易观数聚论丨钱方好近张鑫:提升零售电商GMV的一些思考

方舟 2018-08-13 10:20:03   416

8月3日,由Analysys易观发起的“新零售的数据时代”线下沙龙活动在北京举行。来自易观、Marketin、超盟数据以及钱方好近的嘉宾,通过具体案例分析了数据营销的方法论及行业解决方案,并对新零售未来发展趋势做出预判。其中,来自钱方好近的大数据部总经理张鑫,带来了题为《提升零售电商GMV的一些思考》的演讲。


张鑫指出,零售电商企业存在明显共性问题。针对这些问题,张鑫提出一系列数据诊断与路径规划的方法,并强调用户画像提供策略的概率保障。最后,他指出,数据驱动,就是为商业逻辑提供确定性和高概率的保障。  

钱方好近大数据部总经理张鑫

 

零售电商企业的共性


张鑫指出,零售电商企业存在共性问题。

 

首先是运营模式的共性,即循环性和周期性,以月为周期,每一个或几个月都会囊括活动一次。其次是运营策略层面的共性,这里面存在五个不确定的问题,即增长变化动因难定义、什么策略提升什么指标、几乎全品类参与聚划算、促销指向性不强、为什么门槛红包是N不是M。第三,则是绝大多数电商品牌GMV的构成,即新客的贡献比较大,而老客的贡献率非常不可观。


张鑫同时指出,绝大多数电商品牌GMV的构成存在共性的原因有两个,一是新客转化老客存在问题,老客的增长不受关注,没有上升到战略的高度,老客增长使用的姿势不够精准;二是老客的深度出现问题,老客的生命周期短,单位时间的购买次数不够多,由于没有正确的规划,没有正确的引导,甚至是误导,老客的价值没有很好的发挥。

 

数据诊断与路径规划的方法


张鑫指出,想要保证做出扎实的诊断,首先要从客户ERP系统中获取原始数据,即会员订单、会员属性、商品相关数据等,并将得到的原始数据梳理成指标体系,以帮助快速找到核心指标GMV;然后,需要找到引起该指标变化的原因,找到原因后,需要从海量数据中找到留存率高、生命周期长,并具有概率保障的用户路径,通过路径的分析,可以得知每一个老用户的路线图,定位其所处的节点和下一步需要达成的目标;最后,对提升关键指标的品类进行角色划分,如拉新类和留存类。


当用户有了规划和目标后,需要做的是让用户更容易走到下一个目标。张鑫以门槛红包为例:做门槛红包时,首先确定面向用户,比如连续购买某品类N次的忠诚用户;继而确定达成目标,比如希望提升这些会员同品类的件单价;然后思考如何达成,比如原忠诚品类向上1档产品价格;最后确定如何评效,如这些用户的平均件单价是否提升。

 

用户画像提供策略的概率保障


用户画像可解决三个问题。通过A/B测试实验策略有效性的时,可以打上标签,运营团队成长活动时可通过标签提取人。每个人都有一个路径,可以用来解决用户规划问题和用户优化问题。第三个作用是在资源有限的情况下,根据用户的价值和生命周期的状态做出客观的评价。


用户的规划完成以后,每一个用户都可以放在成长节点上,有了成长节点,就可推测用户的下一个阶段。这样,对于每一个阶段、每一个用户需要完成的目标,都能找到一个合适的策略。

 

精细化运营

 

张鑫认为,运营一定要呈螺旋上升趋势,并且要大致和数据同步,指标体系梳理、诊断、画像引擎构建、策略执行、评估反馈的路径进行。企业应该精细化运营,折口、满减、秒杀的使用场景这些商业逻辑必须扎实,有了扎实的商业逻辑才能有正确的假设,有正确的假设才能做A/B测试。


最后,他指出,数据驱动,就是为商业逻辑提供确定性和高概率的保障。


 2018易观A10峰会早鸟票

 ★199元限时特惠★