天天看點

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

電商平台想要提升 GMV,首先要提高使用者轉化。

「轉化」貫穿在使用者整個生命周期的各個階段,本文将從使用者類型出發,從使用者注冊認證、搜尋功能兩個角度,給出優化使用者購買轉化率的解決方案,幫助電商平台提升 GMV。

注:文中資料均為模拟。

一、使用者轉化流程優化

(一) 分人群

在電商平台中,使用者會從各種各樣的場景進入購買路徑,我們可以根據這些場景區分出不同的使用者人群。

1、搜尋路徑:被“需求”激發

這類使用者一般都有明确的需求,會在産品内通過搜尋/篩選去尋找商品。我們可以通過使用者使用搜尋/篩選功能的頻次以及搜尋/篩選的關鍵詞,區分該類使用者并了解其偏好。

2、内容路徑:被“觸點”激發

觸點,可以是一個營銷推廣的 H5 頁面,可以是一次 Push,也可以是一條短信,使用者被觸達後若對營銷内容感興趣,便會進入購買流程。

3、閑逛路徑:無明确目的

這類使用者沒有明确購買需求,會在産品内“漫無目的”地閑逛,浏覽各種各樣的商品。可以通過使用者浏覽商品詳情頁的數量區分此類使用者,對于一些商品種類比較綜合的平台,也可以使用浏覽商品品類的數量進行分群。

綜上,根據不同的購買路徑,可以将使用者分為三類:搜尋使用者、内容使用者以及閑逛使用者。(門檻值可根據真實業務場景确定,下表以 7 天門檻值為示例)

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

(二) 看路徑

下圖為電商 App 的常見購買路徑:

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

不同路徑對不同使用者有不同的影響,我們可以通過交叉分析,找到最适合某類使用者的路徑,然後再通過優化産品設計或者營運手段來提升轉化率。比如:

  • 通過漏鬥分析檢視不同種類人群的轉化率,進行路徑評估
  • 通過漏鬥分析檢視不同種類人群的次數轉化率,進行路徑評估
  • 通過檢視不同路徑下的不同轉化人群的客單價,進行路徑評估

除此之外,我們還可以通過其他次元繼續細分下鑽,比如通過商品一級分類找到更細顆粒度的最優路徑。

(三) 做優化

當我們确定了某使用者群體的最優購買路徑,接下來要做的就是對路徑做針對性的優化。

比如,我們通過資料洞察,發現“搜尋”使用者從商詳頁直接購買的轉化率比商詳頁加購率高,那麼我們就可以隐藏面向此類使用者的 UI 界面的加購功能。在這個過程中,為了保證政策效果,可以先通過 A/B 測試小批量實驗,驗證猜想後再全量上線。如下圖,可以通過觀察兩個分組的交易轉化率,以及一些其他的輔助觀測名額來評估我們的決策是否正确。

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

對于“觸點”型使用者,我們可以根據使用者觸發的不同觸點,給使用者展示不同界面。比如,使用者點選了某個類型的 Push,那我們就可以把這個 Push 對應的内容在首頁 banner 位展示,通過個性化營銷政策提升整體轉化。

“閑逛”使用者通常沒有明确的需求,可以通過對使用者浏覽商品的種類進行分組,給使用者推薦類似商品,進而提高使用者的轉化率。

二、注冊流程優化

注冊轉化是把各類管道進來的流量通過自身産品将其轉化成自己站内的注冊使用者,這部分使用者相對于訪客屬于優質使用者,他們更有意願主動完成購買轉化。找到對的人做對的事才會事半功倍。

接下來圍繞​​ B2B 電商​​​的核心場景,詳細講述如何提升使用者認證轉化率。

首先,合理設計使用者認證的入口。比如,将某些核心功能使用的前提設為“完成認證”,或者當使用者觸發某些關鍵行為時,以彈窗形式提醒使用者完成實名認證,以便享受更多的權益、使用更完善的功能。在這個過程中,企業可以通過神策營銷雲,建立觸發型彈窗,并觀測使用者目标完成率。

舉個例子,新使用者浏覽商品詳情頁次數 ≥ N(依據業務經驗或魔法數字方法論确定)時,觸發實名認證彈窗,引導使用者完成認證。

步驟一:确定門檻值 N。

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

如上圖所示,将 7 月新使用者按照浏覽商品詳情頁的次數儲存為「使用者分群」,然後統計每個使用者群中實名認證的使用者占比,并進一步計算“浏覽商品詳情頁 >n 的使用者中完整認證的轉化率”,可以得到如下二維資料表:

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

其中,n 表示每一行首列浏覽商品詳情頁的次數。

然後,通過繪制 “浏覽商品詳情頁次數——認證轉化率” 曲線圖,找到曲線拐點,即可确定門檻值。下圖中浏覽次數大于 3 之後,使用者認證率趨于平穩,故而可以将門檻值定為 3。

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

步驟二:配置 App 彈窗,監測使用者目标(送出認證)完成率。

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

此外,也可以通過“對比彈窗上線前後新使用者實名認證率是否有所提升”來直接評估彈窗提醒的效果。

其次,在使用者進入實名認證流程後,需要評估目前産品中實名認證各個環節的轉化率,可通過神策資料漏鬥分析實作:

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

然後,通過觀察資料,發現使用者在「浏覽實名認證頁面」到「送出認證」的轉化率下降明顯。此時,我們可以利用「App 點選分析」或「網頁熱力分析」檢視表單各個元素的點選趨勢圖,确認流失使用者在表單中哪個子產品遇到了卡點。

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

如上圖,「家庭住址」和「職務」兩個元素的點選占比顯著低于其他元素,是以可以進一步評估這兩個隐私敏感度較高的元素對于交易的必要性,是否可以簡化填寫等。

通常情況下,表單填寫優化方向可以依照以下三個準則:

  • 表單結構分層:資訊分層次、分步驟、分頁面呈現,給使用者明确的步驟提示
  • 選擇代替輸入:降低使用者使用成本,預選框代替填空
  • 提高使用者信任度:敏感資訊下方增加提示(如:以上資訊我們将嚴格保密,請放心填寫)

最後,若使用者送出表單到稽核通過的轉化率較低,就需要去追蹤認證失敗的原因。可以先将流失使用者儲存為分群,然後對失敗原因分組檢視,進而定位到關鍵失敗點并進行優化。

三重優化,用實踐解讀電商平台 GMV 增長背後的故事
三重優化,用實踐解讀電商平台 GMV 增長背後的故事

通過以上四個步驟,可以對現有産品中使用者實名認證的轉化效果進行評估,并找到關鍵卡點,進行産品或者營運政策上的優化,進而提高使用者認證轉化率。

三、搜尋功能的評估和優化

搜尋功能也是使用者購買流程中很重要的一個功能,不但能影響使用者活躍,還能促進支付轉化。那如何評估搜尋功能的貢獻?有什麼資料導向的優化方法?又有哪些可能的優化政策和動作呢?

(一)轉化貢獻度的評估

想要正确認識搜尋功能的價值,需要關注它對使用者活躍和支付轉化的影響。

一方面,分析一段時間内未使用搜尋功能、使用搜尋功能但傳回結果無效(報錯/結果數量為 0 等)、使用搜尋功能且傳回結果有效(結果數量大于 0)的人群活躍留存,有效判斷搜尋功能對使用者活躍的影響力。

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

另一方面,可以分析高搜尋成功率的使用者,在搜尋成功後完成支付的轉化表現,輔助衡量搜尋功能對站内轉化的貢獻度。

1)通過神策使用者畫像圈出符合條件的人群。這裡可以将搜尋成功率用如下公式計算:

搜尋成功率 = 點選搜尋結果的次數/搜尋傳回結果數量大于 0 的次數(成功率大于 50% 定義為高搜尋成功率)

2)使用漏鬥分析,對比兩個群體在“點選搜尋結果 - 支付成功”環節的轉化率表現,即可判斷搜尋成功率與搜尋後支付轉化的關系。

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

(二)轉化順暢度的評估和優化

了解搜尋功能的優勢之後,自然想要将其放大。此時可以從功能使用的順暢度入手,明确目前的主要卡點。最高優先級地對此卡點進行政策制定、政策執行和效果回收,進而摸索出更高效、更合适的優化方法論。

首先,需要抽象出使用者使用搜尋功能的完整路徑,并分析相鄰兩個步驟之間的轉化率。

抽象步驟之間的轉化優先級從左往右逐漸降低,再對照實際的轉化率水準,即可找到關鍵卡點及其關鍵影響因素。

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

接下來,通過“① 資料感覺 → ② 業務決策 → ③ 具體動作 → ④ 資料回報”的閉環路徑,不斷摸索提升關鍵因素表現的方法。① 和 ④ 的動作基本一緻,都是檢視資料,隻是看數的側重點不同,前者側重制狀的感覺,後者更側重業務動作對現狀的影響。

那麼,如何優化上述 3 個關鍵因素呢?接下來将逐一講解每個關鍵因素代入上述閉環路徑的具體做法。

1、決策和執行搜尋的成本

① 資料感覺/④ 資料回報

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

② 優化政策/③ 可能的優化動作

政策 1:更低的決策成本

具體動作:

  • 預設搜尋詞已鍵入,使用者隻需點選搜尋按鈕,無需手動逐一輸入
  • 使用者表露出搜尋意願,例如點選搜尋框

a)立即展示熱搜關鍵詞,使用者點選感興趣的熱搜詞即可發起搜尋請求

b)立即展示曆史搜尋詞,使用者點選某個曾經搜尋過的關鍵詞即可發起搜尋請求

政策 2:更低的操作成本

具體動作:當使用者開始逐一輸入自定義關鍵詞,而非上述兩種推薦類的關鍵詞時,自動聯想并補全正在輸入的内容。

2、響應搜尋請求的穩定性

① 資料感覺/④ 資料回報

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

若此名額出現異常波動,從關鍵詞、作業系統、浏覽器版本、國家地區等進行細化排查。

② 優化政策/③ 可能的優化動作

政策:穩定的搜尋成功率

具體動作:

  • 建立自動智能的資料監控和預警機制

利用神策資料智能預警功能自動監控,并在感覺異常時及時發送預警資訊至資料監控人員。

  • 制定資料異常處理的應急響應方案

資料監控人員結合預警資訊,進行初步診斷,并将結果同步至該産品功能的研發和維護團隊,由他們進一步明确和修複。

3、搜尋結果有效性和滿意度

① 資料感覺/④ 資料回報

可以先通過如下方式評估無效搜尋:

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

接着評估使用者是否找到滿意結果的情況:

三重優化,用實踐解讀電商平台 GMV 增長背後的故事

② 優化政策/③ 可能的優化動作

政策 1:更低的無效搜尋占比

具體動作:

  • 優化關鍵詞搜尋的結果比對規則

通過觀察搜尋結果數量為 0 的關鍵詞,判斷是否因搜尋規則導緻有相關産品但無法展示在搜尋結果中。

  • 搜尋無結果的後備響應預案

除了顯示搜尋結果數量為 0 的提示,同時也展示其他使用者可能感興趣的内容。比如,對所有使用者展示全站的熱賣商品、近期的熱搜品類,對不同使用者群體展示不同的内容。

政策 2:更快找到滿意的搜尋結果