Il carnevale dello shopping "Double Eleven" annuale del festival di primavera degli acquirenti, quanti ordini hai effettuato?
Anche se l'editore non ha comprato molto quest'anno, può essere considerato un contributo a "Double Eleven"!
Double Eleven è la stagione annuale di promozione delle vendite per la vendita al dettaglio di e-commerce. Tutte le aziende e i marchi di e-commerce si stanno attrezzando per ottenere la massima potenza di fuoco. I marchi che vogliono vincere la battaglia dell'e-commerce sono indispensabili per le intuizioni dei consumatori. , Più approfondito è il marchio comprensione del comportamento di acquisto dei consumatori, tanto più efficace sarà aiutare le aziende a svolgere attività di marketing in maniera più mirata.
Questo articolo analizza diversi fattori chiave dell'e-commerce attraverso l'analisi dei dati, spiega quali possibili fattori influenzano le vendite e aiuta il commercio al dettaglio di e-commerce a trovare approfondimenti per aumentare le vendite.
Oggi usiamo la letteratura Sakar, CO, Polat, SO, Katircioglu, M. et al. Dati di esempio pubblici in Neural Comput & Applic (2018), combinati con il software JMP per eseguire alcune interessanti analisi esplorative dei dati sul comportamento di acquisto degli utenti dello shopping online.
Passo 1 Acquisizione di informazioni
Fonte originale
Le informazioni originali possono essere ottenute tramite URL Scarica i dati originali in formato csv e aprili tramite JMP; puoi anche utilizzare direttamente la funzione di lettura delle pagine web di JMP per ottenere direttamente i dati lato web.
(Operazione JMP: file -> apri da internet -> pagina web)
Introduzione alle informazioni di base
Il set di dati contiene 12.330 comportamenti di acquisto degli utenti che effettuano acquisti online sul sito entro un anno, nonché i corrispondenti 17 record di comportamento degli utenti e i risultati finali delle transazioni. Tra questi, 17 record di comportamento includono 10 caratteristiche numeriche e 7 caratteristiche di sottotipo.
- Informazioni di base
Pagine web di gestione, tempo di permanenza della gestione, pagine web di informazioni, tempo di permanenza delle informazioni, pagine web di prodotto, tempo di permanenza del prodotto, indicano il numero di utenti aperti su diversi tipi di pagine web e il tempo di permanenza totale.
- Frequenza di rimbalzo
La frequenza di rimbalzo indica la percentuale di utenti che accedono a una pagina del sito Web da un determinato percorso e lasciano il sito Web senza fare nulla.Può essere utilizzata come metrica per misurare l'intero sito Web o come metrica per misurare la pagina.
- Tasso di uscita
Il tasso di uscita rappresenta la percentuale di tutte le visite a questa pagina che lasciano il sito Web da questa pagina per una determinata pagina ed è generalmente utilizzato come misura della pagina;
- Valore pagina
Il valore della pagina rappresenta il valore medio delle pagine web che gli utenti hanno visitato prima di completare la transazione;
- Giorno speciale
Giorno speciale, che indica l'intervallo tra il tempo di accesso al sito Web e il giorno speciale specifico;
- Altro
Include anche il sistema operativo, il browser, l'area, il tipo di traffico, il tipo di visitatore utilizzato dall'utente, se si tratta di un fine settimana e il mese dell'anno.
Passo 2 Analisi esplorativa visiva
La frequenza di rimbalzo è correlata al successo del marketing online
I clienti visualizzano solo una singola pagina e poi escono, rendendo difficile per i marchi avere la possibilità di convincere i consumatori ad acquistare un prodotto.Dopotutto, esplorano solo una pagina. Diamo un'occhiata alla frequenza di rimbalzo di seguito.
(Operazione JMP: Analisi -> Distribuzione)
Si può vedere dalla figura che il 90% dei clienti ha una frequenza di rimbalzo inferiore al 6% e la frequenza di rimbalzo media di tutti gli utenti è solo del 2%.È perfetto? Per favore, non essere ansioso e felice. Potrebbe essere impreciso o potrebbe esserci un problema tecnico con il modo in cui il codice di monitoraggio analitico del sito Web è integrato nel sito Web.
Perché in base all'esperienza passata, la frequenza di rimbalzo "normale" è compresa tra il 40% e il 60%, inferiore al 40% è molto raro e superiore al 70% è preoccupante e richiede un'azione rapida.
L'attuale frequenza di rimbalzo è oltre l'intervallo previsto e sembra "incredibilmente buona", il che dovrebbe essere causato da codice di analisi ripetuto da qualche parte nel sito web.
Esplorazione multipla delle caratteristiche numeriche degli utenti
Quando si esegue l'analisi del comportamento di acquisto, le caratteristiche numeriche dell'utente possono avere molte dimensioni.Con l'aiuto del metodo multi-analisi di JMP, è possibile scoprire rapidamente la relazione tra ciascuna dimensione ed è possibile ottenere operazioni di riduzione della dimensionalità per ridurre il rischio di successive monitoraggio delle funzionalità Le risorse necessarie vengono sprecate.
(Operazione JMP: analisi -> metodi multipli -> multipli)
Sulla base dei dati attuali, il numero di utenti aperti su diversi tipi di pagine web è correlato positivamente con il tempo di permanenza, il che è ben comprensibile. Anche la frequenza di rimbalzo e la frequenza di uscita sono ovviamente correlate positivamente a causa delle formule di calcolo simili, inoltre non risultano correlate caratteristiche numeriche evidenti.
L'impatto del modo in cui gli utenti vanno online sulle vendite
Attraverso i risultati statistici del test chi-quadrato nella figura sottostante, possiamo catturare la relazione tra il completamento o meno della transazione e il sistema operativo del cliente, il tipo di browser e il tipo di traffico.
( JMP Operazione: Analisi -> prendi X Fit Sì )
Per quanto riguarda il sistema operativo, diversi sistemi operativi hanno diverse proporzioni di utenti che completano le transazioni.
Dal grafico si può anche vedere che il sistema operativo è leggermente più alto quando il sistema operativo è "2", mentre "1" e "3" sono più bassi. Ciò potrebbe significare che la pagina del sito Web non è abbastanza amichevole per supportare queste operazioni Se si desidera migliorare questa parte Conversione delle entrate, è necessario apportare miglioramenti corrispondenti. Allo stesso modo, per i tipi di browser e i tipi di traffico, abbiamo anche visto il loro impatto statistico sulla percentuale di utenti che completano le transazioni, indicando che il sito Web ha margini di miglioramento anche in questo senso.
Nuovi e vecchi clienti e giorni lavorativi / Impatto dei fine settimana sulle vendite
Con l'aiuto del metodo di test chi-quadrato nella sezione 2.3, possiamo anche scoprire rapidamente alcuni nuovi e vecchi clienti e la regolarità delle vendite nei giorni feriali/fine settimana, ma qui proviamo un altro metodo di riepilogo della scheda tecnica.
(operazione JMP: analisi -> ricerca sui consumatori -> classificazione)
Combinando i grafici e le informazioni di cui sopra, puoi vedere chiaramente: I vecchi clienti sono la forza principale delle visite al sito web , Indicando che il sito web sta facendo un buon lavoro nella fidelizzazione dei clienti; ma vediamo anche che sia nei giorni feriali (13,2% contro 26,1%) che nei fine settimana (16,5% contro 21,9%), la percentuale di nuovi clienti che completano le transazioni è superiore Per i vecchi clienti, questo dimostra che il sito Web può apportare alcuni miglioramenti al tasso di conversione dei vecchi clienti.
Ad esempio, i vecchi clienti possono usufruire di sconti maggiori introducendo nuovi clienti quando acquistano beni, il che non solo mobilita l'entusiasmo dei vecchi clienti per l'acquisto, ma aggiunge anche più nuovi clienti al sito web.
Visualizzazione centralizzata di vari risultati di analisi
Se si desidera visualizzare centralmente vari grafici di analisi sotto forma di report, è possibile utilizzare la funzione di script di JMP per realizzare l'aggiornamento in tempo reale dei dati di collegamento del report con un clic, risparmiando molte operazioni manuali ripetitive.
(Operazione JMP: File -> Nuovo -> Applicazione)
Quanto sopra sono i risultati di alcune analisi esplorative dei dati. Di seguito, proviamo ulteriormente a utilizzare il metodo di acquisizione dei dati per stabilire un modello statistico quantitativo per le principali caratteristiche degli utenti e dei risultati delle transazioni sopra menzionati.
Passaggio 3 Modellazione predittiva dei dati
Attraverso l'albero decisionale, filtra le caratteristiche chiave che influenzano le vendite
L'albero decisionale è un metodo di apprendimento supervisionato. Può riassumere le regole decisionali da una serie di dati con caratteristiche ed etichette e presentare queste regole in una struttura ad albero. I risultati sono facili da interpretare e ha un'ampia gamma di applicazioni in vari settori e campi. .
(Operazione JMP: Analisi -> Modellazione predittiva -> Segmentazione)
Dalla figura possiamo osservare le varie fasi dell'albero decisionale, dall'alto verso il basso mostrando le caratteristiche più importanti che influenzano i risultati della transazione.
Il più importante di questi è il valore della pagina Web. Le percentuali di transazioni con un valore della pagina Web inferiore a 0,067 e superiore a 0,067 sono rispettivamente del 3,85% e del 56,4%, il divario è evidente. Successivamente vengono elencati anche alcuni parametri caratteristici più importanti, come la frequenza di rimbalzo, il mese e le pagine relative al prodotto. Queste informazioni sono tutti fattori importanti che guidano i risultati delle transazioni. Ora possono essere rapidamente selezionati e visualizzati, in modo che i marchi possano avere un focus più chiaro di miglioramento e ottimizzazione.
Scegli il meglio tra i migliori, prova più metodi di raccolta dati
Oltre agli alberi decisionali, JMP fornisce anche una varietà di metodi di acquisizione dati come reti neurali, foreste casuali, alberi potenziati e macchine vettoriali di supporto e può facilmente confrontare algoritmi di modello per ottenere il meglio tra i migliori.
Attraverso il nuovo screening del modello di JMP Pro 16 per confrontare più metodi di acquisizione dati contemporaneamente.Prima di ciò, per evitare che il modello costruito si sovrapponga, puoi prima seguire il rapporto 6:2:2 del set di addestramento, set di prova e set di verifica. Dividi i dati originali per generare una colonna di verifica.
(Operazione JMP: Analisi -> Modellazione predittiva -> Genera colonne di verifica)
Come mostrato nella figura seguente, una volta immessi i parametri delle funzionalità e i risultati delle transazioni, la piattaforma costruirà più modelli di algoritmi contemporaneamente e selezionerà automaticamente il miglior metodo di modellazione corrente come foresta casuale. il futuro La capacità di previsione dei nuovi dati R-quadrato ha raggiunto 0,6 e l'accuratezza della previsione ha raggiunto il 90,7%.
Un modello predittivo accurato può mostrare che il marchio comprende i possibili risultati della transazione di ciascun utente il prima possibile, in particolare prevedendo il fallimento della transazione, e risponde e rimedi in anticipo, come sconti, come la comparsa dell'interfaccia di conservazione prima del cliente esce dalla pagina.
(Operazione JMP: Analisi -> Modellazione predittiva -> Screening del modello)
Che ne dici? Dopo aver letto l'analisi di oggi, ti rende più fiducioso nella "guerra dell'e-commerce"?
Per i marchi, fornire consigli personalizzati su prodotti, servizi e prodotti e fare marketing one-to-one per le esigenze individuali è un enorme vantaggio del marketing online rispetto al marketing tradizionale.
In combinazione con il software di analisi dei dati JMP, puoi aiutare le aziende a progettare pagine di raccolta di prodotti e attività promozionali che soddisfano meglio le esigenze dei gruppi di clienti target attraverso un'analisi approfondita del comportamento di consumo degli utenti dello shopping online e rispondere prontamente ai potenziali problemi rilevati. portando così maggiori benefici all'impresa.
>> Scarica JMP 16 ora e goditi una prova gratuita di 30 giorni <<
