Aplicación del "análisis del comportamiento del usuario" de big data en sitios web de compras grupales
En los últimos años, varias empresas de comercio electrónico se han involucrado en guerras de precios. Después de la “Promoción Doble 11” y el “Carnaval del 18 de junio” del año pasado, han surgido una tras otra en el comercio electrónico actividades promocionales a gran escala con el precio como principal atractivo, y se han utilizado casi todos los festivales que pueden aprovecharse para generar impulso. . Los consumidores, como jugadores débiles de este juego, son constantemente objeto de burlas y guías por estas guerras de precios genuinas y falsas. Sin embargo, en los centros comerciales actuales existe otro tipo de empresa que gana la guerra empresarial no mediante una simple y cruda guerra de precios, sino mediante la plena utilización y extracción de datos.
El ejemplo más típico es Amazon.com, el fundador del comercio electrónico global. Desde que vendió libros en línea por primera vez en 1995, Amazon ha revertido rápidamente las reglas del mercado y las relaciones competitivas en muchas industrias, empezando por la industria del libro. En 10 años, muchas tiendas centenarias como Borders y Barnes and Noble se vieron obligadas a declararse en quiebra o estuvieron al borde de la quiebra. La razón fundamental del éxito de Amazon al competir en la industria del libro, menos lucrativa, radica en su comprensión estratégica y su uso de los datos. Cuando todavía no entendían muy bien qué era el comercio electrónico, Amazon utilizó Internet para obtener una riqueza sin precedentes de información sobre el comportamiento del usuario que las tiendas tradicionales no podían igualar, y llevó a cabo análisis y minería en profundidad.
¿Qué es la "información del comportamiento del usuario"? En pocas palabras, se refiere a todos los comportamientos de los usuarios en el sitio web, como buscar, navegar, calificar, comentar, agregar a la cesta de la compra, sacar la cesta de la compra, agregar a la lista de deseos, comprar, usar cupones de descuento y devolver productos. . Incluso incluye comportamientos relacionados en sitios web de terceros, como comparar precios, ver reseñas relevantes, participar en debates, comunicarse en las redes sociales, interactuar con amigos, etc.
Relativa a la información relativa a la transacción final que la tienda habitualmente puede recoger, como compras, devoluciones, descuentos, cupones, etc. , la característica sobresaliente del comercio electrónico es que puede recopilar una gran cantidad de información sobre el comportamiento del cliente antes de comprar, en lugar de la información de transacciones recopilada por las tiendas.
En el ámbito del comercio electrónico, la cantidad de información sobre el comportamiento del usuario es inimaginable. Según estadísticas incompletas de empresas de la industria del comercio electrónico que se centran en el análisis del comportamiento del usuario, un usuario navega en promedio por 5 sitios web, 36 páginas y decenas de interacciones en redes sociales y motores de búsqueda antes de elegir un producto. Si todos los datos recopilados se integran y deducen, la compra de un usuario puede verse afectada por miles de dimensiones de comportamiento. Para una empresa de comercio electrónico de tamaño mediano con un promedio diario de casi un millón de PU, esto representa casi 1 terabyte de datos activos por día. Desde la perspectiva del comercio electrónico chino en su conjunto, esto significa miles de TB de datos activos cada día.
Es esta información sobre el comportamiento previo a la compra la que puede reflejar profundamente la psicología de compra y la intención de compra de los clientes potenciales. Por ejemplo, el cliente A buscó 5 televisores seguidos, 4 de los cuales eran de la marca china S y 1 de la marca extranjera T; 4 modelos eran de tecnología LED y 1 era de tecnología LCD, los precios de los cinco modelos eran respectivamente 4599 yuanes y 5199; yuanes, 5499 yuanes, 5999 yuanes, 7999 yuanes; estos comportamientos reflejan, hasta cierto punto, el reconocimiento y la tendencia de la marca del cliente A, como la preferencia por marcas nacionales y televisores LED de precio medio. El cliente B buscó 6 televisores seguidos, de los cuales 2 eran de la marca extranjera T, 2 eran de otra marca extranjera V y 2 eran de la marca nacional S, 4 modelos tenían tecnología LED y 2 modelos tenían tecnología LCD; seis modelos cuestan respectivamente 5.999 yuanes, 7.999 yuanes, 8.300 yuanes, 9.200 yuanes, 9.999 yuanes y 11.050 yuanes. De manera similar, estos comportamientos también reflejan el reconocimiento y la tendencia de la marca del cliente B hasta cierto punto, como la preferencia por las marcas importadas; Televisores LED a buen precio, etc.
Amazon analiza y comprende esta información de comportamiento para brindar a los clientes servicios considerados y recomendaciones personalizadas. Por ejemplo, cuando un cliente busca una variedad de televisores sin realizar una compra, dentro de un cierto período de tiempo, envíe proactivamente información promocional al cliente por correo electrónico para otro televisor que sea adecuado para la marca, el precio y el modelo del cliente; Otro ejemplo: el cliente nuevamente. Cuando regresa al sitio web para buscar refrigeradores, puede recomendar refrigeradores nacionales de precio medio al cliente A y productos importados de precio alto al cliente B.
Estos servicios de recomendación personalizados tienden a tener muy buenos resultados. No solo pueden aumentar las intenciones de compra de los clientes, acortar las rutas y el tiempo de compra, sino también capturar los mejores impulsos de compra de los clientes en un momento más adecuado. el acoso injustificado a los clientes mediante métodos de marketing tradicionales y mejorar la experiencia del usuario. Un gran medio para lograr múltiples objetivos.
Al observar las empresas de comercio electrónico exitosas en el país y en el extranjero, se ha invertido mucho dinero en el análisis y la utilización de la información sobre el comportamiento del usuario en este campo de batalla. Su alto nivel de comprensión y aplicación de estrategias de datos es digno de aprendizaje y referencia por parte de las empresas nacionales de comercio electrónico.
La vergüenza de comprar en grupo
Creo que muchas personas, como yo, nos vemos inundados de correos electrónicos como este todos los días pero nunca los hemos abierto.
Muchas empresas de compras grupales envían religiosamente varios mensajes promocionales a sus suscriptores todos los días. Hablando francamente, muchos de ellos tienen muchos descuentos y son atractivos, pero estas empresas de compras grupales ignoran una cosa: la experiencia del usuario.
Echemos un vistazo a uno o dos correos electrónicos de compras grupales y analicemos los problemas internos:
1. Las recomendaciones de alimentos son independientes de la región: un correo electrónico, de Wudaokou a Wangfujing, de Suzhou. Puente Cuando vas a la calle Guijie, algunas personas pueden estar interesadas en una compra grupal con un descuento inferior al 30%, pero ¿realmente conducirán desde el Quinto Anillo Este hasta el Cuarto Anillo Oeste?
2. Las recomendaciones de entretenimiento también tienen problemas similares y no tienen en cuenta factores como la ubicación geográfica del usuario, el precio, etc.
3. Es más, ¿has considerado el posible bochorno independientemente del sexo del destinatario?
De hecho, todos estos fenómenos muestran que el pensamiento actual de EDM sobre los sitios web de compras grupales es relativamente duro, trata a todos los clientes como una sola persona, abandona por completo las ventajas del comercio electrónico y regresa a las tiendas minoristas tradicionales. y modelos de venta por correo electrónico. No sólo eso, de hecho, en el entorno del comercio electrónico, este tipo de EDM es a veces peor que no tenerlo en absoluto, porque simplemente dan a quienes pueden convertirse en sus clientes una experiencia de usuario muy negativa, ocupando el buzón del usuario con preocupaciones a largo plazo. Correos electrónicos irrelevantes. Ocupa mucho espacio. A la larga, están a sólo un paso de convertirse en "molestia"... y su castigo puede ser simple y cruel. Con solo un clic del mouse, su dirección de correo electrónico se envía a spam donde nunca más se podrá acceder a ella.
Si observa los correos electrónicos no deseados de sus usuarios, ¿qué pensaría cuando vea los correos electrónicos promocionales directos en los que ha trabajado tan duro para diseñar y reportarlos de manera regular y completa en los correos electrónicos no deseados? Según un análisis profesional, para una empresa de comercio electrónico con 5 millones de miembros, cada 0,5% de bajas de suscripciones o buzones de spam significa que se desperdician casi 6,543,8 millones de yuanes en gastos de marketing.
Entonces, ¿qué deberían hacer los sitios web de compras grupales? La personalización es el método más básico y eficaz:
1. Análisis multidimensional del cliente: establezca dimensiones de análisis basadas en la región, el sexo, la edad y otros atributos humanísticos del usuario, y filtre toda la información de compras del grupo. La relevancia de la electroerosión se puede mejorar enormemente. Al menos, los correos electrónicos que reciben los usuarios están básicamente cerca de sus hogares y lugares de trabajo, lo que está relacionado con sus atributos generales y pueden contener algunos productos interesantes.
2. Cuantifique los clics anteriores de los clientes, las compras, el valor de los productos adquiridos, la frecuencia de las compras y la hora de la última compra, generando así puntuaciones de valor para el cliente, dividiendo a los clientes en diferentes valores y evaluando el número de personas. que aceptan recomendaciones. Nivel de dificultad. Con base en estos puntajes, podemos decidir la frecuencia de las operaciones de electroerosión para los clientes y la segmentación de los productos recomendados, aumentando así la tasa de retroalimentación.
3. Analice los registros de compra de los clientes que compraron e hicieron clic en el producto, y analizó la relación de descuento, el precio original, el monto del descuento, el tiempo de compra grupal, si se pueden realizar reembolsos, si son de un solo uso, Gusto (catering), Puntuación, estadísticas y clasificación de estilos, etc. , "prediciendo" así los posibles puntos de interés de los clientes. Este es un proceso relativamente avanzado y complejo, pero si se usa bien,
4. Considere agregar un botón "No me gusta" junto a todos los productos recomendados. Recopilar lo que no les gusta a sus clientes es casi tan importante para las recomendaciones personalizadas como lo que les gusta del producto. Supongamos que un cliente le dice que no le gusta el almuerzo para dos de 49 yuanes en un restaurante occidental. Esto puede revelarle más información que si hace clic o incluso compra otra comida diaria de 99 yuanes para dos.
Por ejemplo, observé un caso relativamente exitoso: un sitio web de viajes rastreaba los comportamientos de navegación y búsqueda anteriores de los clientes y hacía recomendaciones efectivas. Nota: Esta recomendación refleja las necesidades del cliente en múltiples aspectos como destino, precio y necesidades de viaje. Según estos métodos, las empresas de la industria que se especializan en la optimización de EDM pueden aumentar la tasa de clics de EDM de aproximadamente el 1% en el sentido tradicional a casi el 10%. 5.000 EDM generan 510 clics de 370 personas y, en última instancia, 800 pedidos.
Así que, se mire como se mire, todavía hay mucho margen de optimización en el comercio electrónico y las compras grupales.
Creo que el marketing personalizado con big data como núcleo es una espada afilada que ayuda a las empresas de comercio electrónico a ganar la batalla en esta guerra del Mar Rojo.
Lo anterior es lo que el editor compartió con usted sobre la aplicación del "análisis del comportamiento del usuario" de big data en sitios web de compras grupales. Para obtener más información, puede seguir a Global Ivy para compartir más información detallada.