点击此处查看最新的网赚项目教程

题图 |pixabay.com

做数据分析的同学,很多都听过:人、货、场的分析模型

然而,这东西又是个只闻其名,不见真身的东西。

到底该怎么结合实际分析?

今天我们系统讲解下。

问题场景:

生鲜电商,用户复购率较低,60%的用户在30天内没有二次购买行为。

运营领导非常着急,要求通过数据分析提升复购率,请问你作为数据分析师该怎么做?

A、建立人工智能精准推荐算法(40%概率用协同过滤,60%用关联分析)

B、把过往6个月月初复购率做成折线图,然后写下苍劲有力的三个大字:“要搞高!”

C、分析个啥,做电商不就是派券吗!所有没有复购用户派券,干就完了奥力给!

还是你有其他办法?

01 货物属性分析

先问一个简单问题:大米、白面、一桶油和草莓、车厘子、山竹有什么区别?

即使你没买过菜也知道:

米面油是每天都得吃的东西,没啥季节性;草莓、车厘子、山竹不会每天吃,季节性很强。

如果去菜市场或者超市逛一下又会知道:

米面油一般是整包、整桶买,买回去一桶能吃很久,还有专门的米桶、米盒、油壶用来分装。

草莓山竹一般拆散零售,而且不耐放,买回去不吃过几天就坏了。

这些看似家常便饭的产品知识,统称为:货物属性。

货物属性会直接影响到消费者购买行为:

这些货物属性是常识,是自然规律,不会因为数据指标的计算方式而改变。

因此在生鲜产品中,用户行为会直接受到过往购买产品的影响——你不能太指望一个用户刚买10斤大米,过两天又来买10斤。

或者说,如果真的有用户反反复复地来买大米,那你得检查下自己提供的大米是不是比市场价便宜很多,有人在薅羊毛薅的情况呢。

有一个简单的矩阵模型可以描述生鲜产品的复购思路,核心是产品购买频率和产品关联度。

购买频率上文有解释,产品关联度指的是某些产品天生会一块买。

特别在生鲜领域,比如买了冻鸡翅、竹签,很有可能会买木炭、丸子、烧烤汁,因此两维度交叉既有如下矩阵(如下图)。

货场人_场货人到人货场_人货场分别指的什么

但注意,只从货物属性一个角度来看,是很不完整的。

买菜的渠道多得很,凭啥用户非得在app里戳来戳去。

菜市场不香吗?

APP/微商城的吸引力又在哪里呢?

这就涉及:场的问题。

02 卖场属性分析

快速问一个问题:

你今天中午准备吃啥?

不要思考,马上回答!

十个同学有十个答不上来,对不对。

实际上让你对着饿了吗你都得纠结十几二十分钟,更不要说提前预备了。

买菜也是同理,为啥老人家喜欢逛菜市,一个很重要的原因就是做饭本就没啥目的性,现场看着啥顺眼买点啥,二来可以货比三家挑挑新鲜便宜的。

菜市场,包括超市的生鲜区给人的视觉冲击是远远强过电商的,这就是卖场属性对复购行为带来的影响。

卖场属性,包含:

在传统线下门店里,关于卖场位置也有个矩阵模型。(如下图)

货场人_人货场分别指的什么_场货人到人货场

线上渠道用的指标和线下类似,区别是,用户的登录场景、登录频次、登录后访问内容,代替了门店位置远近。

线上渠道在内容和跳转路径上能做的分析,是远多于线下的。

有意思的是,不同于服装、零食、玩具等快消品,在生鲜领域,线上渠道的体验反而比线下差。

因此线上生鲜优势体现在:不能出门的场景上。

比如下雨天,比如疫情期间交通管控,比如上下班没时间逛菜市场等等等。

然而这就又引发第三个问题:有些用户可能就是单纯图便宜,有些用户真的有线上购买的刚需。

因此必须考虑人的因素。

03 用户属性分析

注意,传统行业讲人货场,人指的是售货员,不是消费者。

所谓人效指的是业务员平均产生的经济效益。

但是互联网应用是APP对用户,没有销售概念,因此才把售货员改成用户,所谓人的分析,变成用户属性分析。

一提用户属性,很多同学条件反射的都是:性别、年龄、地域。

问题是你的公司真的能采集到这么多真实的用户信息?

而且这些字段不见得能看出啥,最典型的就是性别,男女比例差异常常只有几个点,能说明个屁问题。

基于互动、消费行为标签会更好用,比如生鲜电商的领域,有多少客户是注册送20元米面油券,首单免配送费,进口车厘子25元4斤这种活动搞进来的。

这叫促销敏感型用户。

类似的,还可以打:刚性购买用户、异常天气购买用户、疫区用户等等标签,这些可能区分度更高(如下图)。

货场人_人货场分别指的什么_场货人到人货场

04 人货场模型搭建

有了三个维度的基础理解,就能用来综合解释问题。

回到开头的“生鲜电商复购率低”的问题。可以先从人货场角度建立分析假设:

人角度

货角度

场角度

各自建立假设后,有两种方法建立整体思路:

第一,从数据出发,哪个问题严重就从哪里下手

第二,从业务出发,最近发生哪些大事,从哪里下手(如下图)

场货人到人货场_货场人_人货场分别指的什么

最后可以把各个分析维度拧起来,组成整体分析逻辑,从粗到细形成结论(如下图)。

场货人到人货场_货场人_人货场分别指的什么

05 小结

人货场三个维度之所以经常用,是因为这三者与用户行为有直接关系,并且商品属性、卖场属性、用户习惯都有一些天生的规律可循。

因此很适合作为分析的基础,做深做细。

一方面能对业务有更清晰的认知;另一方面,想建立更复杂的模型也有线索了。

然而现在行业里普遍存在的问题,是做业务的新人就知道发券,难言之隐一券了之,还美其名曰:互联网思维就是免费!

做数据的新人就知道RFM,关联分析,一讲模型就想协同过滤,拜托小哥哥们,就你那平台用户粘性,百分之六七十一次登录,用户天生就是优惠券买来的,有多少真实数据给你训练模型呢。

就像生鲜电商行业,真去几趟菜场,和买菜主力人群:大爷大妈、家庭主妇聊聊,会比每天和吃饿了吗的同事讨论AARRR有用的多,可以一试哦。

用户画像被批“没啥用”?你缺少判断标准!

数据分析师,要懂多少算法模型?

场货人到人货场_人货场分别指的什么_货场人

———END———
限 时 特 惠: 本站每日持续更新海量各大内部创业教程,一年会员只需98元,全站资源免费下载 点击查看详情
站 长 微 信: cai842612