詳解電商行業(yè)精細化運營的四大場景
精細化運營是流量紅利結(jié)束后的生存法則，是面向 ROI 和細分策略的體系化運營方案。我們不妨用四組詞來定義精細化運營，分別是：量入為出、各取所需、物盡其用、伺機而動。
圖 1 四組關(guān)鍵詞定義精細化運營
量入為出：無論是運營效果還是投放效果，產(chǎn)出情況決定我們的投入。A/B Test 保證運營活動在大范圍投入之前，預(yù)知方案的好壞。
各取所需：根據(jù)用戶群體畫像制定差異化的運營策略，個性化推薦、個性化推送是常用的運營方式。
物盡其用：在投入資金、人力后，所做的事情是否比其他事情更具有價值？比如坑位運營、優(yōu)惠券，效果是否符合預(yù)期。
伺機而動：一次運營活動不可能讓 100% 的用戶實現(xiàn)轉(zhuǎn)化，應(yīng)該尋找合適機會對其進行二次觸達，直到其按照運營的預(yù)期發(fā)展。
注：以下產(chǎn)品配圖均來自神策分析，為避免商業(yè)機密，圖片所涉數(shù)據(jù)均為虛擬。
場景 1：某超商小程序的用戶分析運營
某超商有一款進店小程序，他們希望通過小程序?qū)崿F(xiàn)兩個目的：
一是提升活躍度，即根據(jù)顧客的購買商品的記錄，對其進行精準(zhǔn)營銷，讓顧客能夠經(jīng)常消費；
二是提升購買轉(zhuǎn)化率，比如線下支付通常需要推銷員人工進行商品推薦，而通過小程序挑選商品則可以直接看到相關(guān)推薦商品，從而提升客單價。
在運營角度上，就是通過 ROI 實現(xiàn)更高效率的用戶運營，提升用戶的訪問頻率和購買轉(zhuǎn)化率。其運營分析主要分為兩個步驟：
- 第一步，確定北極星指標(biāo)，基于指標(biāo)拆解象限圖
基于提升活躍度和購買轉(zhuǎn)化率的目的，運營團隊將北極星指標(biāo)定義為用戶 3 月訪問天數(shù)、用戶總消費金額。
通過使用 2 個北極星指標(biāo)建立起“用戶四象限”，將北極星轉(zhuǎn)化為用戶標(biāo)簽，把用戶劃分成了 4 個群體，分別是高頻高價值、低頻高價值、高頻低價值、低頻低價值。
圖 2 基于北極星指標(biāo)拆解象限圖
- 第二步，對不同的用戶群體，采取不同的運營策略，明確運營目標(biāo)
1、高頻高價值：是企業(yè)的頭部客戶，是重點的用研對象和門店體驗邀請對象。
2、低頻高價值：該群體是潛在高價值客群，還不是產(chǎn)品的忠實用戶。因此是重點的品牌宣傳和交叉營銷對象，以期建立品牌忠誠度轉(zhuǎn)變?yōu)楦哳l高價。
3、高頻低價值：是最龐大的長尾群體，可讓其野蠻生長，但同時做好預(yù)警機制，一旦發(fā)生大量遷移，立刻進行分析，進行運營干預(yù)。
4、低頻低價值：可讓其自生自滅，不做針對性運營。
最終效果是——在運營預(yù)算不變的情況下，提升了整體運營效果。用戶活躍度整體提升 10%，用戶消費轉(zhuǎn)化提升 5%。
除此之外，企業(yè)還可以根據(jù)用戶生命周期階段分層運營，提升用戶在成長通道的流轉(zhuǎn)。
圖 3 精細化運營流程圖
場景 2：某二手奢侈品電商的新用戶流量運營
某二手奢侈品電商對平臺流量運營時發(fā)現(xiàn)，平臺經(jīng)常會有階段性的流量暴增，針對新用戶的流量運營是運營團隊的核心運營目標(biāo)。
團隊通過渠道流量分析后發(fā)現(xiàn)，其 70% 的新用戶主要來源于兩個渠道：抖音和 B 站。
經(jīng)過用戶分群及漏斗分析對用戶群體進行下鉆分析，發(fā)現(xiàn)抖音渠道的流量轉(zhuǎn)化率和復(fù)購率都比較好；而 B 站則不然，雖然加購較多但是轉(zhuǎn)化較少。
圖4 數(shù)據(jù)分析發(fā)現(xiàn)，B站渠道加購高，轉(zhuǎn)化低
圖5 數(shù)據(jù)分析發(fā)現(xiàn)，B站渠道加購高，轉(zhuǎn)化低
雖然兩個渠道從效果上有較大差異，但是從流量效果上來說，B 站是不能放棄的重要營銷渠道，因此運營人員將重要精力放在此渠道的新流量的運營上。
由于 B 站渠道 0-17 歲用戶占比達 37.55%，18-25 歲的用戶占比為 29.96%，因此運營人員判斷該渠道用戶較為年輕，對奢侈品有需求，但經(jīng)濟購買能力有限。
于是經(jīng)過內(nèi)部溝通，在平臺上增加了快時尚品牌，針對 B 站渠道的用戶制作專門的落地頁。通過完美的內(nèi)部承接，渠道的用戶轉(zhuǎn)化率迅速上升。甚至該企業(yè)根據(jù)用戶群體的特點，將產(chǎn)品定位從“奢侈品”改為“時尚品”，實現(xiàn)了數(shù)據(jù)驅(qū)動商業(yè)決策的改變。
場景 3：知識付費企業(yè)的優(yōu)惠券效果評估
優(yōu)惠券的使用是企業(yè)精細化運營常用的手段。理想優(yōu)惠券發(fā)放帶來的效果是，合理的補貼率（小于 20%）、用戶較高的使用意愿、促成較高的銷售量、多元化的使用方向、效果長期——持續(xù)的用戶活躍和用戶購買。
圖 6 理想優(yōu)惠券發(fā)放的效果
因為影響優(yōu)惠券的發(fā)放活動效果的因素很多，運營人員可以通過該指標(biāo)體系來評估效果，如圖。
圖 7 優(yōu)惠券運營的指標(biāo)體系
一家知識型付費企業(yè)經(jīng)常會給用戶發(fā)放一些優(yōu)惠券，經(jīng)過分析發(fā)現(xiàn)“好友邀請券”使用頻率非常高。
好友邀請券是由老用戶發(fā)給朋友，當(dāng)朋友成為平臺用戶后，兩人都會各得到一張券。然而，盡管該券被高頻使用，但是帶來轉(zhuǎn)化率非常低，復(fù)購率僅為 6%，遠低于其余券 20-30% 的復(fù)購率。
運營團隊通過用戶路徑分析以及用戶調(diào)研，發(fā)現(xiàn)“好友邀請券”的發(fā)放者主要是 KOL，他們會在開新課之前給學(xué)員發(fā)券，讓學(xué)員減少課程支付成本。在這種場景下券的使用者對平臺幾乎沒有什么認知，復(fù)購率很低也是情理之中了。
圖 8 70% 以上的邀請券由 KOL 使用
因此，運營人員不得不暫時關(guān)閉了該券。那么，“好友邀請券”該如何發(fā)放？運營團隊嘗試了兩種方式：
第一種方式：用戶加購——提交訂單——給券——支付成功。
在這種方式中，給券的環(huán)節(jié)是在用戶提交訂單、支付成功之前，經(jīng)過小范圍內(nèi)試用，發(fā)現(xiàn)最終效果并不好，因為它極大干擾了用戶的購買流程：用戶在支付前看到優(yōu)惠券，需要轉(zhuǎn)給朋友并當(dāng)朋友注冊后才能投入使用，這樣無疑延長了用戶的購買時間。
第二種方式：用戶加購——提交訂單——支付成功——給券。
在這種方式中，老用戶在支付完成會拿到一張優(yōu)惠券，此時可進行分享該券，新用戶在老用戶下次購買前注冊新用戶即可，如此既然不會干擾購物流程，同時還可以督促老用戶的復(fù)購。
最終企業(yè)選擇了第二種方式，經(jīng)過數(shù)據(jù)監(jiān)測，該券的使用量下降了 50%，但是復(fù)購率和 ROI 都提升了 50%。
場景 4：某電商企業(yè)的坑位運營
坑位歸因，顧名思義，是將產(chǎn)品最終收益的功勞分配給轉(zhuǎn)化路徑中各個不同的坑位上。
坑位的核心目的是“流量引導(dǎo)”，當(dāng)流量流入在線產(chǎn)品（如電商、在線教育等）后，運營人員需要引導(dǎo)其完成購買任務(wù)，以實現(xiàn)流量價值最大化。
坑位運營的第一目標(biāo)是促進轉(zhuǎn)化。促進轉(zhuǎn)化相關(guān)的因素包括坑位設(shè)計、曝光量、產(chǎn)品體驗、素材吸引力。量化指標(biāo)見下圖。
圖 9 坑位運營的相關(guān)衡量指標(biāo)
某電商運營人員希望全面了解各坑位的運營狀況，從而找到優(yōu)化重點。我們不難發(fā)現(xiàn)，不同坑位的貢獻度差異很大，具體發(fā)現(xiàn)：
1、大專題頁面導(dǎo)入用戶流量高，但轉(zhuǎn)化率相對較低，要么優(yōu)化該頁面的轉(zhuǎn)化率，要么將用戶流量導(dǎo)向其它頁面更為合理。
2、并非越排序靠前的位置，貢獻越高，不符合常見的規(guī)律。前 30 位的坑位收入貢獻占比只有 50.02%，低于另外常見客戶的 60-70% 的值，有較大提升空間。
目前，在神策歸因分析上線后，在神策分析進行參數(shù)設(shè)置后，首頁各坑位的運營情況一目了然。通過歸因分析還可以針對不同的優(yōu)化點進行深度下鉆分析，查看每一個優(yōu)化點對應(yīng)的細分表現(xiàn)，例如查看不同的“大專題活動”，通過帶來的貢獻收入進行“大專題活動”的優(yōu)化等。
- 坑位運營的分析思路
1、坑位點擊次數(shù)、人數(shù)和滲透率
通過各類坑位的點擊次數(shù)、各類坑位的點擊人數(shù)知道當(dāng)前產(chǎn)品中流量規(guī)模最大坑位類型。通過各類坑位的滲透率，要評估用戶使用坑位的意愿。
2、坑位人均點擊次數(shù)和 CTR
用戶對坑位的使用意愿，不能單純從點擊次數(shù)上分析，因為不同的坑位由于所在頁面和頁面所處的位置不同，得到的曝光量也不同。因此需要使用更科學(xué)的 CTR 進行評估。
CTR = 坑位點擊次數(shù)/坑位曝光次數(shù)，能夠更好的表達用戶在看到一個坑位后愿不愿意去嘗試或使用。
點擊率越高，表示坑位和素材吸引用戶的能力越強；人均日使用次數(shù)越高，表示用戶有將該坑位作為尋找目標(biāo)商品的重要途徑。
3、歸因分析
成單貢獻分析其實是一種典型的歸因分析，將訂單成交歸于不同的坑位，并分析不同坑位帶來的貢獻，也就是訂單量或訂單金額的占比分布。
基于歸因分析的結(jié)果，能看出不同坑位帶來的訂單量和 GMV 的絕對數(shù)和占比分布，從而對坑位的成單貢獻進行評估。占比越大，成單的絕對貢獻越高。
4、坑位貢獻原因分析
將歸因模型中的目標(biāo)轉(zhuǎn)化，分別改為商品詳情頁瀏覽、加入購物車、提交訂單詳情、支付訂單詳情，就可以得到這些坑位在流量落地、意愿達成、促成有效訂單以及最終支付各環(huán)節(jié)的貢獻情況。
以上流程中，任意一步出現(xiàn)問題都可能導(dǎo)致坑位的成單貢獻不同，因此要定位問題所在，提升坑位效果。
5、坑位內(nèi)容分析
前面分析的所有指標(biāo)，都是對不同類型的坑位進行的分析，除此此外，還可以對某一類坑位中的具體內(nèi)容素材進行評估和分析，包括各 icon 的點擊人數(shù)、次數(shù)，各 icon 的人均點擊次數(shù)、點擊率，各 icon 帶來的訂單量、GMV 等。
6、坑位留存和全站留存
對坑位的使用進行留存分析，能夠知道用戶對各類坑位使用的粘性，一定程度反映該功能的友好程度和有效性，是否能給用戶帶來良好的體驗，包括能否幫他找到感興趣的商品等。
涉及功能點：留存分析、日留存、周留存。
以上是電商精細化常見的運營場景，精細化運營能夠幫助企業(yè)更了解用戶、了解企業(yè)的投放效果、了解用戶的銷售額。
