当前位置 鱼摆摆网 > 创业 > 网络营销 >

电商行业如何实施有效的数据分析策略?

  作者:鱼摆摆   2019-10-08 11:30

来源:MarTechCareer

比线下零售商来说,电商公司在收集数据方面会轻松一些。

通过很多线上平台和工具基本可以做到对每一笔营销支出和每一笔销售收入的完整追踪。然而,电商公司所面临的最大问题就在于如何对数量如此庞大的数据进行合理分析,从中得到有意义的洞察,并采取下一步调整和优化措施呢?

正如Google的数字营销传播家,网页分析2.0的作者Avinash Kaushik所说:

“大多数企业拥有丰富的数据,但却缺乏信息。”

因此,电商行业对高级营销分析人才的需求也比很多传统行业要更为强烈。沃尔玛在去年超过苹果公司,成为全美第三大网络零售商,其电商销售预计到今年底会同比去年增长近33%,达到278亿美元的金额。而沃尔玛电商部门近期的一则对营销分析经理的招聘内容里就明确了营销分析部门的工作职责:

(Credit toGlassdoor)

营销分析这一职能是沃尔玛为了扩张其电商版图所建立的一个新的高速发展中的团队,旨在帮助沃尔玛积极实现其电商业务的各项目标。营销分析团队需要通过数据分析,衡量不同的绩效指标,然后整合成可以在线上关键产品类别和营销渠道执行的洞察,以驱动整个电商业务的商业发展。该团队的主要项目包括归因、实验以及优化。

主要职责涉及:

• 汇报、测试、分析以及预测电商板块关键产品类目和营销渠道的表现

• 通过分析找到相邻类别的交叉销售机会,不同媒介投资方案,从而帮助企业了解能驱动销售增加(incremental sales)的最佳方式

• 通过高级的分析技术,比如多触点归因、边际广告支出回报率(ROAS),实验(A/B测试)等了解能驱动销售增加的最佳方式

• 参与用户细分分析,包括用户获取和留存,主要是用户获取成本(CAC)以及用户终身价值(LTV)的测量

• 与其他团队合作,搭建内部工具来确保完整的标记和追踪营销活动以及测试方案。

今天这篇文章将从广告分析、客户关系管理(CRM)和A/B测试三个方面介绍一些在电商数据分析策略中最常涉及的重要内容,了解这些对于进军电商领域从事营销分析工作来说非常重要。

广告分析

广告分析可以帮助解决不同的数字营销挑战,比如如何计算客户获取成本,如何将线上销售归因于某个或某几个特定的营销渠道,如何在不同的渠道间分配预算以实现ROI最大化,如何为我们的营销目标找到合适的受众群体等等。

1. 客户获取成本(Customer Acquisition Cost) 

传奇的风险投资公司Andressen Horowitz将CAC作为评估一家公司的当前运作和发展前景的关键商业指标之一。公司需要了解他们的营销投资是如何转化为客户获取成本,以及如何转化为利润(CLTV消费者终身价值),以便做出合理的投资决策。针对不同的应用场景,CAC有不同的计算方式,有时仅指用于获取客户的广告费用;复杂一点的话,它应该包含从营销漏斗的最上端——关注(attention/awareness)开始,直到客户完成一笔订单后的全部营销投入成本。

还有一些时候,CAC会从自然渠道与付费渠道两方面进行考虑。也就是说,客户获取成本不仅仅关注广告支出,它还包括很多软成本(例如劳动力、外部代理商或是销售佣金)。换句话说,有效的“营销支出”比许多人意识到的要更多(也更复杂)。

2. 营销归因(Attribution)

归因模型包含多种类型,从单一触点(如:最后一次点击 ),到多触点(线性,时间衰减,基于位置等)或概率(试图提供每个接触点带来的价值份额的估计)。他们的目的是将某一特定事件或行动(例如在某个电商网站上成功购买了一件东西)的功劳分配给促成该行动的不同来源。

然而,该领域的主要挑战之一在于如何将来源归到正确的客户身上。单个客户在不同浏览器之间绑定身份的困难,或者在浏览网页时选择阻止第三方cookie,会使客户来源的正确归因变得非常困难。

虽然在衡量这些渠道表现的时候经常面临着如何有效归因的挑战,但即便如此,了解这些指标和行为背后的局限性也有助于营销人员做出更加有根据的衡量和决策。

目前一些广告技术和工具,例如Google Analytics 360可以提供多种简单的归因分析(首次点击、最终点击、线性、时间衰减),但更为复杂的一些跨渠道多触点归因分析则需要建立专门的营销归因模型来科学分配不同渠道的权重。

(Credit to Medium)

3. 营销组合建模

这是一种旨在衡量和预测不同的营销活动对销售的影响的统计分析方法。它的目的是提供关于如何更好地分配广告预算,以搭配出最优的营销组合,最终最大化销售额和ROI。

与营销归因相比,营销组合模型是站在一个更宏观的统筹角度,试图从一个整体水平将销量归功给不同的营销媒介渠道,从而衡量和评估在不同渠道营销投入的影响。因此,它不会有前面提到的关于用户身份绑定的问题,但与此同时它也无法达到营销归因分析那样的颗粒度。此外,不同于营销归因侧重在“数字营销渠道”的是,营销组合建模还会关注整体经济大环境(例如消费者信心指数)、竞品表现(例如定价、广告竞价和支出等)等。(戳此了解如何选择营销组合建模和营销归因)

4. 受众定位和广告个性化

了解受众群体的特点,划分、建立多个客户档案,以及如何用于广告个性化,这些也都属于广告分析领域。类似受众建模技术(lookalike modeling)可以基于现有客户的行为特征,帮助识别潜在的新用户细分市场,针对这部分与已有客户相似的潜在客户进行推荐,这对于电商平台来说尤为有效和重要。像Facebook还在传统的类似受众模型上进行扩展,引入了基于价值的类似受众模型(value-based lookalikes),以一种可量化的方式来确定受众中哪些用户对公司而言最有价值。

这个策略需要分析人员投入大量工作,将客户群体的海量数据集成,无论是通过在网站上放置跟踪器的方法,还是将在下文中继续介绍的CRM数据的整合。整合后,分析人员需要对数据进行更深入的分析和解释,以指导营销团队做出最有效的决策。

客户关系管理(CRM)

客户关系管理是保证电商业务能够持续长久运营的重要部分。随着线上付费广告竞价的上升,广告投入的成本毕竟是有限的,因此,维系好现有客户关系对于电商平台来说也变得更加重要。客户关系管理需要平衡品牌与消费者的接触,包括传达的内容以及给到消费者的激励,而数据分析就是为了确保能正确选择这些举措,针对不同客户量身定制。对于受众广泛的综合性电商平台来说,需要做好市场细分,而对于那些专注垂直领域、客户体量有限的电商企业来说,就需要尽可能提高客户终生价值:

1. 市场细分

市场细分能让不同产品、服务或是针对消费者的激励措施找到正确的目标受众,也是数据分析在这一方面的最大价值所在。它不仅仅是基于一些基本属性的分类(比如年龄、性别、地区等),市场细分分析的作用是创建了更“智慧的”细分。这些更“智慧的”细分通常是使用RFM模型(recency、frequency、monetary)、聚类算法(K-Means、DBscan…)、决策树或倾向模型等技术创建的。这些技术使分析人员能够根据客户的行为模式或预期的反应来识别不同的客户群体,然后更好地迎合受众,提高沟通上的相关性。

2. 客户终生价值

营销分析师需要了解影响客户终生价值高低的不同因素是如何发展并受到不同活动的影响。需要跟踪和了解客户流失和留存行为,从而知道如何通过促销、追加销售和交叉销售来扩展订购模式,增加购买次数,通过数据分析给出能达到以上目的的最佳推荐方案。

(Credit to Klipfolio)

A/B测试

A/B测试和更普遍的线上实验在于为不同的客户或访客群体提供不同的测试变量。他们的目标是了解推出一项功能或者服务对于一组客户的影响。

当推出新特性时,A/B测试作为一种控制变量的对比测试,确保这些新特性不会对用户体验或业务销售带来负面影响。它们还充当绩效指标,来度量不同方案所产生的绩效增量。

A/B测试一般分为三个阶段: 实验定义阶段、测试阶段和评价阶段。

1. 实验定义 

数据分析人员需要在此阶段进行思考和回答几个问题:

• 应该对哪些目标人群进行对照试验,划分条件如何设置?

• 考虑到其他正在进行的实验,这一实验的目标群体应该如何进行分配?

• 我们应该关注什么样的度量标准?代表成功的预期增量和条件是什么?

• 实验应该进行多长时间?应该达到多大的样本量?

2. 实验创建

实验创建阶段是开发人员花时间编写代码并构建实际实验的阶段。它们通常基于产品经理提供的需求、设计师提供的设计和数据分析师提供的数据需求来构建。数据人员在此阶段的角色是与工程师合作,以确保方案落实到位且质量良好,并将实验结果记录到整体实验分析框架中。

3. 实验评估

这是数据分析师大展拳脚的阶段。通过对实验结果的解读,深入了解实验结果,更好地理解客户的行为,了解是什么驱使客户做出某些行为。它们帮助企业了解是否应该推出或撤回某个新特性,并从已经尝试过的试验中获得任何有价值的教训。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 yubaibai360@qq.com 举报,一经查实,本站将立刻删除。

[ 标签:电商数据分析 ]

相关文章

  • 全部评论(0
说点什么吧