13年开始,电商搞起愈来愈火的大促,京东的618,天猫的双11,到现在发展成全体网民的购物狂欢节。作为数据产品经理,自然也进行了成体系的业务分析,包括用户行为探查。
随着研究的深入,14年逐步摸索并总结出了这个理论——电商大象图理论,算是独创吧,分享出来,有兴趣的可以参考。
电商中用户行为,特别是用户浏览和购买行为,是具有鲜明的时点特征的,我用大象图来解析。
那么什么是大象图呢?
大家看一张图:
沿着大象鼻子、头、背部、尾巴这个顺序画下来,就会得到一条曲线,这条曲线就是大象图的理论来源。
那这和用户分析有什么关系呢?
大家看一下下面的图,第一张是2014年一个正常工作日的用户订单量曲线:
第二张是某年大促的全站用户PV曲线:
这一天内0-24点的用户行为曲线,是不是和的大象的轮廓曲线非常象?
对,这就是大象图的这个名字的由来。横轴是时间,而且是刚好0-24点,纵轴是常用的用户行为指标。
那怎么理解呢?
一张图说明:
以上是对于上班族的用户场景分析,当然可以针对不同的用户群做出不一样的场景案例,读者可以举一反三对照分析。
下图的竖线是切分线,把一头大象分成象鼻、象头、躯干、象尾四部分,下面逐一来分解这头大象吧。
象鼻对应时间0-8点,人们一般理解,0点到8点,都在睡觉,这些时间点不用重视。这可不一定哦,要知道有两类人恰恰是这个时间段最活跃,我叫他们为“夜猫子”和“早起鸟”。
夜猫子就像猫头鹰,越是夜深人静,越是出来活动,其实他们的活跃时间在前一天23点到第二天2点之间。由于象鼻是从0点开始看的,23~0点的用户行为可以在象尾部分去分析。
早起鸟,顾名思义,早起的鸟儿有虫吃。5点~8点,我知道北上广上班的,有的跨半座城,所以有人起的比较早。
早起鸟也可以分两个行为:
其实还有一类人,就是2点到5点之间,按正常逻辑,这个时间点都是睡觉时间,应该数据极小才对吧?
这要放在2015年前说还靠谱,2015年后,分析发现,数据变了。最大的变化是移动流量超过PC流量,用手机买买买成为主流,手机太方便啦!值夜班的,像护士、小区保安、24h营业店、还有夜店,以及咱们不方便说的工种,谁都有购物需求是不?
那好的象鼻子应该是什么形状呢,下面四种曲线哪个好呢?
留给看官思考吧,剧透:不是单选题,是场景对号入座题。
对于象鼻的分析,侧重分析其兴奋点,购物背景往往比较单一,他们的浏览偏好、购买行为、性别差异和白天是不一样的。
8~12点的用户行为特征很突出,PC流量占比快速上升,上班族发力了,他们才是网购的主力军。大家都知道,电商在10点是个爆点,营销活动也是这个时间点最关键,如果10点没爆,后面的时间,也很难拉起来,所以爆点一定要打出来。
其实这么说不严谨,要排除一种情况。大促往往0点开始,这个时间是特殊情况,流量和订单瞬间到达峰值,会比10点高很多。另外有的电商会憋单,积攒几天甚至十几天的订单,在0点一下释放出来,这个数据是人为操控的,我们要另行分析。
四年观察下来,10点确实是个很神奇的时间:
有兴趣的可以研究一下,为什么选10点作为营销发力点,而不是9点,不是10点半?这里不展开了。
躯干对应时间是12~18点之间,就是电商活动的下午场。
躯干的形态是很多的,一方面是受促销活动的影响,另一方面和用户群行为特征相关。如果排除营销活动导流的流量和订单,躯干图应该是比较平缓的。那出现以下图形是什么原因呢?
下午时间段,纯自然的用户行为就会形成单峰。如果下午场有一波促销活动,封顶会拉高。双峰,是有两波促销活动。那有没有三峰,或四峰呢?
根据这几年的观察,极少。
为什么?
做营销活动,目的就是引流+转化,而且期望吸引用户能花更多时间在网站上,这样营销的效果可以持续。这样一分析,一场活动得持续维持热度(faint,打热度,非得给我出reduce,输入法过于聪明也不是好事……),也就是说,躯干的峰顶越平缓越好,如果有两波促销,甚至两个封顶能叠加起来,形成单峰图,这样效果也是不错的。
所以在设计营销方案的时候,一方面是能持续吸引用户过来,另一方面希望用户访问深度不宜太浅,否则看一眼或者买完就走了,效果就会大打折扣。
那访问深度越深越好吗?
非也。其实在实体店,就有这样一种群体,就喜欢逛,但就是不花钱,有的是心情不好逛店散心的,有的是无聊,纯粹为了打发时间。电商也一样,如果就是从sku A跳到sku B,然后进搜索页,然后列表页,然后又是商详页,就是没有到购物车的这步,虽然访问深度很深,但是没有转化。所以好的营销活动,应该既能促进转化,又能交叉引流。
悬崖形的躯干图,经常见到。如果是抢购类活动,为了激发购物冲动,就得设置截止时间。一旦活动结束,流量突降,形成悬崖。有时候几场活动截止点都一样,悬崖就会更陡峭。
滑雪场形,往往是营销方案或者引流力度不够,无法拉升流量和下单,导致持续下降,直至回归自然状态。
其实下班前做一轮促销,效果也是不错的,不过要兼顾不同的用户群。上班族的用户特征也是有区别的,有的企业有稳定上下班时间,有的互联网企业半夜还灯火通明。
象尾重不重要?
再回顾一下完整的曲线图:
象尾对应的是沙发时间,还有夜猫子。
近几年占领客厅的声音可是不少,从数据上看,晚上下单量占比有逐渐增多的趋势。抢占客厅,主要目标还是抢占用户的时间,进而促进转化。不过目前通过电视下单的比例很小,主要还是手机端。
晚上10-12点,是夜猫子的天下,有个很有趣的现象,PV一般,但是转化率高,有兴趣的可以研究一下。难道是睡前来一单,胜过活神仙?
电商对用户有用户画像,有用户分群,对商品有商品品类,有品牌分析,其实大象图也有分群分析。
不同用户群、不同商品、不同营销类型,可以在大象图上有不同的反映,这时候就可以用象群分析。象群分析更侧重用户行为分析,比如群体用户行为,用户应激特征,行为时点差异性等。
可以做时间维度的同环比。同比,和去年同期比、环比,和昨天比,和上周比,和上月比等。
扩展开来,维度可以灵活选取,只要关联得上就能做出象群。
象群分析可以有无限想象的空间,只要切换维度,就可以分化出n多分析视角,例如:
大象图仅仅是个形象点的比喻, 更多的是抛出一个思维模式,在电商分析方面引出一些探讨点,尤其大数据从离线到实时的技术性变革中,大象图能发挥更多作用。一些更深度的应用和实操,就需要结合具体业务和需求去开展了。
作者:刘荣明คิดถึง 微信公众号:大数据产品Raman谈,持续更新中
题图来自 Pixabay,基于 CC0 协议
本文由威海网络公司半岛科技转载整理2018.08.10