
案例:如何利用數(shù)據(jù)分析目標(biāo)客戶群
傳統(tǒng)線下渠道獲取消費(fèi)者信息的方式一般是通過向數(shù)據(jù)公司購(gòu)買數(shù)據(jù),或者委托調(diào)研公司經(jīng)過周密漫長(zhǎng)的用戶調(diào)研得出一份報(bào)告。而電商模式下,我們可以用更小成本獲取海量交易數(shù)據(jù),進(jìn)而分析消費(fèi)者特征,定位目標(biāo)消費(fèi)人群。
魔方的大量數(shù)據(jù)都是源自成交,可以幫助商家理解消費(fèi)行為。舉一個(gè)實(shí)際的案例:我們來查看“面膜”類目的成交數(shù)據(jù),包括標(biāo)價(jià)分布和客單價(jià)分布之間的對(duì)比。一個(gè)月內(nèi),面膜的成交商品標(biāo)價(jià)分布最多區(qū)間是5.5~7元,而成交人數(shù)的客單價(jià)(消費(fèi)者累計(jì)購(gòu)買金額)分布最多的區(qū)間是58~67元,就可算出平均一個(gè)用戶會(huì)購(gòu)買的面膜數(shù)量為10片。
繼續(xù)查看消費(fèi)者的購(gòu)買頻次分布:在該時(shí)段內(nèi)購(gòu)買的消費(fèi)者數(shù)量占8成,我們可得出大致的結(jié)論:一般購(gòu)買面膜的消費(fèi)者通常在一個(gè)月內(nèi)購(gòu)買一次,并且一次購(gòu)買的面膜片數(shù)大概是10片。因此搭配銷售、組合銷售時(shí)推出10片裝優(yōu)惠套裝,或者關(guān)聯(lián)其他不同類的面膜,最符合消費(fèi)者購(gòu)物特性。大多數(shù)消費(fèi)者在網(wǎng)上一次購(gòu)買的片數(shù)是10片,只要套裝組合不偏離太多,消費(fèi)者在潛意識(shí)里就更容易接受賣家的商品。
而實(shí)際的抽樣采訪結(jié)論是:一般的女性消費(fèi)者一個(gè)月內(nèi)的面膜使用量約為4~8片。
再來看買家來訪時(shí)間:不同類目的來訪和購(gòu)買時(shí)間還是有明顯差異的,針對(duì)面膜類目買家的來訪時(shí)間,就可以做出對(duì)應(yīng)的限時(shí)打折或者定向促銷,甚至可據(jù)此安排上下架時(shí)間。
面膜類目買家的來訪高峰時(shí)段是下午14:00~15:00,次高來訪時(shí)段是上午10:00~11:00,成交高峰時(shí)段方面,第一成交高峰是上午10:00~11:00,第二位的時(shí)段是下午14:00~15:00,來訪和成交的高峰時(shí)段并不是一一對(duì)應(yīng)。
致寧
我們更換一個(gè)類目查看,比如住宅家具行業(yè)的餐桌子類,可以看到來訪和成交的高峰時(shí)段都在深夜。揣測(cè)消費(fèi)者的購(gòu)買常理就可以得到答案,那就是一般大件物品購(gòu)買都以家庭為單位,不是下單者一人做出決策。所以掌握不同類目消費(fèi)者的購(gòu)物習(xí)慣,調(diào)整推廣時(shí)段,對(duì)提升整個(gè)網(wǎng)店的轉(zhuǎn)化率有很好的效果。
消費(fèi)者數(shù)據(jù)中其他的重要維度,包括性別、年齡、地域分布,決定了消費(fèi)群體的人口統(tǒng)計(jì)屬性。在數(shù)據(jù)魔方里我們不僅可以查看某行業(yè)的人口統(tǒng)計(jì)數(shù)據(jù),還可以查看某個(gè)具體品牌、產(chǎn)品以及屬性下商品的消費(fèi)者數(shù)據(jù)。以iPhone4S和SamsungGalaxy3為例,三星的男性消費(fèi)者比例比蘋果高;蘋果的主力購(gòu)買人群是18~24歲,和三星的25歲以上相比更年輕;江浙滬和珠三角地區(qū)對(duì)蘋果的鐘愛度更高。
而偏愛三星的人群更多分布在北方和西南等地區(qū)的城市,地域的差異性也是非常大的。
賣家想要更多地挖掘人群細(xì)分?jǐn)?shù)據(jù),可以關(guān)注魔方團(tuán)隊(duì)產(chǎn)出的免費(fèi)數(shù)據(jù)產(chǎn)品“淘寶指數(shù)”(shu.taobao.com)。這個(gè)產(chǎn)品公布的一些數(shù)據(jù)可以簡(jiǎn)單分析出淘寶買家的人群細(xì)分,告訴賣家消費(fèi)者都是誰,喜歡什么。
我們搜索“愛情公寓”這個(gè)前段時(shí)間比較熱門的網(wǎng)絡(luò)詞語,可以看到以下數(shù)據(jù):
首先是該詞搜索和成交的消費(fèi)人群層級(jí)處于中等,因?yàn)椤皭矍楣ⅰ边@個(gè)關(guān)鍵詞下的很多商品都是電視劇《愛情公寓》演員的同款服飾,而且是夏季服飾,所以這部分商品本身單價(jià)就不高,消費(fèi)也偏向中等消費(fèi)能力的人。
買家等級(jí)和人群身份中,新手和初級(jí)買家較多,白領(lǐng)和學(xué)生占比較大,這個(gè)數(shù)據(jù)印證了上圖的中等水平消費(fèi)能力。
致寧
指數(shù)還提供了一些消費(fèi)者的星座分布數(shù)據(jù),該數(shù)據(jù)用于直接分析的可能性不大,但可以從這里挖掘一些數(shù)據(jù)的趣味性。
最后我們看消費(fèi)者的愛好,其實(shí)這部分?jǐn)?shù)據(jù)就是通過該消費(fèi)者的關(guān)聯(lián)收藏、購(gòu)買的信息多維度定義消費(fèi)者的興趣點(diǎn)。通過打標(biāo)簽,幫助賣家更好地理解消費(fèi)者形象。比如搜“愛情公寓”一詞的人最多的是愛美女生(會(huì)買很多女裝、女鞋等類目);同時(shí)她也是寵物一族(購(gòu)買過寵物用品)等等。
如果你覺得這些數(shù)據(jù)還不夠具體,不能落地到某個(gè)具體的寶貝和品牌的話,你可以查看“相關(guān)品牌”和“相關(guān)商品”,這些都能讓你更進(jìn)一步了解這群消費(fèi)者的興趣點(diǎn)。
可以查看到關(guān)聯(lián)品牌下的相關(guān)寶貝,點(diǎn)擊每個(gè)寶貝即可查看在淘寶上的鏈接。
除了上面說到的通過數(shù)據(jù)去做消費(fèi)者研究以外,一些店鋪、寶貝的圖片頁面展示也需要仔細(xì)研究。數(shù)據(jù)分析最終要落地到提高成交轉(zhuǎn)化,所以對(duì)于網(wǎng)店而言,裝修風(fēng)格就是一種銷售的語言,在你定位清楚你的目標(biāo)人群是誰的時(shí)候,你需要知道他們喜歡什么風(fēng)格,然后找到最適合他們的視覺系,這樣子你所做的一切工作才會(huì)落地到轉(zhuǎn)化。
互聯(lián)網(wǎng)時(shí)代,做電商除了要熟知規(guī)則和數(shù)據(jù)分析外,最終落地還是寶貝陳列和描述。淘寶這么多消費(fèi)者當(dāng)中,女性居多,而女性多數(shù)是視覺系動(dòng)物,如何引導(dǎo)她們?nèi)?duì)你的商品感興趣,除了強(qiáng)大的品牌背書以外,做好消費(fèi)者研究,做好營(yíng)銷傳播都是非常非常重要的。
希望本次探尋消費(fèi)數(shù)據(jù)和定位目標(biāo)人群,能為大家拋磚引玉,多提供一些思路去提升網(wǎng)店的運(yùn)營(yíng)。接下來我們還將努力挖掘淘寶行業(yè)數(shù)據(jù)的價(jià)值,為大家繼續(xù)解析數(shù)據(jù)、診斷店鋪。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)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(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)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(shí)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(dòng)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(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)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(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)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(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)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(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(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(jià)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(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)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(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)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(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)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(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)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(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11