网站标志
导航菜单
当前日期时间
当前时间:
购物车
购物车中有 0 件商品 去结算 我的订单
商品搜索
商品搜索:
文章正文
”人货场”模型搞懂没?数据分析大部分场景都能用!
作者:    发布于:2024-07-09 20:10:07    文字:【】【】【
做数据分析的同学,很多都听过:人、货、场的分析模型。然而,这东西又是个只闻其名,不见真身的东西。到底该怎么结合实际分析?今天我们系统讲解下。

问题场景:

某生鲜电商,用户复购率较低,60%的用户在30天内无二次购买行为,运营领导非常着急,要求通过数据分析提升复购率,请问你作为数据分析师该怎么做?

A、建立人工智能精准推荐算法(40%概率用协同过滤,60%用关联分析)

B、把过往6个月月初复购率做成折线图,然后写下苍劲有力的三个大字:“要搞高!”

C、分析个啥,做电商不就是派券吗!所有无复购用户派券,干就完了奥力给!

还是你有其他办法?

一、货物属性分析

先问一个简单问题:大米、白面、一桶油和草莓、车厘子、山竹有什么区别?即使你没买过菜也知道:米面油是每天都得吃的东西,没啥季节性;草莓、车厘子、山竹不会每天吃,季节性很强。

如果去菜市场或者超市逛一下又会知道:米面油一般是整包、整桶买,买回去一桶能吃很久,还有专门的米桶、米盒、油壶用来分装。草莓山竹一般拆散零售,而且不耐放,买回去不吃过几天就坏了。

这些看似家常便饭的产品知识,统称为:货物属性。货物属性会直接影响到消费者购买行为:

购买频率:新鲜蔬菜水果购买频率高,米面油购买频率低

上市季节:新鲜蔬菜水果有当季产品,反季节的卖得贵也不好吃,米面油没啥季节性

产品价格:单品价格贵的就卖得少,趁便宜买,零散买,便宜的就批量买

购买渠道:如果有物流配送,大件硬通货(米面油)在线上买更省事,散件的就线下买,最好能现场试吃几个避免踩雷

这些货物属性是常识,是自然规律,不会因为数据指标的计算方式而改变。因此在生鲜产品中,用户行为会直接受到过往购买产品的影响——你不能太指望一个用户刚买10斤大米,过两天又来买10斤。或者说,如果真的有用户反反复复地来买大米,那你得检查下自己提供的大米是不是比市场价便宜很多,有人在薅羊毛薅的情况呢。

有一个简单的矩阵模型可以描述生鲜产品的复购思路,核心是产品购买频率和产品关联度。购买频率上文有解释,产品关联度指的是某些产品天生会一块买。特别在生鲜领域,比如买了冻鸡翅、竹签,很有可能会买木炭、丸子、烧烤汁,因此两维度交叉既有如下矩阵(如下图)。

图片

图片

但注意,只从货物属性一个角度来看,是很不完整的。买菜的渠道多得很,凭啥用户非得在app里戳来戳去。菜市场不香吗?APP/微商城的吸引力又在哪里呢?这就涉及:场的问题。

二、卖场属性分析

快速问一个问题:你今天中午准备吃啥?不要思考,马上回答!

十个同学有十个答不上来,对不对。实际上让你对着饿了吗你都得纠结十几二十分钟,更不要说提前预备了。

买菜也是同理,为啥老人家喜欢逛菜市,一个很重要的原因就是做饭本就没啥目的性,现场看着啥顺眼买点啥,二来可以货比三家挑挑新鲜便宜的。菜市场,包括超市的生鲜区给人的视觉冲击是远远强过电商的,这就是卖场属性对复购行为带来的影响。

卖场属性,包含:

便利性:距离越近、越方便的菜场肯定越吸引人

整洁程度:越干净的菜场肯定更吸引人

产品丰富程度:菜品越丰富的菜场越吸引人

产品新鲜度:菜品越新鲜水灵的越吸引人

产品价格:因为铺租、人工不同,有的卖场就是死贵死贵的

在传统线下门店里,关于卖场位置也有个矩阵模型。(如下图)

线上渠道用的指标和线下类似,区别是,用户的登录场景、登录频次、登录后访问内容,代替了门店位置远近。线上渠道在内容和跳转路径上能做的分析,是远多于线下的。

有意思的是,不同于服装、零食、玩具等快消品,在生鲜领域,线上渠道的体验反而比线下差。因此线上生鲜优势体现在:不能出门的场景上。比如下雨天,比如疫情期间交通管控,比如上下班没时间逛菜市场等等等。

然而这就又引发第三个问题:有些用户可能就是单纯图便宜,有些用户真的有线上购买的刚需。因此必须考虑人的因素。

三、用户属性分析

注意,传统行业讲人货场,人指的是售货员,不是消费者。所谓人效指的是业务员平均产生的经济效益。但是互联网应用是APP对用户,没有销售概念,因此才把售货员改成用户,所谓人的分析,变成用户属性分析。

一提用户属性,很多同学条件反射的都是:性别、年龄、地域。问题是你的公司真的能采集到这么多真实的用户信息?而且这些字段不见得能看出啥,最典型的就是性别,男女比例差异常常只有几个点,能说明个屁问题。

基于互动、消费行为标签会更好用,比如生鲜电商的领域,有多少客户是注册送20元米面油券,首单免配送费,进口车厘子25元4斤这种活动搞进来的。这叫促销敏感型用户。类似的,还可以打:刚性购买用户、异常天气购买用户、疫区用户等等标签,这些可能区分度更高
浏览 (2) | 评论 (0) | 评分(0) | 支持(0) | 反对(0) | 发布人:
将本文加入收藏夹
新闻详情
脚注栏目
|
脚注信息
机电工程网(C) 2015-2020 All Rights Reserved.    联系我们