數(shù)據(jù)產(chǎn)生的主體是消費(fèi)者,數(shù)據(jù)分析就是消費(fèi)者特性分析。換言之,消費(fèi)者的行為路徑分析+屬性分析,是所有分析模型如AMC的基礎(chǔ)單元,即各模型都是基于消費(fèi)者的路徑,再按照一定規(guī)則進(jìn)行聚合的數(shù)據(jù)。消費(fèi)者路徑分析得是否深入、采用何種分析角度,關(guān)系到賣(mài)家進(jìn)行用戶分層精細(xì)化運(yùn)營(yíng)的效果。
我們知道,新客獲取的成本一般是老客維護(hù)的5倍,甚至更多。新客獲取的難度之所以那么高,有個(gè)重要原因是我們無(wú)法精確地知道新客是“怎么看廣告”,“看哪些廣告”、“什么時(shí)候看”、“點(diǎn)了哪些按鈕入口”、“是什么促使下單”等等這些細(xì)節(jié),以致我們錯(cuò)失了很多潛在客戶。
過(guò)往,賣(mài)家在做廣告效果分析時(shí),大多還是依賴運(yùn)營(yíng)人員的經(jīng)驗(yàn)和判斷。一方面賣(mài)家本身能夠獲取到的數(shù)據(jù)維度以及顆粒度非常有限,另一方面即使有了海量數(shù)據(jù),也需要機(jī)器學(xué)習(xí)和算法加持,這樣才能充分挖掘出大數(shù)據(jù)的價(jià)值。因此,對(duì)于很多賣(mài)家來(lái)說(shuō),目前的卡點(diǎn)是缺乏簡(jiǎn)單有效的消費(fèi)者路徑分析方法及工具。由于分析方法不對(duì),或缺少智能化工具,導(dǎo)致數(shù)據(jù)驅(qū)動(dòng)增長(zhǎng)難以落地,使得賣(mài)家對(duì)數(shù)據(jù)價(jià)值產(chǎn)生懷疑甚至誤解。
我們需要重新審視消費(fèi)者路徑的分析,建立正確、系統(tǒng)性的分析坐標(biāo)系。通過(guò)“用戶級(jí)”、“事件級(jí)”的顆粒數(shù)據(jù)來(lái)可視化展現(xiàn)消費(fèi)者的瀏覽、點(diǎn)擊、購(gòu)買(mǎi)、復(fù)購(gòu),真實(shí)的行為路徑,將洞察指導(dǎo)廣告策略,以決定該投哪些廣告、投向哪些觸點(diǎn)。
消費(fèi)者路徑分析的邏輯和原理
通過(guò)對(duì)消費(fèi)者原始路徑進(jìn)行有效聚合,結(jié)合營(yíng)銷(xiāo)過(guò)程中遇到的難點(diǎn)問(wèn)題,探索獨(dú)特的角度進(jìn)行有效分析,從而提供具有指導(dǎo)意義的數(shù)據(jù)分析。在特定的周期里,根據(jù)不同類(lèi)型路徑的數(shù)據(jù)表現(xiàn),從而分析不同類(lèi)型路徑對(duì)應(yīng)的消費(fèi)者特性和現(xiàn)階段的廣告表現(xiàn)情況。
比如,以路徑首個(gè)觸點(diǎn)來(lái)進(jìn)行路徑分組,
1)分析各路徑分組其購(gòu)買(mǎi)用戶的行為特征,其歸因購(gòu)買(mǎi)的觸點(diǎn)分布,以此來(lái)了解和把握流量觸達(dá)到購(gòu)買(mǎi)轉(zhuǎn)化之間的規(guī)律;
2)分析各路徑分組其二次觸達(dá)的觸點(diǎn)分布,以此分析流量承接情況。
消費(fèi)者路徑是一個(gè)高級(jí)的基礎(chǔ)統(tǒng)計(jì)模型,通過(guò)這個(gè)方式,來(lái)了解首次觸達(dá)對(duì)應(yīng)的人群特性。但作用不僅僅是讓我們知道人群特性,它的另一個(gè)重要價(jià)值是提供了全局視角來(lái)剖析廣告策略的相互作用和績(jī)效影響,客觀量化不同觸點(diǎn)、策略的效果指標(biāo)貢獻(xiàn)。
(來(lái)源:FeiWei說(shuō)跨境)
以上內(nèi)容屬作者個(gè)人觀點(diǎn),不代表雨果跨境立場(chǎng)!本文經(jīng)原作者授權(quán)轉(zhuǎn)載,轉(zhuǎn)載需經(jīng)原作者授權(quán)同意。?