܄ 

店铺红包:大数据告诉你正确使用姿势

【数据猿导读】 红包卡券作为一种应用广泛、灵活度高的营销手段,受到商家的普遍青睐,大体上可分为单店券与跨店券两种,从领取量及使用量上来看,以单店券的店铺优惠券以及跨店券中的双十一购物券占比最高,分别占到51.3%与20.2%,其次是店铺红包、商品优惠券等

店铺红包:大数据告诉你正确使用姿势

对于线上男装最常用的营销手段红包卡券你到底了解多少

红包卡券作为一种应用广泛、灵活度高的营销手段,受到商家的普遍青睐,大体上可分为单店券与跨店券两种,从领取量及使用量上来看,以单店券的店铺优惠券以及跨店券中的双十一购物券占比最高,分别占到51.3%与20.2%,其次是店铺红包、商品优惠券等。面对不同类型及发放渠道的各类优惠券,商家应该如何确定发放策略,更好的发挥红包卡券的作用

1、优惠券应该什么时间发,发多少

各种平台大促活动离不开优惠券的支持,优惠券对于激发顾客的消费热情,提升访问转化率功不可没。就单店券而言,双十一、双十二的使用占比是最高的,其次是年货节与6·18。

从领取时间上可以看出,双十一及双十二在活动之前优惠券的发放-领取有较长的预热期,在十一月初以及十二月初优惠券开始密集的领取,而像6·18和年货节优惠券出现在三四天之前才出现领取的高峰,对于商家而言,要把握好这些重要的时点,提前安排优惠券的发放,做好活动预热。

店铺_大数据_使用姿势-1

接下来让我们来看,不同级别店铺的优惠券使用规模是怎样的呢

对于男装行业来说,集市平台与天猫平台有较大的差别。首先来看集市平台,在双十一双十二头部店铺优惠券使用量较大,尤其是双十二的红冠店铺用券订单占比超过70%。而在天猫平台,相比两大促销节日,六一八是更为重要的用券节点,同时各级别店铺用券订单占比相差不大,商家可以结合自身店铺规模以及用券转化率来确定发放规模。以一家淘宝集市红冠店铺双十二前的优惠券发放为例,一般在双十二当天使用的单店券与跨店券各占一半,再结合往年的优惠券发放使用转化率与预估的订单量,就可以较为准确的推断出应当发放的优惠券的规模。

店铺_大数据_使用姿势-2

2、怎样针对新老顾客确定优惠券的发放策略

确定发放时间与规模仅仅是第一步,具体实施则要结合优惠券的种类以及发放渠道来考虑,以更好地满足消费者的需求。首先可以看到大部分用券顾客都是店铺新客,针对这部分顾客发放常规的店铺优惠券之外,还可以辅以店铺红包,比例可以控制在4:1,同时由于90%的店铺新客户都是使用的各种活动名义的发券,因此可以将活动+红包作为吸引新客户的手段。

店铺_大数据_使用姿势-3

 其次,应该考虑的是不同渠道发券应该怎样如何触达消费者,就使用量最大的活动发券来看,店铺新顾客有更高的即时使用偏好度,接近一半的订单都是在支付前才领券使用(这里的支付前领取时间定义为10分钟以内),领券后进店的订单只有20%左右,因此由各种活动吸引来加购下单的新顾客要及时提醒其使用优惠券,以提升支付转化率以及更好的客户满意度。

店铺_大数据_使用姿势-4

进一步的结合用券订单额与抵扣占比来看,新老顾客更是应该区别对待;像占比最大的活动发券,店铺新顾客比老顾客更为“精打细算”——订单额低但用券抵扣多,因此对于新顾客可以降低其用券的门槛,同时给予其更多的实惠,这样才可以更好的吸引新顾客进店下单;另一方面可以看到通过客户管理系统(ISV及ECRM)有针对性发放的优惠券,老顾客订单的抵扣占比远高于新顾客,因此针对这些发券渠道对老顾客可以适当地选择抵扣额较大的优惠券,以提高其购买转化率。

具体到不同店铺来看,头部店铺的用券老顾客会更多,例如红冠店铺老顾客的用券频次超出新顾客一半,所以对红冠商家而言可以针对老顾客更多的利用发放优惠券的手段促进其进行复购。

店铺_大数据_使用姿势-5

在了解优惠券的发放时间及针对新老顾客的发放策略之后,商家可以更有效的利用优惠券这一营销工具,然而还有许多值得关注的点,比如:

1、使用优惠券的顾客特征是什么

2、用券顾客相比非用券顾客有多大的消费提升潜力

3、领取优惠券的访客相比未领取的访客消费转化率可以提升多少

4、代表店铺是怎样有效运用优惠券的

5、不同面值的优惠券在不同品类的使用渗透率是怎样的


来源:第一财经数据商学院

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

企业构建大数据分析体系要经历4个层级
企业构建大数据分析体系要经历4个层级
新手如何快速全面建立自己的大数据知识体系?
新手如何快速全面建立自己的大数据知识体系?
大数据24小时:可口可乐计划打造无人贩卖机APP,却是醉翁之意不在酒
大数据24小时:可口可乐计划打造无人贩卖机APP,却是醉翁之意...

我要评论

精品栏目

[2017/06/27]

大数据24小时

More>

[2017/06/19-23]

大数据周周看

More>

[2017/06/19-23]

大数据投融资

More>

[2017/06/19-23]

大咖周语录

More>

[2017/06/19-23]

大数据周聘汇

More>

[2017/06/28-4]

每周一本书

More>

返回顶部