在电子商务过程中你需要使用何种数据来衡量表现
你有一个在线的生意吗?如果你的企业需要衡量表现,不要被蒙在鼓里。
在线商业和传统生意相比主要的优势是每一个单块的数据都可以被衡量。但并不是很多在线零售商多从这一进步当中获利。这不只是说你需要安装网络分析工具,你还需要能够理解这些数据,并且做出可以执行的决策,来让你的在线商业获得成长。
在我们开始之前,你需要掌握的最重要的数据包括:你的商业目标是什么?你在今年,明年,未来三年或者更长时间想要达到的在线商业销售额是多少?如果你对此完全没有线索,你可以用至少十二个月的未来商业成长预测来作为开始。举例说,是环比增长20%还是同比增长25%?
一旦你设立商业目标,而且也明白你有多少预算,你就可以深入观测你数据的主要部分,并且致力于实现你的商业目标,最后当然可以获利。
关键度量
衡量你在线业务的所有数据并不难,每一件事都是用这个黄金公式来开始的。这用来判断在线营收的起源。
在线收入 = 独立访问量 (UV) X 转换率 (CVR) x 平均订购量 (AOV)
对于上面的方程来说很明显,你需要增加流量转化率,以及/或者平均订单量,来增加你的在线销售额。如果你接受线下付款,你还需要把付费率(PR)放到上面的方程中。
我们的推荐方法是,根据营销渠道的不同,来分解这个方程。像这样:
以上是一个例子,你需要包括商业模式当中所有可能的营销渠道,比如关联和参考系等等。你完全可以进一步分解营销渠道,比如比起仅仅分类为社交网络,可以将它们分解到微博、微信等不同的特殊渠道。
丢弃率
如果你的转化率 (CVR)不尽如人意的话,有一个特别重要的衡量标准就是丢弃率(abandonment rate)。
我们在这里并不仅仅谈论把购物车中的东西放弃购买。你需要从着陆页开始就开始测量。这是你的首页,活动专门页面或者其他任何一个消费者可能首次登陆你在线网站的页面。
然后请测量你的着陆页当中的回弹率(bounce rate)。人们在到达你的网站之后是离开了,还是访问站内其他网页?这可能甚至都不包括将产品放入购物车。而且你需要知道为什么发生了这些?这可能是因为你的营销渠道,让着陆之后的用户来到了错误的地方吗?你需要继续优化你的着陆页吗?
自然,衡量购物车丢弃率(shopping cart abandonment rate)是同等重要的,如果十个访问者中有九个人在选购一些东西之后没有付款就走掉了,事情就很糟糕。尤其是如果你投资,希望他们首先能够到达你网站的情况下。
你不仅需要通过购物车检验程序,在技术上优化你的购物车环节,还有一件事也很重要,就是明白什么样的产品具有高的丢弃率。还有,最好给你的顾客打电话,问一问他们为什么离开。
获得消费者的支出
除非你通过搜索引擎优化(SEO)已经能够稳定地获得来自网站的流量——当然不是通过付费搜索,你就需要投入一笔必要的资金来为你的在线商店获得流量。
当然你需要用你喜欢的分析工具来区分新用户和老用户。
对于新用户来说,他们转变成你顾客的比例有多少?这就是我们衡量所谓顾客获得支出(Customer Acquisition Cost (CAC))的办法。简单来说就是你花了多少钱获得了一位顾客。如果你花了100美元来让5个人在你的网站上买东西,你的顾客获得支出就是40美元。
实际上,并不难理解为什么很多的在线零售商提供20美元的折扣券给第一次来的顾客。这实际上是他们顾客获得成本的一部分;还要加上让用户第一次来到他们的在线商店看看的成本。
除了新客户,下一步是衡量你回头客当中的平均保留率( average retention rate)。你需要知道客户们是不是在重复购买?他们回来的频率,以及他们重复购买时一般的行为是什么样的?
千万不要疏忽后一部分。因为让已经过来的顾客来买东西,总比转化新人要简单的多。
顾客的终身价值
实际上这已经在之前衡量保留率的度量标准当中提到过,毫无疑问这将是所有衡量标准当中最重要的一项,这就是顾客终身价值(Customer Lifetime Value (LTV))。
从核心上来说,电子商务是简单的生意,如果终身价值大于顾客的获取成本,那么你就可以赚钱,如果不是的话,你就不赚钱。很简单。
是的,正如上面的这一句语录所说的,如果你不明白这个公式,你最好就不要做电子商务了。
现在我们怎么横量这一指标?很简单,这是你从客户身上获得的投射净利润。如果你从顾客身上获得的净利润比用户获取的花费要低,你就有麻烦了。
我们在这里来做一些计算。假设一个用户花了500美元购买了4样东西,净利润是100美元。这是500美元的20%,同时也是在这个顾客上所获得的终身价值。如果获取这个用户的花费是40美元,你还可以赚到60美元,你的商业模式就是健康的。
简单的说,根据终身价值所测算的净利润,应该高于获取用户的支出。至少从长远来说必须达到这一点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在这个瞬息万变的时代,许多人都在寻找能让他们脱颖而出的职业。而数据分析师,作为大数据和人工智能时代的热门职业,自然吸引了 ...
2025-01-14Python作为一门功能强大的编程语言,已经成为数据分析和可视化领域的重要工具。无论你是数据分析的新手,还是经验丰富的专业人士 ...
2025-01-10完全靠数据决策,真的靠谱吗? 最近几年,“数据驱动”成了商界最火的关键词之一,但靠数据就能走天下?其实不然!那些真正成功 ...
2025-01-09SparkSQL 结构化数据处理流程及原理是什么?Spark SQL 可以使用现有的Hive元存储、SerDes 和 UDF。它可以使用 JDBC/ODB ...
2025-01-09在如今这个信息爆炸的时代,数据已然成为企业的生命线。无论是科技公司还是传统行业,数据分析正在深刻地影响着商业决策以及未来 ...
2025-01-08“数据为王”相信大家都听说过。当前,数据信息不再仅仅是传递的媒介,它成为了驱动经济发展的新燃料。对于企业而言,数据指标体 ...
2025-01-07在职场中,当你遇到问题的时候,如果感到无从下手,或者抓不到重点,可能是因为你掌握的思维模型不够多。 一个好用的思维模型, ...
2025-01-06在现代企业中,数据分析师扮演着至关重要的角色。每天都有大量数据涌入,从社交媒体到交易平台,数据以空前的速度和规模生成。面 ...
2025-01-06在职场中,许多言辞并非表面意思那么简单,有时需要听懂背后的“潜台词”。尤其在数据分析的领域里,掌握常用术语就像掌握一门新 ...
2025-01-04在当今信息化社会,数据分析已成为各行各业的核心驱动力。它不仅仅是对数字进行整理与计算,而是在数据的海洋中探寻规律,从而指 ...
2025-01-03又到一年年终时,各位打工人也迎来了展示成果的关键时刻 —— 年终述职。一份出色的年终述职报告,不仅能全面呈现你的工作价值, ...
2025-01-03在竞争激烈的商业世界中,竞品分析对于企业的发展至关重要。今天,我们就来详细聊聊数据分析师写竞品分析的那些事儿。 一、明确 ...
2025-01-03在数据分析的江湖里,有两个阵营总是争论不休。一派信奉“大即是美”,认为数据越多越好;另一派坚守“小而精”,力挺质量胜于规 ...
2025-01-02数据分析是一个复杂且多维度的过程,从数据收集到分析结果应用,每一步都是对信息的提炼与升华。可视化分析结果,以图表的形式展 ...
2025-01-02在当今的数字化时代,数据分析师扮演着一个至关重要的角色。他们如同现代企业的“解密专家”,通过解析数据为企业提供决策支持。 ...
2025-01-02数据分析报告至关重要 一份高质量的数据分析报告不仅能够揭示数据背后的真相,还能为企业决策者提供有价值的洞察和建议。 年薪 ...
2024-12-31数据分析,听起来好像是技术大咖的专属技能,但其实是一项人人都能学会的职场硬核能力!今天,我们来聊聊数据分析的核心流程,拆 ...
2024-12-31提到数据分析,你脑海里可能会浮现出一群“数字控”抱着电脑,在海量数据里疯狂敲代码的画面。但事实是,数据分析并没有你想象的 ...
2024-12-31关于数据分析师是否会成为失业高危职业,近年来的讨论层出不穷。在这个快速变化的时代,技术进步让人既兴奋又不安。今天,我们从 ...
2024-12-30数据分析师在现代企业中扮演着关键角色,他们的工作内容不仅丰富多样,还对企业的决策和发展起着重要的作用。正如一个经验丰富的 ...
2024-12-29