数据分析提升电子商务转化率
消费者网上购物的平均时间,拿去年的6月跟今年的6月比较,从20分钟减少到了17分钟。另一方面,客户停留在网站上的时间减少的同时,多数电商的转化率只有0.5%左右。
在注意力越来越分散的今天,99.5%的客户是流失掉的,电商要如何去了解这群客户的购物行为特征,并且使之转化为订单量。
困境:客户停留时间在减少
时间是一个很稀缺的资源
对于电商来讲,人均浏览网页的时间,就是正在变得稀缺的竞争资源。
从图二可以发现,每天覆盖的人数,购物网站(包括淘宝)的流量增长是68%,但是人均当天在线浏览的时间(在电商这边)减少了16%。网上购物的时间,拿上一年的6月跟今年的6月比较,则从20分钟减少到了17分钟。
我们细致地看一下各家网站(见图三)会发现同样的情况:京东、卓越、当当、凡客、梦芭莎,这几家代表性的B2C中,我们发现大部分流量是增长的,但是如果我们看一下这些网站人均的当日浏览时间,京东上一年是10分钟左右,今年则只有8分钟左右。那么,这是由于现在的网站找东西更有效,所以浏览网站的时间更少一点,还是其他原因?
其实,我们可以用其他的数据挖掘一下,到底是网站的有效性小了,还是总的时间少了?我觉得其中一个很重要的东西是每个网站在争取一个顾客进来以后,它在8分钟里做了哪些事情。
电商的眼球经济只有17分钟,这是总的平均数,也即平均每个网民在电子商务网站会停留17分钟。淘宝商城、京东商城,如果我们真的把它们浏览的时间拿走的话,你会发现其他的网站所拿到的流量就会很小。
而用户停留在网站上的有效购物时间减少的同时,电商的转化率却普遍不是很高。
从访问到购物车,平均来讲,100个人进来,只有4.5个人把东西放到购物车,有96个人不会把东西放到购物车,那这96个人干吗呢?
另外,我们可以看到,京东商城下单到在线支付的百分比是29.4%,凡客诚品是29%,一号店是8.3%。
追寻流失客户购物行为特征
先让我们看一下图五的数据。
图五这个数据蓝色部分显示的35%,是指只有35%的人是今天来、今天买的;65%的人是以前来、今天才买的。这里的65%说的是新客户,不是老客户,新客户今天来到这个网站,今天就买了。从下往上第二格红色,是昨天来、今天买的客户;绿色的是2-6天前来的、今天才买的客户;最高的那个橙色是21天之前来的、今天买的顾客。当然,这个数据,每个行业都有差别,不完全一样。
从数据我们可以发现,客户从访问页面到最终付款,所用的时间是不一样的。有的用户是第一天下单,隔了一个星期才付款。尤其是一些非标准、无品牌的产品,消费者比价情况普遍,导致从访问到下单购买时间更长。(我为此访谈过部分国内电商,数据基本一致但百分比不一样。)
所以,电商业者会发现,当天来到网站的人不能完全用漏斗(图六)来看,因为他来之前压根就没想买你的东西,他只是过来看一下这个产品便宜还是贵。面对这样的顾客,你就更需要知道他们到了网站之后做了什么事情。
首先,网站可以问,客户在下单之前浏览过哪些页面和产品,他的浏览历史非常重要。
其次,要了解清楚,正在网站上浏览的客户,哪些是明确要来买东西的,哪些只是随便来逛逛的,以及他们从什么入口进入;
第三,没有购买的用户,到底看了多少产品页,多少放进购物车没有付款,多少是一个产品页都没有看的;
第四,多少客户把产品放进购物车隔天才付款的。
此外,非常重要的是,客户登录网站首页之后,除了有40%的弹出率之外,剩下60%的用户分别是从搜索、分类购物和引导购物等渠道进入,作为电商来讲,应该了解他们从哪个渠道进入到产品页面、三个渠道进入之后付款的比例分别是多少,从中找出问题所在。
这一思路与网站整体的架构相关,目前国内关注还比较少,但是先可以尝试用这个思路去看存在的问题。
最后,最想告诉读者的是,用这些简单的方法,就能知道没有付款的消费者的购物行为,只有了解他们的购物行为特征,才可以让这溜走的99.5%的用户产生付款,从而提升网站转化率。
数据分析咨询请扫描二维码
必备的职业技能 统计学基础 - 理解概率、假设检验、回归分析等统计概念。 - 运用统计方法对数据进行分析和解读。 编程能力 - 掌 ...
2024-11-27基础课程 - 统计学基础: 统计学是数据分析的基石,包括概率、假设检验、回归分析等基本知识。这有助于分析师更好地理解数据背后 ...
2024-11-27数据分析领域涉及众多工具软件,涵盖了从数据处理、分析到可视化的各个方面。在选择适合自己需求的工具时,需要考虑数据规模、分 ...
2024-11-27在数据分析领域,选择合适的工具至关重要。不同的软件适用于不同的需求和技能水平。以下是几款值得考虑的数据分析软件: - Table ...
2024-11-27数据分析中常用的Excel与Python函数公式涵盖了广泛的应用场景。掌握这些基础和高级技巧对于成为一名优秀的数据分析师至关重要。 ...
2024-11-27Python是一种高级编程语言,由荷兰程序员Guido van Rossum于1989年圣诞节期间开始开发,并于1991年首次发布。Python的设计哲学强 ...
2024-11-27课程内容 数学基础: 高等数学、线性代数、概率论与数理统计、微积分等为算法设计和数据分析打下基础。 编程与算法: 掌握 ...
2024-11-27爬虫工程师是互联网时代中至关重要的职业之一,他们的工作内容主要涉及编写和维护网络爬虫程序,进行数据采集与清洗,设计系统架 ...
2024-11-27技能需求 数据管理与建模 - 掌握SQL、HiveQL、Spark SQL等数据库语言,进行复杂数据查询和分析。 - 使用数据建模工具如ER/Studio ...
2024-11-27技术技能 - 编程技能 - 掌握SQL、Python、R语言等编程工具是基本要求,可用于数据提取、清洗和分析。 - 数据分析与建模技能 ...
2024-11-27财务数据分析职业展望 - 需求激增: 随着企业信息化和数字化进程的加速,财务数据产生和积累速度急剧增长,推动了财务数据分析需 ...
2024-11-27技术技能 数学与统计技能:数据分析师需要具备扎实的数学基础,包括统计学、概率论、多变量微积分和线性代数等知识,以帮助理 ...
2024-11-27选择适当的工具和软件 选择恰当的工具对于创建出色的数据分析图表至关重要。Excel提供强大的数据可视化功能,R语言的ggplot2包 ...
2024-11-27初级市场分析师在工作中面临着重要任务之一:评估竞争对手的表现。这项工作不仅有助于描绘行业竞争格局,还能帮助企业发现自身的 ...
2024-11-27基础知识的建立 要想在数据分析领域脱颖而出,首先需要打好坚实的基础。 数据分析的基础知识十分重要,其中包括统计学、概率论、 ...
2024-11-27# 要学习Python数据分析 掌握Python基础知识 - 首先需要掌握Python的基础知识,包括基本语法、数据结构(如列表、元组、字典等) ...
2024-11-27学数据分析能在什么单位工作 数据分析的就业领域概述 数据分析专业毕业生广泛应用于各行各业,包括但不限于以下单位: 政府机关 ...
2024-11-27想学数据分析需要学哪些课程 数据分析学习路径推荐 基础课程: 统计学: 统计学作为数据分析的基石,涵盖概率论、描述性统计、 ...
2024-11-27# 现在什么行业发展前景最好 **人工智能与机器学习** - 人工智能技术快速发展,广泛应用于智能家居、自动驾驶等领域。 - 具备巨 ...
2024-11-27# 未来最有前景的行业 **人工智能与机器学习** - 人工智能被认为是未来最具潜力的行业之一,其应用范围广泛,包括智能家居、医 ...
2024-11-27