的使用者对平台几乎没有什么认知,复购率很低也是情理之中了。

因此,运营人员不得不暂时关闭了该券。那么,“好友邀请券”该如何发放?运营团队尝试了两种方式:

第一种方式:用户加购——提交订单——给券——支付成功。

在这种方式中,给券的环节是在用户提交订单、支付成功之前,经过小范围内试用,发现最终效果并不好,因为它极大干扰了用户的购买流程:用户在支付前看到优惠券,需要转给朋友并当朋友注册后才能投入使用,这样无疑延长了用户的购买时间。

第二种方式:用户加购——提交订单——支付成功——给券。

在这种方式中,老用户在支付完成会拿到一张优惠券,此时可进行分享该券,新用户在老用户下次购买前注册新用户即可,如此既然不会干扰购物流程,同时还可以督促老用户的复购。

最终企业选择了第二种方式,经过数据监测,该券的使用量下降了 50%,但是复购率和 ROI 都提升了 50%。

场景 4:某电商企业的坑位运营

坑位归因,顾名思义,是将产品最终收益的功劳分配给转化路径中各个不同的坑位上。

坑位的核心目的是“流量引导”,当流量流入在线产品(如电商、在线教育等)后,运营人员需要引导其完成购买任务,以实现流量价值最大化。

坑位运营的第一目标是促进转化。促进转化相关的因素包括坑位设计、曝光量、产品体验、素材吸引力。

某电商运营人员希望全面了解各坑位的运营状况,从而找到优化重点。我们不难发现,不同坑位的贡献度差异很大,具体发现:

1. 大专题页面导入用户流量高,但转化率相对较低,要么优化该页面的转化率,要么将用户流量导向其它页面更为合理。

2. 并非越排序靠前的位置,贡献越高,不符合常见的规律。前 30 位的坑位收入贡献占比只有 50.02%,低于另外常见客户的 60-70% 的值,有较大提升空间。

目前,在神策归因分析上线后,在神策分析进行参数设置后,首页各坑位的运营情况一目了然。通过归因分析还可以针对不同的优化点进行深度下钻分析,查看每一个优化点对应的细分表现,例如查看不同的“大专题活动”,通过带来的贡献收入进行“大专题活动”的优化等。

坑位运营的分析思路

1.坑位点击次数、人数和渗透率

通过各类坑位的点击次数、各类坑位的点击人数知道当前产品中流量规模最大坑位类型。通过各类坑位的渗透率,要评估用户使用坑位的意愿。

2. 坑位人均点击次数和 CTR

用户对坑位的使用意愿,不能单纯从点击次数上分析,因为不同的坑位由于所在页面和页面所处的位置不同,得到的曝光量也不同。因此需要使用更科学的 CTR 进行评估。

CTR = 坑位点击次数/坑位曝光次数,能够更好的表达用户在看到一个坑位后愿不愿意去尝试或使用。

点击率越高,表示坑位和素材吸引用户的能力越强;人均日使用次数越高,表示用户有将该坑位作为寻找目标商品的重要途径。

3. 归因分析

成单贡献分析其实是一种典型的归因分析,将订单成交归于不同的坑位,并分析不同坑位带来的贡献,也就是订单量或订单金额的占比分布。

基于归因分析的结果,能看出不同坑位带来的订单量和 GMV 的绝对数和占比分布,从而对坑位的成单贡献进行评估。占比越大,成单的绝对贡献越高。

4. 坑位贡献原因分析

将归因模型中的目标转化,分别改为商品详情页浏览、加入购物车、提交订单详情、支付订单详情,就可以得到这些坑位在流量落地、意愿达成、促成有效订单以及最终支付各环节的贡献情况。

以上流程中,任意一步出现问题都可能导致坑位的成单贡献不同,因此要定位问题所在,提升坑位效果。

5. 坑位内容分析

前面分析的所有指标,都是对不同类型的坑位进行的分析,除此此外,还可以对某一类坑位中的具体内容素材进行评估和分析,包括各 icon 的点击人数、次数,各 icon 的人均点击次数、点击率,各 icon 带来的订单量、GMV 等。

6. 坑位留存和全站留存

对坑位的使用进行留存分析,能够知道用户对各类坑位使用的粘性,一定程度反映该功能的友好程度和有效性,是否能给用户带来良好的体验,包括能否帮他找到感兴趣的商品等。