「项目练习」以数据分析为导向的运营体系搭建
in 学习笔记 with 0 comment

「项目练习」以数据分析为导向的运营体系搭建

in 学习笔记 with 0 comment

流量运营案例:如何用数据分析的思路解决广告优化问题

电商入驻商广告业务简介及传统分析链路数据分析

image-20210508140558958.png

获得数据

入驻商能获取的数据远少于平台方,在入驻商领域分为两种广告:自动广告、手动广告

案例:瑞幸咖啡,通过大力的投入广告宣传,提高市场竞争力。前期回报率低,到达某个节点后,品牌价值提高,后期获得较好的回报率

广告路径分析

漏斗模型的搭建与入驻商相关广告应用

image-20210508142247987.png

image-20210508142451490.png

在亚马逊及淘宝,商品页面都会有提示为广告投放的商品,此为手动广告,入驻商通过强行投放提高市场竞争力。而普通商品搜索下展示的商品为平台方根据算法自动推荐,为自动广告。

多广告组分析时如何进行优化决策

如果你的店铺现在有两个广告组A和B,A广告组ACOS值很低但是花费少出单不高,B广告组ACOS较高但是出单量比较大且仍有利润空间,这时候你会选择保留哪个广告组?或者你会怎么优化?

(ACOS为ROI的倒数)

ROAS的含义为:Return on Ad Spend(目标广告支出回报率),用于衡量每组广告花费能带来多少收入。

计算:ROAS=总收入/广告花费*100%,那么它可以理解为广告ROI

我们还需要计算单个订单成本,其计算方式是将产品订单的总支出除以产品订单量,产品订单总支出需要包含产品销售过程中涉及到的所有成本,比如人工成本、广告成本、仓储成本、物流成本等等。

image-20210508145210883.png

注意:图中点的面积大小代表了不同产品订单额的大小

image-20210508150359967.png

image-20210508150531361.png

广告优化运营思路总结

电商运营案例:如何利用数据分析的思路解决运营问题

仓储体系数据化

某一产品过去7天销售量——S_7

某一产品过去14天销售量——S_14

某一产品过去30天销售量——S_30

某一产品未来30天备货量——I_30

简易计算法

I_30 = S_7 * 4

使用方法:

直接将产品过去7天销量乘以4即可,没有特别需要留意的地方。

该方法评价:

权重计算法

权重法为最常用的仓储数据计算方法

权重分别为100%,50%,50%的计算公式(产品已经进入稳定期,销量处于小幅度波动阶段时可以使用该计算公式):

I_30 = S_7 + S_14 / 2 + S_30 / 2

权重分别为0%,100%,50%的计算公式(近期一周因为意外情况,例如突然的缺货/停止营业等,导致短时间销量下滑时可以用该计算公式):

I_30 = S_14 + S_30 / 2

权重分别为100%,0%,75%的计算公式(过去一个月至过去半个月期间销量处于波动,直到近期一周销量才稳定时可以用该计算公式):

I_30 = S_7 + S_30 * 0.75

计量计算法

k1 = (S_7/7 - S_14/14) / 7

k2 = (S_14/14 - S_30/30) / 16

k3 = (k1 + k2) / 2

I_30 = 30 * (S_7/7 + k3 * 14)

image-20210508151605310.png

过去的平均日销量变化率k3,至少在未来14天影响销量,此为经验法,可乘10或20

数学仿真法

image-20210508164008372.png

image-20210508164017167.png

市场体系数据化

销量波动与趋势分析

image-20210508164059881

日/周/月销量权重对比

销量波动周趋势分析指标

image-20210508164231446.png

市场占有率计算

排名美国州名2018年人口(万)人口人口比例订单销售订单比例市场占有指数市场定位判断
1加利福尼亚州397739770.122180.121.021
2德克萨斯州287028700.091390.080.900
3佛罗里达州213121310.071390.081.211
4纽约州198619860.061200.071.121
5宾夕法尼亚州128212820.04710.041.031
6伊利诺伊州127612760.04830.051.211

通过订单报表分析,得到各个地区的订单比例,通过人口数据来分析人口比例,通过人口比例和订单比例是否相等或大于来分析市场占有率

运营体系数据化

关键词优化

从需求(用户)角度优化关键词

类目词与产品词来源:listing类目排名信息、listing标题信息

image-20210508170457820.png

亚马逊平台上的排名信息和标题信息

核心形容词来源:搜索框下拉栏、用户review关键词汇总

image-20210508170542920.png

亚马逊平台的搜索框下拉栏与review关键词汇总

广义相关属性词来源:Google Trends

image-20210508170628267.png

Google Trends中dress相关的属性词

从竞争(商家)角度优化关键词

评判优秀长尾转化词的三大标准:

转化率分析+用户访问深度分析

image-20210508170857881.png

亚马逊后台可以获得的订单数据维度

使用用访问深度系数这个值来初步衡量用户行为

买家访问次数(Visit/Sessions)是统计24小时内曾经在销售页面浏览过的用户数,页面浏览次数(PV)是每打开或刷新一个页面就记录1次(多次打开或刷新同一页面按浏览量累计)。前台页面中,链接可以产生点击的按钮包括挑选商品变体,例如加购物车,愿望单,查看评价等。

买家在页面内访问次数越多,所花费的时间就越长,购买意愿也越高。

通过二者做比,可以定义:

1.访问深度系数下降,转化率下降:重点优化评价/链接图文内容

2.访问深度系数上升,转化率下降:重点优化库存,提升“当日达”比率

3.访问深度系数下降,转化率上升:可以考虑添加变体来获得更大销量

4.访问深度系数上升,转化率上升:链接属于健康状态,继续维持

产品运营案例:如何利用数据分析的思路使产品快速迭代

结合用户生命周期与使用习惯的精细化运营

生命周期判断

引入期:

image-20210508173259739.png

当一个listing属于引入期的时候,其排名数值特点是排名低、波动大、排名不属于上升趋势

成长期:

image-20210508173329750.png

当一个listing属于成长期的时候,其排名数值特点是排名由低到高、波动适中、排名属于上升趋势

成熟期:

image-20210508173343474.png

当一个listing属于成熟期的时候,其排名数值特点是排名保持高位、波动较低、排名趋势稳定

衰退期:

image-20210508173354176.png

当一个listing属于衰退期的时候,其排名数值特点是排名由高到低、波动适中、排名属于下降趋势

结合用户使用习惯的增长黑客法则

高效增长

为了实现用户增长,LinkedIn的增长负责人观测了两个渠道的数据:电子邮件+搜索。

LinkedIn刚出现时,创始团队有一些明显光环,所以有些用户会主动搜索LinkedIn,这类从SEO(Search Engine Optimization,搜索引擎优化)渠道进来的用户,与电子邮件邀请进来的人数差不多,但是在LinkedIn平台上的活跃度要高3倍。

因此,增长负责人决定把更多资源投入到高活跃渠道中,即放弃低活跃用户,专注高活跃用户

魔法数字

LinkedIn的运营团队发现,一星期内添加5个联系人的用户,他们的留存/使用频率/停留时间是那些没有加到5个联系人的用户的3~5倍。

因此,如何能够快速地将用户转化为能够建立5个社交关系的用户,就变成了驱动增长的魔法数字(Magic Number)