触屏站产品数据分析关注点与优化

六月 8, 2014 by · Leave a Comment
Filed under: 电子商务运营 

随着智能手机,3G,4G网络的普及,很多网站除了网站,App外,还会推出为智能手机优化的触屏站。

触屏站从内容展现和交互上会弱于桌面网站,在导航设计上会遵循移动界面的设计,如:卡片式内容展现切换,提供垂直方向内容的动态加载,更容易点击的工具栏按钮等。

意义

触屏站往往晚于网站而开发,功能上会做减法,从运营的角度,主要意义有:

  1. 方便手机用户完成基本功能与操作,如:文章浏览,商品查询,注册下单等。
  2. 提供品牌,营销活动介绍。
  3. 引导用户安装原生App。
  4. 嵌入到原生App,微信等外部应用中,作为功能的补充。

优化改进

对于触屏站我们会关注:

  • 来源渠道
  • 访客信息
  • 访客行为
  • 购买转化

优化:

  • 内容展现
  • 导航交互
  • 营销转化

来源渠道

和网站类似,除了关注:搜索引擎,广告投放,搜索引擎,社交网络外,还需要关注:

  1. 主站跳转过来的流量
  2. 嵌入到微信,App里时的流量
  3. 移动搜索引擎带来的流量

访客信息

关注访客的城市,新老,时段,设备,分辨率,网络,访问速度情况。

操作系统要看版本,如:安卓 2.x系列的比例,因为老版本安卓系统的机器配置比较低,自带的浏览器的兼容性也比较差,有点像网站对IE6的兼容性测试。

分辨率要看垂直分辨率,这个会决定用户在首屏看到的内容,对于安卓手机,因为普遍向720,1080这样的大屏手机迈进,问题往往不大。

需要注意的是iPhone4系列的手机,垂直高度只有480,再除掉Safari的默认工具条,默认的高度很有限,测试的时候需要覆盖到。因为从我们统计到的数据看,iPhone4系列和5的比例大概在:4比6这样,还是有比较大量的。

访客行为

关注访客在触屏站的访问行为:内容查看,查询,注册购买等。

需要注意的有,触屏站在开发时,很多内容的切换是用ajax做的,并不会转到新页面,这时统计代码要做相应的修改,需要用:虚拟页面或事件来记录。

购买转化

相关的电子商务统计和网站的一样,部署好电子商务代码即可。

App的下载:

  1. 安卓的App,可以点击后,从自己站点返回包含了指定来源与版本的apk安装包,然后统计触屏站来源安卓App的启动量,活跃量即可。
  2. 对于iOS App,记录点击次数就好。

如果是嵌入到App里,或第三方应用中的,记得要加:utm广告参数,这个不像桌面站,可以读到上一页信息。

总结

触屏站的功能比较精简,更容易部署完整的跟踪分析方案。

另外触屏站的用户界面与操作和原生App类似,想法改进可以先在触屏站上进行测试,因为发布更方便。

触屏站从带来的收入来看,比例往往不高,但从用户体验,引导转化上,意义则更大,值得从产品,体验的角度优化。作者:纪杨

网站数据分析的一些问题

三月 8, 2014 by · Leave a Comment
Filed under: 电子商务运营 

从事数据仓库和数据分析相关的工作也有段时间了,其实很多问题一直萦绕在脑中,有些甚至已经困扰相当长的一段时间,自己也在不断学习和工作的过程中寻找各种解决方案或者不断优化和替换之前的方案。这些问题从宏观层面到细节层面,很多问题其实没有绝对完美的解决方案,我们只能一步一步地摸索,不断寻找更优的方案以其让问题能够更好高效地得到解决,但每个人掌握的知识有限,所以无论怎么样每个人对问题的看法都会存在局限性;同时因为每个人的知识背景和经历的差异性,对各种问题又会触发各种不同的见解,所以通过集思广益往往能够得到让人眼前一亮的结论。

先说说博客,无论怎么样我的博客只是想做些记录和总结,只是表述一些个人的观点,我想每个人在学习工作中总会有所积累,有自己在专业领域的一些收获,每个人公平地享有相同的时间,每个人学到的掌握的都是有限的,没有孰强孰弱之分,差别只在于愿不愿意将其分享出来;博客中整理的内容,可能有些人认为不适合公开,毕竟有些东西还有些实用价值,但必须看到的是目前互联网发展速度太快了,我之前发的文章等半年之后回去看就会发现当时自己的想法并不成熟,如果在现阶段可能不会完全按照上面的思路去实现了,知识的更新和积累让我们不断选择更优的方法,不断改进和升级自身的知识体系,更何况很多东西在一个业务体系下适用,到另外的体系下就不适用了,聪明的人不会完全照搬照抄原方法,而是寻找最合适的方法,或者使用更灵活变通的方式去使用方法,所以也不必担心技能被“偷学”,因为只会模仿的人不知道怎么用好这些方法,而足够聪明的人到哪里都能学到适合自己的方法,在这个信息膨胀的环境下无法阻止他们的“偷学”。

其实博客最大的收获还是通过博客认识了很多朋友,尤其是网站分析领域的,相当一部分也有自己的博客,大家互相交流学到了很多东西,有些东西是互补并相互促进的,这些朋友都是乐意分享自己想法的人,每个人都有各自领域的专业和强项,这样反而使我听到和学到了很多耳目一新的东西,受益匪浅。所以如果你有时间写写博客,那么得到的收获绝对要比你觉得可能会失去的多得多。

既然我在博客里面已经写了很多,所以这里想换一个角色,我想通过几篇文章把之前遇到的诸多问题罗列出来,希望大家能够不吝提出自己的看法和解决方案。其实我更希望在博客的评论中看到更多不同的看法或者通过文章的思路扩展衍生出在其他方向上有价值的应用。另外,知乎真的是一个非常棒的知识分享和学习的平台,潜藏了很多的大牛,我会把整理的每个问题都贴到知乎上面,这样可以收集到更多牛人的看法,希望大家在知乎上有认识相关领域的大牛的可以积极地进行邀请。

这篇是第一篇,想重点罗列一些跟网站数据分析行业和数据分析师相关的问题。

Q1、 你因何会选择网站分析或互联网数据分析这个行业,你认为这个行业的价值何在,发展前景如何?

我的答案:互联网是一个阳光行业,而数据分析本身又是一个非常有意思的工作,很多时候,它就像是一个侦探从细枝末节的线索中寻找那个唯一的真相,如果你喜欢这种探秘的感觉,那么你同样会喜欢上网站数据分析这个行业。

其实我之前在《网站分析的应用和价值》这篇文章中介绍过网站数据分析的价值(这里不引用链接了,大家可以搜一下),简单地说就是“系统地帮助网站实现更加高效的运营”。

互联网数据量的快速膨胀,急需对数据进行系统化的处理和分析,以便快速地发现信息,转化价值,所以就目前来看,无论是国外的发展趋势,还是国内对这个行业的需求都是快速增长的,发展前景是比较乐观的。

Q2、 作为网站的数据分析师,你完成的最有成就感的事情是什么,感到最纠结的事情又是什么?

  我的答案:最有成就感的事情就是用数据实现价值,无论是通过数据排查问题进而解决问题,还是通过数据分析应用优化网站产品,其实都是创造价值的过程。

最纠结的事情其实不是整日需要维护和验证数据的一致性、准确性,数据时常会存在诸多细节上的问题,因为这些基本是必然存在的,无论在哪个公司,网站从事何种业务,技术或者数据的环境如何,数据的问题还是无所不在,而保证数据质量本身就是数据分析师最基础的工作,也是开展分析的前提和基础。

我最纠结的还是在于数据的需求和应用,如果与数据的需求方在数据的理解上达不成一致,那么很多数据需求就会存在反复的调整变动,期间就会做很多重复的工作或者无用功,甚至有些时候数据分析师大费周章地提取的一份数据在需求方那里只是用几秒钟扫视一遍,没有产生任何的价值,这也是令数据分析师最伤感的事情。所以数据分析始终要从获取最终insight的角度出发,如果数据需求中无法说明获取数据是为了试图得出何种insight,那么这个需求基本就没有实现的必要了。

Q3、 作为网站的数据分析师,你日常工作中最常做的是什么,需要与哪些同事交流,一般会用到哪些工具?

  我的答案:数据分析师的日常工作很简单,就是数据处理和观察报表,而且这两块工作会占用每天的大部分时间。如果每天能够准时提供准确的报表,及时地反馈数据异常,那么你已经是一个合格的数据分析师了。

数据分析师要接触的部门会比较多,可以是任何有数据需求的部门,运营、产品、市场、销售、客服……甚至是各层级的BOSS。

同样,数据分析师日常使用的工具其实也非常简单,估计在90%的时间都在使用数据库的SQL、Excel或者PPT,当然视每个公司的情况会有差异。所以如果你听到某位数据分析师说他天天在研究什么什么样的高级分析方法或者高深的数据算法,天天在使用R、SPSS、SAS,那么不排除有装X的嫌疑。

Q4、 在你刚刚步入网站数据分析的工作,或者你曾经新到一个公司或者网站从事数据分析师的工作,你是如何着手开始你的新工作的,你觉得你需要了解哪些东西,会从哪些方面优先开始学习?

  我的答案:“业务 => 网站或产品 => 数据处理流程 => 指标和报表”,我的基本流程就是这样的,当然这个也不绝对是前后的顺序,可以是同时结合着看的。

数据分析的重点不在于数据而在于分析,分析针对的是业务,所以业务是首要了解的东西,就像一个人做事情,首先要明确的是要做的是什么事情;然后是网站或产品,它是实现业务的媒介,就像是做事情时使用的工作或方法;数据的处理流程包括了数据的获取、处理和存储模型,它是记录信息,可以看做是日记,记录了一个人做事情的整个流程;指标和报表就是为了将一个人做事情的整个流程复述出来,把握重点同时又不失关键细节,所以必须要了解指标的统计规则和报表的展现方式,以便更好地突显重点,了解省略的细节,让复述贴近事实。

很明显,当你了解了这个人在做什么事情之后再去阅读这个人在做事情时记录的信息或听取复述要远比你直接通过复述内容或者阅读记录信息来猜测这个人在做什么事情来得高效得多。

以下

罗列一些关于BI的问题。

BI(Business Intelligence,商业智能),先看一下维基百科上面对BI的定义:

Business intelligence (BI) is defined as the ability for an organization to take all its capabilities and convert them into knowledge.

BI提供大量有价值的信息引导企业寻找新的发展机遇,当企业认识到潜在的机遇并成功地实施相应战略决策的时候,BI就能帮助企业在市场建立竞争优势并维持企业持续地发展。BI时常跟决策支持系统(Decision Support System, DSS)联系在一起,其实BI最主要的目标就是实现对企业的决策支持。

下面就探讨几个BI方面的问题:

Q1、BI与数据仓库(DW)之间的关系是怎么样的?

  首先可以明确的是BI的重点在于对数据的应用上,让数据变成有价值的信息,而所有的基础数据基本都是来源于数据仓库。

BI有两个方向的定义:广义的BI是包含数据仓库的,广义的BI包括数据的获取、处理、储存,到之后的分析、挖掘、展现变成有价值信息的整个过程,组成了一套完整的系统,当然在这个系统中数据仓库担当着从数据获取之后的处理和存储的职责,是基础组成部分;狭义的BI仅仅包括上层的数据应用,包括数据的展现、分析、挖掘等,所以不包括数据仓库。

因为BI的定义更侧重于数据应用,而随着数据量的不大扩大,数据仓库更多地被作为一项独立的技术被抽离出来,所以当前BI和数据仓库的定义更倾向于分离,整个系统被叫做“DW/BI”的解决方案。

Q2、BI系统主要是为了帮助企业解决什么样的问题?

  BI最初的目标就是优化企业的决策支持,实现从数据到有价值的信息的转化,辅助企业商业战略和决策的制定。所以BI的最终目标是获取商业的Insight。

BI首先实现的是企业数据的透明化,原始的数据报表就是为了从数据的角度定量地掌握企业的运营状态,有了数据的支撑,很多决策的制定就会有了参考依据。随着商业和信息技术的不断发展,BI不再仅仅停留在报表的领域,数据除了展现以外被更多地用于商业分析,而商业分析的基础组成就是统计、预测和优化,这些对企业的运营决策起到了更加关键的作用。但随着信息膨胀,数据量的剧增,BI也不断面临挑战,我们需要花更多的成本去处理和存储数据,需要花更多的精力去分析和应用数据。

所以,最终还是要把握BI的输出是有价值的信息,无论中间的处理方式是查询、报表,还是分析、挖掘,最终要得出的是有价值的结论。

Q3、目前BI的应用或组件主要有哪些?

这里简单地归纳了一下,可能会有遗漏,希望大家能够在评论中补充。这里仅仅包括狭义BI中基于数据应用层面的一些功能,数据仓库的数据处理方面的应用不在这里罗列。

首先是报表、图表和Dashboard,目前的报表和图表除了更加丰富以外,跟传统报表还有一个关键的区别就是可交互性。目前的报表基本都提供简单的数据筛选、排序等功能,Dashboard的出现实现了按需整合报表和图表的功能。

再则是OLAP,OLAP一度被当做BI的核心功能,不得不承认OLAP是分析数据最有效的手段,尤其是基于多个维度多个层面的分析,这些是一两张报表图表所无法做到的。OLAP一般都是基于已经设计成型的多维模型以及存放多维模型的数据集市(Data Mart),数据集市和OLAP跟业务层面有着很多关联,这个使数据集市跟底层的数据仓库有了区分。

然后是数据的查询和分析,有时基于既定的模型的OLAP无法满足分析的需求,所以就有了数据查询的需求,一般直接查询数据仓库的细节数据;BI中的Ad-hoc Query则是对既定多维模型的灵活查询,可以自由组合维度和度量。

最后是报表的发布和数据预警,这都是属于BI平台的推送功能,一般可以通过邮件订阅的形式定期把组合的报表推送给相关的人员,而通过预警的设定,可以监控数据的变化趋势,掌握数据可能出现的异常。

另外BI还有很多新奇的功能,如基于GIS的地图数据、基于Flash实现的动态图表及对数据挖掘功能的集成等。

Q4、BI中的多维数据模型和OLAP的实用价值在哪?

之前有关于多维数据模型和OLAP的介绍,可以参考数据仓库的多维数据模型和数据立方体与OLAP这两篇文章中的内容。

其实多维数据模型和OLAP最主要的是解决了如何有效地观察数据的问题,传统关系模型很难直接对数据进行观察分析,而多维模型为数据观察者提供了清晰的视角,就如平常我们从多个角度看待事物一样,多维模型维度的设计就很好地提供了这些角度的选择。而OLAP的几个操作形式正是体现了“分析”这个词本身的含义,从总体到细节,结合多个维度的交叉分析,让我们具备了对整个数据集进行全景观测的能力。

OLAP最关键的技术除了多维模型设计还有就是预计算(Precomputation),或者叫预聚合,预计算解决了数据快速获取的问题,基于一定的规则或者算法对数据集进行预计算之后,OLAP的操作性能可能得到有效地提升,从而使对大量数据的快速灵活的分析操作成为可能。

Q5、目前市场上主流的BI产品主要有哪些?

市场上主要的商业BI产品包括IBM的Cognos,另外IBM有自己的DB2可以建立数据仓库,在2010年收购SPSS之后,让其在数据分析和数据挖掘的领域也更加具有竞争力、SAP的Business Objects(BO),另外SAP有BW(Business Information Warehouse),作为传统的ERP方案提供商在数据集成方面有独特的优势、Oracle的BI(企业级的叫BIEE,Oracle Business Intelligence Enterprise Edition),Oracle借助其强大的关系型数据库建立数据仓库有独特的优势。这3大商业BI都属于整合型的BI,再加上微软借助Sql Server数据库提供的SSIS、SSAS和SSRS也是属于整合型的BI解决方案。另外也有独立的BI公司,如SAS,传统优势在数据挖掘领域、Micro Strategy的BI解决方案、开源强大的BI系统Pentaho(之前几年还有很多开源的BI系统,但因为BI在技术上有一定的门槛和成本,所以目前很多开源BI 都会包括开源版本和商业版本,Pentaho也不例外),国内也有用友的BQ软件也是属于BI产品。

归纳一下就是目前的BI产品主要以商业产品为主,而且整套的BI产品一般都是重量级的,在购买、部署和使用上都需要一定的成本投入。

下面

整理一些数据仓库相关的问题。因为最近重新在看一些数据仓库的资料和书籍,想把之前以及当前遇到的主要问题提出来(博客中有关数据仓库的相关内容请参阅网站数据仓库这个目录),同时自己也对数据仓库方面的知识进行下重新的整理和认识,而且很久没有在博客发新的文章了,不能让自己过于懒散了。

之前看过Inmon的《构建数据仓库》和《DW 2.0》,而另外一位数据仓库大师Kimball的《数据仓库生命周期工具箱》一直没有时间阅读,最近才有时间看完了大部分,就迫不及待想写点东西了。其实数据仓库领域普遍认为Inmon和Kimball的理论是对立的,两者在构建数据仓库上方向性的差异一直争论不休,谁也无法说服谁到底哪种方法更好。我的Evernote的笔记里面不知什么时候从哪里摘录过来了对两者观点的概括性描述,非常简洁明了而一针见血:

  Inmon vs Kimball
Kimball – Let everybody build what they want when they want it, we’ll integrate it all when and if we need to. (BOTTOM-UP APPROACH)

Pros: fast to build, quick ROI, nimble

Cons: harder to maintain as an enterprise resource, often redundant, often difficult to integrate data marts

Inmon – Don’t do anything until you’ve designed everything. (TOP-DOWN APPROACH)

Pros: easy to maitain, tightly integrated

Cons: takes way too long to deliver first projects, rigid

其实看了《数据仓库生命周期工具箱》之后,发现两者的观点没有那么大的本质性差异,可能随着数据仓库的不断发展,两者在整体的架构上慢慢趋同。基本上,构建统一的企业级数据仓库的方向是一致的,而Inmon偏向于从底层的数据集成出发,而Kimball则趋向于从上层的需求角度出发,这可能跟两者从事的项目和所处的位置有关。

有了上面这段高质量的概括,第一个问题——你更偏向于以何种方式搭建数据仓库(BOTTOM-UP or TOP-DOWN),分别有什么优劣势?——其实就不用问了,所以下面主要提几个在实际中可能经常遇到或者需要想清楚的问题:

Q1、数据仓库的技术解决方案有哪些,这些解决方案的优势在哪,瓶颈在哪?

随着数据仓库的不断发展和成熟,“大数据”概念的风靡,有越来越多的相关产品出来,最常见的技术解决方案包括hadoop和hive,oracle,mysql的infobright,greenplum及nosql,或者多个结合使用。

其实归纳起来就两类:一是用传统RDBMS为主导的数据库管理数据,oracle、mysql等都是基于传统的关系型数据库,优势就是有更严谨的数据结构,关系型数据库对数据的管理更加规范,数据处理过程中可能出现的非人为误差极小,而且标准的SQL接口使数据获取的成本较低,数据的查询和获取更加灵活和高效;但劣势也很明显,对海量数据的处理和存储的能力不足,当数据量达到一定程度的时候就会出现明显的瓶颈。而是基于文本的分布式处理引擎,hadoop、greenplum和nosql都是基于文本数据的处理和存储,优势是强大的数据处理能力,分布式的架构支持并行计算,并且具备超强的扩展延伸能力;劣势就是上层接口不方便,因此Hadoop上层的hive和greenplum上层的postgreSQL都是为了解决数据接口的问题,并且数据的查询和获取很难做到实时响应,灵活性不足。

Q2、数据仓库是否就应该保存聚合数据,细节数据不应该放入数据仓库?

其实这个问题基本已经达成共识,如果是构建企业级的数据仓库,那么对细节数据的集成和存储是必不可少的,但现实中还是存在很多直接从外部数据源计算聚合之后导入数据仓库的实例。如果对数据仓库只是轻量级的应用,仅存放聚合数据也无可厚非,毕竟没人规定数据仓库一定要是怎么样的,最终的目的无非就是满足对数据的支持和需求。

但对于企业的长期发展来看,数据仓库中存放细节数据有两方面的好处:一方面从技术层面,数据仓库存储细节数据可以释放前台数据库的查询压力,同时对于文本类数据和外部文档类数据入库之后管理更加规范,数据仓库保留历史和不可变更的特性可以让信息不被丢失;另一方面就是从数据的使用上,数据仓库让数据的获取和使用更加简便,集成细节数据让大量的文本型数据可查询,可关联,而面向主题的设计让数据的展现和分析更有方向性和目的性,而且细节数据是支持数据分析和数据挖掘应用所必不可少的。所以,如果数据仓库要不断地催生出更大的价值,细节数据的存储是必不可少的。

Q3、你会把数据仓库分为几层,每层的数据作用是什么?

没有标准答案,根据数据仓库中数据的复杂性和对数据使用的需求程度,数据仓库可以有不用的层级划分。

我一般会把数据仓库划成三层:最底层的细节数据,管理策略是优化存储,一般存储导入的原始数据,便于进行向上的统计汇总,因为数据量较大所以需要优化存储;中间层是多维模型,管理策略是优化结构和查询,面向主题的多维模型的设计,需要满足OLAP和数据查询的多样需求,同时保证查询的便捷性,关键在与维表的设计和维度的选择及组合,事实表需要关注存储和索引的优化;最上层是展现数据,管理策略是优化效率,一般会存放每天需要展现的汇总报表,或者根据多维模型拼装的视图,展现层的数据需要以最快的速度展现出来,一般用于BI平台的Dashboard和报表。

Q4、数据仓库搭建中最繁杂的事情是什么,最容易缺失的是哪一块?

一直觉得数据仓库的核心不在于数据集成,当然数据集成是数据仓库实现价值的前提,数据仓库真正的价值体现在数据的有效应用,数据源于业务反作用于业务。而搭建数据仓库的核心在于数据仓库的架构和数据模型的设计,怎么权衡数据的存储和数据获取效率之间的矛盾是数据仓库管理上的难点,这个难点任何数据仓库都会存在,而大数据增大了这种权衡中的难度。而数据的集成和数据质量控制是数据仓库搭建中最繁杂的事情,尤其是数据清洗的过程,我之前也写过几篇数据质量控制的文章,但现实中这个过程还要复杂得多,而且为了上层数据产出的准确性和有效性,这项工作又不得不做,而且要做得尽量细致。

搭建数据仓库中最容易缺失的就是对元数据的管理,很少有数据仓库团队具备完整的元数据,当然搭建数据仓库的工程师本身就是活的元数据,但无论是为了用数据的人还是数据仓库自身的团队着想,元数据都不可或缺。一方面元数据为数据需求方提供了完整的数据仓库使用文档,帮助他们能自主地快速获取数据,另一方面数据仓库团队成员可以从日常的数据解释中解脱出来,无论是对后期的不断迭代更新和维护还是培训新的员工,都非常有好处,元数据可以让数据仓库的应用和维护更加高效。

写在最后:以上仅代表个人观点,欢迎大家踊跃拍砖,更加希望高手们能在评论中给出宝贵的答案,任何角度的观点和讨论都可以,集思广益。 作者 joeghwu

转换率如何?如何留住访客?B2C数据分析全流程

七月 12, 2011 by · 42 Comments
Filed under: 网站运营策略 
目前,绝大多数B2C的转化率都在1%以下,做的最好的也只能到3.5%左右(比如以
卖图书为主的当当)。我想,所有的B2C都会关心三个问题:究竟那97%去了哪里?
现在很多B2C网站提升转化率,一靠打折,二靠CPS,三靠增加SKU,都不可持续。
某种意义上,转化率已经变成忽悠VC的工具,简单比较不同网站转化率,容易掉
进陷阱。很正常很粗放,很多细节没做好,都在打仗,而且价格也不是以用户出
发去做的,其实再提升30%不是问题。
“请举手!如果你的用户转化率每天达到了5%。”如果这样问中国所有的B2C网站。
结果是,一个举手的人都没有。
目前,绝大多数B2C的转化率都在1%以下,做的最好的也只能到3.5%左右(比如以
卖图书为主的当当)。
我想,所有的B2C都会关心三个问题:究竟那97%去了哪里?自己的网站在什么环节
变成了漏斗,让进来的客户像沙子一样一点点地流失?以及怎么检修隐藏的漏斗,
减少漏水的速度?
数据,这个时候可以是一双眼睛,可以让我们看得一些蛛丝马迹。
一、分解B2C漏水的过程
 大家只知道B2C的转化率不高,但是却不知道客户是怎么流失的。一群用户进来网
站,他们经过首页、中间页、产品页、购物车以及结算等几个步骤,通常他们在这
几个环节是怎么分批离开的呢?其实,这不是没有数据可查。
 先给大家看一张图。
访客达到网站到最后付款的比例图

访客达到网站到最后付款的比例图

这个数据图,是我根据十几年的工作经验总结得到的,一般与实际情况相差不多。

图一意思就是说,假定400个客户到了你的网站,会到中间页(包括搜索頁、分类頁
、促销頁)的只有320(60%~80%)个用户,点击进产品页的只有190个用户,最后
辛辛苦苦走到购物车只有9%~13%的用户,这个时候还不能开心,因为并不代表用
这些户会掏钱,留到最后会付钱的用户仅仅只有3%~5%。

更叫人难以接受的是,在这最终购买的3%~5%中(未包括支付成功),最后回头再次
购买的,又要打一个大折扣。

     在吐舌头惊讶B2C生意难做之后,大家可以检查一下自己网站的漏水数据。
只有清楚了哪个环节漏水,才能补洞。

二、排查每个环节的漏洞在哪里

以下,我们按照漏水的顺序,一个环节一个环节摸下去。

1、三问首页
大部分B2C首页有20%以上的弹出率,可能许多人对这个数字都习以为常,认为非
常正常。如果做得很细致的分析的话,可能就意外的收获。

先问第一个问题:每天来的新客户占多少?老客户占多少?新老客户的弹出率分
别是多少?

我看了一下麦包包的数据,麦包包用了很多流量来支持网站首页,如果他们的弹出
率很高,那也是很正常的。但是注意要问一句,新老用户的弹出率分别多少?这个
是比较容易考验网站的基础能力,新客户的弹出率可以检验一个网站抢客户的能力。
对于老客户来说,流程上的用户体验相对不是最讲究,这个就很考验
Onsite Merchandising的能力,比如产品的质量和价格是否吸引人。
一般的来说,如果是一个新网站,拓展新用户比经营老客户更为重要的话,新老客
户的比例最好是在6比4(甚至7比3),那么首页就要有一些手段偏向抓住新客户。

如果,新用户的弹出率非常高,或者是老用户的弹出率非常高,那么网站运营者就
该反思,是不是网站首页的设计没有照顾到新客户或者老客户。

做了三年的B2C网站,建议分新老用户两个首页,已经在网站购买过的用户,没有
必要再向它介绍网站,而是直接刺激他消费。

再问第二个问题,流量分几个大渠道进来,每个渠道的弹出率情况如何?

问完了之后,接下来可能发现从百度和谷歌进来的用户,弹出率可能差异非常大。
而且今天主流B2C网站,都在费尽心思引进流量,比如凡客今天做很多促销,许多
不是从“正门”(官网首页)进来,是“旁门”(LP促销页)进来,所以今天注意首
页之外,还要看一下旁门。
针对自己的主要流量渠道排查下去,很容易发现,哪条渠道在漏水。找到了痛处之后,
再找到相应的解决方法就不难了。

接着再问第三个问题, 首页被点击最多、最少的地方是否有异常情况?
首页访问E规律

首页访问E规律

在首页,点击次数异常的高、或者异常的低的地方,应该引起注意。

这里,在特别给大家分享一个好用的“规律”,一般来说,首页的“E”(以E字中间
的“一”为界,上部是首页第一屏)部份是最抓用户眼球的地方,在这个“E”上如果
出现点击次数较低的情况,就属于异常情况,应当注意,或者干脆移到“E”外面去;
同理,如果在“E”的空白处出现了点击次数较高的情况,也可分析原因,可考虑要
不要移到“E”上面来。

国内的B2C网站首页非常长,可能许多用户不会浏览到首页底部,所以“E”最下面
的“一”就往往可去掉,变成了“F”规律。

2、中间页留客的三个技巧
先说一下美国用调查出来的现成数据,在B2C网站上的准买家,有18%的用户有找
不到需要的产品的困难,有11%的用户找到了产品但是不自己想要的,这29%的用
户基本会漏掉。

大部分用户进入首页之后开始找产品,第一是看促销,第二个看目录,第三是用搜
索工具。其中,大概有60%~70%的用户是通过搜索+目录的方式走到产品页面。

同上,这三个渠道都要按照新老客户分开去看一下离开率,这里不做赘述。这里和
大家分享一下三个技巧。

技巧一:怎么判断促销、目录和搜索是否成功,就看一下走到产品页的用户百分比
是多少,哪一个渠道走得不好,就要改善。到底是怎么改进?一般来说,促销的原
因与marketing的关系大一些,目录与采购组关联度大一些。

例如,拿产品目录来说,手机应该是按照品牌来分、功能分、还是按照价格来分?
目录经理需要和采购经理密切沟通,了解市场情况。曾经,我去京东,京东有个做
目录的经理问我,怎样做好一个产品目录?当时我说我也没答案,这个我研究了10
多年,没有特别好的标准答案,只能是与凭借多年的市场经验。

如果一个网站前端的东西做不好,是营销的责任多一些。到中间页面,可以按照目
录的转化率查一遍,转化率差的目录就要注意一下。

再说搜索,一般B2C网站是由目录经理+技术来做的。通过搜索工具找产品的用户,
自己有精确的需求,那么除了搜索技术之外(此环节与产品经理的关系非常大),
还要提供符合用户需要的产品。假想一下,如果一个用户搜索出来的页面只有3个
产品,他肯定会判断这个网站的东西非常少,如果还不那么符合自己要求的话,离
开率几乎是100%。

而多年做数据的经验告诉我,一般来说,在搜索页的第三页至第四页,用户还没有
找到想要的产品,离开率就会很大。针对搜索页离开率比较大的页面,也有两个分
享的技巧。

技巧二:在离开率高的页末尾,推荐给用户另外一个搜索路径,让用户换一条路找
产品。

技巧三:对于那些找不到自己想要的东西的用户,乘他们脑子是空的时候,弹出一
个菜单,告诉他们10个人就有9个人买了某某产品,可能就会把他整个思维重新激活
,又可能留下。

技巧三比技巧二对用户的刺激大,但是也更冒险,如果对推荐的产品没有足够大的
把握,用户可能转头就离开了。

3、产品页要特别留意用户停留时间
到了产品页,用户留不留,与产品描述、质量有非常大的关系。所以,要特别留心
客户停留在产品页的时间,如果许多用户打开产品页不到1秒钟就走了,就要留意
分析原因了。是不是这个产品没有吸引力?是不是产品描述不准确?要多问一些问题。

另外,和传统零售业喜欢提到的“碰撞率”相似,网站运营者应该了解哪些产品是
被看了最终页,哪些没有被用户点看。

4、购物车里多少产品没有付款?
B2C购物网站转换率

B2C购物网站转换率

车但是并没有下单付款。

许多用户把产品放进购物车,但是并不付款。找产品部负责人,为什么这么多用户放在

购物车里却不付款?这对于一个B2C网站来说,是一个很严重的事情。 这里有三个点

值得一提。 一是,许多B2C网站,等用户要下单,提醒“请先注册”,30%的人可能会

选择离开。这真的非常狠的一刀,从站外把用户引进来好不容易跋山涉水到了这一步,

竟然还要给用户一刀送他离开,多少B2C网站思考过是否必要设立这一“提醒”?

二是,如果找不到用户不付款的原因,可以直接给几个用户电话访问。

三是,分析同时被放在购物车的产品之间关联性。

总之,到了购物车,是网站自己和自己比,定性的多,定量的少。

三、B2C的顾客也有生命周期 传统零售企业,很难知道,客户在一段时间内购买了

多少次产品、买的是什么价位,但是电子商务公司可以很清楚知道用户的购买行为。

对于用户规模很大的B2C来说,很有必要把用户分为三个阶段:以3个月为限(有些垂直

网站要6个月至一年),只购买够一次的用户、一个月购买过2到8次的用户、购买过8次以

上的用户(每个网站可以根据自己的情况定次数,这里的数据是一般的规律)。

三个月内用户的购买次数

三个月内用户的购买次数

B2C网站从0到1,可以说明拉客能力。当一个客户进来,如何做1到x(X的具体数字,垂直
网站和综合有区别,企业在不同阶段,X也会变)也十分重要,不同阶段的用户的维护方法
是不一样的。今天看很多网站,从1次到3次,会有50%以上用户就不回头流失了,而到了
5-8次以上流失率便放慢了。
如何从1做到X,还有许多可讨论,只是这篇文章集中介绍的是从0到1的转化,所以在这里就
不展开了。但是有一定是非常肯定的是,大部分用户只有第一次购物体验非常好才会回来重
复购买。所以说,做好了从0到1,从1到X就已经成功了一半了。
(注:本文整理自派代scolay)

电子商务网站核心数据分析

二月 16, 2010 by · 1 Comment
Filed under: 电子商务运营 
  电子商务相对于传统零售业来说,最大的特点就是一切都可以通过数据化来监控和改进。通过数据可以看到用户从哪里来、如何组织产品可以实现很好的转化率、你投放广告的效率如何等等问题。基于数据分析的每一点点改变,就是一点点提升你赚钱的能力,所以,电子商务网站的数据分析是很重要的一门功课。

  一般来说,数据分析包括:流量来源分析流量效率分析站内数据流分析用户特征分析四个部分。

  我们先来说说流量来源分析

  电子商务就是贩卖流量的生意,低成本的流量来源是保证企业盈利的重要条件。流量来源分析主要是要明白你的用户都是从那些网站来的,那些网站的给你带来更多的订单、那些网站的流量是真实的,那些是虚假等。

  流量分析一般一奥分析以下内容:

  • 网站流量来源排名:那些网站贡献的流量多,那些贡献的少
  • 搜索引擎关键词分析:根据关键词的来源分析来查看网站产品分布和产品组合。如果关键词查询多的产品却不是网站的主推品,可以进行适当调整。
  • 网站流量趋势分析:网站的流量是否均衡稳定,是不是有大幅度波动。一般来说流量突然增加的网站,如非发生突发事件,购买的广告位作弊的嫌疑比较大。
  • 网站流量核对:查看是否有莫名流量来源,流量来源大不大。如果莫名来源流量很大的话,有可能是您购买的CPC或者其他资源被注水了,将您的广告链接分包给了点击联盟。
  • 推介网站与直接访问的比例:推介网站可以理解为外部广告,直接访问就是用户直接输入网址。一般来说,直接访问量越大说明网站的品买知名度越高。

  其次是流量效率分析

  流量效率是指流量到达了网站是不是真实流量,主要分析指标如下:

  • 到达率:到达率是指广告从点击到网站landing page的比例。一般来说,达到率能达到80%以上是比较理想的流量。这个也跟网站的速度有关,综合来分析一下。
  • 二跳率:这个也是为了分析流量的有效性。如果是有效流量的话,一般会有合理的二跳。如果是虚假点击的话,一般是没有二跳的。但是也不排除有部分作假很厉害的网站能做出二跳,比如PPLIVE,当年洪成浩做投放的时候,我们的广告直接连接到广告专题页,二跳是15%左右,但是PPLIVE居然有60%的二跳!最主要的是一个转化都没有。差点把我们的图片图服务器点瘫痪,这个就太过分了。
  • PV/IP比:一般来说,有效的流量,网站内容比较好的话,一个独立IP大概能有3个以上的PV。如果PV/IP比能达到3以上的话,一般说明流量比较真实,网站内容也不错。但是如果低于3的话,并不代表流量不真实,也可能是网站本身的问题。如果PV/IP过高的话,也可能有问题,比如人力重复刷新等,要谨慎对待。
  • 订单转化率:这个是最最核心的数据了,没有订单转化率,其他一切都是免谈!某些牛B的B3C能做到4%的提袋率!某些却仅仅是0.1%,努力吧,众B2Cer们。

  站内数据流分析,主要用来分析购物流程是否顺畅和产品分布是否合理,一般如下:

  • 页面流量排名:主要查看产品详情页的流量,特别是首页陈列的产品详情页。参照最终的销售比例,优胜劣汰,用以调整销售结构。
  • 场景转化分析:从首页-列表页-详情页-购物车-订单提交页-订单成功页,的数据流分析。比如说,首页到达了10000用户,伺此后的数据分别是8000-5000-1000-50-5,购物车到订单提交页的相差比较大,大概就能看出来是购物车出了问题,需要改进。
  • 频道流量排名:各个频道流量的排名,主要用来考虑产品组织的问题。
  • 站内搜索分析:这个反应的是用户关心的产品有哪些,产品调整的最直接数据。
  • 用户离开页面分析:用户在那些也页面离开最多?是首页还是频道页?是购物车还是订单提交页。突然的大比例的离开网站,往往预示这问题的存在。

  最后是用户特征分析:

  • 用户停留时间:这个放在用户特征分析里有些牵强。而且目前监控用户停留时间的方式是:用户到达时间-用户离开时间,但是用户什么时候离开很难准确判断,这种数据仅作参考,一般停留时间越长网站粘性越好。如果用户停留时间超过1个小时,基本就是假流量,或者用大打开网页忘记关了,呵呵。
  • 新老用户比例:老用户比例越高,证明用户忠诚度不错。但是还要考虑绝对量,不能靠新用户越来越少来衬托老用户比例越来越高。
  • 用户地域分析:用户地域与订单地域分布基本一致,基本上就是用过互联网用户的分布比例以及经济发达程度等。这个对于提升区域配送及服务比较有帮助。

  电子商务网站的基本数据分析就是以上这些,作为实际操作人员要根据数据分析的情况来发现问题和总结问题,进而优化网站的结构和用户体验、来提升网站的专转化率和用户忠诚度。这些都是电子商务很重要的基础工作,希望能为大家的利润做出贡献。

分享我所看到的2014年下半年中国电商10大新变化与具体应对建议

十月 8, 2014 by · 4 Comments
Filed under: 电子商务运营 

一、2014年下半年 中国微商格局的新变化:不能过左、也不能过右;二、淘宝天猫垄断中国电商格局已经完全确定;三、生活服务电商与o2o电商的兴起;四、和消费电商比,未来中国企业互联网化机会更多;五、2014年下半年,中国电商品类火爆前3,最火的是农产品生鲜电商、其次是母婴电商,然后是面膜电商(微商);六、电商渠道的下沉到三四线市场;七、自有B2C开始得到突破,乐见其成;八、移动电商的兴起:加速度;九、2014年下半年对电商假货的打击空前,出路是电商要走正道;十、双11将成为2014年下半年除阿里上市外最大的电商事件

本文章缘由:

中国电商形势与格局变化如此之快,半年与一年的总结都长了,需要一个季度总结一次;

我将近一年时间未写原创长文章,80%时间都在写140字的微博,国庆我发了几篇几年前原创长文章,公众号阅读量每篇就接近10000了,发现做自媒体还是要坚持写原创长文章;

我的微博不断的“短”观察与总结中国电商,需要经常写一些“长”文章来总结这些零碎的信息与看法,此次为开篇之作。

一、2014年下半年 中国微商格局的新变化:不能过左、也不能过右

微商即所谓微信电商,目前是一个很大群体,目测有600万到1000万的个人通过微信朋友圈做生意,而企业开通各种微信小店的数量,估计也在800万到1000万家左右(我了解仅仅第三方的口袋通及微盟等的注册微商店的数量每家就有200万以上,中国电商的基本规律是,活跃的用户数是注册数30%,即前几名的第三方服务商每家有60万左右的活跃微商)。中国目前还没有一个媒体具体总结中国微商的具体状况(微商是个封闭群体,外人打不进去),而我最近有意的参加了好几次微商论坛,也新开了一个服务于微商人的微信号(1个月就有5000个微商加入),对这个群体还算很熟悉(我的至亲中做微商就有才700个粉丝,连续每月纯利10万的,100%真实,身边例子才可信)。

今年刚刚兴起的微商,其个人开店及企业开店数量已经基本和淘宝店的数量看齐,但销量还很低(占中国电商销量绝对还未超过1%),而且80%销量都还在于渠道(分销商)手上,未达到终端消费者手中,这是微商最令人争议的地方。但微商朋友圈电商绝对不是传销,只是层级网上分销,这个需要澄清,微商也有很多不规范的地方,除了60%都是卖面膜(其实微商几千个化妆品品牌都是广州几家工厂加工出来的),货不到消费者手中,宣传夸大(他们发明一种只在传统电视媒体一年只做一次电视广告,然后在朋友圈忽悠一年的宣传方式等,夸大赚钱收益等)。毕竟还有很多微商卖土特产等还是很正规的,而且中国微商80%是女性,女性微商中,80%是在家带孩子的妈妈群体(这个群体不合适开淘宝店,朋友圈生意是她们唯一的选择),公益效应很大,应该支持。上个月我举办中国电商美女大赛,我连续举办了3届,此次有50%是微商美女,30%是淘宝电商美女,而去年微商美女一个也没有,淘宝电商电商美女占80%,这个现象已经充分说明了中国电商的变化。

目前企业开各种微信小店生意的还没有成功案例,但朋友圈成功案例不少,去年是俏十岁第一(朋友圈2亿销售额),今年俏十岁已经被颠覆,出来很多新的微信电商品牌如思埠、 一直美、韩恩,悠语、科倍斯、瓷肌的自由呼吸、包括做服装的米兰时尚、电商线上培训富网店等。

总结来说:化妆品微商模式,我看到的就有10种:

1、瓷肌绿瘦模式,官网电商站群模式,其化妆品电商每年盈利几亿;

2、俏十岁模式:微信朋友圈电商模式,微信朋友圈电商第一品牌;

3、莫七七模式:不是明星,化妆品淘宝店靠粉丝经济不化1分钱推广做到2金冠5000万;

4、夏河模式:靠微博个人影响力化妆品每年销售5000万;

5、wis微博明星代言模式,几个大学生做的新化妆品靠湖南卫视明星李湘何炅等微博代言一炮走红;

6、韩恩化妆品模式:淘宝天猫做代理品牌渠道,积累用户后,用微商做自有品牌。新的思路玩法,pc电商做旧品牌,移动电商做新品牌;

7、电视购物化妆品模式:将电视购物模式照搬到朋友圈。

8、千人医生模式:招聘1000个女孩伪装成医生指导皮肤卖化妆品;

9、化妆品移动电商限时抢购模式

10、化妆品o2o微商模式:很多传统化妆品企业都在试验。

和淘宝基于货为主的生意不同,微商的本质是基于人的生意,一切基于人。相信1000万微商人的实践智慧,其中一定会出颠覆性的电商模式与成就。

但微商的一切取决于腾讯官方的态度,腾讯对微商的态度基本以封杀为主,谈不上任何支持,企业微商不给流量入口,个人微商动不动就封杀,腾讯官方称表态微信电商3步走:第一步公众账号,第二步各种工具与服务;第三步给流量;目前只做到第一步;

基于此,我建议创业者及传统企业对微商的态度既不能过左,保守的认为目前微信电商没销量、没前途、对微商朋友发广告的一律封杀,对微信电商的前途视而不见;也不能过右,认为微商会颠覆现有的模式甚至淘宝,激进的全部转型微信电商。

具体做法建议是:微信有关任何新的有关微信电商的东东,你都要去试,都去玩,跟得上这个时代,但暂时不要大投入。这个目前对微信电商是最务实、最客观的建议。

二、淘宝天猫垄断中国电商格局已经完全确定

2014年下半年中国电商最大事件无疑是阿里上市,意味着阿里一家占中国电商80%,占中国移动电商90%的市场份额的大格局已经确定,2到3年不会有本质的变化,这个判断对中国传统企业做电商影响很大,决定了大部分的电商策略与预算、思路。

基于这个判断,意味者传统企业做电商最基本的步骤与赏识是:还是第一做淘宝天猫,第二步做全网(京东);第三步才考虑自有B2C及微信电商;80%电商预算与资源还是要放在淘宝天猫等;

2014年京东与阿里的上市,中国电商的格局基本就确定了,特别是B2C电商格局,或者说实物电商的格局已经确定,以后就只剩下20家电商平台,但这20家电商平台或垂直电商还在迅猛增长,但没有其他B2C什么事情了。

可能很多电商人对这个阿里垄断中国电商的现状不满,但商业不相信道德判断,只相信事实与实力。

所以基于这个判断的电商具体做法与建议就不多说了,就是在基本思路保持不变的状况下,电商要将即大部分精力与时间、金钱、资源都放在淘宝天猫及双11及京东唯品会等渠道,灵活的改变与适应。

三、生活服务电商与o2o电商的兴起

如果说实物电商的格局已经基本确定,那么没有仓储物流的生活服务电商会是下一步中国的电商未来,也是中国电商创业者的未来之所在。连腾讯百度都意识到这一点,他们都已经100%全部放弃实物电商,如腾讯放弃了拍拍及易迅等,但腾讯对生活服务电商如大众点评、嘀嘀打车等大力投资与扶持。万达等做电商都是这个思路。我昨天坐地铁,深圳地铁到处都是“万能的淘宝”口号的广告,强调淘宝也能预订电影票等生活服务,不仅仅是去淘宝买实物。

2014年下半年百度的直达号推出,微信新改版6.0版等,发力重点均不是针对实物,都是针对生活服务及o2o的。

目前炙手可热的互联网金融,其实也是生活服务电商的一种。

2014年还被称之为o2o电商的元年,o2o自媒体亿欧网的兴起也证明了这点。

生活服务电商及o2o电商绝对是比实物电商大几十倍的市场,中国那么多实体店面,那么多“食住行”及精神层面需求,互联网化及电商化机会太多。

所以我的微博微信一接到新创业者咨询,我基本都是建议他们不要做实物电商,不要再去卖货,做生活服务电商创业,甚至只要通过微博微信精准的圈到几百个目标用户引导到美容院、医疗机构等,就可以创业盈利,还卖什么货?

四、和消费电商比,未来中国企业互联网化机会更多

现在一谈到电商,基本就是特指C端电商及消费类电商,B端电商被中国电商届及媒体(包括我在内)全部忽略,这个是不正常也是不对的。

麦肯锡的最新2013年中美互联网对比报告:

1互联网普及率:中国46%,美国87%。

2占零售业规模:中国7—8%,美国6%;

3中小企业应用互联网比例:中20—25%,美72—85%。

即中国的消费电商发达程度已经超过美国,但中国企业互联网化应用比例发展太低,只有20%,即还有80%的中国企业还未用上互联网及电商,这个创业机会太多。微信为什么2014年下半年发力企业号,即各种云服务的推出,都是看中了这个企业市场。

谈到B类电商,也要涉及B2B,最近的包括腾讯间接投资B2B的马可波罗,还有慧聪网转板上市等,B2B电商受关注开始多起来。

所以,帮助传统企业互联网化及电商化的创业方向的项目,也是比卖货更好的创业的项目。就电商服务而言,工业品电商、外贸工厂电商等领域目前电商领域关注的少,这个才是电商的蓝海,创业者要多关注。

五、2014年下半年,中国电商品类火爆前3,最火的是农产品生鲜电商、其次是母婴电商,然后是面膜电商(微商)

农产品电商的火爆是以中粮我买网、顺丰等发力,还有阿里上市后最新公告说“涉农电商”将成为阿里未来重点布局的三个重点领域之一。垂直电商未来上市出头的,很可能是这个 农产品生鲜电商,尽管这个领域是最难盈利的;

最近几个月,仅仅我身边的认识熟悉的朋友,就有上10人获得了几千万元vc投资做母婴电商,基本都是做母婴特卖+母婴移动电商模式,全部是一模一样的商业模式,不同投资方投资,好像商量好似的的,疯狂烧钱投资;

中国母婴电商格局:1、母婴平台级电商前5名:天猫母婴、淘宝母婴、京东母婴、一号店母婴、苏宁母婴(红孩子);2、垂直母婴电商前5名:宝宝树,摇篮,丫丫,蜜芽,爱败;垂直母婴电商全部盈利;3、淘宝母婴电商前5:多多云、爱娜骑士、史诗、贝壳等;4、母婴电商服务商前5:东莞乐其,深圳红火等;

母婴电商在2014年火爆的不行;如 4金冠母婴店铺《史诗》创始人、她刚获得千万美元VC投资筹备做无线端母婴电商《荷花亲子》创始人(筹备阶段还未上线就获得IDG及一家美国上市电商的千万美元投资!),还有VE母婴平台也获得3000万美元投资。

面膜电商的火爆仅仅因为朋友圈电商60%都是以这个品类为载体。

说这么多,建议是,太火爆的品类,电商创业者进入要谨慎;

六、电商渠道的下沉到三四线市场

淘宝京东等电商2014年纷纷到农村去刷墙,是具体的表现;

这条不用多说,北上广深的电商基本已经成熟,而3线4线的电商刚刚开始,今年我去了东北、广西、河北等很多地方,发现 电商渗透率很低,很多省的天猫店才几百家,整个省一个B2C网站都没有;o2o、移动电商、微商等新概念基本对这些地方渗透更少。还处于电商等于开淘宝店的阶段;

还有三四线市场线下假货特别多,有的偏远超市假货率高达80%,反而需要电商去拯救。

启示是一线城市的电商人多回家到电商落后的4线五线乡镇家乡去创业,现在是很困难,坚持,以后收获会很大

七、自有B2C开始得到突破,乐见其成

小米电商不是靠淘宝天猫京东做起来的,做了一个自有B2C成功的榜样,现在华为、海尔、乐视、万达等很多大型企业都是以自己独立发展电商为主。

2年前我和亿玛地皮预测中国传统企业自有B2C会得到大力发展,美国电商常识也是电商市场份额80%是传统企业的自有B2C为主,而不是平台电商为主。结果这几年中国企业的自主电商的发展令人大跌眼镜,普遍没有做起来。

建议是无论多艰难,中大型传统企业还是要重视自己的B2C平台,最低也要培养自己的微信商城、自有app商城,不要将自己的电商命运放在第3方平台。

八、移动电商的兴起:加速度

无论阿里上市,还是2014年上市的京东、聚美等,移动电商的比例高都是IPO的最大卖点,移动电商的兴起与浪潮无疑是毋容置疑的。现在移动电商占20%左右比例,未来很快是50%比例。我接触的聚美、美丽说高管,他们的说法是他们的目标是成为一家移动电商占100%的电商。

我了解的信息,已经有几十家垂直移动电商app项目2014年下半年获得VC投资,他们都将在2015年发力,到时垂直移动电商平台将百花齐放,一如2到3年前垂直B2C的火爆程度。

但我对传统企业做移动电商的建议仍然是3点,先做好移动电商渠道、再做好移动电商产品、最后才是移动互联网新模式,不可一蹴而就。

九、2014年下半年对电商假货的打击空前,出路是电商要走正道

龚文祥微博微信每天发50到100条电商人服务信息,最近这样的信息越来越多:“我的店被封掉了,我的单品被下架了,我的店被扣分了不能投放直通车了,我悬赏几万元求解决问题。”我的微信服务成为电商的风向标,接地气的让我了解电商届的风吹草动。这个证明了阿里上市后对电商假货是真正成打击态势,而不是以前的做做样子,就像此次国家打击腐败,所有人都认为此次是来真的。而微信电商也一样,一次腾讯管理层出席一个微信论坛说,国家工商局坐镇微信打击假货,而不是腾讯在打击假货,包括代购也被界定为走私,政策层面会打击的越来越严。

所以,未来走正道成为电商的唯一选择,以前有原罪的电商,要尽快转型。

十、双11将成为2014年下半年除阿里上市外最大的电商事件

很多电商一年50%的销量都集中在双十一这一天,这个是现实,尽管对1111的低价、集中销售导致库存等非议颇多,但其销量的威力是个现实,不是道德口水所能改变。

去年双十一亮点是小米、及一些金融保险、汽车等品类,今年双十一将是什么,拭目以待。

对这个建议最简单,传统企业不惜一切代价与资源,做好双11.而其他B2C及微商,也是一年中借势的最好时机。

以上是我最近对电商观察的总结,作为个人自媒体,给一线电商人一些抬头问路的启示,也就够了。 最近的一些大概念入大数据、o2o、移动电商、微信电商等,文章信息案例很多,但大多数的中小企业还是不懂怎么做、怎么落地具体执行。作为电商人不能过多关注电商趋势及大数据分析,也不要过度关注与自己毫无关系的电商事件,也要辨别经过包装的电商案例。通过以上10大电商趋势分析,知道这个事情很重要,但如何一步一步的落实与执行才更重要。

作者龚文祥。

企业拥抱IT变革不彻底的N个真相

十二月 17, 2013 by · Leave a Comment
Filed under: 新商业智慧零售 

本文来源:The Economist Intelligence Unit调查 ,用友软件股份有限公司董事长王文京推荐.批注

对于传统企业而言,云计算、大数据、移动互联等新技术被视为“变革性IT”,是因为它可以重构企业的业务模式,乃至颠覆整个行业格局;而过去的IT更多被传统企业视为节约成本、提升效率的系统和工具。约60%的中国公司声称自己是“变革性IT”的早期采纳者——具体而言即云计算、大量数据的分析(“大数据”)和移动技术,这些公司已经将上述IT应用于其所有业务领域之中。事实上,截至2013年年中,约88%的公司已在使用云计算,而86%的公司使用大数据分析,82%的公司已采用移动技术。此外,超过半数的公司认为,新IT在业务模式创新方面发挥着重要的作用。这表明,中国公司与其全球同行一样,均热情地参与着这场已经改变了公司业务模式的IT革命。

批注1:
新技术在所有业务领域中的应用,从一定程度上表明,新技术的采纳和推动已上升到一些传统企业的战略决策层面,因为这些变革性的新技术能改变企业的业务模式乃至经营管理模式。

然而,细看之下,中国公司对待新技术的态度还是各不相同的。人们对云计算、大数据和移动技术的益处或者更广泛地利用此类技术所面临的障碍也持有不同的观点。此外,公司内部对新IT的态度也相差极大。

有时,高层管理人员(即董事会成员和首席高管)的理解与位于公司业务“前线”的员工们所面临的日常现实并不相符。而且,公司IT部门有时也与其他部门经理的意见相差极大。技术革命的程度可能不如标题数据所表明的彻底。中国公司对于新IT总是先知先觉。大多数公司认为保守的企业文化并不是采纳云计算(56%)、大数据(53%)、或移动技术(54%)的潜在障碍;只有少数公司将此视为一个主要的问题。

高管缺乏对新“IT”的感知

变革性IT的益处是明显的,但却难以量化。数据表明,公司对云计算的重视程度稍微高于大数据,而对移动技术的重视程度又稍微低于大数据。但是,益处的量化却并非如此简单。例如,超过60%的受访者认为,云计算的投资回报率(ROI)尚未确定这一事实会成为其更大范围内采纳该技术的障碍。多数公司在大数据(57%)及移动数据(52%)方面的看法相似。在三种技术中,超过一半公司认为,高管缺乏对新IT的理解,这也成为采纳新IT的障碍——至少算是一个中等程度的障碍。

保护敏感信息仍是最大的障碍。如果将认为数据安全的问题是中等或严重障碍的受访者的百分比累加之后,数据安全这个因素很明显是中国公司在采纳新信息技术时面临的最大担忧。在此方面,中国与世界其他地方的公司都是相同的。通常来说,在投资变革性技术之前,关于是否要向第三方供应商提供(有关云计算及大数据服务的)敏感信息及如何(在移动技术的情况下)保护员工手上的设备所储存的信息是最有可能令决策者三思的问题。

批注2:
初期最被关注的就是安全问题,但随着技术的成熟,企业对新技术的采纳,会同公众对互联网的使用一样,不可能因噎废食。当然,恶意的类似“棱镜门”的事件,还是需要警惕的。

最大障碍:信息安全问题

公司间(B-to-B)服务以及消费品/零售公司不愿意采纳新IT。调查表明,在所有业务领域,金融/专业服务以及消费品/零售行业的中国公司最不可能成为新IT的早期采纳者,仅有50%的受访者将自己视为新IT的早期采纳者,而其他行业的该比例超过60%。当然,超过五分之四的IT/媒体以及出版公司将自己视为早期采纳者。调查表明,中国金融/专业服务公司明显不愿意采纳新IT的原因可能是因为与其他行业的公司相比,这些公司不大可能从这些技术中获得益处,特别是大数据及移动系统。另一个原因可能是他们更担心在处理大数据时储存在云中的敏感数据是否能够得以保护,而IT公司最担心移动设备上的数据安全的问题。

批注3:
安全问题,依然这些行业企业采纳新技术的拦路虎。

较大型的公司准备得更为充分,以便在早期采纳IT技术。年营业额在5亿美元以上的中国公司对变革性技术的态度与年营业额低于5亿美元的公司相差很大。近四分之三的大型公司将自己视为将技术应用于其所有业务领域的早期采纳者,而仅有一半的小型公司持此种观点。在大型及小型公司中,比例相似的公司(约四分之一)使用云计算、大数据以及移动技术超过三年,但大型公司更有可能凭借这些IT投资来改革其业务模式。

批注4:
新技术目前已是大企业的刚需。因为对于大型企业而言,在前端需要重新定义与客户的互动方式,在后端要求及时响应客户需求,重塑供应体系,它们需要通过社交商务、移动、大数据分析、云计算技术进行前后端的变革。而小企业的对新技术采纳的迫切性,更多和成本有关。

云计算是唯一可让超过70%的小型公司获益的技术领域。近90%的大型公司认为,云计算已提高其敏捷度,或让它们可在市场中作出快速、极具成本效率的反应。这些结论表明,仅拥有投资技术的方法是不够的:公司需要不断的培训、支持及投资,以获得最大化的回报。

企业文化成为新“IT”拦路虎

董事会成员/首席高管较不可能将企业文化视为采纳新IT的障碍。从理论上来讲,每家公司都拥有其自身的文化。实际上,不同资历的受访人员对何为企业文化的观点也相差极大。就云计算、大数据分析及移动技术而言,仅有极少数的董事会成员/首席高管将企业文化视为采纳新IT的障碍。相反,约半数受访的初级管理人员认为,其公司的企业文化是采纳云计算和大数据的一个障碍。只有少部分的(尽管绝对数量众多)员工认为,企业文化并不是采纳移动技术的障碍。

批注5:
新技术使得企业会从流程驱动转向数据驱动,企业的架构和组织模式会发生巨大的变化,阿米巴、小组织、自组织模式将逐步成为主流,这意味着那种自上而下的体系会逐步瓦解。在这一过程中,企业文化的变革发挥着重要作用。

领先企业的经理们更能了解云计算的潜力。在盈利方面领先的公司中,只有超过一半的受试者认为,高管对于新技术的了解不足是采纳云计算的一个障碍。在其他公司中,相应的数据高出许多,高达64%。值得注意的是,通过采纳云计算(79%)来降低固定投资成本的盈利性领先企业的数量大大高于采取同样行动(63%)的落后企业的数量,这说明,与同业公司相比,许多领先公司通过更好地使用技术以实现更大的成本缩减。在各个公司之间,高管们缺乏对云计算了解的程度的差异较大,而缺乏对大数据及移动技术了解的差异较小。

大数据的分析是真正重要的技术。较不成功的公司与成为盈利性领先企业的公司收集大数据的时间差不多一样久。然而,就两者从其投资所获得的益处而言,两组公司出现很大的差别。无论是何种益处,70-80%盈利性领先企业认为其已实现该益处。相反,只有55-65%的其他公司持此种观点。从这可得出明显的启示:与其他公司(半数受访者所在公司的年营业额低于5亿美元,而另一半受访者所在公司的年营业额等于或超过5亿美元)相比,领先企业更能有效地分析其收集的数据。

软银创始人孙正义:从终端与云端的变化看未来30年人机合一

十二月 1, 2013 by · Leave a Comment
Filed under: 新商业智慧零售 

译者按:本文是2013年7月Softbank举办的活动上,孙正义题为《向世界挑战》的演讲全文。虽然今年7月活动结束之时,就有关于这篇演讲的新闻报道,但网上始终没有中文版的演说全文。茶馆的小编看这篇一上来就将300年后的演讲,实在是觉得它充满科幻气息,就忍不住把全文翻译出来了。也许众位客官要问,这篇文章和手机游戏有什么关系,其实,有无关系取决于众位客官舍得将眼光放得有多长远。如果我们的世界将变得如此科幻,那么游戏乃至人类娱乐,都将按着大趋势、随着大潮流变得全然不同。

废话不多说,我们来看演讲全文:

在座的各位,大家好。我是来自软银的孙正义,请大家多多指教。

“向世界挑战”,这是我对我们公司的期望,今日聚集在此的诸位都就职于在世界市场活跃的企业,也都是很有抱负的人。最近,在安倍经济政策的影响下,日本的经济再次显现出了迎来成长期的态势,在刺激经济发展这个意义上,有许多的财政上的举措,也会有经济成长的战略规划,然而,利用一时的财政政策,却无法让经济成长的话,就没有意义。在这个意义上,日本经济的高速成长的时代,正是日本家电和汽车产业的创业者们开始大规模向世界进军的时代。在最近的20年里,日本经济增长长期停滞,还面临人口减少和少子化问题,进军世界是必要之举。

要么数字化,要么灭亡

现在的状况是:数字化之于许多人,并不是主动进行的,而是走投无路被逼进行的。

特别是最近,日本的家电产业在持续和赤字苦战。我认为,其原因就是数码化的动作太慢了。仅仅组装零件,就仅仅只是电子化。日本制造的硬件非常轻薄,故障率低,这是日本的传家手艺,这也面临数码化不足的问题。

要让软件和硬件融合,一定要活用云技术和大数据,也就一定要积极地进行数码化。

“向世界挑战”,我想将这个作为今日的主题,首先从我自身来说,今年我们软银会更进一步向世界挑战,我们已经开始着手了,收购美国的Sprint,我们也很不安,有很多意见分歧、也有很多曲折,虽然收购价稍高,但最终还是收购完成了。

我们是销售额排世界前三的企业,至今也在日本排第2、第3。我们引以为傲的服务排在第3位,整个集团服务的用户数和销售额排在第2,但是,在国内第2第3先暂放一边,重要的是在世界排第3,用户数在全球的数量远远超多docomo,逼近美国第一的威讯。

这么看来,平时与我们做交易或者今后有此打算的各位,软银将Sprint收归旗下,能得到什么呢?虽说软银在全世界的据点并不少,但是Sprint在全世界有30个据点,用网络连接了165个国家。对于在世界市场活跃、或是今后有此计划的各位来说,软银·Sprint联军可以帮助你们,将美国排名第三的Sprint收于麾下,我们的联军可以在全世界大展宏图。

虽有挑战,但定能打开未来之门。没有任何挑战就能面对未来的情况,要么是前人栽树后人乘凉,要么纯属运气,恐怕也不能长久。但是主动持续挑战着地各位,是自己开拓自己的未来的,我认为一定能取得好的结果。

我差不多在3年多以前,提出了软银的“30年愿景”。第一次提出“30年愿景”的时候,是创业之时,我第一次举行公司早会,除我之外公司员工只有2人,在早会上我差不多说了半个小时的未来愿景,两个员工都睁着眼睛听,觉得自己身在一个奇怪的公司,两星期过去后2个人就辞职了。

进行长长的演讲述说公司愿景,会给员工留下心理阴影,所以我把愿景封印在心里了。创业经过了30年,我再一次把这个问题摆在员工面前,把至今以来的30年愿景述说出来。

终端之变:单片机的晶体管数量在2018年会超过人脑

一开始,我迷茫于“30年之后会怎样”这个问题,然而越是迷茫就越要往远处看,就越能看清洪流中的未来。我们考虑长远一些,彻底考虑一下300年后的人类的生活状态、社会、技术的进化,大约花费了一年聚集国内外的才智来考虑这个问题,今天大致说一下其中的一部分。

单片机是晶体管做成的,晶体管靠近和分开,形成了电流,脑细胞也是神经细胞靠近分开、进行记忆与思考,也就是2进制,用微弱的电流记忆和思考。晶体管也是二进制,脑细胞和电脑芯片完全是同一理论。由此推断,在大约20年前,人类的脑细胞数量是30亿个,按照二进制就有300亿个组合。300亿个,单片机里的晶体管数量何时能超越这个数,如果我们算一下的话,答案是2018年。

按照摩尔定律,机能一定会不断进化。而人类的细胞从4000年前到现在就没变过。

从现在起2000年后脑细胞的数量也不会变,而单片机的晶体管数量在2018年会超过人脑,我们再想想30年后会怎样,2018年之后的30年后、更进一步,想想300年后。300年后,就是10的60次方倍,远远超过脑细胞的数量,至今为止人类是地球上用脑细胞工作的生命体中数量最多的,而拥有超越人类机能之力的,是单片机。

晶体管蕴含许多可能性

我们认为烦恼、想象、创造是人类的特权,电脑今后也将拥有自学能力,电脑自己编程的时代将会到来,今后的世界将像是科幻小说一样,脑构造计算机一定会诞生,能比人类更加敏锐地洞察和发明,搭载这种计算机的机器人会超过人类,不与其共存就没有未来,我相信人类与优秀的机器人能够幸福地共存。

人类目前认为不可能而放弃的领域,像灾害的救助、看护、医疗、教育等等,都可以由搭载脑构造计算机的机器人来帮助。

在从事通信事业的软银看来,优秀的电脑无线连接网络,通过芯片和人类进行脑内交流,只需在脑中思想就能与对方通信,就如同传心术一样。

30年前,手机还没有出现的时候,我就想到过像如今的智能机一样,平时随身携带的机器,最近的可穿戴设备,如手表、眼镜也相继出现了。

另外,医疗也会大大进步,平均寿命200岁的时代终将到来,300年前人类的平均寿命是35岁,大多数人因为战争和疾病早早地死亡。300年后人类的平均寿命是200岁,70~80岁都会被说年轻,未来越想象越觉得接近科幻小说,充满哲学、宗教等等争论的话题。

然而一边想象着300年后的世界,一边烦恼之后,再次考虑“30年后”这个话题,会觉得基本上是无聊而理所当然的世界。会让人觉得“这样的程度是理所当然的”,讨论300年后搭载脑构造计算机的机器人的时候,人们的意见多种多样,30年后的事与之比起来似乎太平常、引不起议论,但关键问题就在这理所当然的30年后。

首先是“信息大爆炸”,比如,我们想象一下30年后的iPhone会如何,与现在同样价格的CPU的能力大约会是现在的100万倍。

虽然不知到那时候,iPhone还存不存在,但30年后的智能机平均的记忆容量会是现在的100万倍,通信速度是300万倍。

100万倍是什么概念呢,那是装入了是人类大脑10万倍的晶体管。

2018年以后电脑会超过人脑,30年后就是远远超过,这样的话,就能够放进5000亿首歌曲、3.5亿年份的报纸。这样的“超级智能机”今后将会出现,这样的终端本地的处理能力已经如此,云端会如何呢?这又完全不一样了,通信速度达到现在的300万倍的话,本地和云端之间的连接速度几乎可以忽略不计,无限大的云端将把地球大大拓宽,也会改变人们的生活方式。

云会成为人类最大的资产

所有的一切都会成为生活记录,被保存在云端。 “实时翻译眼镜” 30年前就取得了专利,当然远在谷歌眼镜之前,今后的云技术中,在通信的瞬间完成自动翻译会变成理所当然的事。教育当然也会大大进化,全世界的孩子能与世界各地的孩子说话、语言不通也能自动翻译。医疗也会发展到高水平,无论你是住在孤岛还是住在沙漠,也能瞬间接受世界最尖端的医疗服务。工作方式也会进化,能瞬间连接许多东西,生产效率大大提高……云会成为人类最大的资产。

移动设备的流行仅仅只是一个开始

软银也开始将云技术作为最大资产而活用起来,云和大数据相混合,能形成更加有益的形式,为市场服务、解决问题。软银首先从自己开始,活用大数据,解决自身的问题。首先改善信号,为了更好服务软银的用户,我们让信号更良好,建立更有效率的基站。

我们做了一件世界首创的事,独立花费了1个月时间,收集了7.5件的数据,数据从智能机App上获得并分析,用户网络的改善。用户在何处、何时、几次接入网络、连上了没有……我们进行了种种分析,也分析了竞争对手的用户的连接状态。这是世界首次,人们在哪个店里会进行怎样的行动、周五的18点到周日的10点都干了什么……一切都用数据进行分析。

我认为这样才能进行真正的改善,才能分析哪里有问题,障碍在哪里。举个例子,我们常在IT杂志上看到“调查了200个地方”“问了1000个人”,然后进行分析,但从没看过分析7.5亿人的杂志,因为这样很花钱,也没有相应的技术。Docomo的top2机型现在有多少连接上了,au的哪个机型连接率不好,我们比他们都清楚,这为我们改善通信服务帮了大忙,能堂堂正正地在电视广告里说“我们改善了信号”。再卖给别人之前自己先试试,能不能真的派上用场,这是软银的文化。把时下流行的概念比如云比如大数据先自己彻底活用,让我们的服务改善真的具备科学的数据分析背景,才能用有限的设备投资与别人竞争。

另一个活用大数据的例子,就是我们之前就开始做的,用户能不能实际体会到信号改善,我们通过分析推特的大数据来把握。

软银在工作方式上也配合云技术,率先进行了改变。iPhone推出至今已有4、5年了,我们给全部公司员工都配了一台,iPad出来的时候也给所有人配了,全员可以随身携带、连接云端,利益增长并不是偶然的事,对于未来的云,不活用iPhone是不行的,我们无论在何时何地都能进行各种各样的工作,邮件也通过Gmail Cloud化了,各种各样的报告也Cloud化了。

不仅仅是我们,和我们合作的企业也在活用这些。JR上配了7000台iPad mini,无论何时何地都能阅读喜爱的内容,医药公司利用视频提供医生的情报、misawa home(房地产公司)利用iPad进行工程管理、三和shutter也在工作中引入了1400台iPad,利用视频等手段,让人们能实际体验闸门开关的速度。

软银公司内已经实行无纸化,也不用打印机,除了契约性文件和向政府提供的文件,已经全面无纸化了,开会也是用视频介绍,公司内有专门制作视频的团队,presentation的方式也改变了。利用Google Apps在世界各处商谈……

向世界挑战,我们看见了新的风景,是不挑战则见不到的风景。今后让我们继续我们的征程,正在积极进行数码化的企业,让我们继续挑战信息的革命,世界的工作方式也会发生大的变革。

为什么要行动呢?只因这是为人们提供幸福而不得不进行的事。

这就是我今天的演讲。本文来自虎嗅网

我是如何将一个天猫项目做失败的!

十月 26, 2013 by · Leave a Comment
Filed under: 电子商务运营 

这是一个从2011年开始到今年运营的项目,一个小类目。下面说说一个幸运小白的惨痛经历,下面所言仅限于我之前所在的小行业当时情况,不同时期不同行业会有不同情况。

第一道硬伤:抄袭+背景

这个项目是公司土豪从08年起监测了一个OEM品牌做天猫成功了而受到启发才决定开始这个项目的(这个品牌的命运现在也基本已经结束了)我入职的时候还是一名实习生,完完全全的小白,第二个月的时候公司的人员都招聘完了,一个主管,一个推广,两个客服,一个负责发货,全部都是新手,也没有美工,土豪不同意聘请美工,也曾经提议过两次要求招聘一个有经验的主管来运营,但是都被否定了。就这样我们五个人花了七个月的时间把品牌申请了(TM商标),到外省找到了OEM合作供应商,谈好了合作的快递公司,天猫旗舰店也申请了下来,除了产品的摄影和第一版店铺广告是外包的,其他的产品详细页和整个店铺的装修都是五个人自己完成的,团队除了两个人有点PS的功底之外,剩下的三个都是临时教会切图的,第一次就上了两个系列70多个产品。

开始这个项目的时候,土豪给的目标是50万每月的营业额,年营业额是600万,这个数字是那家参考者的数据(当时就只会统计人家的销量,还不会去统计行业的数据),这个数字是那家参考者花了3年才做出来的成就!

按照当时土豪的意思是:只要产品的价格足够低+包邮就不怕卖不出去(当时那家参考者的价格是成本价+包邮),其他的什么人员都不重要。其实这个也难怪的,按照土豪这个思想,我们公司成功拿下了很多家大客户企业的生意,公司在金融风暴中生存了下来。但是这个项目和这个成功经验的不同点是:第一客户群体不同(B2C和B2B),一个是普通消费者,一个是企业工厂客户。第二客户思想不同,消费者要的是价值,企业工厂要的是利润,这点最重要,同一种方法在不同的客户身上不一定适用,消费者千人可能就有千种思想。

总结:

彻底的抄袭是这个项目失败的原因之一。

从模仿起步这个无可厚非,但是自始至终一心想着抄袭就能成功这就不一定了。关键是在学会了走路之后,要学会分析自己的方向分析自己的定位分析这个市场,一步一步脚踏实地走自己的路,这才是正道!市场是所有成功的基石,只要分析得够深够详细,就不怕找不到出路。

吝啬在人才上面的投入,招聘没有经验的人来运营也是这个项目失败的原因之一。

节约是财富之本,这句话没有错,但是现在的淘宝不再是以前的淘宝了,首先几年前淘宝买的是货,现在淘宝买的是视觉和性价比;另外淘宝最初的运作方式已经不适合现在淘宝,没有基本的分工就几乎不会有未来。当每一项工作都做不到深度做不到精度的时候,又怎样能做到50万每月的目标?专业的人士比万能的人士可能更容易获得成功。

第二道硬伤:定位错误

这里有三个方面:产品定位,价格定位,人群定位。

产品定位:

其实产品一开始就是定位失败的。上架的两款产品在这个市场上面已经流行了20多年的老款产品(外观全新设计),在市场上早已经是一种低端的产品了,尽管采用了新的材料,但是本质上还是低端。当时我们5个人也是刚进入这个行业,什么行情都不了解,以为只要比那家参考者的产品好看就能卖出去,里面几乎都是我们自己的想法,都是没有经过市场分析而做出的盲目定位。连最后上市的那款寄予厚望的“高端”产品也完全是看到别人好卖就直接搬过来刻上自己品牌就卖的,严重的同质化(土豪武断的结果,这不是喷,是要学会尊重市场)!尽管在筹备这个项目的时候我曾建议过要对这个项目进行一个SWOT分析(这个是学校创业选修课学下来的理论,尽管自己不是很会,这里可以狠狠拍砖哈),以便做出正确的定位,但是当时吃了闭门羹(这是原话:不要拿你学校的那些理论来说,在这里是行不通的,你就老老实实把事情做好就行了)。两年后的现在看来是很有必要做这样的一个SWOT分析的。

当时我们公司的客户都已经换高端新款上市了两年多了,因为价格贵,当时的网上市场还是很少卖,这其实是未来市场一个很重要的机会,但是我们没有发现,都跟着土豪的意思走了,我们那时候都以为是小众产品。但是这给后来跟我们差不多起步天猫的一个同行抓住了这个机会,发展起来了(据推算目前是类目第三!月营业额超过600万+)。她的成功在于:对这个市场做了很详细的分析,把高端的产品变成大众化的产品去卖(跟大品牌低端产品定价差不多,当时市场上的产品基本都是跟那些大品牌卖的是一样的低端产品,只是价格更低,但是在这之前一直没有人想过把高端的产品变成大众化的产品去卖),然后采用截流的方式疯狂推广这款产品(这种魄力不是一般企业有的,这个都是建立在 很详细的数据分析基础上面的,当时他家的一个点击单价就是一个产品的原价(两位数),这个是小行业,竞争激烈)。所以当时我们家的产品定位失败原因在于过时和同质化!根本原因在于没有经过任何市场数据分析,主观臆断去定位产品,当然跟我们这些新手脱不了干系。

价格定位:

这个回到了上面那个抄袭的话题。我们的价格也是几乎完完全全抄袭别人的,仅仅是小数点后面的零头不同。尽管我们都提议说不能模仿别人做更低价格的定价,根据前人经验这个是行不通的,而且我们产品质量本身就比那家参考者要好。但是我们的话都没有说完就遭到了土豪否定(这里面涉及决策者不懂淘宝体系定价方式强行主观臆断造成的),我们当时的意见是参考服装行业(淘宝最成熟的类目)的定价方式:先提高原价,然后用打折工具等进行降价销售,量上去之后就开始降低优惠幅度实现盈利。所以后面的事情几乎可以料想到了。当时还是行业的旺季,上架销售的时候卖不动了,消费者不相信你这个是实价,人家要的是打折的产品,而且当时几乎家家都在打折!到节日的时候,别家打折了,自己家也只能跟着打折,本身定价就已经是接近成本价了,打折后一下子很多款产品都是亏成本的(当时土豪还是“硬性要求”一个包邮!),打折活动没办法做。最后土豪只同意拿一两款去上第三方那些活动(垃圾流量占大多数),在销量上开始有点起色了,本来就仅仅那么少数几个回头客,看到其他的产品不打折,也没有优惠,不买了。所以很多时候销售额还比不上工资,一直这样亏了半年多。

在上线7个月 之后,我们终于说服了土豪不要单个产品包邮,采用整单包邮的形式,修改原价,然后进行打折出售,并且通过一系列的付费推广,重新积累新的客户,这时候已经进入了今年的旺季,销量翻倍,毛利也提升了,但是依然没有办法盈利,因为价格定得太低了(根本原因是这个系列的产品定不了高价,低端产品!),如果想盈利的话,那必须得加大量,而且这个量达到一个再翻一番的水平之后才有可能盈利,而且这部分的利润就是人员的工资(当然不计算其他两款增量的收益)。耗到这个时候土豪已经失去了信息,按照他的思想根本就不屑这点收入,哪怕就是亏本!其实后来做成功的那家在当时,根据我们的数据分析统计,估计也是只能保本,最多也就微利,但是我们两家的投入对比完全是一个天一个地,我们一年的投入也不及人家一个月的投入,不过人家有精确的数据分析和完整的运营体系,我们打游击的跟人家不能比。每一个失误都可能是致命的打击,否则导致后期资金耗尽也看不到未来,而且对士气打击是非常要命的,当没有士气的时候,这个项目也离死期不远了。

人群定位:

这个其实说应该是由上面两个因素决定的,没有品牌的低端的产品只能面向于低端的客户。购买力不强,客单价低,喜欢小便宜,加上后期的推广失败,最后也就没有办法盈利。

总结:

了解行业,了解产品,洞悉这个市场,分析消费者群体,找到自己的定位!很简单的话,但是这也是最难的。

第三道硬伤:推广失败

这里面也有三个方面:缺少推广经验!缺少深入的数据分析!投入失败!

缺少推广经验:

负责推广的只有我和推广,但是我们都缺乏推广的经验,直到店铺快要关门的最后几个月才知道什么叫系统推广法。刚开始不懂,害怕费用高,收不回本,所以都没有去尝试付费推广,一直在那些第三方活动上面徘徊了8个月。这其实是犯了致命的一步!有经验的运营可能在这9个月里面就早已经完成了店铺的优化(我们这个小行业的爆款都是一样的,脱离不了两款,很少有人能维持3款以上,基本只有那家超级品牌有几款)。尽管后面进行了改进利用这些第三方活动,但是这些活动基本都是徒劳无功的,因为不但亏本,而且吸引了一些更低端的客户:僵尸客(专门刷单或者恶意差评的那种,为了拿佣金,15%+),不但影响了整店的客单价,还影响了自然排名。我们挣扎了5个月之后才开始开车的,采取的是游击战方式,刚开始不懂内在那些隐形规则,花了很多冤枉钱(烧一天关一天),在后面摸清了直通车的技巧之后,又经历了各种武断性被迫停止丶无意的断粮等等,所以一直花着比别人多的银子拿着比别人少的流量。钻展基本没有怎么投放,其实钻展才是终极盈利武器。经验不足,所以投入产出比很不理想,达不到土豪投钱就要广告赚钱的要求,越是不理想被泼的冷水就越多,这直接导致推广的人的士气受挫,也自然缺少了更深入挖掘数据的热情。到开店第十个月的时候,直通车的情况已经弄清楚了,想通过直通车盈利是不可能的了,唯一就是通过直通车积累新的客户,吸引他们变成回头客(我们这个行业的特点是,极少人会看了产品之后整批购买的,基本都是买一两个看一下质量,对比几家,质量价格合适之后,他们才会购买,所以要盈利的,必须是客户的基数,基数越大,回头客就越多),所以这时候并不是什么技巧的问题了,缺的是一个系统推广方案和相应的资金,如果按照当初游击战的打法,那个量已经是不可能盈利的了,这就引出了最后面一点:投入不足。而且当时我们已经发现上面说的成功的那家早就用了这样的思想去推广,结果在他们在3个月之后就进入了行业的top20.不过他们用的是做品牌的方式去推广的,跟我们不同的是,我们是盲目冲着利润来的!所以游击战的推广方式本身也是个致命的错误。其实在店铺运营徘徊了半年之后,我们有再次出过要按照推广品牌的方式来推广的,但是我们很记得那次是土豪骂我们最厉害的一次(这是原话:这个你们最好想都不要想!人家***客户那么大的公司收入3个亿才敢做品牌,单招业务员的投入就要上百万了,我们那里有这么多钱?企业要的是利润,没有利润怎么生存?【当时我们想再开口解析,但是】……….你们不要说了,这件事就到此为止!)这其实也是一个不懂淘宝导致的问题,或者是沟通不畅导致的问题,这也说明为什么公司一直不支持做产品文案和视觉的原因。这些都是致命的失误!刀刀入骨!

缺少数据分析总结

只能说我们缺少深入的数据分析。

首先在项目开始之前没有任何什么详细的市场分析,对这个市场不了解,导致后期很多推广工作都是徒劳无功的,像几个月在那些第三方活动徘徊,游击战方式的开车。我们当时连这个市场到底有多少个人购买这样的产品,那些是偏向于品牌的,那些不是,这些都不知道,当了解完这些的时候,这时已经是开店7个月了。

其次我们对整个市场的那些板块流量构成不了解,不知道那些板块有多少流量,也不懂得去如何获取这些板块的流量,那个时候整天就想着怎么盈利,所有的工作都围绕着怎么盈利,其实这个是错误的,你必须懂得舍弃鱼饵才能钓到鱼。当整个团队统一整个道理的时候,我们店铺离关门的日期只有4个月了。在这个时候,我们同时也发现完全错过了最佳的发展时间,店铺的数量从开店时候的200多增长到了当时的600多,而且跟我们差不多起步的那家已经在狂砸广告(100万+每月)截断这个市场(除了少数两三家大品牌)的流量,此时大势已去。

投入失败

表现在很多个方面。

第一人员的投入失败,整个团队没有一个人是有经验的。

第二产品配套投入失败,产品所需的必须产品配件没有,可以盈利的配套产品不给上,等到快要关门的时候才肯同意采购,连最基本的品牌视觉投入也没有。

第三推广投入不足,当找到适合的推广方法的时候,那个时候肯大力投入推广,而不是把战线拉的更长,就有可能还会有希望。还有就是在冲销量的时候,数量一减再减,分散到几个月里面去,不能集中一点突破,相当于徒劳无功。

总结:

这其实是一个恶性循环的结果。推广的人不懂推广,导致销量不好,上级没有信心,所以也不敢投入,同时也导致战线越拉越长,失血过多,最后只有死亡。

第四道硬伤:领导失败

自然,这个我是个最大的问题,尽管有过一年的学生会干部经历。另外就是公司放权的问题,导致完全不按公司规则行事的人都不能开除,所以学历比我高的,工作经验比我多的都一样,哪怕都是我的下属,都各做各的,可谓百家争鸣。这也说明一个管理者没有管理能力是很可怕的!第一,领导魄力不足,导致整个部门的工作积极性不强。第二,就是团队的凝聚力不足,很多工作几乎像一盘散沙,意见不能统一,各自为政。另外就是公司的问题,放权问题,管理者没有权力,只能说,不能管。还有,包括小到一张图片设计效果,一个礼品的LOGO印刷位置,一个发货软件的购买价格这么小的事情都没有放权,都要强行掺入决策者个人的思想,这些对一个认真工作的人的积极性和创造性打击是毁灭的!连最基本的信任都没有,你叫人家如何“玩命的工作”??

总结起来失败的原因有:

1 抄袭

2 招聘人员失败(新手能力差,都是没有经验的,也导致了后面的一连串失败)

3 定位失败

4 推广失败

5 管理失败

6 决策者缺少淘宝知识,缺乏远见,缺少基本的信任,过于主观臆断!

尽管这工作里面曾经有很多的不愉快,但是很感激这个公司给我提供的机会让我们成长了,所以作为一个幸运的小白,只有深深的感激,休养了一个月了,所以写了这篇文章。汉语学的比较差,有些用词可能有不当,仅为代号,请别误会。欢迎看到的各位大神拍砖…  来源:派代网

营销上半身是艺术,下半身是技术:你的下盘是否稳当?

九月 23, 2013 by · 1 Comment
Filed under: 电子商务运营 

在营销世界里,“科技”曾经是一个肮脏的词汇,CMO和营销天才们都不屑提及它。在他们看来,营销毕竟一直是个创造力至上的行当,似乎创造力就完全代表了营销和CMO的全部生命力,当一名营销天才创意枯竭时,他的职业生涯就此寿终就寝!

真的如此吗?

营销界有这样一句至理名言:“我知道我一半的广告预算都浪费了,只是不知道是哪儿一半。”这是19世纪末美国百货零售业之父约翰•华纳梅克(John Wanamaker)作为一名广告主对当时仅限于报纸、宣传单页的营销手段提出的困惑。100多年过去了,这种情况并没有好转。一名营销经理曾在自己职业生涯的早期,供职一家全球知名的电子商务公司。他与自己的团队成员对某业务的营销活动进行了评估,并将结果上报给公司财务部。财务部经过核算后指出,该项业务的实际收入要比报告上的结果少5000万美元。此时的营销手段包括:网站展示广告、电子邮件营销、付费搜索、搜索引擎优化。

在Facebook风生水起之时,这名经理已经跳槽到一家知名快消品公司担任CMO,在Facebook上开设了公司主页,并砸下了大笔广告费。最近他发现,虽然主页上的粉丝人数还在增加,但从 Facebook 过来的流量却在不断减少,这就是说公司主页的曝光量在下降。

他所不知道的是,Facebook修改了EdgeRank 公式,让每个主页上新鲜事(Feeds)的自然曝光量大幅减少。EdgeRank 公式是Facebook主页上对新鲜事 (Feeds) 曝光排序的新算法。在这个新算法下,广告主想要收到预想的曝光量,就要投入专门的广告费来推广自己的故事。

Facebook的游戏规则就是,为了赚取更多的广告费,就去减少广告主的自然曝光量,来促使广告主投入更多的预算,以得到自己所需的曝光。换句话说,如果你有更多的预算投入到Facebook上,并不会让他们给你更多的自然曝光量,相反,那只会让Facebook减少你的自然曝光量,然后用付费曝光来把你的广告预算消耗完毕。

想想看,此时还真的是创意至上么?再好的营销方案如果不被人知道,又哪里有创意可言。

如果你是这名CMO,在Facebook的这套新规则下要怎么做呢?是按照新规则,继续砸下大笔广告费来购买付费曝光?你恐怕不会甘心这么做的。索性直接撤回预算?这样做之前先看看你身旁那些虎视眈眈的竞争对手吧。“需要做的是,首先要明白曝光量的下降是因为算法的改变,然后要知道在这种新算法下自己究竟能不能达到营销效果——别让钱白花了,还要找出来是否有更新的算法来让你达到目的。”国内一家体育用品公司的数字营销顾问如是说。

营销技术风暴

不单单只是社交网络上的一个排序算法,如今的高速计算能力、大数据分析技术、社交网络……让营销手段、技术越来越多样化,也使得CMO在采购、应用这些新技术时变得越来越难,因为越来越摸不着头绪。而这正恰恰说明一场关于现代营销技术的完美风暴已经近在咫尺,CMO处在这场风暴的暴风眼中。结果是可以预知的:在未来几年中,CMO会看到一场营销科技的大爆炸——以后将不会再有机会看到了。至于这场科技风暴的破坏力创新程度究竟有多大,实际上,那正如一些人对这些技术的无知、懵懂、恐惧的程度一样。

这些技术并不仅仅是作为CMO的你将要采购或者已经采购了的,而更多应是由你创建的,比如:Facebook和iPhone上的第三方应用程序,应用了增强现实技术的互动广告,等等。这些技术也并不仅仅是应用,而应是一个平台。在这样的平台上,作为对技术很精通的你才能凭着自己的直觉、悟性、经验,再次发挥出高人一筹的创造力。

类似这种让CMO施展创造力的技术,每年都会新增加一两项,比如桌面计算、大数据分析。每一年,CMO所面临的技术地平线都迥然不同,都会升高一些。对那些不想错过这场技术风暴的CMO而言,在此权且按照作用把这些技术分为三大类:公司外部技术、公司内部技术、产品(服务)技术。

互动广告(interactive ads)、关联数据(linked data)、移动营销(mobile marketing)、行为定向广告(behavioral marketing)……这些可以在营销过程中接触到受众,并吸引受众参与到营销过程中的都应归为外部技术;而内部技术则可以让CMO的工作有更高的效率,涉及到的有:CRM、数据资产管理、商业智能、SEO、社交媒体监控/社交媒体优化(SMO)、营销仪表盘……至于产品技术,则是那些嵌入到产品或服务中去的新技术,有:物联网、增强现实、位置定位、社区与社群、用户生产内容……产品技术往往是终端用户最能直接感受到的,是动态营销中最积极的那一部分。

需要说明的是,现在这些技术纵然被这样分门别类,但CMO在决策购买或应用这些技术时根本没必要非此即彼,因为这些技术之间本就是相互连接、融合在一起的。BBDO黄禾广告公司为某品牌啤酒推出了一款特殊的啤酒杯,杯子上印上一个二维码,只要扫瞄一下就可以获得Foursquare上的优惠券及特价。特别之处在于,透明酒杯上的白色二维码根本无法扫瞄,只有倒满该品牌独有的深颜色啤酒才能够扫瞄。只是一个简单的二维码,就涉及到了实体产品销售、社会化网络的连接,以及LBS的应用。

外部技术:实现“原生营销”

通用电气公司高级副总裁兼CMO贝思•康斯托克(Beth Comstock)把营销界的终极目标定义为:在完全合适的时间,以合适的营销内容吸引到合适的受众。在她看来,数字营销工具、技术无疑能实现这一终极目标。在这里更确切一点说,应该是外部技术。外部技术不仅能够帮助CMO精准锁定受众,还能吸引他们积极参与进来,形成一种“原生营销(Native Marketing)”,即让营销时机恰到好处,让受众乐于接受并积极参与。

2008年上映的电影《蝙蝠侠:黑暗骑士》最终总票房超过了10亿美元,在美国电影史上最卖座影片中位列前五。在影迷们感叹这部电影的意义在于重新定义英雄片的价值时,一些人更是惊叹于影片极具颠覆性的营销手法。

影片上映前的2007年,蝙蝠侠的终极影迷们在相互推荐一个奇怪的网站。网站上除了蝙蝠侠的经典Logo外,就只有一幅高谭市地方检察官Harvey Dent的竞选海报,海报下方署名“Harvey的一个好朋友出资刊登”。影迷们其实都知道,这个所谓的“朋友”就是蝙蝠侠本人。不久之后,另一个竞选网站被找到,但这个网站上的竞选海报被涂抹成小丑的模样,画面下方隐约藏着一张照片。影迷们要想知道照片究竟是谁,必须在下面输入自己的有效电子邮箱地址,每个单独的邮箱都会收到一组坐标数据。在小丑脸的网页上输入该组坐标,就可以把该坐标点上小丑的脸清除掉,露出照片上该组坐标点上人的模样。几乎看到这个网站的所有人都想知道照片上的人是谁,于是全球各地的影迷们都输入了自己的邮箱地址。不到一天的时间里,网站照片上的人就清晰可见了。此时,电影还没上映,但电影公司就已经知道了哪些地方的哪些人想要看这部影片了。在这一年间,影迷们在网站上不断间参与到电影公司设置的各种游戏中。当影片最终上映时,来看首映的基本都是这些被吊足了胃口,苦苦等待了一年的影迷们,这些人也是票房的有力保障。

这提前一年的营销除了保障了新片票房外,更让电影公司掌握了足够多、足够精准的营销受众信息,还在游戏的过程中掌握了这些人的兴趣图谱,为之后新片的营销铺好了路。

就是这些与电子邮件、登录页面、互动游戏、行为定向、关联数据相关的外部技术让针对受众的营销愈发趋于精准化、游戏化。2012年夏季,直播互动问答电视节目《好好学习》给出一个问题:“宝洁中国的网站首页中,哪个选项不在‘品牌产品’一栏?”一时间,近50万名网友通过搜索进入宝洁中国官网寻找答案,很快又增至10万人。两天后,宝洁借势在官方微博上推出宝洁版的《好好学习》,效果显著。今年2月份,宝洁的一款游戏类应用“海飞丝实力训练营”上线。玩家可以邀请好友组建团队来训练、比赛,最终胜出者将前往美国现场观看NBA比赛。“我们希望借助这种‘游戏化’营销模式,在社会化媒体上保持受众对品牌的关注度。”宝洁大中华区技术市场及传讯公关高级经理乌维宁说。在这之前,宝洁开发的模拟经营类社交游戏《梦幻沙龙》,把游戏场所变成了一个消费者互动交流的社交场所。

在数字化营销的今天,要让受众保持关注度,就要知道究竟是谁在关注,他们关注的内容是什么,他们想要什么样的内容。“这就需要在游戏互动的过程中,通过对关联数据的分析对社交网络上的热点话题做到未卜先知。”时趣互动CEO张锐如是说。时趣互动是宝洁中国的第三方数字营销方案供应商。

宝洁不只是通过第三方的数据分析结果来了解受众,也自己开发了专门的移动营销APP来寻找机会与消费者互动,了解他们的需求——比如可以让父母记录自己孩子成长的“My Baby Registry by Pampers”应用(Pampers是宝洁的一款纸尿裤产品)。“移动营销(mobile marketing)是数字营销的核心,宝洁正是通过类似的新科技来了解人与人之间是如何相互联系的,了解他们的需求。”宝洁全球消费者与市场知识官Joan Lewis说。

想精准锁定受众的不是只有宝洁,还有谷歌公司。“受众的行为正朝着‘全数字化生活’的方向发展。”谷歌公司DoubleClick大中华区广告平台运营总监陈骥说了,“所以整个(广告购买)市场转变到适应用户数字化生活的节奏中来,广告需要在正确的时机投递给受众。”换句话说,就是要在0.1秒内完成发布广告的种类的选择、广告位发布、竞价和广告的同步。稍微具象一点儿,可以在艳阳天向受众推送自驾郊外游的广告;相反,雨天就会推送一些保龄球、桌游的广告。精准地判断用户需求让广告的侵入性降低了不少,广告将会慢慢变为对用户有用的信息,全渠道的可监控性又让广告发挥的效应可以直观的出现在眼前。

内部技术:分析与协作

情况往往是这样的,变革效果最明显以及变革阻碍最大的都是同一个地方——公司内部。对于把营销看做一门技术学科的CMO而言,情况更是如此,因为内部技术的应用不仅关联到外部,更与内部的业务、流程、架构息息相关。

CMO职位较公司内其他高管最大的区别在于,年复一年,都会有新的营销技术出现,都会有极富创造性的方案供应商来来去去,但复杂程度日渐提高的营销项目的数量每年只会增加,绝不会减少。此时,CMO就需要在恰当的时机应用更具经济性和效率的技术。内部技术纵然包含了客户关系管理、数据资产管理、社交媒体监控和社交媒体优化(SMO)等等,其实说的都是一件事情:大数据分析。

2012年1月份,居住在美国明尼苏达州的一名父亲向知名零售连锁店Target提出抗议,起因是Target寄了一些有关婴儿摇篮和婴儿服的优惠券给他的女儿,而他女儿还只是一名在校高中生。这名父亲质问Target:“你们是建议我女儿早点怀孕吗?”但没过多久,这名父亲便转变态度向Target道歉,因为他事后知道自己的女儿确实怀孕了。

Target究竟是如何做到的?

如同所有的零售企业一样,Target在CRM里为自己的每位顾客都分配了单独的ID,并将顾客使用现金还是信用卡购物,官方网站的浏览记录甚至调查问卷等行为和内容都与这个ID绑定起来做分析。在Target对25种商品做数据分析时发现,这名女生身上发生了只有处于怀孕初期的女性所特有的购买行为,基于这一发现,Target从这名女中生的购物记录中捕捉到了其怀孕的征兆,甚至还推测出了预产期,按照预产期向这名女中生寄出了摇篮及婴儿服的折扣券。

这种基于客户数据的分析,其实就是一种“聆听”。

全数字化生活的今天,无论是消费者还是企业都要求“即刻知道真相(Zero Moment of Truth)”。他们通过分享或搜寻关于产品功能、应用、服务方面的详细描述,来自各方面的观点——更看重的是负面评论,来弄清楚关于你和你所销售东西的一切,以及你的产品和服务与竞争对手的相比如何的评价。作为公司的CMO,除了也要先“听”到这些之外,更要先一步知道别人在“听”完之后要作何打算。思科就在通过自己社交媒体聆听中心实现整合营销的计划,将社交化数据迁入到公司后台的客户关系管理系统,让公司对目标客户有全面立体化的了解和认识,及时满足客户需求,进行精准个性化营销。“在思科,我们用社交聆听来引导和形成社交媒体战略,这使得我们对于客户的承诺更有意义。”思科社交媒体团队聆听及分析小组营销经理南希•里瓦斯(Nancy Rivas)如是说。戴尔也有一个全球社交媒体倾听控制中心,能同时“聆听”11种语言,每天监测25000个网络声音,来追踪网络上有影响力的戴尔客户,进行在线交谈,或者发现新趋势。“在以社交媒体为典型代表的新媒体环境中,企业自说自话是不行的,还要看到网络声音的热点在哪儿,要去追踪它,要想办法融入进去,然后凸显出自己的特点。”戴尔中国企业传播总监高超说。

英特尔内部也有超过8万名员工进行了社会化媒体聆听、沟通的培训,以学习如何与社交媒体上的消费者互动。公司旨在让每一位员工都成为英特尔品牌的最佳代言人。 IBM也鼓励10万多名员工成为社交媒体平台上的专家,去聆听客户声音并回答问题,成为思想领袖。

每家公司都有自己的一套分析“聆听”的机制,但问题的关键是,在“聆听”之后要怎么做?在IBM,通过“聆听”向消费者画出一条线,随着各种声音越来越多,这一条线就会发散成多条线,到达不同的消费者,触动不同的行为和反应,“IBM再把不同的反应反馈到公司内部的营销、销售或服务部门,做进一步的动作。”IBM软件部智慧商务技术总监杨旭青说。

要与公司内部不同的部门协作,过去只是与自己所在部门沟通、协作的CMO现在正在成为公司新型组织架构的推动者。“我们完全改变了原先的组织架构,我不得不与其他部门的同事建立横向业务上的关系,我要通过数据向我们展示现代营销的价值所在。”Adobe公司的CMO Ann Lewnes说。首当其冲的便是与公司CIO的合作,在杜邦公司,CMO需要与公司的CIO结成伙伴,有时候也共享预算,营销和IT联合成一个团队来做营销策略方面的事情。“因为现在很多营销需要把营销、广告(PA)、公共关系(PR)内容一同做好,要与整个数字化营销框架进行很好地整合。”杜邦公司市场营销管理咨询全球副总裁、首席营销官高珉斯(Scott Coleman)说。

内部技术的使用不只是驱动着CMO与其他部门协作,也催生出新型的组织架构。由于发现自己的广告在Youtube等视频网站播放量的1/5都得益于消费者在线的相互分享,可口可乐公司就根据“内容”、“连接”和“整合”等领域对营销团队进行重组,而不再是以“媒体类型或营销手段”为依据。福特公司专门有一支跨部门团队,成员来自营销、IT、财务等部门。这支专门的团队要对公司高达10亿美元的广告预算做分析,比如,公司在数字化媒体上的投入总额适当,但分析后发现过于侧重网页广告,在搜索引擎上广告商的投入反而不足,于是就通过内部的竞争情报分析和营销活动管理技术,进行再分配。

正是由于现在内部技术的应用,才能让在10年前就崛起的“CMO”像一个真正意义上的C-Level高管,把自己与公司的成长绑定在一起,把自己所掌管的营销部门由一个成本中心变成一个主动发现销售先机并能转换成实质销售的“转换中心”,并且这种转换是可衡量的、可量化的。

产品技术:分享和传播

现在很难定义耐克究竟是一家什么样的公司,在人们的惯常思维中,它是一家体育用品公司,但今年3月份刊出的美国商业杂志《Fast Company》把它列在全球50大创新公司的第一位,排在谷歌和亚马逊之前,所以也可以说它是一家科技公司。

号称最懂消费者的耐克早在2006年就开始尝试利用基于地理位置的设备为消费者提供服务,那就是Nike+ 。这个在全球有700万用户的应用已成为世界上用户人数最多的跑步社区。

最初这个应用需要辅以一个安装在鞋内的外设才能使用,外设的功能是对用户跑步的各种数据进行记录并同步到移动终端上。随着移动终端上陀螺仪、重力感应装置等功能的完善,Nike+ 不再需要专有的外设配合使用,而是将全部功能整合到App中去,并更名为Nike+ Running。新的应用更加人性化,作为量化自我的一环,它能让跑者更轻松的寻找自己城市合适的跑步路线,更方便地定制自己的跑步计划,更清晰的跑步数据对比刺激跑者进一步提高……种种变化,都体现了耐克不仅仅是要做一家运动装备提供商,而是一个运动者的好伴侣。值得一提的是,耐克通过售卖这一售价不菲的专用外设获得了可观的很多利润,并催生了Nike心率检测仪、NikeSport Band等其他外设。

在推出Nike+ 之后,耐克很快便意识到了这一举动带来的益处:Nike+社区聚集了大量的运动者数据,这成为耐克分析消费者的宝贵资料。通过消费者产生的数据资料,耐克追踪消费者需求,把数字设备当做紧密联系消费者的工具。耐克全球品牌副总裁兼项目主管Trevor Edwards不止一次提到数字媒体是耐克和消费者建立关系的新工具”。有分析师认为,Nike跑步系列每年30%的利润增长速度,和Nike+会员数55%的年增长速度有着密不可分的联系。

产品技术的应用不只可以让你把运动鞋“戴”在手腕上,还能让你随时随地来一场演唱会。在日本,为了让更多的人对专业的智能手机使用的耳机感兴趣,追求高质量的音乐效果,Sony利用自家专有的3D增强现实技术——SmartAR准备了一场虚拟音乐节,让消费者无论是走在街上还是在店内都可以随时来一场演唱会。他们为日本四个最受欢迎的本土摇滚乐团分别制作了四段AR视频。人们可以通过手机扫描广告直接“参加”,出色的音质和科技感十足的AR技术让演唱会的现场感爆棚。Sony也十分贴心的在每一个活动场地提供了足够的MDR-1免费耳机使用。此次的虚拟音乐节吸引超过460000粉丝,而此款功能性耳机也成为了当月最畅销的耳机,完全超出了Sony之前对活动效果的预计。

嵌入了这些技术的产品,往往更容易让人们对产品的关注点由产品本身转移到技术应用上面。由于同一项技术在不同人身上应用起来各不相同,所以人们更愿意去分享、去参与,告诉别人这项通俗的产品技术与自己的结合,会有独一无二的效果,换句话说,通过应用者产品证明了自己是独一无二的,但同时又是乐于分享和参与的。最终,分享和传播的还是嵌入了技术的产品。

青蛙还是王子

无论是哪种技术,CMO除了要有所了解和感知外,最为关键的是如何将这些技术连接前来。每人对技术的理解和应用层次不一样,连接后的图像就不一样,或许是一只青蛙,或许是一个王子都不得而知。

对CMO来说,这种连接其实很难,因为每次有一项新技术出现的时候,就会带来如何将它与其他技术整合的决策。而这种决策的影响比以往任何时候都要大,这并不仅仅是说以最便宜的价格挑选供应商。CMO的技术采购与整合决策的影响将会是多方面的,你会有什么样的市场营销能力,你的客户会有什么样的体验,业务的效率将会如何,在哪里应该获得或丢弃竞争对手市场,什么样的协同效应将使得你所选择的技术进一步发展,如此等等。也就是说,技术决策和营销策略是结合在一起的,它们是共生的,互相依赖的。

自:CMO俱乐部

2013全球SEO行业调查报告

八月 2, 2013 by · 3 Comments
Filed under: 搜索引擎营销 

这份报告是SEOmoz对每两年一度举办的SEO行业调查进行的分析数据,上次调查是在2010年。该调查,主要围绕SEO从业人员的特征、工作内容时间分配比例、SEO相关消费和预算、对未来市场的看法、seo培训、使用的seo工具以及SEO知识扩充渠道等展开。

  营销人员的特征:

  47% Based in United States(来自美国)

77% Male(男性)

46% 26-34 years old(26至34岁之间)

18% Works at 2-5 person company(在2-5个人的公司工作)

23% 3-5 years in online marketing(3-5年的在线营销/网络营销经验)

35% Started as an in-house marketer(从公司内部做推广营销人员开始)

46% Currently works as an in-house(一般是公司内部/从事内部开发的工作)

19% Makes $30,000-45,000(年薪在30000-45000美元)

可以看出:参与本次调查的SEOer,大多数还是来自美国,其中77%为男性,在26-34岁之间。大部分人都是in-house从业人员。女性受访者比2010年的调查略有增加,从20.6%到23%,但仍然是一个相当大的性别差距。

  seo从业人员数量全球比例

提示:这是moz基于全球65个国家的调查对象而做出的数据比例分析,并不代表真实和权威,是针对MOZ的受众,仅供参考。

47.3% 美国 1.2% 罗马尼亚 0.6% 丹麦
12.9% 英国 1.1% 巴西 0.6% 匈牙利
4.4% 加拿大 1.1% 意大利 0.6% 巴基斯坦
4.0% 印度 0.9% 以色列 0.6% 菲律宾
3.3% 澳大利亚 0.8% 印度 0.6% 波兰
2.4% 德国 0.7% 爱尔兰 0.5% 中国
2.0% 荷兰 0.7% 南非 0.5% 新西兰
1.8% 西班牙 0.6% 保 加利亚 0.5% 瑞典
1.3% 法国

 

在全球调查的65个国家中,列举了前25个国家的SEO从业者数量。其中美国以47.3%占比居首。中国SEOer占比0.5%。对比2010年的调查报告,美国从53%下降至47%,而英国从9%增长到近13%。以色列跌出前10名在2010年从第4位,而,巴西下滑至11,而罗马尼亚狭义的方式推到第10。

  整合营销和多重服务

调查者中,有92%不是专门从事seo服务的。他们还负责其它的一些网络营销服务。

大多数受访者(92%)的SEO服务,只是他们的组合服务的一部分。众多服务中排在前5名的是这样的(记住,大多数受访者提供多种服务):

  92% Search Engine Optimization (SEO 搜索引擎优化)

82% Analytics(数据分析/网站统计)

71% Link building(外链建设)

71% Content marketing(内容营销)

70% Social Media and/or Community Management(社交媒体或社区运营)

  未来营销趋势

调查认为,在未来几年中,社交媒体、社区运营、搜索引擎优化、本地化搜索引擎优化、内容营销及数据分析市场巨大。

  72% Social media and/or community management(社交媒体或社区运营)

71% Search Engine Optimization( SEO 搜索引擎优化)

65% Local SEO (本地化SEO/搜索引擎优化)

56% Content marketing(内容营销)

54% Analytics(数据分析/统计)

而诸如活动策划、线下营销、PR等下降幅度较大,分别下降比例为67%、51%、48%。由此可见,广告主对于网络营销的重视度越来越高。

  获取SEO知识的途径

SEO行业从业人员是通过哪些渠道来学习补充行业知识的呢? 93%的参与者表示,主要是通过网络资源,如博客、网站等,来进行行业知识充电。其它渠道还有自身操作经验、阅读书籍、参加大型会议及相关培训。

  93% Online resources – blogs, websites, etc.(网络资源-博客,网站等)

88% Hands-on experience(实战经验)

64% Read a book(阅读专业书籍)

53% Attended a conference(参加会议)

50% Attended training seminars/workshops(参加培训讲座/讨论会)

超过一半的受访者表示在过去两年(包括本地满足)参加了各种会议,报告汇总还列出了排名前10的会议,由于大多数在国外,对国内SEOer意义不大,故在此省略。

  seo个人及团队每日工作、时间分配

seo一般会在SEO优化上花24%的时间,在内页优化花11%的时间。而外链建立、社会化媒体营销及文案/博客时间占比分别为10%、8%、6%。但是对于整个团队来讲,这一数据比例又稍有变动,具体如下(列举时间分配上占前5位的工作):

seo个人时间分配

  24% SEO (搜索引擎优化)

11% On-page Optimization(页面优化)

10% Link Building(链接建设)

8% Social Media Marketing(社会化媒体营销)

6% Copywriting/Blogging/Writing(文案/博客/创作)

seo团队时间分配

  18% SEO

14% Link Building(链接建设)

12% Copywriting/Blogging/Writing(文案/博客/创作)

11% On-page Optimization(页面优化)

10% Social Media Marketing(社会化媒体营销)

  网站营销的重要手段

  76% Social – Set up/ran a Facebook business page 社会化-建立/运营公司Facebook页面

74% Analytics – Analyzed/tracked site speed and page-load times 分析统计-分析/跟踪网站速度和页面加载时间

69% Competitive – Analyzed competitors’ back-links for opportunities 竞争对手-分析竞争对手的反向链接

64% Competitive – Analyzed competitors’ content for inspiration/opportunities 竞争对手-分析竞争对手的内容

64% Social – Set up a Google+ business profile 社会化-建立一个Google+ 业务简介

63% Analytics – Analyzed [not provided] data in Google Analytics 分析统计-用Google Analytics分析数据(如果没有的话)

59% Content – Started a new blog or invested heavily in blogging 内容-建一个博客或者对已运营的博客加大投入

58% On-page – Used rel=”canonical” to control duplicate content 网页-用rel=“canonical”来控制重复的内容

57% Analytics – Employed conversion tracking to improve ROI 分析统计-利用转换跟踪提高ROI(投资回报率)

55% SEO – Focused on Local SEO: Google Places, local keyword targeting, etc.专注于本地化SEO:谷歌本地,定位本地关键词等

  对客户要以数据和报表说话

对于客户来讲,当你告诉我优化有效果的时候,请以数据说话,这就使得SEOer总是被各种各样的报告所缠绕。本次参与调查者中,有49%的人为客户提供月报,32的人为客户提供周报。而客户对于季度报告、日报、年度报告的要求较少,占比分别为9%、7%、3%。

接下来调查报告列举了一系列的消费预算和数据表,对于国内seo借鉴之处不多,故再次省略。

  seo工具

工具帮SEOer节省了很多时间。工具是SEOer的工作上的挚友。报告列出最常用到的5种分析工具和关键词研究工具:

1、五大网站分析工具

  93% Google Analytics

16% WordPress Stats

13% Omniture

9% CrazyEgg

7% Compete

2、五大关键词研究工具

  88.3% Google AdWords

58.6% Google Insights

20.2% SEMRush

16.7% Wordtracker

13.9% Raven

3、五大内容营销和宣传工具

  74% Twitter

53% LinkedIn

45% Google’s Insights for Search

31% StumbleUpon

31% Google Reader(已关闭)

4、五大优化转化率工具

  73% Google Website Optimizer

18% CrazyEgg

16% Pingdom

11% ClickTale

8% KISSmetrics

5、五大视频托管方案

  75% YouTube

30% Vimeo

23% Facebook

15% Google+

11% Self-hosted

十大优秀付费SEO工具

  55% Moz & Open Site Explorer

17% Majestic SEO

17% Raven

13% SEMRush

10% Screaming Frog

9% Market Samurai

8% Advanced Web Ranking

8% Link-Assistant.Com, Rank Tracker, etc.

7% Wordtracker

7% Spyfu

十大免费SEO工具(*表示该SEO工具也有付费版本)

  83% Google Webmaster Tools

47% Moz & Open Site Explorer*

42% Bing Webmaster Tools

41% Firebug

31% Majestic SEO*

28% Yahoo! Site Explorer

26% Xenu

22% SEOBook Tools*

19% Screaming Frog*

18% Hubspot Grader*

注:1、虽然是2012年调查报告,对于现在的seo工作仍有很大借鉴意义。

2、这份seo调查报告是以美国及西方国家为主,国内seo从业者对相关数据慎重看待。

3、由于篇幅和时间限制,没有完全翻译,择选部分重要内容翻译过来。

英文原文:2012 SEO Industry Survey

下一页 »