数据化运营管理_互联网行业(四) (复购篇)

楼主
社区管理员
本帖最后由 橙子君 于 2016-7-6 14:19 编辑

上一篇也有讲到,电商的“人口红利”已经过去了,根据中国电子商务中心提供的公开数据:
  • 商家获得新用户的成本是维护老用户的5~10倍;
  • 一个满意的用户会带来8笔潜在生意,不满意的用户可能会影响25个人的购买意愿。
根据京东对大量商家对复购率和收益的分析结果显示:
  • 购买一次        用户占比:93%        收入占比83%
  • 购买两次        用户占比:5.5%        收入占比11%
  • 购买三次        用户占比:1%        收入占比3%
  • 三次以上        用户占比:0.5%        收入占比3%
      
       这些数据表明,互联网公司要维持业绩的增长,新用户要抓,更要关注老用户的存留和复购,上一篇讲了存留相关的分析,本篇单独介绍下复购相关的分析

       复购率衍生与传统用户关系管理CRM中的用户价值模型(RFM模型)中的F(frequency),意思为最近一段时间购买次数,用于说明用户的忠诚度,反向则说明商品或服务的用户黏性。

       复购率可以分为“用户复购率”和“订单复购率”,此外,“用户回购率”意义与复购率相似,也在此范围内。
  • 用户复购率=单位时间内:购买两次及以上的用户数/有购买行为的总用户数
  • 订单复购率=单位时间内:第二次及以上购买的订单个数/总订单数
  • 用户回购率=单位时间内:有购买行为的老用户数/有购买行为的总用户数

分析目标:
通过对转化率的监控分析,发现问题、细化原因,为运营策略调整提供支持,辅助达到稳定、提高转化率的效果。

分析角度:
1.综合指标展示,分析用户黏性,辅助发现复购率问题,制定运营策略。
2.横向维度(商品、用户、渠道)对比分析,细化复购率,辅助问题定位。

分析方法:
1.综合指标展示,分析用户黏性,辅助发现复购率率问题,制定运营策略
放下问题不谈,公司应该对复购率有一个常规的图表进行监控,通过该表来展示公司复购率的健康度。


       上图中将用户复购率、订单复购率、用户回购率统一放在一个图中进行展示,下面表格为明细表,将用户、订单进行更明细的分类。
将这三条曲线与用户总数叠加在一起可以看出用户黏性的健康度,最佳的情况是三条曲线都不随着用户数量的变化而变化,普遍保持着上升的趋势。尤其用户回购比率是一定要逐步上升的,因为随着公司的发展,为公司长期创造价值的用户一定是这些老用户。

       上图是对复购率进行一个整体性的展示,可以根据不同情况将周期调整为季度等。通过对复购率整体性的展示,方便定义公司复购率的健康度,及时发现复购率异常后,再进行进一步的分析。

2.横向维度(商品、用户、渠道)对比分析,细化复购率,辅助问题定位
       将复购率继续拆解,可以分成会员复购率、新用户复购率。会员复购率低,是会员运营的不够好;新用户复购率低,是新用户运营的问题。通过这样的对比,可以实施有针对性的营销策落。


      上图所示,新用户由于对平台或应用的忠诚度不如老客户高,所以其复购率与老用户的复购率之间有一定差距,但差距也应该是相对稳定的。当然,对于公司的运营来说,也是应该尽量提高新用户的复购率,例如可以通过进行更精准的拉新,对新用户的复购优惠政策等等。

       通过多维度的对比分析,可以将复购率进一步细化,例如根据下图中各渠道的转化率对比,也可以看出微信端、手机qq端的复购率是最高的,可以看出社群运营对于提高复购率也是一个重要的手段。




       关于商品与转化率的关系,可以做一个商品的对比趋势图,也可以从商品的角度出发,看一个商品的综合价值,可以用一个散点图或者气泡图(气泡大小表示利润等)来查看商品价值。这种对对于商品较多的电商类公司比较合适。(从商品的角度来分析商品价值,还需要更多的维度来看,这里仅针对商品与复购率的关系。)

      上面针对几个常见的维度进行对比分析,对复购率进行进一步的拆分。为提高转化率提供一定的辅助作用。

       影响复购率的因素主要是:商品质量、服务质量、物流体验(效率、服务),对于部分o2o类公司可能只剩下服务。最根本的原因,就是用户在花钱消费了之后,感受好不好。体验好了才会产生复购,用户个体差异非常大,对体验的感受也是不同的,所以很多公司都非常重视建立会员体系,建立用户画像,施行精准营销。针对不同的用户,提供适合他的服务。

       前文中所做的分析,只是为复购数据提供一个可视化界面,为提升复购率提供数据参考价值。针对数据来制定精准的策略来提高复购率。
具体提高复购率的手段也很多,常规的精准营销、老用户权益设置、用户互动活动等等。有兴趣可以进一步交流。

(下一篇将针对流失进行专题介绍。 欢迎交流,相互学习)
(文中图表使用finereport开发)
作者:帆软互联网行业高级顾问王佳东
原创文章,未经授权,谢绝转载
如果需要交流请到知乎原文下面,评论交流https://zhuanlan.zhihu.com/p/21341673

分享扩散:

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

返回顶部 返回列表