
目前,絕大多數(shù)B2C的轉(zhuǎn)化率都在1%以下,做的最好的也只能到3.5%左右(比如以賣圖書(shū)為主的當(dāng)當(dāng))
我想,所有的B2C都會(huì)關(guān)心三個(gè)問(wèn)題:究竟那97%去了哪里?自己的網(wǎng)站在什么環(huán)節(jié)變成了漏斗,讓進(jìn)來(lái)的客戶像沙子一樣一點(diǎn)點(diǎn)地流失?以及怎么檢修隱藏的漏斗,減少漏水的速度?
數(shù)據(jù),這個(gè)時(shí)候可以是一雙眼睛,可以讓我們看得一些蛛絲馬跡。
一、分解B2C漏水的過(guò)程
大家只知道B2C的轉(zhuǎn)化率不高,但是卻不知道客戶是怎么流失的。一群用戶進(jìn)來(lái)網(wǎng)站,他們經(jīng)過(guò)首頁(yè)、中間頁(yè)、產(chǎn)品頁(yè)、購(gòu)物車以及結(jié)算等幾個(gè)步驟,通常他們?cè)谶@幾個(gè)環(huán)節(jié)是怎么分批離開(kāi)的呢?其實(shí),這不是沒(méi)有數(shù)據(jù)可查。
先給大家看一張圖。
這個(gè)數(shù)據(jù)圖,是我根據(jù)十幾年的工作經(jīng)驗(yàn)總結(jié)得到的,一般與實(shí)際情況相差不多。
圖一意思就是說(shuō),假定400個(gè)客戶到了你的網(wǎng)站,會(huì)到中間頁(yè)(包括搜索頁(yè)、分類頁(yè)、促銷頁(yè))的只有320(60%~80%)個(gè)用戶,點(diǎn)擊進(jìn)產(chǎn)品頁(yè)的只有190個(gè)用戶,最后辛辛苦苦走到購(gòu)物車只有9%~13%的用戶,這個(gè)時(shí)候還不能開(kāi)心,因?yàn)椴⒉淮碛眠@些戶會(huì)掏錢,留到最后會(huì)付錢的用戶僅僅只有3%~5%。
更叫人難以接受的是,在這最終購(gòu)買的3%~5%中(未包括支付成功),最后回頭再次購(gòu)買的,又要打一個(gè)大折扣。
在吐舌頭驚訝B2C生意難做之后,大家可以檢查一下自己網(wǎng)站的漏水?dāng)?shù)據(jù)。只有清楚了哪個(gè)環(huán)節(jié)漏水,才能補(bǔ)洞。
二、排查每個(gè)環(huán)節(jié)的漏洞在哪里
以下,我們按照漏水的順序,一個(gè)環(huán)節(jié)一個(gè)環(huán)節(jié)摸下去。
1、三問(wèn)首頁(yè)
大部分B2C首頁(yè)有20%以上的彈出率,可能許多人對(duì)這個(gè)數(shù)字都習(xí)以為常,認(rèn)為非常正常。如果做得很細(xì)致的分析的話,可能就意外的收獲。
先問(wèn)第一個(gè)問(wèn)題:每天來(lái)的新客戶占多少?老客戶占多少?新老客戶的彈出率分別是多少?
我看了一下麥包包的數(shù)據(jù),麥包包用了很多流量來(lái)支持網(wǎng)站首頁(yè),如果他們的彈出率很高,那也是很正常的。但是注意要問(wèn)一句,新老用戶的彈出率分別多少?這個(gè)是比較容易考驗(yàn)網(wǎng)站的基礎(chǔ)能力,新客戶的彈出率可以檢驗(yàn)一個(gè)網(wǎng)站搶客戶的能力。對(duì)于老客戶來(lái)說(shuō),流程上的用戶體驗(yàn)相對(duì)不是最講究,這個(gè)就很考驗(yàn)Onsite Merchandising的能力,比如產(chǎn)品的質(zhì)量和價(jià)格是否吸引人。
一般的來(lái)說(shuō),如果是一個(gè)新網(wǎng)站,拓展新用戶比經(jīng)營(yíng)老客戶更為重要的話,新老客戶的比例最好是在6比4(甚至7比3),那么首頁(yè)就要有一些手段偏向抓住新客戶。
如果,新用戶的彈出率非常高,或者是老用戶的彈出率非常高,那么網(wǎng)站運(yùn)營(yíng)者就該反思,是不是網(wǎng)站首頁(yè)的設(shè)計(jì)沒(méi)有照顧到新客戶或者老客戶。
做了三年的B2C網(wǎng)站,建議分新老用戶兩個(gè)首頁(yè),已經(jīng)在網(wǎng)站購(gòu)買過(guò)的用戶,沒(méi)有必要再向它介紹網(wǎng)站,而是直接刺激他消費(fèi)。
再問(wèn)第二個(gè)問(wèn)題,流量分幾個(gè)大渠道進(jìn)來(lái),每個(gè)渠道的彈出率情況如何?
問(wèn)完了之后,接下來(lái)可能發(fā)現(xiàn)從百度和谷歌進(jìn)來(lái)的用戶,彈出率可能差異非常大。而且今天主流B2C網(wǎng)站,都在費(fèi)盡心思引進(jìn)流量,比如凡客今天做很多促銷,許多不是從“正門”(官網(wǎng)首頁(yè))進(jìn)來(lái),是“旁門”(LP促銷頁(yè))進(jìn)來(lái),所以今天注意首頁(yè)之外,還要看一下旁門。
針對(duì)自己的主要流量渠道排查下去,很容易發(fā)現(xiàn),哪條渠道在漏水。找到了痛處之后,再找到相應(yīng)的解決方法就不難了。
接著再問(wèn)第三個(gè)問(wèn)題, 首頁(yè)被點(diǎn)擊最多、最少的地方是否有異常情況?
在首頁(yè),點(diǎn)擊次數(shù)異常的高、或者異常的低的地方,應(yīng)該引起注意。
這里,在特別給大家分享一個(gè)好用的“規(guī)律”,一般來(lái)說(shuō),首頁(yè)的“E”(以E字中間的“一”為界,上部是首頁(yè)第一屏)部份是最抓用戶眼球的地方,在這個(gè)“E”上如果出現(xiàn)點(diǎn)擊次數(shù)較低的情況,就屬于異常情況,應(yīng)當(dāng)注意,或者干脆移到“E”外面去;同理,如果在“E”的空白處出現(xiàn)了點(diǎn)擊次數(shù)較高的情況,也可分析原因,可考慮要不要移到“E”上面來(lái)。
國(guó)內(nèi)的B2C網(wǎng)站首頁(yè)非常長(zhǎng),可能許多用戶不會(huì)瀏覽到首頁(yè)底部,所以“E”最下面的“一”就往往可去掉,變成了“F”規(guī)律。
2、中間頁(yè)留客的三個(gè)技巧
先說(shuō)一下美國(guó)用調(diào)查出來(lái)的現(xiàn)成數(shù)據(jù),在B2C網(wǎng)站上的準(zhǔn)買家,有18%的用戶有找不到需要的產(chǎn)品的困難,有11%的用戶找到了產(chǎn)品但是不自己想要的,這29%的用戶基本會(huì)漏掉。
大部分用戶進(jìn)入首頁(yè)之后開(kāi)始找產(chǎn)品,第一是看促銷,第二個(gè)看目錄,第三是用搜索工具。其中,大概有60%~70%的用戶是通過(guò)搜索+目錄的方式走到產(chǎn)品頁(yè)面。
同上,這三個(gè)渠道都要按照新老客戶分開(kāi)去看一下離開(kāi)率,這里不做贅述。這里和大家分享一下三個(gè)技巧。
技巧一:怎么判斷促銷、目錄和搜索是否成功,就看一下走到產(chǎn)品頁(yè)的用戶百分比是多少,哪一個(gè)渠道走得不好,就要改善。到底是怎么改進(jìn)?一般來(lái)說(shuō),促銷的原因與marketing的關(guān)系大一些,目錄與采購(gòu)組關(guān)聯(lián)度大一些。
例如,拿產(chǎn)品目錄來(lái)說(shuō),手機(jī)應(yīng)該是按照品牌來(lái)分、功能分、還是按照價(jià)格來(lái)分?目錄經(jīng)理需要和采購(gòu)經(jīng)理密切溝通,了解市場(chǎng)情況。曾經(jīng),我去京東,京東有個(gè)做目錄的經(jīng)理問(wèn)我,怎樣做好一個(gè)產(chǎn)品目錄?當(dāng)時(shí)我說(shuō)我也沒(méi)答案,這個(gè)我研究了10多年,沒(méi)有特別好的標(biāo)準(zhǔn)答案,只能是與憑借多年的市場(chǎng)經(jīng)驗(yàn)。
如果一個(gè)網(wǎng)站前端的東西做不好,是營(yíng)銷的責(zé)任多一些。到中間頁(yè)面,可以按照目錄的轉(zhuǎn)化率查一遍,轉(zhuǎn)化率差的目錄就要注意一下。
再說(shuō)搜索,一般B2C網(wǎng)站是由目錄經(jīng)理+技術(shù)來(lái)做的。通過(guò)搜索工具找產(chǎn)品的用戶,自己有精確的需求,那么除了搜索技術(shù)之外(此環(huán)節(jié)與產(chǎn)品經(jīng)理的關(guān)系非常大),還要提供符合用戶需要的產(chǎn)品。假想一下,如果一個(gè)用戶搜索出來(lái)的頁(yè)面只有3個(gè)產(chǎn)品,他肯定會(huì)判斷這個(gè)網(wǎng)站的東西非常少,如果還不那么符合自己要求的話,離開(kāi)率幾乎是100%。
而多年做數(shù)據(jù)的經(jīng)驗(yàn)告訴我,一般來(lái)說(shuō),在搜索頁(yè)的第三頁(yè)至第四頁(yè),用戶還沒(méi)有找到想要的產(chǎn)品,離開(kāi)率就會(huì)很大。針對(duì)搜索頁(yè)離開(kāi)率比較大的頁(yè)面,也有兩個(gè)分享的技巧。
技巧二:在離開(kāi)率高的頁(yè)末尾,推薦給用戶另外一個(gè)搜索路徑,讓用戶換一條路找產(chǎn)品。
技巧三:對(duì)于那些找不到自己想要的東西的用戶,乘他們腦子是空的時(shí)候,彈出一個(gè)菜單,告訴他們10個(gè)人就有9個(gè)人買了某某產(chǎn)品,可能就會(huì)把他整個(gè)思維重新激活,又可能留下。
技巧三比技巧二對(duì)用戶的刺激大,但是也更冒險(xiǎn),如果對(duì)推薦的產(chǎn)品沒(méi)有足夠大的把握,用戶可能轉(zhuǎn)頭就離開(kāi)了。
3、產(chǎn)品頁(yè)要特別留意用戶停留時(shí)間
到了產(chǎn)品頁(yè),用戶留不留,與產(chǎn)品描述、質(zhì)量有非常大的關(guān)系。所以,要特別留心客戶停留在產(chǎn)品頁(yè)的時(shí)間,如果許多用戶打開(kāi)產(chǎn)品頁(yè)不到1秒鐘就走了,就要留意分析原因了。是不是這個(gè)產(chǎn)品沒(méi)有吸引力?是不是產(chǎn)品描述不準(zhǔn)確?要多問(wèn)一些問(wèn)題。
另外,和傳統(tǒng)零售業(yè)喜歡提到的“碰撞率”相似,網(wǎng)站運(yùn)營(yíng)者應(yīng)該了解哪些產(chǎn)品是被看了最終頁(yè),哪些沒(méi)有被用戶點(diǎn)看。
4、購(gòu)物車?yán)锒嗌佼a(chǎn)品沒(méi)有付款?
但是并沒(méi)有下單付款。
許多用戶把產(chǎn)品放進(jìn)購(gòu)物車,但是并不付款。找產(chǎn)品部負(fù)責(zé)人,為什么這么多用戶放在購(gòu)物車?yán)飬s不付款?這對(duì)于一個(gè)B2C網(wǎng)站來(lái)說(shuō),是一個(gè)很嚴(yán)重的事情。
這里有三個(gè)點(diǎn)值得一提。
一是,許多B2C網(wǎng)站,等用戶要下單,提醒“請(qǐng)先注冊(cè)”,30%的人可能會(huì)選擇離開(kāi)。這真的非常狠的一刀,從站外把用戶引進(jìn)來(lái)好不容易跋山涉水到了這一步,竟然還要給用戶一刀送他離開(kāi),多少B2C網(wǎng)站思考過(guò)是否必要設(shè)立這一“提醒”?
二是,如果找不到用戶不付款的原因,可以直接給幾個(gè)用戶電話訪問(wèn)。
三是,分析同時(shí)被放在購(gòu)物車的產(chǎn)品之間關(guān)聯(lián)性。
總之,到了購(gòu)物車,是網(wǎng)站自己和自己比,定性的多,定量的少。
三、B2C的顧客也有生命周期
傳統(tǒng)零售企業(yè),很難知道,客戶在一段時(shí)間內(nèi)購(gòu)買了多少次產(chǎn)品、買的是什么價(jià)位,但是電子商務(wù)公司可以很清楚知道用戶的購(gòu)買行為。
對(duì)于用戶規(guī)模很大的B2C來(lái)說(shuō),很有必要把用戶分為三個(gè)階段:以3個(gè)月為限(有些垂直網(wǎng)站要6個(gè)月至一年),只購(gòu)買夠一次的用戶、一個(gè)月購(gòu)買過(guò)2到8次的用戶、購(gòu)買過(guò)8次以上的用戶(每個(gè)網(wǎng)站可以根據(jù)自己的情況定次數(shù),這里的數(shù)據(jù)是一般的規(guī)律)。
B2C網(wǎng)站從0到1,可以說(shuō)明拉客能力。當(dāng)一個(gè)客戶進(jìn)來(lái),如何做1到x(X的具體數(shù)字,垂直網(wǎng)站和綜合有區(qū)別,企業(yè)在不同階段,X也會(huì)變)也十分重要,不同階段的用戶的維護(hù)方法是不一樣的。今天看很多網(wǎng)站,從1次到3次,會(huì)有50%以上用戶就不回頭流失了,而到了5-8次以上流失率便放慢了。(文章來(lái)源:CDA數(shù)據(jù)分析師)
如何從1做到X,還有許多可討論,只是這篇文章集中介紹的是從0到1的轉(zhuǎn)化,所以在這里就不展開(kāi)了。但是有一定是非常肯定的是,大部分用戶只有第一次購(gòu)物體驗(yàn)非常好才會(huì)回來(lái)重復(fù)購(gòu)買。所以說(shuō),做好了從0到1,從1到X就已經(jīng)成功了一半了。
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
SQL 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(wú)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(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 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(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
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(kāi)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(kù)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(kù))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(kāi)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(kù)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(wèn)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(wèn)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(wèn)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(guò)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(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10