電子商務網(wǎng)站用戶行為及網(wǎng)絡營銷優(yōu)化

1、電子商務網(wǎng)站用戶行為及網(wǎng)絡營銷優(yōu)化用戶行為分析的一般方法1.1漏斗模型漏斗模型把用戶行為流程抽象為一個過程，具體分析訪問網(wǎng)站、注冊登錄、搜索瀏覽商品、加入購物車、完成付款、復購一系列環(huán)節(jié)中的流失和轉(zhuǎn)化，相鄰環(huán)節(jié)轉(zhuǎn)化率的量化分析有利于網(wǎng)站找到薄弱環(huán)節(jié)，將瀏覽者轉(zhuǎn)變?yōu)樽杂脩?。用戶畫像用戶畫像是網(wǎng)站根據(jù)業(yè)務需要統(tǒng)計整合多維度用戶信息，既可聚類目標用戶的群體特性，又可標簽化用戶信息勾勒出個體的用戶畫像，從而快速精準定位用戶需求，推斷消費者的基本情況、喜好偏向、購物需求等主要商業(yè)信息。點擊分析模型點擊分析采取可視化的分析架構，直觀地反映網(wǎng)站頁面吸引訪客的區(qū)域、瀏覽者熱衷的板塊，幫助前端和后端的設計人員

2、完善網(wǎng)頁的設計。行為事件分析將用戶行為定義為各種事件，其要素的人物(who)、時間(when)、地點(where)、交互(how)、內(nèi)容(what)聚合在一起構成用戶行為事件。點擊分析采取可視化的分析架構，直觀地反映網(wǎng)站頁面吸引訪客的區(qū)域、瀏覽者熱衷的板塊，幫助前端和后端的設計人員完善網(wǎng)頁的設計。1.5行為事件分析將用戶行為定義為各種事件，其要素的人物(who)、時間(when)、地點(where)、交互(how)、內(nèi)容(what)聚合在一起構成用戶行為事件。Who：即參與事件的主體，未登陸用戶可以是Cookie、設備ID等匿名ID；登錄用戶可以是用后臺配置的實際用戶ID。When：即事件發(fā)生

3、的實際時間，應該記錄精確到毫秒的事件發(fā)生時間。Where：即事件發(fā)生的地點，可以通過IP來解析用戶所在地理位置；How：即用戶從事這個事件的方式。用戶使用的設備、瀏覽器、APP版本、渠道等等。What：描述用戶所做的這個事件的所有具體內(nèi)容。行為事件指一個用戶在某個時間點、某個地方以某種方式完成了某個具體內(nèi)容。電子商務網(wǎng)站營銷中的問題2.1轉(zhuǎn)化率較低網(wǎng)站通過漏斗模型的分析可以分析用戶行為每一環(huán)節(jié)的轉(zhuǎn)化率和流失率，量化用戶行為每一環(huán)節(jié)的留存數(shù)，在流失較多的環(huán)節(jié)上展開更細致的多維度分析。例如以某母嬰網(wǎng)站剛開始的訪問人數(shù)為基數(shù)，經(jīng)歷了注冊登錄、搜索瀏覽、到加購和完成購買的過程中用戶不斷減少，最后復購的

4、顧客中只有當初訪問人數(shù)的2%，顯示用戶轉(zhuǎn)化率非常低。從營銷渠道看，頭條信息流、微信朋友圈信息投放、微博信息投放、公眾號信息投放也存在著同樣的問題，雖然能吸引較大的點擊量，但是每一環(huán)節(jié)的轉(zhuǎn)化率都很低。網(wǎng)站自運營的宣傳渠道訪問量雖然很少，但成交率和復購率都遠高于付費渠道。2.3網(wǎng)站推送不精準在用戶需求和市場發(fā)展中產(chǎn)品不斷更新?lián)Q代，當產(chǎn)品規(guī)劃、用戶體驗感受、活動策劃等發(fā)生變化時，網(wǎng)站卻還是在有限的版面上推送產(chǎn)品，不僅對用戶造成了騷擾，還浪費了網(wǎng)站的推送成本。網(wǎng)站沒有對用戶的動態(tài)信息從時間先后上進行分析，容易導致購后重復推送的問題。例如用戶已經(jīng)在某電器類網(wǎng)站購買了冰箱，網(wǎng)站還是在這個已經(jīng)購買的時間點后

5、出現(xiàn)了冰箱的推送，這樣的推送顯然是沒有意義的，因為冰箱是一個更新?lián)Q代很漫長的產(chǎn)品，一旦用戶已經(jīng)購買過，近期產(chǎn)生購買行為的可能性不大。網(wǎng)絡營銷的優(yōu)化措施高效地收集、存儲后利用這些用戶行為數(shù)據(jù)，從中挖掘用戶行為模式和用戶潛在需求，進而優(yōu)化設計網(wǎng)絡營銷方案，對網(wǎng)站和用戶來說都有重要意義。3.1優(yōu)化購物流程，提升轉(zhuǎn)化率網(wǎng)站可以通過用戶的整體行為路徑分析不同環(huán)節(jié)行為之間的關系，發(fā)現(xiàn)規(guī)律突破瓶頸，確定影響轉(zhuǎn)化的主次因素，并根據(jù)每個環(huán)節(jié)的轉(zhuǎn)化率，加大對優(yōu)勢環(huán)節(jié)的人力物力投入，減少劣勢環(huán)節(jié)的成本投入，確保有效利用網(wǎng)站資源。通過漏斗可以分析用戶行為路徑在每一環(huán)節(jié)的轉(zhuǎn)化和流失，對流失較多環(huán)節(jié)進行細化多維度分析，找

6、出漏點提升轉(zhuǎn)化。（1）定義轉(zhuǎn)化漏斗：首先找到需要分析的業(yè)務流程，量化它的所有數(shù)據(jù)，整個選購和回購的過程抽象成一個漏斗，分別分為進入網(wǎng)站到注冊登錄、搜索瀏覽網(wǎng)頁商品、加入購物車、完成付款、復購等環(huán)節(jié)。（2）漏斗對比分析：查看用戶行為在漏斗每一環(huán)節(jié)的變化，對比分析事件、用戶屬性、時間粒度，找出漏點事件，解決漏點的問題。例如某網(wǎng)站的漏點事件主要集中在注冊步驟中，這段漏斗的轉(zhuǎn)化率明顯偏低，要么注冊流程煩瑣，要么注冊的界面設計有問題，網(wǎng)站需要著重關注。優(yōu)化網(wǎng)頁結構，精準獲悉用戶需求網(wǎng)頁熱力圖呈現(xiàn)用戶喜愛點擊的模塊或聚焦的內(nèi)容，是數(shù)據(jù)價值最上層表現(xiàn)。超大字的點擊熱度大于圖片，圖片模塊屬于下層表現(xiàn)，網(wǎng)站如果

7、過度關注圖片的作用，網(wǎng)頁排版會造成體驗不佳。根據(jù)用戶行為分析的結果，安排具有價值的上層表現(xiàn)在排版上凸顯位置，例如把它放在用戶能一眼看到的地方，醒目且方便點擊。在具體操作中可以利用點擊模型分析法把網(wǎng)頁規(guī)劃成不同的模塊，形成一個平面圖。網(wǎng)站單頁面的點擊分析支持篩選事件屬性、用戶屬性的任意維度，頁面組的點擊支持站內(nèi)點擊跳轉(zhuǎn)分析，自動延續(xù)上前一頁面的篩選條件，“點擊分析”與其他分析方法配合，精準評估用戶與網(wǎng)站交互背后的關聯(lián)關系，有利于網(wǎng)站運營人員獲悉到用戶的需求。升級個性化體驗，提高用戶黏性感知價值是用戶的一種主觀感受，在體驗或者已經(jīng)購買過的行為中所獲取的感受，主要是利得還是利失，如果用戶感覺到利得是

8、對該品牌最好的體驗結果，可以繼續(xù)對該品牌產(chǎn)生好感而繼續(xù)購買。蘿卜青菜各有所愛，用戶也是一樣，不是每一個人的審美和選擇都是一樣的，讓用戶持久地留下來，要根據(jù)每個用戶的點擊分析，了解每個用戶所感興趣的因素。在每一次瀏覽的時候所能看到的都是自己喜歡的內(nèi)容，帶來良好的體驗，在網(wǎng)頁的排版是，在顯眼的位置放上每個用戶所喜歡的內(nèi)容，不僅吸引顧客繼續(xù)留存網(wǎng)站，還能給客戶帶來良性體驗。用戶的轉(zhuǎn)化成本，包括心理成本、時間成本和學習成本。如果產(chǎn)品性能或服務的可替代性高，則客戶重復購買的概率就小。大幅度拉升用戶轉(zhuǎn)化成本可以有利于用戶黏性的提高。依賴感也是黏性中較為重要的因素，用戶對品牌產(chǎn)生了依賴感，品牌就是不可替代的

9、，是購物的不二選擇，這類因素帶來的用戶黏性較高。當用戶需要耗費更多的精力了解和轉(zhuǎn)戰(zhàn)其他網(wǎng)站，網(wǎng)站的轉(zhuǎn)化成本就會增加，而網(wǎng)站的一些功能在其他網(wǎng)站上都應有盡有，這樣用戶的選擇就非常多，而且轉(zhuǎn)化成本也比較低，所以網(wǎng)站需要自主開發(fā)一些新穎的功能或模塊，是站產(chǎn)生依賴心理，成為用戶的首選網(wǎng)站。構建詳細的用戶畫像，最優(yōu)時間推送劉飛（20XX年）闡述了現(xiàn)在廣告推送的現(xiàn)狀：推送無關的廣告，用戶產(chǎn)生厭倦并且逐漸對廣告產(chǎn)生了免疫”導致近年來CTRC點擊通過率）大幅下降。推送給用戶最有針對性和最有幫助的內(nèi)容是至關重要的。預測用戶消費心理，按用戶心理預期推送，吸引用戶消費，網(wǎng)站需要準確掌握用戶的靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)，掌握

10、用戶的消費屬性，例如經(jīng)濟情況、消費偏好、性別等，特別是與推薦商品相關聯(lián)的標簽，找到每一種商品的“專屬顧客”，讓商品“適合”用戶，這樣的一對一準確推送，不讓用戶覺得厭煩，反而覺得推送的有用處。第一步，建立用戶信息畫像。首先獲取用戶的基本信息，即靜態(tài)數(shù)據(jù)，建立信息畫像的原型。例如分析一對新婚夫婦的靜態(tài)數(shù)據(jù)，包括地域、收入、職業(yè)、收入、資產(chǎn)、消費水平等。獲取動態(tài)數(shù)據(jù)，包括用戶的瀏覽習慣、訪問時長、使用頻次、消費記錄、喜歡偏好、行為軌跡等。第二步，繪制行為畫像，使用戶需求越來越明朗。例如在分析用戶的行為時，觀察發(fā)現(xiàn)用戶幾天前通過移動端下單購買過一臺冰箱，訪問時段主要集中在睡前幾小時，瀏覽內(nèi)容主要是一些家電，在購買以后，并沒有再瀏覽冰箱相關產(chǎn)品。然后利用搜集到的數(shù)據(jù)勾勒出用戶畫像，找到數(shù)據(jù)中的極值。例如這個用戶的集中訪問時間為晚飯后到睡前，喜好偏向為家庭用品，收入較高，消費水平高等。根據(jù)用戶畫像的分析，可發(fā)現(xiàn)重復推送的問題，沒有根據(jù)用戶的實際需求正確推薦商品。第三步，在最優(yōu)時間推送獲取用戶的購買記錄，在更新率低的商品上，一旦顧客出現(xiàn)了購買行為就要停止向顧客推送。但是如衣帽鞋類這種同類比的商品可以相同類型的多推送激起用戶的購買欲望，一些消耗品的推送時，要根據(jù)上次購買的