Carnevale dello shopping “Double Eleven”, gala annuale del Festival di Primavera degli acquirenti, quanti ordini hai effettuato?
Anche se quest’anno l’editore non ha speso molto, può comunque essere considerato un contributo al “Double Eleven”!
Double Eleven è una stagione promozionale annuale per la vendita al dettaglio di e-commerce. Tutte le aziende e i marchi di e-commerce si stanno preparando e stanno dando il massimo. Se i marchi vogliono assumere un ruolo guida nella guerra dell'e-commerce, le informazioni sui consumatori sono essenziali. quanto più il marchio comprende il comportamento d'acquisto dei consumatori, tanto più efficacemente può aiutare le aziende a svolgere attività di marketing più mirate.
Questo articolo utilizza l'analisi dei dati per analizzare diversi fattori chiave dell'e-commerce, spiegare quali fattori possono influenzare le vendite e aiutare i rivenditori di e-commerce a trovare informazioni utili per aumentare le vendite.
Oggi utilizzeremo la letteratura Sakar, CO, Polat, SO, Katircioglu, M. et al. Un campione pubblico di dati provenienti da Neural Comput & Applic (2018), combinato con il software JMP, viene utilizzato per condurre alcune interessanti analisi esplorative dei dati sul comportamento di acquisto degli utenti dello shopping online.
Passo 1 Acquisizione dei dati
fonte originale
I dati originali possono essere ottenuti tramite URL Scarica i dati originali in formato csv e aprili tramite JMP; puoi anche utilizzare direttamente la funzione di lettura della pagina web di JMP per ottenere direttamente i dati della pagina web.
(Operazione JMP: File -> Apri da Internet -> Pagina Web)
Introduzione alle informazioni di base
Questo set di dati contiene il comportamento d'acquisto di 12.330 utenti che hanno effettuato acquisti online sul sito web in un anno, nonché i corrispondenti 17 record di comportamento degli utenti e i risultati finali delle transazioni. Esistono 17 record comportamentali, incluse 10 caratteristiche numeriche e 7 caratteristiche categoriali.
- Informazioni di base
Pagine web di gestione, tempo di permanenza gestione, pagine web di informazioni, tempo di permanenza informazioni, pagine web di prodotto, tempo di permanenza di prodotto, rappresentano il numero totale di utenti che aprono e tempo di permanenza su diverse tipologie di pagine web.
- Frequenza di rimbalzo
La frequenza di rimbalzo indica la percentuale di utenti che entrano in una pagina del sito Web da un percorso specifico senza fare nulla e abbandonano semplicemente il sito Web. Può essere utilizzato come misura dell'intero sito Web o come misura della pagina.
- tasso di uscita
Il tasso di uscita indica che, per una pagina specifica, la percentuale di persone che abbandonano il sito Web da questa pagina rappresenta tutte le visite a questa pagina. Viene generalmente utilizzato come misura della pagina;
- valore della pagina
Il valore della pagina rappresenta il numero medio di pagine visitate da un utente prima di completare una transazione;
- giorno speciale
I giorni speciali rappresentano l'intervallo tra il tempo di accesso al sito web e determinati giorni speciali;
- altro
Inoltre, include anche il sistema operativo, il browser, la regione, il tipo di traffico, il tipo di visitatore utilizzato dall'utente, se si tratta di un fine settimana e del mese dell'anno.
Passo 2 Analisi esplorativa visiva
Il livello della frequenza di rimbalzo è legato al successo del marketing online.
I clienti visualizzano solo una singola pagina e poi escono, rendendo difficile per i marchi convincere i consumatori ad acquistare prodotti poiché hanno visualizzato solo una pagina. Diamo un'occhiata a come appare la frequenza di rimbalzo di seguito.
(Operazione JMP: Analisi -> Distribuzione)
Come puoi vedere dall’immagine, il 90% dei clienti ha una frequenza di rimbalzo inferiore al 6%, mentre la frequenza di rimbalzo media di tutti gli utenti è solo del 2%.Non è perfetto? Per favore, non essere ancora troppo ansioso di essere 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%, sotto il 40% è molto raro, mentre sopra il 70% è preoccupante e richiede un'azione urgente.
Le frequenze di rimbalzo che sono attualmente al di fuori dell'intervallo previsto e sembrano "troppo belle per essere vere" sono probabilmente causate da codice di analisi duplicato da qualche parte nel sito.
Esplorazione multipla delle caratteristiche numeriche dell'utente
Quando si esegue l'analisi del comportamento di acquisto, le caratteristiche numeriche dell'utente possono avere molte dimensioni. Con l'aiuto del metodo di analisi multivariata di JMP, la relazione tra ciascuna dimensione può essere rapidamente scoperta ed è possibile implementare operazioni di riduzione della dimensionalità, che ridurranno il tempo e sforzo per il successivo monitoraggio delle caratteristiche Necessario spreco di risorse.
(Operazione JMP: Analisi -> Metodi multivariati -> Multivariato)
Sulla base dei dati attuali, esiste una correlazione positiva tra il numero di volte in cui un utente apre diversi tipi di pagine web e il tempo che rimane su di esse, questo è facile da capire. Anche il tasso di rimbalzo e il tasso di uscita hanno una correlazione positiva significativa a causa di formule di calcolo simili, inoltre non è stata trovata alcuna correlazione evidente con le caratteristiche numeriche.
L'impatto del modo in cui gli utenti accedono a Internet sulle vendite
Attraverso i risultati statistici del test chi-quadrato nella figura seguente, possiamo catturare la relazione tra il completamento di una transazione e il sistema operativo, il tipo di browser e il tipo di traffico del cliente.
( JMP Operazione: Analisi -> Prendi X FitY )
Per quanto riguarda i sistemi operativi, la percentuale di utenti che completano le transazioni è diversa a seconda del sistema operativo.
Dal grafico si può anche vedere che quando il sistema operativo è "2" è leggermente più in alto, mentre "1" e "3" sono nella parte inferiore, ciò potrebbe significare che la pagina del sito non è abbastanza amichevole da supportare questi sistemi operativi. Se si desidera migliorare questa parte di conversione delle entrate, è necessario apportare miglioramenti corrispondenti. Allo stesso modo, per il tipo di browser e il tipo di traffico, abbiamo anche osservato il loro impatto statistico sulla percentuale di utenti che completano le transazioni, indicando che anche il sito web ha margini di miglioramento a questo riguardo.
Nuovi e vecchi clienti e giorni lavorativi / Impatto dei fine settimana sulle vendite
Con l'aiuto del metodo di test del chi quadrato nella Parte 2.3, possiamo anche scoprire rapidamente i modelli di vendita di alcuni clienti nuovi e vecchi e dei giorni feriali/fine settimana, ma qui proviamo un altro metodo di riepilogo della tabella dati.
(Operazione JMP: Analisi->Ricerca sui consumatori->Classificazione)
Combinando i grafici e le informazioni di cui sopra, possiamo vedere chiaramente: I vecchi clienti sono la principale fonte di visite al sito web , indicando che il sito web ha fatto un buon lavoro nella fidelizzazione dei clienti; ma vediamo anche che la percentuale di nuovi clienti che completano le transazioni è più elevata sia nei giorni feriali (13,2% contro 26,1%) che nei fine settimana (16,5% contro 21,9%) Per i vecchi clienti, questo dimostra che il sito web può apportare alcuni miglioramenti nel tasso di conversione dei vecchi clienti.
Ad esempio, quando i vecchi clienti acquistano beni, possono usufruire di sconti maggiori introducendo nuovi clienti, il che non solo suscita l'entusiasmo dei vecchi clienti per l'acquisto, ma aggiunge anche altri nuovi clienti al sito web.
Visualizzazione centralizzata di diversi risultati di analisi
Se desideri visualizzare vari grafici di analisi sotto forma di report, puoi utilizzare la funzione script di JMP per aggiornare i dati del collegamento del report in tempo reale con un clic, risparmiando molte operazioni manuali ripetitive.
(Operazione JMP: File->Nuovo->Applicazione)
Quanto sopra sono i risultati di alcune analisi esplorative dei dati. Successivamente, proveremo ulteriormente a utilizzare metodi di raccolta dati per stabilire un modello statistico quantitativo per le principali caratteristiche dell'utente e i risultati delle transazioni sopra menzionati.
Passaggio.3 Modellazione predittiva dei dati
Esamina le caratteristiche chiave che incidono sulle vendite attraverso alberi decisionali
L'albero decisionale è un metodo di apprendimento supervisionato in grado di riassumere le regole decisionali da una serie di dati con caratteristiche ed etichette e presentare queste regole in una struttura di diagramma ad albero. I risultati sono facili da interpretare e hanno ampia applicazione in vari settori e campi.
(Operazione JMP: Analisi -> Modellazione predittiva -> Segmentazione)
Dal diagramma possiamo osservare le varie fasi dell'albero decisionale, mostrando dall'alto verso il basso le caratteristiche più importanti che influenzano l'esito del trading.
Il più importante è il valore della pagina Web. I rapporti di transazione dei valori delle pagine Web inferiori a 0,067 e superiori a 0,067 sono rispettivamente del 3,85% e del 56,4%, con evidenti lacune. Ci sono anche alcuni parametri caratteristici più importanti elencati in seguito, come la frequenza di rimbalzo, il mese e le pagine relative al prodotto, ecc. Queste informazioni sono fattori importanti che guidano i risultati delle transazioni e ora possono essere rapidamente selezionate e visualizzate, consentendo ai marchi di avere un focus più chiaro per il miglioramento e l'ottimizzazione.
Selezionando il meglio dal meglio, provando più metodi di raccolta dati
Oltre agli alberi decisionali, JMP fornisce anche una varietà di metodi di raccolta dati come reti neurali, foreste casuali, alberi potenziati e macchine vettoriali di supporto, e può facilmente completare confronti tra algoritmi di modelli per ottenere il meglio del meglio.
Attraverso il nuovo screening del modello di JMP Pro 16, è possibile confrontare più metodi di raccolta dati contemporaneamente. Prima di ciò, per evitare che il modello creato si adatti eccessivamente, è possibile seguire il set di addestramento, il set di test e il set di verifica nel rapporto di 6:2:2 Suddividi proporzionalmente i dati originali e genera colonne di verifica.
(Operazione JMP: Analisi->Modellazione predittiva->Genera colonna di convalida)
Come mostrato nella figura seguente, una volta inseriti i parametri caratteristici e i risultati della transazione, la piattaforma creerà più modelli di algoritmi contemporaneamente e selezionerà automaticamente il miglior metodo di modellazione corrente come foresta casuale. è un indicatore del futuro. La capacità predittiva R quadrato dei nuovi dati ha raggiunto lo 0,6 e l'accuratezza della previsione ha raggiunto il 90,7%.
Modelli di previsione accurati possono aiutare i brand a comprendere i possibili risultati delle transazioni di ciascun utente il prima possibile, in particolare a prevedere gli errori di transazione e a fornire risposte e rimedi tempestivi, come sconti o l’apertura di un’interfaccia di fidelizzazione prima che i clienti escano dalla pagina.
(Operazione JMP: Analisi->Modellazione predittiva->Vaglio 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 materie prime e condurre un marketing individuale in base alle esigenze individuali rappresenta un enorme vantaggio del marketing online rispetto al marketing tradizionale.
In combinazione con il software di analisi dei dati JMP, è possibile condurre un'analisi approfondita del comportamento di consumo degli utenti degli acquisti online, aiutando le aziende a progettare pagine di raccolta prodotti e attività promozionali che soddisfino meglio le esigenze dei gruppi di clienti target e a fornire risposte tempestive a potenziali clienti. problemi scoperti miglioramenti, apportando così maggiori benefici all'impresa.
>> Scarica subito JMP 16 e ottieni una prova gratuita di 30 giorni <<
