淺談網易嚴選使用者行為分析

語言: CN / TW / HK

在一二級市場萎靡的大環境下,新消費品的商業模式需要從早期的 流量-轉化-留存 中解放出來,轉而更專注於服務體驗產品價值。商品品質和服務體驗做得好,才能帶來長期價值,要優於通過燒錢拉新的方式擴大短期規模。

本文中資料均為脫敏/虛構資料。

1

商業模式

在做使用者分析前,通常需要對商業模式做一個基本的瞭解,我們先來看經典的5W1H問題。

對於網易嚴選:

  • Who:使用者是誰?- 精品電商的使用者群體

  • Why:使用者為什麼來?- 有消費需求/內容吸引

  • Where:使用者到哪消費?- 多端&多渠道/線上&線下

  • When:使用者什麼時間來消費?- 使用者的生命週期

  • What:使用者來做什麼事?- 消費

  • How:怎麼做?- 挑選 > 下單 > 支付 > 物流 > 收貨 > 售後 

後續會有單獨的一章做更詳細的商業模式擴充套件分析,這裡不做過多描述。

先看一個熟悉的公式,從使用者角度出發

  • [營業收入 Revenue] = [交易額 GMV] × [佣金率 TR]

  • [交易額 GMV] = [活躍使用者規模 DAU] × [轉化率 CR] × [客單價 ARPU]

可以通過 提升佣金率、擴大規模、提升轉化、提升客單價 達成增長目的。但根據系統性原理,以上因素都是相輔相成的,單一變數的變化會對其他變數造成影響。這裡就有一個問題,究竟哪個環節是能夠驅動增長的核心過程?

用一句話來說答案大概是:吸引並和留存 高價值 的活躍使用者群體。

我們從行為分析的視角出發,當前電商的運營模式可以大致分為兩類:

如上圖所示,由於業態的差別,境內和境外的電商模式,有明顯的差異。以首頁為例,與 Amazon / Etsy 相比,淘寶 / 京東 的首頁顯然承接了更多消費以外的需求,如商業化、簽到、遊戲場景等。究其原因,平臺在不影響現有消費導向使用者的體驗的前提下(搜尋作為主入口),滿足更多特定群體使用者的偏好需求,以提升[活躍使用者規模 DAU],並且願意花費額外的人力成本在其中。

回來看網易嚴選,顯然屬於後者。除銷售導購外,網易嚴選的APP中也承載了更多互動和體驗內容,也需要我們做更細緻的使用者行為分析,以找到機會點並驅動增長。

2

使用者需求

迴歸電商的本質,使用者到嚴選APP的最終目的,應該是 消費 。消費前使用者會有一個的決策過程,也就是 逛和選

這兩部分是使用者的核心需求,由此我們可以定義一些關鍵指標,用作後續分析:

  • 消費相關:消費金額,消費頻次

  • 逛選相關:訪問頻次,收藏/加購頻次,訪問深度

我們這裡不使用停留時長作為指標,詳細見附錄。瞭解過網易嚴選電商平臺的產品定位以及使用者群體後,我們就可以做定向的分析了。

3

分析框架

3.1 場景分析

前邊提到了網易嚴選APP的業務形態比較多元,除了核心的銷售場景外,還有一些互動場景。通過調研瞭解,我們對網易嚴選做了一些場景劃分,以便於更好的分析。

有了場景後,我們可以通過分場景的UV/PV排序,來做使用者的場景洞察,根據使用者常出沒的場景,做定向的導購/推薦/挽回等策略。

資料視覺化: 場景分佈中常用的兩種視覺化方案,PV展示用餅圖類,UV展示用柱圖類(推薦玉珏圖)。

UV展示:

PV展示:

3.2 路徑分析

通常情況下,電商場景的主路徑為:搜尋-列表-詳情-訂單-支付-完成

但由於很多導購、互動場景的存在,會使得使用者的路徑更多元化,如下圖所示。

在路徑分析中,我們核心關注的問題是:

① 使用者為什麼來訪?- [投放吸引]:廣告/PUSH/簡訊 等 or [主動訪問]:直購/內容/物流/活動 等

② 使用者為什麼離開?- 未找到商品/價格不滿意/服務不滿意 等

資料視覺化: 路徑分析中常用的兩種視覺化方案,桑基圖和路徑圖。

3.3 偏好分析

大部分使用者都有個人的使用習慣和偏好,瞭解目標使用者的偏好可以幫助我們做更好的精準營銷。

3.3.1 時間偏好

使用者的時間偏好(訪問時間偏好/購買時間偏好)也是很重要的特徵,可以協助我們更深入的瞭解使用者習慣。舉例如部分使用者偏好在8~10點做簽到任務,部分使用者偏好在晚上20~24點間觀看直播,諸如此類。該特徵可用於個性化推薦,以及PUSH/簡訊等主動觸達方案的時間控制。

資料視覺化: 時間偏好通常會採用熱力圖(推薦色塊圖)做資料視覺化。

3.3.2 品類偏好

使用者會有偏好的某一個品類,或者某幾個品類,通過品類偏好分析,可以探究品類之間的關聯性,讓我們清楚的瞭解使用者需求,同時提升交叉銷售能力。

資料視覺化: 品類偏好通常採用關係圖譜做資料視覺化。

4

深入應用

接下來,我們結合使用者篩選和使用者成長模型來看,行為分析的具體應用場景及價值。我們定義使用者的生命週期為: 新訪-啟用-首購-復購-忠誠

落到具體場景,我們需要引入一個統計方式 TGI [Target Group Index] 來做使用者評估:

TGI = [目標群體中具有某一特徵的群體所佔比例] ÷ [總體中具有相同特徵的群體所佔比例] - 1

為了方便展示,這裡採用自定義的TGI,TGI>0表示目標使用者的關注程度高於整體水平,反之TGI<0表示目標使用者的關注程度低於整體水平。

4.1 新訪-首購

這裡我們以 [首購新訪使用者] 對 [全部新訪使用者] 做TGI統計。先從場景入手,如下圖左所示 ↓,首單轉化的使用者對直播有非常明顯的傾向性。此外從資料角度看,偏好0元購、每日抄底、紅包的使用者,更易達成首單轉化。偏好茅臺預約、新人會場、搜尋場景的使用者,更難達成首單轉化。

我們可以得出一些結論:在新使用者對平臺不熟悉的情況下,傾向於購買一些低價商品、或使用紅包/優惠券等權益達成首單轉化,此外,一些羊毛黨(如茅臺預約使用者)很難轉化。

路徑分析主要看使用者來源渠道(SEM/CPC/ASA/CPS等廣告各不相同,通常質量和價格掛鉤),資訊比較敏感,我們這裡不做詳細描述。

接下來時間偏好,如上右圖所示 ↑,下午 12:00~20:00 偏好使用者,更易達成首單轉化。有時候新客運營團隊會負責新客的前3單轉化,分析邏輯和上述首單類似,可以擴充套件。首購的商品也會影響復購,詳見4.2.1

4.2 首購-復購

使用者的復購,通常分為單品類復購和交叉品類復購兩種。這裡我們以 [復購使用者] 對 [有購買使用者] 做TGI統計。

4.2.1 單品類復購

同樣做場景分析,如下圖所示 ↓,紅包、優惠券、榜單等營銷和推薦場景的使用者,更易達成復購轉化。偏好籤到、心願城等互動場景的使用者,更難達成復購轉化。

此外,使用者的單品類復購行為,也與商品品質的好壞強相關。考慮到好評率會有幸存者偏差,我們建議採用NPS(問卷採集)做為評估手段。

NPS = [推薦者數]/[總樣本數] - [貶損者數]/[總樣本數]

這裡主要是使用者分析,商品分析不做過多展開。

4.2.2 交叉品類復購

我們先來了解下,著名心理學家威廉·詹姆斯提出的鳥籠效應:一個不養鳥的人,當別人送給他一個鳥籠,不久後就會養起鳥,並且購買鳥糧等附加品。人們會在偶然獲得一件物品後,會繼續新增更多與之相關而的東西。

我們希望可以找到可以驅動品類遷移的 [鳥籠],並以較低的價格“送給”使用者,從而促使使用者跨品類復購。實際上通過使用者行為可以找到商品間的關聯關係,做品類偏好分析,就能找到 [鳥籠]。

舉幾個簡單的例子:

  • 懶人拖把 → 一次性地板溼巾

  • 空氣炸鍋 → 錫紙 / 防油紙盤 / 打蛋器等烘焙小工具

  • 香氛燈 → 香氛精油 / 香氛蠟燭

5

附錄

關於 [停留時長和轉化率關係] 這件事,是一個明視訊記憶體在倖存者偏差的結論。

  • 資料觀察::white_check_mark: 停留時長和轉化率正相關。

  • 認知升級::white_check_mark: 消費使用者的決策週期更長,所以停留時間更久。

  • 不足以支撐結論::x: 由於使用者停留時長更長,所以轉化率更高。

以上兩個事實只有相關關係,並不能證明存在因果關係。盲目提高使用者在域內的停留時長,可能無法有效提升轉化率,小紅書電商就是一個很明確的例子,此外,淘寶早在2018年前就放棄了把停留時長作為目標管理中的一環(除個別遊戲場景以外)。

但也不是完全無關,針對一些特定使用者如直播敏感型使用者,通過優化產品體驗提升使用者直播觀看時長,對轉化率是有正向作用的。

由於涉及到資料安全問題,文章中淺嘗輒止,只是提供一些分析方法論,並沒有深入的做細節探究。

最後作者做個小調研:

1. 你喜歡網易嚴選的哪些功能和模組?

2. 電商場景下,你喜歡更乾淨簡潔的首頁,還是功能更多的首頁?

歡迎大家留言互動 ~~

作者簡介

Henry,網易嚴選資深資料產品經理,曾任螞蟻金服戰略研究線高階商業分析師,喜歡鑽研商業模式、C端使用者分析和資料視覺化,致力於通過資料驅動業務價值,賦能商業決策。

獲取最新動態

最新的推文無法在第一時間看到?

以前的推文還需要複雜漫長的翻閱?

進入“網易有數”公眾號介紹頁,點選右上角

“設為星標”

置頂公眾號,從此訊息不迷路

設為星標,最新推文不迷路

分享,點贊,在看,安排一下?