
數(shù)據(jù)分析提升電子商務(wù)轉(zhuǎn)化率
消費者網(wǎng)上購物的平均時間,拿去年的6月跟今年的6月比較,從20分鐘減少到了17分鐘。另一方面,客戶停留在網(wǎng)站上的時間減少的同時,多數(shù)電商的轉(zhuǎn)化率只有0.5%左右。
在注意力越來越分散的今天,99.5%的客戶是流失掉的,電商要如何去了解這群客戶的購物行為特征,并且使之轉(zhuǎn)化為訂單量。
困境:客戶停留時間在減少
時間是一個很稀缺的資源
對于電商來講,人均瀏覽網(wǎng)頁的時間,就是正在變得稀缺的競爭資源。
從圖二可以發(fā)現(xiàn),每天覆蓋的人數(shù),購物網(wǎng)站(包括淘寶)的流量增長是68%,但是人均當(dāng)天在線瀏覽的時間(在電商這邊)減少了16%。網(wǎng)上購物的時間,拿上一年的6月跟今年的6月比較,則從20分鐘減少到了17分鐘。
我們細(xì)致地看一下各家網(wǎng)站(見圖三)會發(fā)現(xiàn)同樣的情況:京東、卓越、當(dāng)當(dāng)、凡客、夢芭莎,這幾家代表性的B2C中,我們發(fā)現(xiàn)大部分流量是增長的,但是如果我們看一下這些網(wǎng)站人均的當(dāng)日瀏覽時間,京東上一年是10分鐘左右,今年則只有8分鐘左右。那么,這是由于現(xiàn)在的網(wǎng)站找東西更有效,所以瀏覽網(wǎng)站的時間更少一點,還是其他原因?
其實,我們可以用其他的數(shù)據(jù)挖掘一下,到底是網(wǎng)站的有效性小了,還是總的時間少了?我覺得其中一個很重要的東西是每個網(wǎng)站在爭取一個顧客進(jìn)來以后,它在8分鐘里做了哪些事情。
電商的眼球經(jīng)濟(jì)只有17分鐘,這是總的平均數(shù),也即平均每個網(wǎng)民在電子商務(wù)網(wǎng)站會停留17分鐘。淘寶商城、京東商城,如果我們真的把它們?yōu)g覽的時間拿走的話,你會發(fā)現(xiàn)其他的網(wǎng)站所拿到的流量就會很小。
而用戶停留在網(wǎng)站上的有效購物時間減少的同時,電商的轉(zhuǎn)化率卻普遍不是很高。
從訪問到購物車,平均來講,100個人進(jìn)來,只有4.5個人把東西放到購物車,有96個人不會把東西放到購物車,那這96個人干嗎呢?
另外,我們可以看到,京東商城下單到在線支付的百分比是29.4%,凡客誠品是29%,一號店是8.3%。
追尋流失客戶購物行為特征
先讓我們看一下圖五的數(shù)據(jù)。
圖五這個數(shù)據(jù)藍(lán)色部分顯示的35%,是指只有35%的人是今天來、今天買的;65%的人是以前來、今天才買的。這里的65%說的是新客戶,不是老客戶,新客戶今天來到這個網(wǎng)站,今天就買了。從下往上第二格紅色,是昨天來、今天買的客戶;綠色的是2-6天前來的、今天才買的客戶;最高的那個橙色是21天之前來的、今天買的顧客。當(dāng)然,這個數(shù)據(jù),每個行業(yè)都有差別,不完全一樣。
從數(shù)據(jù)我們可以發(fā)現(xiàn),客戶從訪問頁面到最終付款,所用的時間是不一樣的。有的用戶是第一天下單,隔了一個星期才付款。尤其是一些非標(biāo)準(zhǔn)、無品牌的產(chǎn)品,消費者比價情況普遍,導(dǎo)致從訪問到下單購買時間更長。(我為此訪談過部分國內(nèi)電商,數(shù)據(jù)基本一致但百分比不一樣。)
所以,電商業(yè)者會發(fā)現(xiàn),當(dāng)天來到網(wǎng)站的人不能完全用漏斗(圖六)來看,因為他來之前壓根就沒想買你的東西,他只是過來看一下這個產(chǎn)品便宜還是貴。面對這樣的顧客,你就更需要知道他們到了網(wǎng)站之后做了什么事情。
首先,網(wǎng)站可以問,客戶在下單之前瀏覽過哪些頁面和產(chǎn)品,他的瀏覽歷史非常重要。
其次,要了解清楚,正在網(wǎng)站上瀏覽的客戶,哪些是明確要來買東西的,哪些只是隨便來逛逛的,以及他們從什么入口進(jìn)入;
第三,沒有購買的用戶,到底看了多少產(chǎn)品頁,多少放進(jìn)購物車沒有付款,多少是一個產(chǎn)品頁都沒有看的;
第四,多少客戶把產(chǎn)品放進(jìn)購物車隔天才付款的。
此外,非常重要的是,客戶登錄網(wǎng)站首頁之后,除了有40%的彈出率之外,剩下60%的用戶分別是從搜索、分類購物和引導(dǎo)購物等渠道進(jìn)入,作為電商來講,應(yīng)該了解他們從哪個渠道進(jìn)入到產(chǎn)品頁面、三個渠道進(jìn)入之后付款的比例分別是多少,從中找出問題所在。
這一思路與網(wǎng)站整體的架構(gòu)相關(guān),目前國內(nèi)關(guān)注還比較少,但是先可以嘗試用這個思路去看存在的問題。
最后,最想告訴讀者的是,用這些簡單的方法,就能知道沒有付款的消費者的購物行為,只有了解他們的購物行為特征,才可以讓這溜走的99.5%的用戶產(chǎn)生付款,從而提升網(wǎng)站轉(zhuǎn)化率。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11