
目前,絕大多數B2C的轉化率都在1%以下,做的最好的也只能到3.5%左右(比如以賣圖書為主的當當)
我想,所有的B2C都會關心三個問題:究竟那97%去了哪里?自己的網站在什么環節變成了漏斗,讓進來的客戶像沙子一樣一點點地流失?以及怎么檢修隱藏的漏斗,減少漏水的速度?
數據,這個時候可以是一雙眼睛,可以讓我們看得一些蛛絲馬跡。
一、分解B2C漏水的過程
大家只知道B2C的轉化率不高,但是卻不知道客戶是怎么流失的。一群用戶進來網站,他們經過首頁、中間頁、產品頁、購物車以及結算等幾個步驟,通常他們在這幾個環節是怎么分批離開的呢?其實,這不是沒有數據可查。
先給大家看一張圖。
這個數據圖,是我根據十幾年的工作經驗總結得到的,一般與實際情況相差不多。
圖一意思就是說,假定400個客戶到了你的網站,會到中間頁(包括搜索頁、分類頁、促銷頁)的只有320(60%~80%)個用戶,點擊進產品頁的只有190個用戶,最后辛辛苦苦走到購物車只有9%~13%的用戶,這個時候還不能開心,因為并不代表用這些戶會掏錢,留到最后會付錢的用戶僅僅只有3%~5%。
更叫人難以接受的是,在這最終購買的3%~5%中(未包括支付成功),最后回頭再次購買的,又要打一個大折扣。
在吐舌頭驚訝B2C生意難做之后,大家可以檢查一下自己網站的漏水數據。只有清楚了哪個環節漏水,才能補洞。
二、排查每個環節的漏洞在哪里
以下,我們按照漏水的順序,一個環節一個環節摸下去。
1、三問首頁
大部分B2C首頁有20%以上的彈出率,可能許多人對這個數字都習以為常,認為非常正常。如果做得很細致的分析的話,可能就意外的收獲。
先問第一個問題:每天來的新客戶占多少?老客戶占多少?新老客戶的彈出率分別是多少?
我看了一下麥包包的數據,麥包包用了很多流量來支持網站首頁,如果他們的彈出率很高,那也是很正常的。但是注意要問一句,新老用戶的彈出率分別多少?這個是比較容易考驗網站的基礎能力,新客戶的彈出率可以檢驗一個網站搶客戶的能力。對于老客戶來說,流程上的用戶體驗相對不是最講究,這個就很考驗Onsite Merchandising的能力,比如產品的質量和價格是否吸引人。
一般的來說,如果是一個新網站,拓展新用戶比經營老客戶更為重要的話,新老客戶的比例最好是在6比4(甚至7比3),那么首頁就要有一些手段偏向抓住新客戶。
如果,新用戶的彈出率非常高,或者是老用戶的彈出率非常高,那么網站運營者就該反思,是不是網站首頁的設計沒有照顧到新客戶或者老客戶。
做了三年的B2C網站,建議分新老用戶兩個首頁,已經在網站購買過的用戶,沒有必要再向它介紹網站,而是直接刺激他消費。
再問第二個問題,流量分幾個大渠道進來,每個渠道的彈出率情況如何?
問完了之后,接下來可能發現從百度和谷歌進來的用戶,彈出率可能差異非常大。而且今天主流B2C網站,都在費盡心思引進流量,比如凡客今天做很多促銷,許多不是從“正門”(官網首頁)進來,是“旁門”(LP促銷頁)進來,所以今天注意首頁之外,還要看一下旁門。
針對自己的主要流量渠道排查下去,很容易發現,哪條渠道在漏水。找到了痛處之后,再找到相應的解決方法就不難了。
接著再問第三個問題, 首頁被點擊最多、最少的地方是否有異常情況?
在首頁,點擊次數異常的高、或者異常的低的地方,應該引起注意。
這里,在特別給大家分享一個好用的“規律”,一般來說,首頁的“E”(以E字中間的“一”為界,上部是首頁第一屏)部份是最抓用戶眼球的地方,在這個“E”上如果出現點擊次數較低的情況,就屬于異常情況,應當注意,或者干脆移到“E”外面去;同理,如果在“E”的空白處出現了點擊次數較高的情況,也可分析原因,可考慮要不要移到“E”上面來。
國內的B2C網站首頁非常長,可能許多用戶不會瀏覽到首頁底部,所以“E”最下面的“一”就往往可去掉,變成了“F”規律。
2、中間頁留客的三個技巧
先說一下美國用調查出來的現成數據,在B2C網站上的準買家,有18%的用戶有找不到需要的產品的困難,有11%的用戶找到了產品但是不自己想要的,這29%的用戶基本會漏掉。
大部分用戶進入首頁之后開始找產品,第一是看促銷,第二個看目錄,第三是用搜索工具。其中,大概有60%~70%的用戶是通過搜索+目錄的方式走到產品頁面。
同上,這三個渠道都要按照新老客戶分開去看一下離開率,這里不做贅述。這里和大家分享一下三個技巧。
技巧一:怎么判斷促銷、目錄和搜索是否成功,就看一下走到產品頁的用戶百分比是多少,哪一個渠道走得不好,就要改善。到底是怎么改進?一般來說,促銷的原因與marketing的關系大一些,目錄與采購組關聯度大一些。
例如,拿產品目錄來說,手機應該是按照品牌來分、功能分、還是按照價格來分?目錄經理需要和采購經理密切溝通,了解市場情況。曾經,我去京東,京東有個做目錄的經理問我,怎樣做好一個產品目錄?當時我說我也沒答案,這個我研究了10多年,沒有特別好的標準答案,只能是與憑借多年的市場經驗。
如果一個網站前端的東西做不好,是營銷的責任多一些。到中間頁面,可以按照目錄的轉化率查一遍,轉化率差的目錄就要注意一下。
再說搜索,一般B2C網站是由目錄經理+技術來做的。通過搜索工具找產品的用戶,自己有精確的需求,那么除了搜索技術之外(此環節與產品經理的關系非常大),還要提供符合用戶需要的產品。假想一下,如果一個用戶搜索出來的頁面只有3個產品,他肯定會判斷這個網站的東西非常少,如果還不那么符合自己要求的話,離開率幾乎是100%。
而多年做數據的經驗告訴我,一般來說,在搜索頁的第三頁至第四頁,用戶還沒有找到想要的產品,離開率就會很大。針對搜索頁離開率比較大的頁面,也有兩個分享的技巧。
技巧二:在離開率高的頁末尾,推薦給用戶另外一個搜索路徑,讓用戶換一條路找產品。
技巧三:對于那些找不到自己想要的東西的用戶,乘他們腦子是空的時候,彈出一個菜單,告訴他們10個人就有9個人買了某某產品,可能就會把他整個思維重新激活,又可能留下。
技巧三比技巧二對用戶的刺激大,但是也更冒險,如果對推薦的產品沒有足夠大的把握,用戶可能轉頭就離開了。
3、產品頁要特別留意用戶停留時間
到了產品頁,用戶留不留,與產品描述、質量有非常大的關系。所以,要特別留心客戶停留在產品頁的時間,如果許多用戶打開產品頁不到1秒鐘就走了,就要留意分析原因了。是不是這個產品沒有吸引力?是不是產品描述不準確?要多問一些問題。
另外,和傳統零售業喜歡提到的“碰撞率”相似,網站運營者應該了解哪些產品是被看了最終頁,哪些沒有被用戶點看。
4、購物車里多少產品沒有付款?
但是并沒有下單付款。
許多用戶把產品放進購物車,但是并不付款。找產品部負責人,為什么這么多用戶放在購物車里卻不付款?這對于一個B2C網站來說,是一個很嚴重的事情。
這里有三個點值得一提。
一是,許多B2C網站,等用戶要下單,提醒“請先注冊”,30%的人可能會選擇離開。這真的非常狠的一刀,從站外把用戶引進來好不容易跋山涉水到了這一步,竟然還要給用戶一刀送他離開,多少B2C網站思考過是否必要設立這一“提醒”?
二是,如果找不到用戶不付款的原因,可以直接給幾個用戶電話訪問。
三是,分析同時被放在購物車的產品之間關聯性。
總之,到了購物車,是網站自己和自己比,定性的多,定量的少。
三、B2C的顧客也有生命周期
傳統零售企業,很難知道,客戶在一段時間內購買了多少次產品、買的是什么價位,但是電子商務公司可以很清楚知道用戶的購買行為。
對于用戶規模很大的B2C來說,很有必要把用戶分為三個階段:以3個月為限(有些垂直網站要6個月至一年),只購買夠一次的用戶、一個月購買過2到8次的用戶、購買過8次以上的用戶(每個網站可以根據自己的情況定次數,這里的數據是一般的規律)。
B2C網站從0到1,可以說明拉客能力。當一個客戶進來,如何做1到x(X的具體數字,垂直網站和綜合有區別,企業在不同階段,X也會變)也十分重要,不同階段的用戶的維護方法是不一樣的。今天看很多網站,從1次到3次,會有50%以上用戶就不回頭流失了,而到了5-8次以上流失率便放慢了。(文章來源:CDA數據分析師)
如何從1做到X,還有許多可討論,只是這篇文章集中介紹的是從0到1的轉化,所以在這里就不展開了。但是有一定是非??隙ǖ氖?,大部分用戶只有第一次購物體驗非常好才會回來重復購買。所以說,做好了從0到1,從1到X就已經成功了一半了。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
CDA數據分析師證書考試體系(更新于2025年05月22日)
2025-05-26解碼數據基因:從數字敏感度到邏輯思維 每當看到超市貨架上商品的排列變化,你是否會聯想到背后的銷售數據波動?三年前在零售行 ...
2025-05-23在本文中,我們將探討 AI 為何能夠加速數據分析、如何在每個步驟中實現數據分析自動化以及使用哪些工具。 數據分析中的AI是什么 ...
2025-05-20當數據遇見人生:我的第一個分析項目 記得三年前接手第一個數據分析項目時,我面對Excel里密密麻麻的銷售數據手足無措。那些跳動 ...
2025-05-20在數字化運營的時代,企業每天都在產生海量數據:用戶點擊行為、商品銷售記錄、廣告投放反饋…… 這些數據就像散落的拼圖,而相 ...
2025-05-19在當今數字化營銷時代,小紅書作為國內領先的社交電商平臺,其銷售數據蘊含著巨大的商業價值。通過對小紅書銷售數據的深入分析, ...
2025-05-16Excel作為最常用的數據分析工具,有沒有什么工具可以幫助我們快速地使用excel表格,只要輕松幾步甚至輸入幾項指令就能搞定呢? ...
2025-05-15數據,如同無形的燃料,驅動著現代社會的運轉。從全球互聯網用戶每天產生的2.5億TB數據,到制造業的傳感器、金融交易 ...
2025-05-15大數據是什么_數據分析師培訓 其實,現在的大數據指的并不僅僅是海量數據,更準確而言是對大數據分析的方法。傳統的數 ...
2025-05-14CDA持證人簡介: 萬木,CDA L1持證人,某電商中廠BI工程師 ,5年數據經驗1年BI內訓師,高級數據分析師,擁有豐富的行業經驗。 ...
2025-05-13CDA持證人簡介: 王明月 ,CDA 數據分析師二級持證人,2年數據產品工作經驗,管理學博士在讀。 學習入口:https://edu.cda.cn/g ...
2025-05-12CDA持證人簡介: 楊貞璽 ,CDA一級持證人,鄭州大學情報學碩士研究生,某上市公司數據分析師。 學習入口:https://edu.cda.cn/g ...
2025-05-09CDA持證人簡介 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度、美團、阿里等 ...
2025-05-07相信很多做數據分析的小伙伴,都接到過一些高階的數據分析需求,實現的過程需要用到一些數據獲取,數據清洗轉換,建模方法等,這 ...
2025-05-06以下的文章內容來源于劉靜老師的專欄,如果您想閱讀專欄《10大業務分析模型突破業務瓶頸》,點擊下方鏈接 https://edu.cda.cn/g ...
2025-04-30CDA持證人簡介: 邱立峰 CDA 數據分析師二級持證人,數字化轉型專家,數據治理專家,高級數據分析師,擁有豐富的行業經驗。 ...
2025-04-29CDA持證人簡介: 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度,美團,阿里等 ...
2025-04-28CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-27數據分析在當今信息時代發揮著重要作用。單因素方差分析(One-Way ANOVA)是一種關鍵的統計方法,用于比較三個或更多獨立樣本組 ...
2025-04-25CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-25