人貨場模型
做數(shù)據(jù)分析的小伙伴
都知道人、貨、場的分析模型。
可這個(gè)模型到底是個(gè)啥呢?有什么用?
今天小編就來系統(tǒng)的為小伙伴講解一下。
首先我們來設(shè)想一個(gè)問題:
有一家生鮮電商公司,用戶的復(fù)購率非常的低,其中70%的用戶在一個(gè)月內(nèi)均沒有二次購買行為?,F(xiàn)在你作為新的運(yùn)營總監(jiān)上任,公司領(lǐng)導(dǎo)要求你通過數(shù)據(jù)分析解決問題,最終提升復(fù)購率。請問你該怎么做?
我們先思考一個(gè)問題:大米、油、鹽、櫻桃、車?yán)遄舆@些東西有什么區(qū)別?相信很多小伙伴應(yīng)該很快就能知道了,像大米、油、鹽這些東西幾乎每天都會(huì)用到,而像櫻桃、車?yán)遄舆@類季節(jié)性較強(qiáng),又不是每天都需要的。而且像大米一般都是整包買,買回去一包就能吃很久,而櫻桃、車?yán)遄舆@類的都是不耐放,買回去不吃也放不了幾天。
這些有關(guān)產(chǎn)品的知識(shí),統(tǒng)稱為:貨物屬性。而通常會(huì)影響用戶購買的行為包括:
購買頻率:比如米有面這類的購買頻率較低,而新鮮水果類的頻頻高;
產(chǎn)品價(jià)格:單品價(jià)格貴的就賣的少,便宜的就會(huì)批量買;
購買渠道:如果有物流配送,大硬件通貨(例如米油面)在線上購買會(huì)更省事,而像水果這類散件就會(huì)在線下買,還可以自己挑選。
這些可以就是所謂的貨物屬性。消費(fèi)者在購買過程中,都會(huì)因?yàn)檫@些屬性而產(chǎn)生不同的購買行為,且這類行為基本上保持長期穩(wěn)定。例如你不能指望消費(fèi)者今天剛買了10斤大米,明天再來買10斤大米。
這類生鮮產(chǎn)品的復(fù)購思路,其核心就是產(chǎn)品購買頻次和產(chǎn)品本身屬性關(guān)聯(lián)。舉個(gè)例子:一個(gè)消費(fèi)者購買了凍雞翅、竹簽,那么他很大程度上會(huì)購買丸子、燒烤汁,因?yàn)檫@兩者有維度上的交叉。
我們可以用下面這個(gè)復(fù)購矩陣圖來理解:
當(dāng)然我們需要注意的事,如果你單從貨物屬性來看,就會(huì)很缺乏大局觀。買菜的渠道很多,憑什么讓用戶只在你整理購買?這里就涉及到下一個(gè)問題了,場的問題!
現(xiàn)在請快速回答我一個(gè)問題:
你明天中午打算吃什么?不要思考,馬上回答!
相信很多小伙伴,一下子會(huì)回答不上來,為什么呢?!我們平時(shí)對著美團(tuán)、餓了么訂餐都要糾結(jié)個(gè)十幾二十分鐘,更何況讓你一下子回答了。
為什么像我們的父母總是喜歡去逛菜市場,有時(shí)候不是他們學(xué)不會(huì)用手機(jī)下單,只是因?yàn)楣洳耸袌瞿欠N視覺上的沖擊,是APP很難給予的。再者,買菜做飯本身并沒有那么強(qiáng)的目的性,一邊逛著一邊想著,看到什么順眼就買點(diǎn),還能貨比三家。這就是賣場屬性對復(fù)購行為帶來的影響。
通常賣場屬性包含:
1)便利性:你買菜肯定選擇距離越近、越方便的
2)環(huán)境:場地越整潔、越干凈的菜場肯定更加吸引人
3)種類豐富:產(chǎn)品種類越豐富的菜場人往往更多
4)新鮮度:對于買菜而言,總是會(huì)去那些更加新鮮的菜場
5)價(jià)格:價(jià)格對于任何人而言都具有決定性因素
在傳統(tǒng)的菜場或者說線下門店而言,賣場屬性也有可以通過一個(gè)矩陣圖來呈現(xiàn):
線上渠道用的指標(biāo)基本和線下的類似,區(qū)別就是,用戶登錄場景、登錄頻次、登錄后的訪問路徑等代替了線下門店的地理位置。
所以線上渠道要分析的內(nèi)容可是要比線下門店多的多。
但是區(qū)別于服裝、零食、玩具等快消品,對于生鮮領(lǐng)域,線上渠道的體驗(yàn)反而比線下差。所以對于生鮮領(lǐng)域,在線上渠道上最大的優(yōu)勢就是用戶不能出門的情況下,比如下雨天,比如年初的疫情以及上班族在下班后沒有時(shí)間去菜場買東西等。
所以分析到這就會(huì)發(fā)現(xiàn),對于生鮮領(lǐng)域而言,賣場屬性單獨(dú)來講似乎意義不大,而更大意義的內(nèi)容在其中人的因素上。比如有些用戶會(huì)貪圖線上購買更加便宜?有些用戶對于線上買菜是剛需。等等,所以我們引申出第三個(gè)問題:人的問題。
在講用戶屬性前,我們要先明白,傳統(tǒng)意義上的人貨場中的人,是指賣場的售貨員,而并非是消費(fèi)者。但是在互聯(lián)網(wǎng)中,尤其是APP對用戶,是沒有銷售這個(gè)概念的。分析人的問題,其實(shí)就是分析用戶屬性。
用戶!每每講到這個(gè)詞,很多人第一時(shí)間都會(huì)聯(lián)想到:性別、年齡、地域等等問題,但這里面有個(gè)問題,對于大數(shù)據(jù)而言,你的公司確定可以采集到那么多精準(zhǔn)用戶的信息?畢竟不是任何一家公司都是BAT。而且就算你利用第三方平臺(tái),查到自己的用戶信息,有了一定的數(shù)據(jù),你確定你會(huì)用?換句話說,你查到你的用戶男女比例42%:58%,你能告訴我,就靠這一條,你能有個(gè)啥用?
所以對于用戶屬性分析,最好是基于互動(dòng)、消費(fèi)行為為標(biāo)簽的,更好用。比如生鮮電商領(lǐng)域,有多少客戶是你通過注冊送30元米油優(yōu)惠券、首單免配送費(fèi)、消費(fèi)滿額送車?yán)遄拥然顒?dòng)搞進(jìn)來的。這類用戶可以貼上一個(gè)標(biāo)簽,促銷敏感性用戶。同樣的,我們還能通過各種數(shù)據(jù)和活動(dòng),來為用戶打上不同的標(biāo)簽,例如:剛性購買用戶、異常天氣購買用戶、疫區(qū)用戶等等,標(biāo)簽并不是固定不變的,還是需要根據(jù)實(shí)際情況,比如如下圖:
這些有關(guān)產(chǎn)品的知識(shí),統(tǒng)稱為:貨物屬性。而通常會(huì)影響用戶購買的行為包括:
購買頻率:比如米有面這類的購買頻率較低,而新鮮水果類的頻頻高;
產(chǎn)品價(jià)格:單品價(jià)格貴的就賣的少,便宜的就會(huì)批量買;
購買渠道:如果有物流配送,大硬件通貨(例如米油面)在線上購買會(huì)更省事,而像水果這類散件就會(huì)在線下買,還可以自己挑選。
這些可以就是所謂的貨物屬性。消費(fèi)者在購買過程中,都會(huì)因?yàn)檫@些屬性而產(chǎn)生不同的購買行為,且這類行為基本上保持長期穩(wěn)定。例如你不能指望消費(fèi)者今天剛買了10斤大米,明天再來買10斤大米。
這類生鮮產(chǎn)品的復(fù)購思路,其核心就是產(chǎn)品購買頻次和產(chǎn)品本身屬性關(guān)聯(lián)。舉個(gè)例子:一個(gè)消費(fèi)者購買了凍雞翅、竹簽,那么他很大程度上會(huì)購買丸子、燒
當(dāng)我們理解完人、貨、場這三個(gè)屬性后,我們就需要結(jié)合這三者來思考整體的問題了。還記得文章開頭提出的問題么?如何提高生鮮電商的復(fù)購率?!
我們先來做幾個(gè)假設(shè),從“人”的角度:
1、地推質(zhì)量不好,用戶本身沒有需求;
2、用戶有需求,但是薅羊毛的太多,剛性需求少;
3、剛需用戶有,但是數(shù)量較少,且產(chǎn)品不符合用戶需求;
從“貨”的角度:
1、商品本身品類太少;
2、商品品類足夠,但是缺少爆款,無法強(qiáng)勢引流;
3、有爆款引流款,但是其他整體商品價(jià)格沒優(yōu)勢。
從“場”的角度:
1、用戶尚未建立使用習(xí)慣,二次登錄用戶較少;
2、用戶有多次登錄的習(xí)慣,但是比較少進(jìn)入購買頁;
3、用戶有進(jìn)到購買頁,但是最終下單較少。
從“人貨場”三個(gè)角度提出各自的假設(shè)后,我們可以通過兩個(gè)維度來建立整體的思路。
第一:從數(shù)據(jù)出發(fā),哪個(gè)問題最嚴(yán)重,就從哪個(gè)先下手解決。
第二:從業(yè)務(wù)出發(fā),最近發(fā)生了什么重要的事件,比如疫情等,就從這個(gè)事件來著手。
最后,我們把不同維度的分析綜合起來,整體來分析,先從粗到細(xì):
人貨場模型之所以從傳統(tǒng)行業(yè)到互聯(lián)網(wǎng),再到現(xiàn)在的直播電商依然有效。是因?yàn)檫@三者跟用戶都有著最為直接的關(guān)系。而且產(chǎn)品屬性、賣場屬性和用戶屬性多少都可以通過數(shù)據(jù)等進(jìn)行一定的分析、歸納,是一種有規(guī)律可循的模式。
因此對于分析人貨場模型,可以作為整體商業(yè)模式分析的基礎(chǔ),一方面對業(yè)務(wù)有更加清晰的認(rèn)知,另一方面也能讓其他更加復(fù)雜的分析模型有了最基本的線索和依據(jù)。
在互聯(lián)網(wǎng)思維中,有一種叫做免費(fèi)思維的。就是前期免費(fèi)后期收費(fèi),運(yùn)用到實(shí)際場景中就是發(fā)券。很多運(yùn)營小白,在解決某個(gè)實(shí)際問題時(shí),每當(dāng)找不到方案時(shí),往往選擇發(fā)放優(yōu)惠券,認(rèn)為一劵抵萬難。而對于很多做數(shù)據(jù)分析的新人,只知道RFM,做數(shù)據(jù)模型時(shí)又只知道協(xié)同過濾。其實(shí)以上問題,歸根結(jié)底就是沒有足夠的經(jīng)驗(yàn),其實(shí)做互聯(lián)網(wǎng)運(yùn)營的人,不能脫離現(xiàn)實(shí),很多經(jīng)驗(yàn)其實(shí)未必要從網(wǎng)上或者實(shí)操中來,例如做生鮮電商的,根本不需要那么多的高大上的數(shù)據(jù)模型、也不需要天天發(fā)放什么優(yōu)惠券,你親自去一趟菜市場,跟那些大爺大媽聊一頓,可能就能解決你的所有問題了。
請到「后臺(tái)-用戶-個(gè)人資料」中填寫個(gè)人說明。
聲明:本網(wǎng)站尊重并保護(hù)知識(shí)產(chǎn)權(quán),根據(jù)《信息網(wǎng)絡(luò)傳播權(quán)保護(hù)條例》,如果我們轉(zhuǎn)載的作品侵犯了您的權(quán)利,請?jiān)谝粋€(gè)月內(nèi)通知我們,我們會(huì)及時(shí)刪除。
Copyright ? 2016 學(xué)習(xí)鳥. 頁面生成時(shí)間:0.525秒