“人貨場”模型搞懂沒?數據分析大部分場景都能用!

2 評論 9373 瀏覽 36 收藏 11 分鐘

編輯導讀:做數據分析的同學,可能很多都聽過人、貨、場分析模型。但是大多數人只是知道這個模型,對其具體應用卻不了解。本文作者結合實際分析,對此進行了系統的講解,與大家分享,希望通過此文能夠加深你對“人貨場”模型的認識。

問題場景:

某生鮮電商,用戶復購率較低,60%的用戶在30天內無二次購買行為,運營領導非常著急,要求通過數據分析提升復購率,請問你作為數據分析師該怎么做?

  1. 建立人工智能精準推薦算法(40%概率用協同過濾,60%用關聯分析)
  2. 把過往6個月月初復購率做成折線圖,然后寫下蒼勁有力的三個大字:“要搞高!”
  3. 分析個啥,做電商不就是派券嗎!所有無復購用戶派券,干就完了奧力給!

還是你有其他辦法?

一、貨物屬性分析

先問一個簡單問題:大米、白面、一桶油和草莓、車厘子、山竹有什么區別?即使你沒買過菜也知道:米面油是每天都得吃的東西,沒啥季節性;草莓、車厘子、山竹不會每天吃,季節性很強。如果去菜市場或者超市逛一下又會知道:米面油一般是整包、整桶買,買回去一桶能吃很久,還有專門的米桶、米盒、油壺用來分裝。草莓山竹一般拆散零售,而且不耐放,買回去不吃過幾天就壞了。

這些看似家常便飯的產品知識,統稱為:貨物屬性。貨物屬性會直接影響到消費者購買行為:

  • 購買頻率:新鮮蔬菜水果購買頻率高,米面油購買頻率低
  • 上市季節:新鮮蔬菜水果有當季產品,反季節的賣的貴也不好吃,米面油沒啥季節性
  • 產品價格:單品價格貴的就賣的少,趁便宜買,零散買,便宜的就批量買
  • 購買渠道:如果有物流配送,大件硬通貨(米面油)在線上買更省事,散件的就線下買,最好能現場試吃幾個避免踩雷

這些貨物屬性是常識,是自然規律,不會因為數據指標的計算方式而改變。因此在生鮮產品中,用戶行為會直接受到過往購買產品的影響——你不能太指望一個用戶剛買10斤大米,過兩天又來買10斤?;蛘哒f,如果真的有用戶反反復復的來買大米,那你得檢查下自己提供的大米是不是比市場價便宜很多,有人在薅羊毛薅的情況呢。

有一個簡單的矩陣模型可以描述生鮮產品的復購思路,核心是產品購買頻率和產品關聯度。購買頻率上文有解釋,產品關聯度指的是某些產品天生會一塊買。特別在生鮮領域,比如買了凍雞翅、竹簽,很有可能會買木炭、丸子、燒烤汁,因此兩維度交叉既有如下矩陣(如下圖)

但注意,只從貨物屬性一個角度來看,是很不完整的。買菜的渠道多的很,憑啥用戶非得在app里戳來戳去。菜市場不香嗎?APP/微商城的吸引力又在哪里呢?這就涉及:場的問題.

二、賣場屬性分析

快速問一個問題:你今天中午準備吃啥?不要思考,馬上回答!

十個同學有十個答不上來,對不對。實際上讓你對著餓了嗎你都得糾結十幾二十分鐘,更不要說提前預備了。

買菜也是同理,為啥老人家喜歡逛菜市,一個很重要的原因就是做飯本沒啥目的性,現場看著啥順眼買點啥,二來可以貨比三家挑挑新鮮便宜的。菜市場,包括超市的生鮮區給人的視覺沖擊是遠遠強過電商的,這就是賣場屬性對復購行為帶來的影響。

賣場屬性,包含:

  • 便利性:距離越近、越方便的菜場肯定越吸引人
  • 整潔程度:越干凈的菜場肯定更吸引人
  • 產品豐富程度:菜品越豐富的菜場越吸引人
  • 產品新鮮度:菜品越新鮮水靈的越吸引人
  • 產品價格:因為鋪租、人工不同,有的賣場就是死貴死貴的

在傳統線下門店里,關于賣場位置也有個矩陣模型。(如下圖)

線上渠道用的指標和線下類似,區別是,用戶的登錄場景、登錄頻次、登錄后訪問內容,代替了門店位置遠近。線上渠道在內容和跳轉路徑上能做的分析,是遠多于線下的。

有意思的是,不同于服裝、零食、玩具等快消品,在生鮮領域,線上渠道的體驗反而比線下差。因此線上生鮮優勢體現在:不能出門的場景上。比如下雨天,比如疫情期間交通管控,比如上下班沒時間逛菜市場等等等。

然而這就又引發第三個問題:有些用戶可能就是單純圖便宜,有些用戶真的有線上購買的剛需。因此必須考慮人的因素。

三、用戶屬性分析

注意,傳統行業講人貨場,人指的是售貨員,不是消費者。所謂人效指的是業務員平均產生的經濟效益。但是互聯網應用是APP對用戶,沒有銷售概念,因此才把售貨員改成用戶,所謂人的分析,變成用戶屬性分析。

一提用戶屬性,很多同學條件反射的都是:性別、年齡、地域。問題是你的公司真的能采集到這么多真實的用戶信息?而且這些字段不見得能看出啥,最典型的就是性別,男女比例差異常常只有幾個點,能說明個屁問題。

基于互動、消費行為標簽會更好用,比如生鮮電商的領域,有多少客戶是注冊送20元米面油券,首單免配送費,進口車厘子25元4斤這種活動搞進來的。這叫促銷敏感型用戶。類似的,還可以打:剛性購買用戶、異常天氣購買用戶、疫區用戶等等標簽,這些可能區分度更高(如下圖)

四、人貨場模型搭建

有了三個維度的基礎理解,就能用來綜合解釋問題?;氐介_頭的“生鮮電商復購率低”的問題??梢韵葟娜素泩鼋嵌冉⒎治黾僭O:

人角度:

  • 地推質量太差,用戶本身沒有需求
  • 用戶有需求,但是薅羊毛型太多,剛需性少
  • 剛需用戶有一定量,但產品不符合用戶需求

貨角度:

  • 商品本身品類太少
  • 品類不少,但沒有強勢引流款
  • 有引流款,但價格沒優勢

場角度:

  • 用戶習慣未建立,二次登陸都很少
  • 二次登陸有,但沒有進到購買頁
  • 進到購買頁,但未下單

各自建立假設后,有兩種方法建立整體思路:

第一,從數據出發,哪個問題嚴重就從哪里下手

第二,從業務出發,最近發生哪些大事,從哪里下手

如下圖:

最后可以把各個分析維度擰起來,組成整體分析邏輯,從粗到細形成結論,如下圖:

五、小結

人貨場三個維度之所以經常用,是因為這三者與用戶行為有直接關系,并且商品屬性、賣場屬性、用戶習慣都有一些天生的規律可循。因此很適合作為分析的基礎,做深做細。一方面能對業務有更清晰的認知;另一方面,想建立更復雜的模型也有線索了。

然而現在行業里普遍存在的問題,是做業務的新人就知道發券,難言之隱一券了之,還美其名曰:互聯網思維就是免費!做數據的新人就知道RFM,關聯分析,一講模型就想協同過濾,拜托小哥哥們,就你那平臺用戶粘性,百分之六七十一次登錄,用戶天生就是優惠券買來的,有多少真實數據給你訓練模型呢。就像生鮮電商行業,真去幾趟菜場,和買菜主力人群:大爺大媽、家庭主婦聊聊,會比每天和吃餓了嗎的同事討論AARRR有用的多,可以一試哦。

有同學會問,有沒有復購率的更普遍分析場景,如果感興趣的話,關注接地氣的陳老師,下一篇我們分享復購率在醫美行業應用哦,敬請期待。

#專欄作家#

接地氣的陳老師,微信公眾號:接地氣學堂,人人都是產品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議

給作者打賞,鼓勵TA抓緊創作!
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 很棒?。?!

    回復
  2. 寫的好!

    回復