用戶行為數(shù)據(jù)分析
這幾年，幾家電商的價(jià)格戰(zhàn)打得不亦樂(lè)乎，繼去年的“雙 11 大促”和“618 狂歡節(jié)”之后，電商之間以價(jià)格為主要訴求的大規(guī)模促銷層出不窮，幾乎要把所有能夠用來(lái)造勢(shì)的節(jié)日都用上了。而消費(fèi)者們作為這場(chǎng)游戲中的弱者，不斷地被這些真假價(jià)格戰(zhàn)挑逗著和引導(dǎo)著。然而，在當(dāng)今的商場(chǎng)上，還有另外一類企業(yè)不是通過(guò)簡(jiǎn)單粗暴的價(jià)格戰(zhàn)，而是通過(guò)對(duì)數(shù)據(jù)的充分使用和挖掘而在商戰(zhàn)中獲勝的。
最典型的當(dāng)屬全球電子商務(wù)的創(chuàng)始者亞馬遜(Amazon.com)了，從 1995 年首創(chuàng)網(wǎng)上售書開(kāi)始，亞馬遜以迅雷不及掩耳之勢(shì)，徹底顛覆了從圖書行業(yè)開(kāi)始的很多行業(yè)的市場(chǎng)規(guī)則及競(jìng)爭(zhēng)關(guān)系，10 年之內(nèi)把很多像 Borders 以及 Barnes and Noble 這樣的百年老店被逼到破產(chǎn)或?yàn)l臨破產(chǎn)。亞馬遜在利潤(rùn)并不豐厚的圖書行業(yè)競(jìng)爭(zhēng)中取勝的根本原因在于對(duì)數(shù)據(jù)的戰(zhàn)略性認(rèn)識(shí)和使用，在大家還都不太明白什么是電子商務(wù)時(shí)，亞馬遜已經(jīng)通過(guò)傳統(tǒng)門店無(wú)法比擬的互聯(lián)網(wǎng)手段，空前地獲取了極其豐富的用戶行為信息，并且進(jìn)行深度分析與挖掘。
何為“用戶行為信息”(User Behavior Information)呢?簡(jiǎn)單地說(shuō)，就是用戶在網(wǎng)站上發(fā)生的所有行為，如搜索、瀏覽、打分、點(diǎn)評(píng)、加入購(gòu)物筐、取出購(gòu)物筐、加入期待列表(Wish List)、購(gòu)買、使用減價(jià)券和退貨等;甚至包括在第三方網(wǎng)站上的相關(guān)行為，如比價(jià)、看相關(guān)評(píng)測(cè)、參與討論、社交媒體上的交流、與好友互動(dòng)等。
和門店通常能收集到的購(gòu)買、退貨、折扣、返券等和最終交易相關(guān)的信息相比，電子商務(wù)的突出特點(diǎn)就是可以收集到大量客戶在購(gòu)買前的行為信息，而不是像門店收集到的是交易信息。
在電商領(lǐng)域中，用戶行為信息量之大令人難以想象，據(jù)專注于電商行業(yè)用戶行為分析的公司的不完全統(tǒng)計(jì)，一個(gè)用戶在選擇一個(gè)產(chǎn)品之前，平均要瀏覽 5 個(gè)網(wǎng)站、36 個(gè)頁(yè)面，在社會(huì)化媒體和搜索引擎上的交互行為也多達(dá)數(shù)十次。如果把所有可以采集的數(shù)據(jù)整合并進(jìn)行衍生，一個(gè)用戶的購(gòu)買可能會(huì)受數(shù)千個(gè)行為維度的影響。對(duì)于一個(gè)一天 PU 近百萬(wàn)的中型電商上，這代表著一天近 1TB 的活躍數(shù)據(jù)。而放到整個(gè)中國(guó)電商的角度來(lái)看，更意味著每天高達(dá)數(shù)千 TB 的活躍數(shù)據(jù)。
正是這些購(gòu)買前的行為信息，可以深度地反映出潛在客戶的購(gòu)買心理和購(gòu)買意向。例如，客戶 A 連續(xù)瀏覽了 5 款電視機(jī)，其中 4 款來(lái)自國(guó)內(nèi)品牌 S，1 款來(lái)自國(guó)外品牌 T;4 款為 LED 技術(shù)，1 款為 LCD 技術(shù);5 款的價(jià)格分別為 4599 元、5199 元、5499 元、5999 元、7999 元;這些行為某種程度上反映了客戶 A 對(duì)品牌認(rèn)可度及傾向性，如偏向國(guó)產(chǎn)品牌、中等價(jià)位的 LED 電視。而客戶 B 連續(xù)瀏覽了 6 款電視機(jī)，其中 2 款是國(guó)外品牌 T，2 款是另一國(guó)外品牌 V，2 款是國(guó)產(chǎn)品牌 S;4 款為 LED 技術(shù)，2 款為 LCD 技術(shù);6 款的價(jià)格分別為 5999 元、7999 元、8300 元、9200 元、9999 元、11050 元;類似地，這些行為某種程度上反映了客戶 B 對(duì)品牌認(rèn)可度及傾向性，如偏向進(jìn)口品牌、高價(jià)位的 LED 電視等。
亞馬遜通過(guò)對(duì)這些行為信息的分析和理解，制定對(duì)客戶的貼心服務(wù)及個(gè)性化推薦。例如：當(dāng)客戶瀏覽了多款電視機(jī)而沒(méi)有做購(gòu)買的行為時(shí)，在一定的周期內(nèi)，把適合客戶的品牌、價(jià)位和類型的另一款電視機(jī)促銷的信息通過(guò)電子郵件主動(dòng)發(fā)送給客戶;再例如，當(dāng)客戶再一次回到網(wǎng)站，對(duì)電冰箱進(jìn)行瀏覽行為時(shí)，可以在網(wǎng)頁(yè)上給客戶 A 推薦國(guó)產(chǎn)中等價(jià)位的冰箱，而對(duì)客戶 B 推薦進(jìn)口高檔價(jià)位的商品。
這樣的個(gè)性化推薦服務(wù)往往會(huì)起到非常好的效果，不僅可以提高客戶購(gòu)買的意愿，縮短購(gòu)買的路徑和時(shí)間，通常還可以在比較恰當(dāng)?shù)臅r(shí)機(jī)捕獲客戶的最佳購(gòu)買沖動(dòng)，也降低了傳統(tǒng)的營(yíng)銷方式對(duì)客戶的無(wú)端騷擾，還能提高用戶體驗(yàn)，是一個(gè)一舉多得的好手段。
縱觀國(guó)內(nèi)外成功的電商企業(yè)，對(duì)用戶行為信息的分析和使用，無(wú)不在這個(gè)兵家必爭(zhēng)之地做大量投入。他們對(duì)數(shù)據(jù)戰(zhàn)略性的高度認(rèn)識(shí)和使用，非常值得國(guó)內(nèi)的電商學(xué)習(xí)和借鑒。
團(tuán)購(gòu)的尷尬
相信很多人和我一樣，每天電子信箱中都充滿了這樣的郵件，但是從來(lái)沒(méi)有打開(kāi)過(guò)。
很多團(tuán)購(gòu)公司都會(huì)虔誠(chéng)地每天發(fā)給訂戶各種各樣的促銷信息，坦率地說(shuō)其中很多都的確非常優(yōu)惠，非常吸引人，但是這些團(tuán)購(gòu)公司忽略了一點(diǎn)用戶體驗(yàn)。
我們看看其中的一兩個(gè)團(tuán)購(gòu)郵件，來(lái)分析里面的問(wèn)題：
1，美食的推薦不分地域：一封郵件中，從五道口到王府井，從蘇州橋到簋街，可能有人會(huì)因?yàn)橐粋�(gè) 3 折或者更低的團(tuán)購(gòu)感興趣，但是真的會(huì)從東五環(huán)開(kāi)車去西四環(huán)嗎?
2，娛樂(lè)的推薦也有類似的問(wèn)題，絲毫沒(méi)有考慮用戶的地理位置，價(jià)格等因素
3，更有甚者，不分收信人的性別，有沒(méi)有考慮可能帶來(lái)的尷尬。
其實(shí)，所有這一切現(xiàn)象都表明現(xiàn)在的團(tuán)購(gòu)網(wǎng)站在 EDM 的思路上，基本上還是粗曠式的，把所有客戶當(dāng)作一人，徹底把電商的優(yōu)勢(shì)放棄了，回到了傳統(tǒng)零售門店和郵寄銷售模式的階段去了。不僅如此，其實(shí)在電商的環(huán)境中這樣的 EDM 有時(shí)候比沒(méi)有還糟糕，因?yàn)樗鼈兦∏Ыo這些可能成為他們客戶的人們一個(gè)非常負(fù)面的用戶體驗(yàn)，用長(zhǎng)期不相關(guān)的占用大量篇幅的郵件占領(lǐng)用戶的郵箱，長(zhǎng)此以往，他們離“討人嫌”只一步之遙了……，而對(duì)他們的懲罰可能是既簡(jiǎn)單而又殘酷的，鼠標(biāo)輕輕一點(diǎn)，他們的郵箱地址送到垃圾郵箱，從而再也無(wú)法給這個(gè)潛在的客戶推送促銷信息。
如果看看你的用戶們的垃圾郵箱，當(dāng)你看到你辛辛苦苦設(shè)計(jì)的促銷直郵，規(guī)律地，全部地，在垃圾郵箱中按時(shí)報(bào)到的話，你做何感想?據(jù)專業(yè)人士分析，對(duì)一個(gè) 500 萬(wàn)會(huì)員的電商來(lái)說(shuō)，每次 0.5% 的退訂或者放進(jìn)垃圾郵箱，意味著近 100 萬(wàn)元的營(yíng)銷費(fèi)用打了水漂。
那么，團(tuán)購(gòu)網(wǎng)站應(yīng)當(dāng)如何做呢?個(gè)性化是最基本也是很有效的方法：
1， 對(duì)客戶進(jìn)行多維度地分析：以用戶的地域、性別、年齡等人文屬性建立分析維度，把所有的團(tuán)購(gòu)信息進(jìn)行篩選，這樣可以簡(jiǎn)單地把 EDM 的相關(guān)性大幅提高，起碼用戶收到的郵件是基本在住宅、工作場(chǎng)所附近，和自己的普通屬性相關(guān)的，可能有一些興趣的商品。
2， 對(duì)客戶過(guò)去是否有點(diǎn)擊，是否有購(gòu)買，購(gòu)買的產(chǎn)品價(jià)值，購(gòu)買的頻率，最近一次什么時(shí)候購(gòu)買等屬性進(jìn)行量化，產(chǎn)生客戶價(jià)值的評(píng)分，把客戶分出價(jià)值的高低，對(duì)推薦的接受難易程度作出評(píng)估，依據(jù)這些評(píng)分來(lái)決定多頻繁對(duì)該客戶進(jìn)行 EDM 操作，以及推薦的商品的細(xì)類，以提高反饋率。
3， 對(duì)購(gòu)買過(guò)商品客戶的購(gòu)買記錄，以及點(diǎn)擊過(guò)的商品記錄進(jìn)行分析，對(duì)團(tuán)購(gòu)的折扣比例，商品原價(jià)，折扣金額，團(tuán)購(gòu)時(shí)間長(zhǎng)短，能否退款，是否單人使用，口味(餐飲類)，風(fēng)格等等分別打分、統(tǒng)計(jì)、歸類，以對(duì)客戶的可能興趣點(diǎn)進(jìn)行“預(yù)測(cè)”，這是一個(gè)相對(duì)高級(jí)、相對(duì)復(fù)雜的過(guò)程，但是運(yùn)用得好的話會(huì)收到非常良好的效果。
4， 考慮在所有推薦的商品旁邊增加一個(gè)“不喜歡”的按鈕，收集客戶不喜歡的東西對(duì)個(gè)性化推薦來(lái)說(shuō)具有幾乎和喜歡的商品一樣重要的價(jià)值，假設(shè)一個(gè)客戶告訴你他不喜歡一款 49 元的西餐廳的雙人午餐，可能比他點(diǎn)擊甚至購(gòu)買另外一個(gè) 99 元日餐雙人套餐給你透露的信息還要多。
比如我觀察到的一個(gè)比較成功的案例：一個(gè)旅游網(wǎng)站對(duì)客戶之前的瀏覽、搜索行為進(jìn)行了跟蹤，并以此進(jìn)行了有效的推薦，注意：該推薦中體現(xiàn)了客戶的目的地、價(jià)位、旅游訴求等多方面的需求。按照這些方法，業(yè)界專門從事 EDM 優(yōu)化的公司可以把 EDM 的點(diǎn)擊率從傳統(tǒng)意義上的 1% 左右提高到近 10% 的點(diǎn)擊率，5000 封 EDM 產(chǎn)生 370 個(gè)人，510 個(gè)點(diǎn)擊，最終共產(chǎn)生 800 個(gè)訂單。
因此無(wú)論從什么角度來(lái)說(shuō)，電子商務(wù)和團(tuán)購(gòu)都還有大量的優(yōu)化空間，我相信以大數(shù)據(jù)為核心的個(gè)性化營(yíng)銷則是幫助電商在這場(chǎng)紅海大戰(zhàn)中贏得戰(zhàn)役的利劍。
[用戶行為數(shù)據(jù)分析]
【用戶行為數(shù)據(jù)分析】相關(guān)文章：
數(shù)據(jù)分析中，你認(rèn)為用戶行為分析最重要的3個(gè)點(diǎn)是什么？08-25
什么是數(shù)據(jù)分析？10-20
數(shù)據(jù)分析行業(yè)案例：呼叫中心中的數(shù)據(jù)分析08-22
最新“女人節(jié)”網(wǎng)購(gòu)用戶行為調(diào)研報(bào)告07-02