美文网首页客户关系管理
电商数据分析——以京东APP为例

电商数据分析——以京东APP为例

作者: 许志辉Albert | 来源:发表于2019-10-22 18:39 被阅读0次

    电商数据分析——以京东APP为例

    part 1 如何去看待京东APP

    一、京东APP用户视角

    搜索:流量最大的一个入口,广告banner:各种活动宣传,导航:十宫格,相对比较稳定,10大主要产品。feeds流:电商+内容,个性化推荐:千人千面,底部button:5大主要模块,方便查看

    二、京东APP分析师视角

    作为一名数据分析师,应该要能更深入,并且有层次的去看这个app的数据

    有三个问题需要思考:

    1.引流(场):首页作为最大的带量位,分发效率怎么评估

    2.漏斗(货):北极星指标交易额只是一个数字,更加重要的是理解这个数字的转化过程

    3.用户(人):作为一款非常热门成熟的APP,老用户相对比较稳定,但新用户获取应该怎么优化

    其中引流是对整个APP整体的分析,漏斗是对核心路径的分析,用户是对产品的当前痛点进行分析


    part 2 整体数据:分发效率

    分发效率评估:

    除了要关注日活,留存,渗透率这些常规指标,更加重要的是找到一些能够反映产品问题的指标,

    CTR:点击UV/曝光UV,反映用户点击欲望的指标,非常重要,只有点击才能产生交易,如果较小,首页问题较大

    人均访问(点击)页面数:总访问页面数(PV)/总访问UV,只有多访问页面,才可能产生交易

    而围绕这两个指标,按照维度拆解分析的方法,可以发现更多问题

    比如CTR突然低了,那么所有坑位的CTR均低还是个别引起。

    分布效率举例:人均访问页面数

    1.首页对搜索的分发能力最强

    2.618主要影响的是搜索这个坑位,因此在活动期间,要把资源和人力都往这块投入

    同样:在发布版本时,也需要观察人均访问页面数这个重要指标

    分发效率总结:

    基于日活、留存、渗透、分发效率,基本上就能够对APP的整体数据有个大概了解

    作为一个优秀得数据分析师,除了要把自己负责的产品做好外,更加重要的是不要设定边界,主动去了解整体数据,在这个过程中,你需要找到负责的产品跟大盘的数据关系

    1)该产品确实很好的带来了大盘的提升

    2)该产品只是在抢大盘的流量(产品子产品流量都在涨,但是大盘的流量在跌)

    3)该产品部分抢大盘流量,部分提升,那么提升度到底多少

    找到:业务功能与产品核心指标的关联性,量化,量化,量化


    part 3 不得不说的漏斗模型

    背景:了解完整体数据后,肯定要看具体细分数据,虽然整个APP的坑位很多,但一切都是围绕交易额这个目标,而电商交易额的本质是转化率,所以任何一个坑位都绕不开漏斗模型。

    在所有的坑位中,搜索是一个最大的流量入口,因此以搜索为例

    作为一个分析师,一定要多体验产品,找到新认知,这也是微观能力

    了解每层漏斗的影响因素

    1.请教老同事,2.买电商书籍回来查看,3.多机型体验产品

    搜索主界面全部UV:引流渠道:桌面图标打开进入搜索还是其他

    店面页UV:搜索框搜索、热点搜索、语音搜索

    详情页查看UV:客服、评论、店铺设计、商品属性、

    加入购物车UV:尺寸、颜色、数量、

    订单提交UV:物流、是否只是7天无理由退货、发票、运费

    收银台UV:支付方式多样性

    交易成功UV:密码错误、冲动消费、界面异常、其他打断

    举例:

    问题:最后一步转化率太低,经过排查用户没有到输入密码那一步,所以支付侧的问题不会很大。所以要去研究这部分用户在收银界面还做了什么(在支付输入密码前发生了什么)

    从这个界面我们可以看出,京东这个APP的支付方式比较齐全了

    发现很多用户去点击右上角的订单中心,并且回到订单中心时,通过热力图模型很多用户还在点击地址这个位置

    猜测:很多用户因为地址错误又无法修改直接放弃支付

    这个分析逻辑虽然简单,实际上非常考验分析师

    手机淘宝的左下角有一个修改地址。

    漏斗模型总结:

    应该说电商的大部分数据分析都会跟漏斗有关,除了经验外,更加重要的是对产品本身的多体验,以及对竞品的学习,保持好奇心和敬畏之心。也只有这样,才能慢慢的关注到其他人关注不到的点,而这些是培养良好微观的重要一步。


    part 4 新用户的分析

    背景:作为一款非常成熟,在一线城市有很多忠实用户的app,当前在用户体量上与手淘相差仍然比较大,因此我们会看到京东与各方APP战略性合作,共同拉新。

    拉新必然就要衡量拉新效果和拉新优化,拉新效果内部数据不太清楚,但是作为一名分析师,可以去看整个APP在拉新上可以优化的点,实际上拉新效果如果做得好,比老用户分析更容易出成绩。

    新用户产品体验

    先看优惠券的漏斗数据:

    新人大礼曝光UV→注册领取点击UV→立即领取新人大礼包UV→注册UV

    新老用户优惠券策略思考:

    逻辑性:作为一名新用户,对于任何APP都是陌生的,第一感觉就是先浏览,给用户发优惠券固然能提升用户的首日消费概率,用户的第一想法是先逛逛,结果你引导去注册,这在用户视角上有点不通,点击率必然不会很高。

    优惠券分发:首页曝光的是6元京东支付券和35元全品类券,而在188元的大礼包里面实际上有8元运费券,40元电子文娱券,20元超市券,对于一名新用户,京东支付就很陌生,35元全品类券需要消费500元以上才可以使用,要求有点高。是否可以做两点优化:

    1)在首页优惠券曝光上,把6元京东支付券替换为每个用户都知道并且在意的8元运费券

    2)京东本身主流用户群体是电子,所以用40元电子文娱券去替换35元的全品类券,一方面是优惠更大,另一方面会让用于有一定的惊喜感,当然更好的是在优惠券推荐的时候加入个性化

    文案:

    第二幅图除了优惠券占用了中间坑位外,上下位置均没有有效内容。可以增加更多坑位曝光

    植入识别度高的文字:可以换立减(可用是描述性词汇,立减是动作性词汇)

    新用户分析建议

    新用户与老用户相比,由于对APP不熟悉,因此在漏斗环节,可能会有几个特征

    1)用户行为较为离散化,数据上可能有几个主要漏斗

    2)在某个环节的转化率比老用户低

    3)新用户当天以逛为主,不下单,过一定时间段后下单

    数据分析师能做的就是:把自己当做一个新用户去体验各种路径,并对异常漏斗进行维度拆解(比如,是不是某个渠道的新用户转化率低引起整体低)


    总结:

    1)对于一款电商APP,分发效率是非常重要的一个产品指标

    2)漏斗模型套路很重要

    3)新用户的分析会更加具有挑战性和趣感

    整个电商分析体系非常庞大,这次只能挂一漏万,最重要的是能学到一点东西,

    思考:

    同学们日常使用的电商APP有哪些优化空间和思考点

    相关文章

      网友评论

        本文标题:电商数据分析——以京东APP为例

        本文链接:https://www.haomeiwen.com/subject/lkfnyctx.html