神策在生鲜电商行业的数据驱动实践成林松神策数据方案咨询师2020-03 CONTENTS目录1.生鲜电商行业特点剖析2.分析框架和客户实践3.神策助力客户数据驱动能力 生鲜电商行业特点1. 从疫情抢菜难说起下⽆无数APP 可配送有货价格和品质生鲜电商APP淘宝社区团购 ⾏行行业特点刚需的消费属性，线下流量向线上涌入供应能力：商品采购、物流、配送供不应求供应链驱动型业务需求多样化（刚需非刚需、品类、时效性）满足方案多样性（线下线上）竞争激烈：用户转移成本低，考验持续运营能力行业核心竞争力：供应链和综合服务能力：有货、有好货（品质+性价比）、有好的服务体验 市场竞争格局生鲜需求高频，吸引用户新增和活跃的手段，不断有电商平台进入商业模式层出不穷：垂直生鲜电商、电商平台的助农频道、外卖平台、提高经营效率出发的新模式（社区电商、无配送（快递柜）），基于人群划消费能力划分的新公司基于是否自营和配送时效矩阵，行业玩家的分布 业务开展过程供应满足流量利用效率用户运营能力商品品质把控物流成本控制地域开发商品采购优惠券系统用户运营类目运营活动运营功能开发物流配送客服体系市场营销性能体验 ⾏行行业⽅方向需要通过数据和数据产品，进行业务开展精细化，实现降本增效供应满足流量利用效率用户运营能力商品品质把控物流成本控制地域开发 分析框架和客户实践2. 分析框架公式：利润=流量*转化*客单*复购*毛利率-运营成本（物流等）流量：•渠道的监控，合适的推广渠道，降低推广成本。推广拉新需要地域精准投放，避免不能提供服务带来的浪费•流量的承接，不能服务地域的市场需求分析，进行市场开拓转化：•对于精准需求，如搜索，分析搜索场景的表现，调整产品采购；无货情况的跟踪处理•对于推荐流量，提高推荐的准确性，提高资源位的利用效率，提高转化率客单：•通过有效的运营手段，如优惠券手段，提高品类转移，提高购物车件数，拉高客单价复购：•分析商品的复购率，调研商品质量，优化商品品质•产品层面通过合适的功能吸引用户持续购买（购买红包）•用户生命周期运营提毛利：•商品运营，分析商品的毛利情况•洞悉用户需求，寻找高毛利营销场景，针对性的营销活动。降成本：•分析物流成本，优化物流线路，运营策略降低滞留成本 流量增长和流量承接p资源向哪里投？如何追踪？p用户至产品内的承接优化渠道投放效果提升，ROI提升 完整的渠道追踪解决方案，全面评估营销的「质」与「量」渠道追踪方案精准匹配模糊匹配渠道数据采集渠道种类投放周期投放成本渠道数据分析漏斗分析分布分析留存分析渠道来源示意投放方式示意营销活动名称示意投放创意示意投放关键词示意分析维度示意百度品牌运动黑科技SEM信息流世界杯活动双十一女神节素材一素材二素材三活动页跳出率注册激活率购买转化率留存率今日头条渠道优化建议渠道筛选成本控制后续跟踪 完整的渠道追踪解决方案，全面评估营销的「质」与「量」落地页PVUV注册用户数数量层面•渠道用户数•新增用户数•注册用户数•注册转化率质量层面•人均使用次数•人均使用时长核心页面人均浏览次数•平均访问深度•留存收益层面•付费用户数消费总额•人均消费金额•付费转化率支付订单的实际支付金额的人均值支付订单的实际支付金额的总和数据概览展示 优质用户消费金额占比用户占比50-60%15-20%核心用户长尾用户30-40%25-30%5-10%50-60%还原优质用户画像20-35岁职业白领女性IOS用户锁定优质用户年龄职业性别收入家庭身体状况近期浏览商品登录App频次参与活动频次评价分享关注的产品类型个人行为用户画像还原助力投放策略优化 用户画像还原助力投放策略优化抖音快手目标人群：对生鲜有品质需求的白领阶层投放渠道：核心商圈的写字楼电梯24-30岁工作时间长收入较高核心高档区域转化分析，购买转化率很低优质画像分析，确定目标人群特征渠道调整，转化提升 最佳实践：利用神策分析进行地域开拓新用户转化率低，细分分析，发现地域不支持的情况导致 •使用神策采集经纬度信息，导出做地域可视化展示，直观展现地域需求强弱，针对性开拓可服务的地域•并在开拓后及时使用神策智能运营工具，通知到客户优化效果验证•使用此数据支持的新开区域，当周订单量对比普通新开区域，大幅提高30%•同时，对于无服务导致流失用户，召回点击率35%最佳实践：利用神策分析进行地域开拓 站内转化率提升p搜索运营和商品供应优化p流量分发效率监控和分析p智能推荐的应用最大化提高站内流量的下单转化 搜索场景分析1.用户对于不同商品的需求情况2.不同关键词当前的运营状况是否健康3.是否有用户还未满足的商品需求 ⽤用户对于不不同商品的需求情况•通过各个关键词搜索结果⻚页的展示次数，可以判断出⽤用户对于不不同商品及品类的需求强度。通常整个报表的查看也按此指标进⾏行行排序。•除了了直接观察搜索次数这个指标外，我们还可以在「分布分析」模型中在更更⻓长的时间段内去观察不不同关键词被单个⽤用户重复搜索的次数。从⽽而发现那些周期性需求词，或者品类词，从⽽而给到运营上⼀一些参考。 不不同关键词当前的运营状况是否健康•观察关键词的点击率，可得知当前⽤用户需求强烈烈的商品或品类⽬目前的满⾜足情况。点击率越⾼高，说明⽤用户对搜索结果越满意，越有兴趣去查看商品的详情。•观察关键词的搜索⻚页结果数量量，可得知对于⽬目前的搜索需求，是否有⾜足够多的商品供应去满⾜足⽤用户需求。理理论上商品供应越多，⽤用户越有可能找到⾃自⼰己所需要的商品。•通过观察不不同关键词的添加购物⻋车次数，能⼤大致理理解哪些关键词在对最终成交起作⽤用。•通过观察不不同关键词的点击位置的均值，正常情况下应该尽可能等于1，如果该值越⼤大，说明此关键词下⾯面的结果排序不不符合⽤用户需求，需要及时与研发沟通排序规则。 是否有⽤用户还未满⾜足的商品需求•观察TOP50 关键词的搜索⻚页结果数量量，如果在这些头部关键词中出现了了搜索结果数量量很少，甚⾄至为零时，应该及时分析原因。如不不是因为关键词太过精准，只能匹配⼀一件商品。那此关键词对应的商品及品类需要及时通过运营⼿手段进⾏行行补充，⽅方式⼀一般有：•如关键词对应具体商品，则从供货端应该⽴立即补充该类商品•如关键词对应品类或者某种描述话语，则可以考虑对现有商品库中的商品元信息进⾏行行修改，使得某⼀一批商品可以与此关键词产⽣生关联 是否有⽤用户还未满⾜足的商品需求•观察点击-购买转化率，如果某关键词的点击-购买转化率出现问题，说明即使现有的搜索结果⾜足够吸引⽤用户点击。但在进⼊入详情⻚页后，并不不能真正促成下单，可能的原因是热⻔门商品，处于⽆无货状态。那么在这种情况下，优化该关键词下⾯面的商品供应或排序。 品类排序优化【提升】搜索流量的订单转化率提高15%针对搜索关键词表现，制定的营销主题活动，参与率同比其他提高20%以某电商APP为例优化策略•对搜索无结果关键词进行快速采购补充•对搜索点击后购买转化率低的关键词，及时调整商品扩充商品类型；对无货导致的不能购买，及时进行货品采购•针对热门类型词，判断用户周期需求，进行营销活动策划，如夏日冰爽活动最佳实践：搜索分析优化 搜索栏轮播图icon区banner专场个性化推荐......资源位指是能承载内容/素材，被用来作为内容运营或商品运营的产品功能版区。这些位置的内容，以引导转化为第一目的。资源位运营对资源位进行运营，让这些坑位尽可能多的带来转化（订单）。•在曝光量最大、形式最友好的坑位上，放置吸引力最强、转化效果最好的内容•不断提升整体的坑位的友好度，以及内容的吸引力和转化效率行业角色功能内容产品运营电商、内容、在线教育银行、证券... ...什么是资源位运营？ 坑位运营的第一目标是促进转化，促进转化相关的因素有资源位运营指标体系1坑位设计2曝光量3产品体验4素材吸引力坑位流量分析◆各类坑位的点击次数◆各类坑位的点击人数◆各坑位渗透率了解各类坑位的流量规模和用户使用意愿坑位使用的偏好分析◆各类坑位的点击率◆各类坑位的人均日点击次数评估用户对不同类型坑位的偏好坑位成单贡献分析◆各类坑位带来的订单量◆各类坑位带来的GMV了解各类坑位对订单的贡献坑位使用的粘性◆全站次日/周留存◆各类坑位次日/周使用留存分析用户对某类坑位功能的忠诚度评估坑位的中期价值挖掘分析成单贡献不同的原因◆各坑位曝光次数◆各坑位点击率◆进入商品详情页的坑位来源◆加购的坑位来源◆提交订单的坑位来源◆支付订单的坑位来源分析某坑位订单贡献高或低的原因挖掘分析成单贡献不同的原因（以icon 为例）◆各icon 的点击人数、次数◆各icon 的人均点击次数、点击率◆各icon 带来的订单量、GMV◆进入商品详情页的icon 来源◆加购的icon 来源◆提交订单的icon 来源◆支付订单的icon 来源分析某类坑位中不同素材的表现并分析其原因坑位点击率= 点击坑位次数/ 坑位曝光次数如何进行资源位运营分析与优化？ 归因分析助力资源位运营◆清晰还原用户的路径，让每次转化都有迹可循◆真实反映每个点击位价值，不错失每个增长机会◆准确评估价值高点，放大收益效果①以⼀一个⾏行行为的完成为⽬目标②按照某种计算规则③向前回溯前序⾏行行为④对此⽬目标的功劳分配什么是归因分析？归因分析可以解决什么问题？1234点击规模总点击数/ 有效转化点击数/ 有效转化点击率目标转化提交订单总次数/ 提交订单总金额/ 贡献度 cc订单归因以某电商APP为例全局诊断细分维度下钻发现问题提出假设制定方案方案验证【反认知】产品& 运营认为分类功能难用，所以用户会很少使用，认知与实际情况大相径庭【优化】购物车页面的引导收入超过预期，将在购物车页面中，添加更便捷的优惠商品加购路径【优化】大专题页面导入用户流量高，但转化率相对较低，要么优化该页面的转化率，要么将用户流量导向其它页面更为合理【优化】浏览记录、关注狠人等页面转化率高，但流量相对少，后续准备为对应页面设计更便捷的入口全局诊断 cc订单归因商品列表页分析【信息】并非越排序靠前的位置，贡献越高，不符合常见的规律【信息】前30 位收入贡献占比只有50.02%，低于另外常见客户的60-70% 的值，有较大提升空间【现状】目前，现有的方案是自动顶帖，没有最大化利用资源位。【洞察】人工判断商品的优劣，并由人工进行推荐后，由人工来控制商品的排序全局诊断细分维度下钻发现问题提出假设制定方案方案验证以某电商APP为例 c品类排序优化使用数据选取优质商品推荐依据人工规则实现个性化推荐个性化推荐系统【超越】策略执行期间，2019年01月02，商品列表当日贡献收入历史首次超过20 万，2019年01月03，超过25万【增长】策略执行期间，商品列表平均贡献收入18.2 万，相对非策略期间平均贡献收入12.4万，相对增长46.8%【提升】策略执行期间，商品列表贡献收入占当日收入总额的10.0%，相对非策略期间的占比5.7%，相对提升75.4%全局诊断细分维度下钻发现问题提出假设制定方案方案验证策略执行日期以某电商APP为例 数据驱动案例例：智能推荐提⾼高⼈人货匹配效率➢⾯面临的问题：货品繁多，⼈人货匹配效率低，流量量转化率低➢⾃自建推荐系统效果⽋欠佳，算法调优困难重重耗时耗⼒力力，在短时间内搭建⼀一套⾼高效稳定、可以适应业务增⻓长的推荐系统似乎并不不现实。数据推荐全流程神策分析模型智能推荐HMF 深度召回模型+地理位置召回+热门召回+新用户召回推荐场景多维度多指标不同地域不同用户生命周期UCB 兴趣探索NLP 语义探索GBDT + LRDeep & Wide 深度学习首页资源位猜你喜欢相关推荐CTR 人均点击次数购买转化率活跃留存用户画像地理位置浏览偏好消费类型在线状态规则限制有货无货可配送情况神策分析Sensors Analytics可以私有化部署的自助式用户行为分析系统神策智能推荐基于用户行为分析的全流程智能推荐系统Sensors Recommender“数据+智能”推荐解决方案注意：神策数据所有产品界面截图的数据均为系统模拟数据，并未涉及客户隐私数据最佳实践：智能推荐提高人货匹配效率，提高