刘为网络推广博客

刘为网络推广博客,分享一些网站推广方案,网站推广方法,SEO技巧,网络营销,EDM数据库营销,网络营销策划推广,网站优化,淘宝搜索以及网站运营方面精华内容.

上一篇: 刘为:B2C网站邮件营销必胜的四条黄金规则! 下一篇:让VC觉得有价值投资的B2C的5个核心数据!

 

      越来越多的传统企业都在想“赶时髦”,纷纷进军B2C领域。这些传统的企业较之B2C平台类型的公司有着独特的优势:完整的产品线、健全的线下渠道和物流基础,最关键的是这些企业自身有着强大的线下销售盈利能力,为B2C业务提供不断的“造血功能”。但是有利也有弊,这些企业由于缺乏B2C方面的推广、运营、分析等人才,在运营初期往往会比较迷茫,不知道钱哪里花,效果如何。通过一些和电商客户的交流和学习,借鉴了些相关资料,我大致整理了一般传统企业转做B2C业务需要关心的一些运营指标,待和各位分享和学习。

      一个B2C网站中每个部门都是密不可分的,运营是要根据技术部门的数据来进行分析,将数据分析运用到运营中,可以说是具有巨大的推进作用。

 第一项:日常性数据(基础)

      流量相关数据:IP、PV、在线时间、跳出率、新用户比例;

      订单相关数据:总订单、有效订单、订单有效率、总销售额、客单价、毛利润、毛利率;

      转化率相关:下单转化率、付款转化率。

      简要说明:因为有些B2C企业已经实现基础的WEB版数据分析系统(有些公司用进销存软件),所以常规性的销售额、利润、利润率,都是可以通过系统实现的。因为直接与商城后台对接,库存管理都已经做进去了,分析数据时候,后台的原始数据都有,设定好各项公式,想要的结果都出来了,这样实现比用软件效率更好,且可以根据各自的需求灵活开发。

      由于会出现用户今日下单,明日付款,所以订单有效率、销售额、转化率、客单价会动态变化,靠EXCEL基本是做不来,所以灵活对接系统非常重要,如果没有,也可以参考这方面的需求去开发。

 第二项:每周数据分析(核心)

     用户下单和付款不一定会在同一天完成,但一周的数据相对是精准的,所以我们把每周数据作为比对的参考对象,主要的用途在于,比对上周与上上周数据间的差别,运营做了某方面的工作,产品做出了某种调整,相对应的数据也会有一定的变化,如果没有提高,说明方法有问题或者本身的问题并在与此。

     网站使用率:IP、PV、平均浏览页数、在线时间、跳出率、回访者比率、访问深度比率、访问时间比率;

     这是最基本的,每项数据提高都不容易,这意味着要不断改进每一个发现问题的细节,不断去完善购物体验。来说明下重要的数据指标:

     跳出率:跳出率高绝不是好事,但跳出的问题在哪里才是关键。我的经验,在一些推广活动或投放大媒体广告时,跳出率都会很高,跳出率高可能意味着人群不精准,或者广告诉求与访问内容有巨大的差别,或者本身的访问页面有问题。常规性的跳出率建议关注于登录、注册、订单流程1-3步、用户中心等基础页面,如果跳出率高于20%,我觉得就有不少的问题,也根据跳出率来改进购物流程和用户体验。

     回访者比率=一周内2次回访者/总来访者,意味着网站吸引力,以及会员忠诚度,如果在流量稳定的情况下,此数据相对高一些会比较高,太高则说明新用户开发的太少,太低则说明用户的忠诚度太差,复购率也不会高。

     访问深度比率=访问超过10页的用户/总的访问数,访问时间比率=访问时间在10分钟以上的用户数/总用户数,这两项指标代表网站内容吸引力,数据比率越高越好。

     运营数据:总订单、有效订单、订单有效率、总销售额、客单价、毛利润、毛利率、下单转化率、付款转化率、退货率;

     每日数据汇总,每周的数据一定是稳定的,主要比对于上上周的数据,重点指导运营内部的工作,如产品引导、定价策略、促销策略、包邮策略等。

     比对数据,为什么订单数减少了?但销售额增加了?这是否是好事?

     对比数据,为什么客单价提高了?但利润率降低了?这是否是好事?

     对比数据,能否做到:销售额增长,利润率提高,订单数增加?这不是不可能。

     所有的问题,在运营数据中都能够找到答案。

第三项:用户分析

     会员分析:新会员注册、新会员购物比率、会员总数、所有会员购物比率;

     概括性分析会员购物状态,重点在于本周新增了多少会员,新增会员购物比率是否高于总体水平。如果你的注册会员购物比率很高,那引导新会员注册不失为提高销售额的好方法。

     会员复购率:1次购物比例、2次购物比例、3次购物比例、4次购物比例、5次购物比例、6次购物比例;

     转化率是体现的是B2C的购物流程、用户体验是否有好,可以叫外功,复购率则体现B2C整体的竞争力,绝对是内功(很多VC都关注这个指标),这包括知名度、口碑、客户服务、包装、发货单等每个细节,好的B2C复购率能做到90%,没有复购率的B2C绝对没有任何前途,所以这也能够理解为什么很多B2C愿意花大钱去投门户广告,为了就是获取用户的第一次购买,从而获得长期的重复购买。但某些B2C购物体验做的不好,花大钱砸广告,这纯属烧钱行为。

     所以我觉得运营的核心工作,一方面是做外功,提高转化率,获取消费者第一次购买行为,另外一方面就是做内功,提高复购率,B2C根本也就在重复购买。所以B2C是个综合学科,做好每门功课真是不容易,不过也就是依靠每个细节,才奠定了B2C发展的基石。

     中国的B2C是幸运的,因为中国的消费者很宽容,你欺骗我一次,我可能还会原谅你,说实话给消费者选择的空间也并不是那么多,但随着新崛起B2C的成长,对服务的关注与投入,我相信未来的B2C会是个服务行业,而不是搬运工。

第四项:流量来源分析

     建议用的是Allyes iDigger或者Google Analytics,统计的数据比较详细,流量来源分析我觉得最重要的意义是:

     第一,监控各渠道转化率,这是运营的核心工作,针对不同的渠道做有效的营销,IP代表着力度,转化率代表着效果;

     第二,发掘有效媒体,转化率的数据让我们很清晰的了解什么样的渠道转化效果好,那么以此类推,同样的营销方式,用在同类的渠道上,效果差不到哪去,BD或广告就可以去开发同类的合作渠道,复制成功经验。

     流量分析是为运营和推广部门指导方向的,除了关注转化率,还有像浏览页数、在线时间,都是评估渠道价值的指标。

第五项:内容分析

     主要的两项指标:退出率和热点内容

      退出率是个好医生,很适合给B2C检查身体,哪里的退出率高,基本会说明有些问题,重点关注登录、注册、购物车、用户中心,这些是最基础的,但也是最关键的。一般我会列出TOP20退出率页面,然后运营部会重点讨论为什么,然后依次进行改进,不过我们今年做的很粗旷,做得也不是很好,来年重点完善。

     热点内容这部分是用来指导运营工作的,消费者最关注什么,什么产品、分类、品牌点击最高,这些数据在新的运营工作中做重点引导,推荐消费者最关注的品牌、促销最关注的商品等等。

第六项:商品销售分析

      这部分是内部数据,根据每周、每月的销售详情,了解经营状况,做出未来销售趋势的判断,这部分数据模型还在规划中,需要根据业务的发展实时调整分析模型。大致可以整理成如下表格:

 

 



分享到:更多


点击这里获取该日志的TrackBack引用地址

  • Gravatar Icon
    回复
  • quote 1.北京网站优化2011-10-12 23:54:15
  • 好文章,值得学习一下
    刘为 于 2011-10-18 16:34:03 回复
    谢谢支持,欢迎经常来访...
  • Gravatar Icon
    回复
  • quote 2.北京婚纱摄影2011-10-12 23:54:42
  • 也过来好好学习下
    刘为 于 2011-10-18 16:34:42 回复
    嘿嘿....谢谢。
  • Gravatar Icon
    回复
  • quote 5.小晓薇2011-10-17 22:46:45
  • 谢谢博主分享~~很有用哦~~
    刘为 于 2011-10-18 16:34:27 回复
    新朋友 欢迎经常来噢...
  • Gravatar Icon
    回复
  • quote 7.pengshiqang2012-10-13 10:13:54
  • 嗯,确实挺不错的分享文章 http://www.cqykt.net 重庆一卡通689021
  • Gravatar Icon
    回复
  • quote 8.FDcSQy2013-3-6 15:37:44
  • 路过看看 学习了,谢谢分享

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

关于本文

您正在阅读的是:经典:B2C网站运营核心数据大全
刘为 发表于:2011-10-12 17:23:23
分类:优秀转载
关键词:                
订阅刘为网络推广博客

什么是RSS订阅?查看解释
订阅到您的在线阅读器

抓虾 google reader my yahoo bloglines 鲜果 哪吒

博客作者

刘为

最近发表

最新评论及回复

最近留言

控制面板

Search

网站分类

文章归档

图标汇集

Copyright 2005-2009 www.seo9go.com 刘为-网络推广-网络营销
湘ICP备10020251号 转载请注明来源

Powered By Z-Blog 1.8 Walle Build 91204 Code detection by Codefense Template Designed By houbenbo