܄

从运营的角度聊聊为什么你的用户“不忠诚”?

【数据猿导读】 说到用户忠诚度,不得不提到一个重要的指标“复购率”,产品再好,网站做得再如何高大上,没有复购率,一切都是空谈。如何提高复购率?这是每个电商都必须要思考的问题

从运营的角度聊聊为什么你的用户“不忠诚”?

来源:数据猿  作者:99click商助科技 赵素卫

有这样一句话“顾客就是上帝”,一个好的电商或APP能成功把一个用户变成忠诚用户,那么这个忠诚用户分分钟可以通过口碑传播等方式带来更多用户。但并非所有的用户都是忠诚的,或许有一天会抛弃你投入别人的怀抱中。

说到用户忠诚度,不得不提到一个重要的指标“复购率”,产品再好,网站做得再如何高大上,没有复购率,一切都是空谈。如何提高复购率?这是每个电商都必须要思考的问题。

首先,我们要了解复购率这个概念:

复购率即重复购买率,指消费者对该品牌产品或者服务的重复购买次数,重复购买率越多,则反应出消费者对品牌的忠诚度就越高,反之则越低。在这里决定复购率的则是用户(会员),所谓的回头客。

提升复购率的方法:

如何提升复购率,答案显而易见,就是网站的数据分析,尤其是对会员行为的分析。任何一个电商网站都会对网站的会员行为十分关注,他们往往会根据会员的行为来调整网站产品布局,根据会员的喜好及分布区域策划相应的促销活动等等。可以用下图所示的三个方面来展现:

运营_大数据_用户忠诚度-1 

如何提升复购率?(有效的方法或工具)

第一:从购物行为来说,一般而言会员购买行为45%的决定都是出于习惯,未曾经过思考。如何养成用户的习惯,这就需要对会员的整体概况进行了解,包括网站的累计会员、新增会员、订单量、浏览量、购买会员数、重复购买率等等,这里可以借助会员的查询功能,如图所示:

运营_大数据_用户忠诚度-2 

通过这些信息,你可以看出:哪些会员在网站只浏览,从未下单,甚至连下单期望都没有;哪些会员是网站的忠实用户:看的多,买的也多;哪些会员有大量的收藏、入篮行为,但并为实际下单;哪些会员会有相似的购买、浏览行为;等等。另外通过这些数据,可以为您制定会员营销提供有利的数据支撑。

第二:了解会员对不同商品的喜好,如下图所示:

运营_大数据_用户忠诚度-3 

通过上图可以细分每个会员的浏览、入篮、购买、收藏等关键行为数据,从而分析会员买了哪些商品,哪些商品看了(或者入篮、收藏了)但没购买 。

第三:产品推荐,从两个角度来说明

1.我们可以进行关联产品的推荐。比如某一款商品受欢迎,那么跟它相关的一些产品我们就可以进行套装搭配销售。我们看一张图:

运营_大数据_用户忠诚度-4 

从上图中我们可以看出某品牌笔记本受欢迎,那么我们在销售时就可以对一些配件进行推荐,比如说鼠标;还可以搭配成套装进行销售。一来让会员购物体验更好,二来也提高了销售额。总之根据产品关联情况(看了又看,买了又买,可能喜欢等),进行产品推荐和套装,既提高单个订单的销售额,又增加销售机会。

2.根据会员的关键行为,进行会员精准推荐,如图所示:

运营_大数据_用户忠诚度-5 

通过对会员分析,我们知道哪个会员浏览了什么商品,哪些会员收藏了什么商品,哪个会员买了什么商品等等一系列的行为数据,从这些数据我们就可以分析出会员喜欢什么,进而根据会员喜欢进行商品推荐。

比如根据会员行为,寻找二次销售机会,如EDM推送:收藏商品、入篮但未购买商的促销活动、提醒邮件等。

我们举个简单的案例,假设某购物网站发现近期很多会员活跃度不高,往往一次购买后就成了睡眠会员,那么如何唤醒这些会员呢,经过对会员行为分析,得知对商品的关注度不高,进而对商品页面进行调整优化,如图:

运营_大数据_用户忠诚度-6 

通过会员的行为分析,对网站页面优化,把会员关注的商品放在首要位置,并根据以前会员的购买记录、浏览行为等进行商品推荐,及时同送各种促销活动等,这样用户体验得到提升,进而形成二次消费。

综上所述,影响用户忠诚度的因素很多,但是复购率却是不折不扣的决定性因素。了解这些才能掌握住用户的心,长长久久的拥有一批粉丝用户。


注:

本文由 99click商助科技 投稿数据猿发布。

欢迎更多大数据企业、爱好者投稿数据猿,来稿请直接投递至:tougao@datayuan.cn


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

美国大数据行业究竟什么样? 我们带你一探究竟
美国大数据行业究竟什么样? 我们带你一探究竟
数之联CTO方育柯:大数据时代下的传统制造业
数之联CTO方育柯:大数据时代下的传统制造业
明略数据工业大数据专家葛利鹏:大数据驱动的工业人工智能初探
明略数据工业大数据专家葛利鹏:大数据驱动的工业人工智能初探

我要评论

精品栏目

[2017/04/11]

大数据24小时

More>

[2017/04/03-7]

大数据周周看

More>

[2017/04/03-7]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2017/04/03-10]

大数据周聘汇

More>

[2017/04/04-11]

每周一本书

More>

返回顶部