提高資料應用價值必修課——轉換率分析

--

當今時代資訊化產業飛速發展,各類底層大數據平臺百花齊放,億級資料、秒級響應已經不再是當年的遙不可及的神話。然而對於企業來說,資料計算快僅僅是滿足企業進行業務資料分析的硬體基礎,如何發掘這些海量的資料產生應用價值,走好資料分析這最後一公里,引導企業進行戰略決策卻是至關重要的一步。

相信大家對網際網路營運都不陌生了。

在獲取到使用者流量之後也就獲取到了平臺的一批潛在使用者,那麼如何透過一系列的營運策略讓使用者順利完成搜尋商品 — →瀏覽商品 — →商品下單 — →交易付款的過程轉化呢?

透過對平臺數據進行資料分析引導經營策略,最大化每個行銷漏斗的轉換率是我們孜孜以求的目的。本文以網際網路行業為資料業務分析背景(轉化篇),分別從下單轉換率、事件轉換率、服務轉換率、退貨率四大方面進行分析和思考,希望能跟大家交流一些資料分析方面的心得和體驗。

本文的使用的分析工具是FineBI

01 下單轉換率

對於平臺經營方來說,我們希望一旦有使用者流量進入平臺網站,就能夠順利按照我們平臺營運設定好的系列要求一步步進行下去,最終完成交易付款操作。那麼對於網際網路營運方來說,就需要做好使用者在會員註冊、商品收藏、購物車新增、交易付款等一系列轉化操作。對於這樣需要進行逐級轉化的平臺營運,那麼我們首先可以透過漏斗圖進行宏觀的流程轉化資料分析找出目前階段最需要最佳化的營運環節,有效地進行針對性治理,最終提高整體平臺使用者下單轉換率。

會員註冊轉換率:

會員註冊轉換率=新增會員總人數/新訪客總人數。對於網際網路平臺營運方來說,往往使用者進行平臺消費行為之前都需要註冊為網站會員。而網站會員機制有利於平臺進行定向營運推廣,以增強使用者和平臺之間的黏性,故而提升網站平臺的會員註冊轉換率對於提高使用者復購率來說非常重要。在當下這樣的一個的網際網路社交時代,除了做好自己的網站直接會員註冊營運之外,打通跟其他社交平臺比如臉書、Twitter等平臺賬號共享能夠明顯提高網站平臺的註冊轉換率。

商品收藏轉換率:

商品收藏轉換率=商品收藏總數/商品瀏覽總數。這一指標通常在平臺舉行大型促銷活動之前需要時刻關注的一個指標,因為在這個時間段內的商品收藏量有很大機率能夠直接轉化為成功交易訂單,與此同時,該指標對平臺活動促銷效果也能夠起到一定預估作用。

品牌/單品轉換率:

品牌/單品轉換率=單品成功交易訂單/單品瀏覽量。這一指標通常使用者平臺進行商品受歡迎程度統計,透過分析品牌/單品轉換率,從而引導商鋪進貨品牌種類,提高單品轉換率高的貨物進貨量的同時降低單品轉換率低的貨物進貨量。

付款轉換率:

付款轉換率=付款總數量/下單總數量。這一指標通常用於反應平臺的支付渠道和使用者的支付習慣的匹配程度,通常來說我們需要完善快捷銀聯支付、支付寶、微信支付等渠道,降低因為使用者沒有某個支付平臺而放棄消費的可能性。

如上圖所示 ,透過對某個平臺的使用者訪問階段轉換率資料分析,逐級來看各節點轉化情況。首先是使用者從瀏覽商品行為到新增購物車行為這一流程的轉化情況,我們透過漏斗圖可以快速看出其轉換率為50.77%,反映出該平臺的商品介紹、圖片描述等對使用者有較強的吸引力。接下來繼續看新增購物車到下單的轉換率,可以看出其轉換率高達99.66%。之後下單至付款的轉換率僅50%,這是一個值得反思的轉化節點,透過資料分析猜測該平臺商鋪支付渠道不完善,需要增加例如支付寶、微信等快捷支付渠道,降低平臺因為沒有提供使用者習慣性的支付渠道而導致使用者放棄購買行為的機率。

02 事件轉換率

時間轉換率通常指的是平臺或商鋪透過一系列的營運推廣活動以及由於公共事件影響所帶來的額外價值。這一指標對於平臺營運評估和指導市場推廣營運活動極為重要,例如網路行銷總的SEO關鍵詞投放、折扣促銷活動、郵件行銷等等效果跟蹤。關於事件轉換率方面的資料分析,通常我們可關注於行銷渠道轉換率、會員轉換率、店鋪流量轉換率、下單轉換率等指標進行活動的推廣行銷效果評估。

如下圖所示,我們首先分析出各個行銷推廣渠道的轉換率環形玫瑰分佈圖,可以看出目前平臺的轉換率最高的渠道主要是基礎上線工作、SEO關鍵詞推廣、微信推廣、品牌推廣幾個渠道。同時我們想聯動檢視每個渠道對應的轉換率資料時,這裡透過FineBI提供的資料自動聯動過濾功能讓使用者無需任何設定即可進行所有相關聯的資料聯動。

我們先來看看微信渠道隨時間的轉換率走勢情況,可以推測出平臺在2015年9月29日(因為從2015年9月29日使用者的下單轉換率有所下降,一般使用者在知道近期即將有促銷活動的時候,往往會收藏商品從而產生延遲消費,所以活動開始前的時間轉換率會降低)左右釋出了即將要開始的商品促銷活動,同時活動日期大概在2015年10月1日到2015年10月7日左右(轉換率提升明顯),屬於國慶黃金週的大型活動促銷,同時也取得了較好的活動效果。

除了以上渠道行銷策略之外,對於平臺商鋪而言,合適的關聯性商品推薦也能夠提高使用者對關聯商品的購買率,比如使用者在購買完服裝之後可以再給他推送鞋子一類商品。另外關於事件轉換率方面,由於季節性以及公共事件也會影響商品的下單轉換率,針對不同時期較流行的商品進行進貨行銷往往才能夠達到最大的盈利目的。

03 服務轉換率

服務轉換率方面,通常使用者在網上購買商品時,對於商品的一些細節品質以及發貨渠道和速度等會需要做一些瞭解。那麼良好的服務自然能夠提高顧客的購買率,對於平臺的客戶人員,我們可以統計處其諮詢到下單的節點轉換率,並且以諮詢到下單的轉換率指標作為KPI指標之一來評價客服人員的工作績效。

如下圖所示,我們透過客服諮詢下單轉換率條形圖的資料分析統計可以發現,該平臺的Blanche、Henry、Christian、漢克、貝蒂這五名客服的轉換率比較優秀,並且都在10%以上,其他的客服員工的轉換率則相對較低,故而這方面可以讓轉換率最為優秀的Blanche客服給其他客服做一次服務培訓,整體上提升平臺的服務水平,進而提升使用者的下單轉換率。

04 退貨率

退貨率方面,對於使用者而言退貨的原因通常可分為兩大類,一類是由於買到的商品品質有問題而申請退貨,另外一類可能是由於使用者自身原因想申請退貨。平臺方往往更為需要關注第一類因為商品品質問題而申請退貨的商品,通過歷史商品的品質原因退貨資料統計分析,對於確確實實是存在品質問題的商品需要及時反饋給供應商,品質過於嚴重的話可以考慮該類商品和供應商的協商庫存退貨。

放一個工具體驗地址,也是我最常用的數據分析軟體:

文章來源:數據分析不是個事兒
原文連結:https://mp.weixin.qq.com/s/S5K5YI_fbVFi_0WeDdAHuw

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。各位也可以關注我的Facebook,按讚我的臉書並私訊「10」,送你十週入門數據分析電子書唷!期待你與我互動起來~

文章推薦

餅圖變形記,肝了3000字,收藏就是學會!

MySQL必須掌握4種語言!

太實用了!4種方法教你輕鬆製作互動式儀表板!

跟資料打交道的人都得會的這8種資料模型,滿足工作中95%的需求

妙呀!一行Python程式碼

回顧十週入門數據分析系列文:

關注數據君的臉書:

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。按贊我的臉書,會有豐富資料包贈送唷!

--

--

數據分析那些事
數據分析那些事

Written by 數據分析那些事

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/

No responses yet