大数据培训新三板挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

淘宝网店从激活到挽留,4步走玩转数据营销

于2017-04-01由小牛君创建

分享到:


数据营销

数据营销的核心就是基于用户数据对用户进行针对性营销。基于数据库的营销一般分几种类型:注册的未产生购物车、产生购物车未生成订单、生成订单未付款、无第二次购买、无重复购买、收藏夹用户。基于这些基础的用户数据,我们就可以将用户分类成多种用户群进行用户营销。如果是注册用户并且完成登录的,而自己的系统日志系统做的比较好,那还可以采集到用户的商品浏览信息。

有了这些数据基本可以完成相关的数据销售动作。大体可以分成三步:激活新用户、完成订单付款、防止用户流失。先根据业务的流程分析下用户的生命周期,从引流开始到离开。一般的流程是这样的:引流、注册、购物车、订单、付款、重复购买、体验服务、流失。这样的流程中,只要增加任何一个点的转化率,都可能增加销售。

激活

新用户的增量是衡量一个网站潜力的非常重要的因素。按照用户的贡献来计算的话,用比较粗暴的方式来算,就是:人均贡献额=总的销售额/总的消费人数=总的销售额/总的注册人数/注册消费转化率。

对一个稳定的网站,他的风格、商品价格、商品品质、引流渠道是一定的,基本就确定了网站的目标群体在哪里。进一步看,网站内部的转化率(从注册激活,付款率,重复购买率)这些数据也基本都是稳定。除非你修改了一些购物流程,支付流程和商品陈列等东西,否则变化不会太大。基于这样的假设,那你的总注册人数就是个很关键的指标。(PS:如果你想不通,看看淘宝的注册用户增长和销售增长的曲线,这就是用户红利。)

当用户完成了注册时,你就有了相关的联系方式,一般的都是邮箱,有更清晰的会有电话。如果是社交类登陆的话,会更好,这样的消息推送的成本低点。新注册未产生销售的用户,一般的做法是用折扣信息来完成首单来完成。原因很简单,有时候折扣可能会让你首单亏本,但是你有了以下信息:用户的联系方式,具体收货地址(很可能就是他的生活的地方,用作区域营销用),而更重要的是首单体验,这个非常重要,就像走过一次的路,下次再走比较容易。而对整个购物流程来说,完成一次购买最复杂的地方是折扣。

催付

催付分两个部分,一般的购物流程分选择、支付两块:支付部分有的是从收藏开始,到购物车、到订单,有的直接从未付款订单开始。这个取决于自己的系统,只要记录了相关的数据,对未付款订单进行简单的催付即可。(当然,如果你感觉真不够可以送点福利过去)。催付只需要控制时间即可,比如1天、7天、30天进行催付,对应不同的策略,1天只是提醒、7天送积分、30天送现金券之类。

也可以对不同级别的用户进行催付,用户的分类就是累积消费金额较高、最近频次比较多的、单个订单金额较大的,这样对应的催付可以设置不同的现金券。催付的渠道也可以设置,比如利用聊天软件、短信、邮箱、我的账户完成。

购物车的部分是快速生成订单并完成支付,用相关的折扣券效果比较好,还可以利用恐吓式营销。比如购物车商品的提价,针对那些购买了一些特价商品的。比如下架,当有些商品库存较少时,提醒就要下架,马上要其付款。

还有个部分是是收藏列表,收藏列表一般的作用是什么?无外乎几点,1.关注的商品,想要的。2.比较,已经大体的方向,选几个商品进行比较价格,款式等。从这个里面大体可以分出几个点:类目偏好,价格偏好。有了这些点,可以做一个很牛的动作,对收藏比较多的某类、某个商品做整体促销,设计价格折扣,然后再根据目标人群再进行相关的调整。

分类

购买过1单的用户已经对你的网站有了基本的了解。从网站购物,到支付、收货,及相关商品的质量,有了初始印象,就可以进行相关的用户分群营销了。基本的用户群可以分成以下几种:

1.类目偏好。或者更准确的说是商品偏好,这个用户只在你这个网站卖的商品,比如我比较喜欢在淘宝买小玩意,在当当买书,在米兰网买服装,每个人对每个网站买什么一般都有固定的偏好。特别是经常网上购物的。可以从网站浏览的商品、收藏、购物车、购买的商品就基本可以分析出来。

2.价格偏好。从类目的价格分布和购买、点击的商品的价格进行对比,基本能分析出用户的价格偏好。还有使用折扣券的情况,积分的情况,这是利用现有折扣进行的。例如,如果有人对商品价格敏感的,就完全可以使用运费的费用调节;再比如,运费是服务范畴,而商品是实物范畴,有很多人喜欢付10块钱的运费买20块的商品,这是买服务。而你直接30块包邮的话,他就感觉贵了。这些需要一些价格的AB测试,目的是测试用户看重的是商品,还是服务。

3.节假日偏好。这种偏好的人是比较懒的。节假日偏好只所以产生是无外乎几点:1.节假日会做一些打折,往往折扣力度比较大。2.商家会把相关的商品按照各种主题准备好,然后划分各个类型。有了这两点,商品好找,又打折,自然有很多懒人在等待。这种人往往是前两种的结合体,而刚好节假日满足了它们的诉求,所以有了这样的群体。可是商家惯用的伎俩就是提价打折,尾货处理等。运气好可能碰到商家是用流行品做引流做活动的。

挽留

挽留是指原来购买的用户不再购买了,对用户进行的挽留式营销。一般会有1月,3月,6月的做法,不同的品类和平台对应的时间不同,换句话说就是不同的类目和平台的用户生命周期不一样。类似淘宝服装类的女性用户一般会比淘宝服装的男用户活跃,1个月不登陆女性用户可能就流失了,男性用户可能是正常的。所以,这个可以根据平台和类目的属性进行考虑。

我们可以设定一个大概的阈值,当超过了某个设定值后,就要做挽留措施了。挽留措施一般是推荐新品、积分使用、折扣券提醒、相关的挽留活动。对于那些平台数量比较大的,可以设置挽留用户的专区进行营销,主要方式是不同分群的用户,用对应的高质量的商品进行吸引,然后利用对应的折扣、服务等去换回,这样会比较精准。

还有比较犀利的做法是积分直接兑换现金券进行消费,积分到消费比较远,如果直接兑换现金券,会让人觉得变现,而增加粘性。想想微信红包,直接发红包导致了几百万的银行卡绑定,还是说明有这样的心理的人是很多的。

总结

针对用户的数据营销一般是分上面几步了,上面分享的是几个思路,主要的是根据用户的生命周期进行设计,具体实施可以根据不同的平台类型来实施,因为大家的商品结构不一样,价格区间不一样,对应的用户人群也会很大的差异。这样具体实施的商品选择,用户分类、主要的方式都需要根据自己的情况而定,基本的就是用户、商品这两块要搞清楚。不管是用商品分析到用户分析,还是用户分析到商品分析来做,最后肯定是两块都比较熟悉,才能比较完整的控制营销。

作者:庖丁的刀,外贸B2C分析师。数据化运营从业者,擅长数据分析、商品运营、绩效管理、外贸电商领域,新浪微博@庖丁的刀。via:i天下网商

大数据培训,就上小牛学堂

 End.