一個(gè)電商總監(jiān)的頓悟：用B2C思維做O2O
作者：昌和盛大電商 時(shí)間：2014-03-13 09:28:19 閱讀次數(shù)：
Y是琪哥結(jié)識已久的一位電商總監(jiān)，別人都在熱炒O2O的時(shí)候，他卻在耐心琢磨一些背后的深層運(yùn)作邏輯，并最終悟出了一個(gè)道理：如果將線下零售賣場看做是一個(gè)電商網(wǎng)站，從免費(fèi)WiFi、電子價(jià)簽、商鋪優(yōu)化、導(dǎo)購Pad，到庫存數(shù)據(jù)一體化、用戶ID打通、CRM系統(tǒng)、微信營銷等，其背后的運(yùn)作邏輯其實(shí)是相通的！一個(gè)具備O2O能力的賣場完全可以用B2C商城的思維來運(yùn)營！
琪哥起初并不認(rèn)為這是個(gè)靠譜的思路，畢竟按照一般人的慣性認(rèn)知，這是兩種迥異的商業(yè)運(yùn)作邏輯。Y說，O2O本質(zhì)上是線下零售的數(shù)字化升級，將運(yùn)營一個(gè)B2C網(wǎng)站所必須每天關(guān)注的運(yùn)營指標(biāo)，映射到線下零售運(yùn)營，你就能得出如上結(jié)論。
舉例來說，室內(nèi)Wifi定位相關(guān)的用戶數(shù)據(jù)分析和B2C運(yùn)營思維有何關(guān)系？Y試著將一個(gè)電商人每天必須關(guān)注的關(guān)鍵數(shù)據(jù)指標(biāo)做了拆解：
1、UV和流量來源分析。在線上運(yùn)營中，UV主要用于分析有多少用戶前來訪問，瀏覽了多少頁面，從而可以準(zhǔn)確判斷客流變化。通常情況下，質(zhì)量穩(wěn)定的流量和轉(zhuǎn)化率可以大致推算出銷售情況。所以根據(jù)流量的變化及時(shí)預(yù)測網(wǎng)購銷售額增幅，多數(shù)情況下靠譜。流量的異常波動，反映了企業(yè)營銷行為可能存在的問題甚至是失誤。相比之下，線下零售一直是一個(gè)黑匣子，多數(shù)情況下，只有在 用戶刷卡交錢的一剎那，才能夠產(chǎn)生一個(gè)訂單數(shù)據(jù)，它對客流的變化感知較為遲鈍，無法做到實(shí)時(shí)反饋。
互聯(lián)網(wǎng)的流量多而雜，特別是粗放的花錢買流量的時(shí)候，更是容易產(chǎn)生無效流量。通常B2C網(wǎng)站都會經(jīng)歷一段流量質(zhì)量測試階段，從而分析出哪些流量對自己的精準(zhǔn)并且性價(jià)比合適的。
對互聯(lián)網(wǎng)巨頭BAT來講，由于他們掌握了大量的流量數(shù)據(jù)，甚至可以精準(zhǔn)的畫出消費(fèi)者個(gè)人的互聯(lián)網(wǎng)圖譜。當(dāng)然所有一切的追蹤都是依據(jù)存在你瀏覽器里的cookie。
而傳統(tǒng)的商超由于輻射半徑有限，可能會覺得UV和流量分析沒那么重要，但O2O是虛實(shí)結(jié)合項(xiàng)目，將來O2O的流量一定也會趨向多而雜。同時(shí)，用戶手機(jī)上的mac-id其實(shí)就是瀏覽器里的cookie，一旦跟其他大數(shù)據(jù)源合并分析，線下商家也將精確掌握消費(fèi)者的行為圖譜，無疑為精準(zhǔn)營銷和個(gè)性服務(wù)提供極大幫助。
換句話說，線下零售要參考B2C運(yùn)營邏輯，就要部署室內(nèi)WiFi定位技術(shù)，分析和關(guān)注用戶UV的實(shí)時(shí)變化，同時(shí)開展和其他數(shù)據(jù)源的合作，對流量來源和消費(fèi)者特征進(jìn)行抓取和分析，從而取得一個(gè)樣本參數(shù)，以此實(shí)時(shí)監(jiān)測線下店運(yùn)營狀況。
2、PV、跳出率和點(diǎn)擊路徑分析。PV是一個(gè)用戶在網(wǎng)站的瀏覽深度，同時(shí)也跟網(wǎng)站自身信息結(jié)構(gòu)設(shè)計(jì)緊密相關(guān)。用戶在網(wǎng)站的PV數(shù)越大，通常說明停留時(shí)間越長，網(wǎng)站對消費(fèi)者的粘度越高。但同時(shí)我們也需要跟頁面跳出率一起來分析，如果在某一個(gè)訪問路徑頁面的分析上，跳出率過高，也說明用戶無法在短時(shí)間內(nèi)找到自己需要的信息而逃離。
在線上運(yùn)營中，頁面熱點(diǎn)能夠反映出用戶的注意力偏好，他的每個(gè)點(diǎn)擊都能夠被監(jiān)測到，運(yùn)營的關(guān)鍵是不斷優(yōu)化素材和展現(xiàn)方式，而點(diǎn)擊路徑分析則好比是一個(gè)購物決策樹，可以準(zhǔn)確看到用戶是在哪一個(gè)樹杈節(jié)點(diǎn)產(chǎn)生跳離或購買行為。 整個(gè)網(wǎng)上購買過程，可以用一個(gè)購買漏斗在進(jìn)行分析，從“首頁→搜索和分類頁面→商品詳情頁→購物車頁面→結(jié)算頁→最終訂單提交頁面”，每一個(gè)步驟頁面上的停留時(shí)間和跳出率數(shù)據(jù)都需要仔細(xì)的分析。
對應(yīng)到線下零售運(yùn)營，主要是動線與布局的優(yōu)化問題，但此前幾乎都是依賴人工經(jīng)驗(yàn)判斷，極少有數(shù)據(jù)分析的支撐。目前的室內(nèi)Wifi已經(jīng)可以做到3~5米的范圍定位，可以相對精確的定義一個(gè)熱點(diǎn)區(qū)域了。隨著在商超里相關(guān)室內(nèi)Wifi定位設(shè)備的合理部署，是可以實(shí)時(shí)獲得類似于GA（Google analytics）的報(bào)表視圖，可以科學(xué)的進(jìn)行動線和布局優(yōu)化處理。
3、轉(zhuǎn)化率。轉(zhuǎn)化率是衡量一個(gè)電商網(wǎng)站最終經(jīng)營狀況的重要指標(biāo)，在沒有大型促銷或大規(guī)模流量導(dǎo)入的情況下，它是基本恒定的，波動很小。一旦轉(zhuǎn)化率突然發(fā)生了變化，一定是出了問題，所以電商人每天都在想辦法提高轉(zhuǎn)化率。實(shí)際的轉(zhuǎn)化率受促銷設(shè)計(jì)、商品排序、展示效果、購物路徑優(yōu)化等多因素綜合影響。
以前零售的線下店是無法分析轉(zhuǎn)化率的，只能從坪效等最終銷售效益的維度進(jìn)行事后分析，而最重要的以人為維度的指標(biāo)被忽略了。所以可以將線下的每一個(gè)店鋪看成是線上網(wǎng)站的一個(gè)子類目或?qū)ｎ}頁，以此對比訪問量與購買量，就可以為店面設(shè)置一個(gè)類似轉(zhuǎn)化率的業(yè)務(wù)預(yù)警指標(biāo)。
4、新老用戶分析和老用戶復(fù)購率。新老用戶的占比，反應(yīng)了用戶對網(wǎng)站品牌和運(yùn)營商品的忠誠度問題。電商一般喜歡通過促銷消息推送，以及禮品卡或折扣券，來提升復(fù)購率，是線上與線下運(yùn)營相通的地方。不過，電商的老用戶運(yùn)營更為精細(xì)，比如針對某一個(gè)群體或時(shí)間段，可以推出一些專題，來回饋老用戶。
放到線下零售運(yùn)營中，大部分的賣場還是用全場打折的方式，缺少針對性的銷售專場設(shè)計(jì)。一般來說，線下賣場晚間的訂單量會占到全天銷售額的50%，尤其是臨近打烊的時(shí)刻多是老用戶在光顧，但零售商缺少必要的場景識別與專題設(shè)置來做應(yīng)對，也就無法提升老用戶的購物體驗(yàn)。
5、AB test與公平曝光率。所有的電商網(wǎng)站在上新品或新功能的時(shí)候，都會做AB測試?；臼峭ㄟ^分出出5~10%的用戶流量，50%給A頁面，50%給B頁面，并通過用戶行為數(shù)據(jù)和轉(zhuǎn)化率數(shù)據(jù)的分析，以決定最終上線哪個(gè)頁面。假設(shè)你突然發(fā)現(xiàn)淘寶首頁改版了，而你的公司同事的淘寶首頁沒有變化，就是這個(gè)原因。
曝光測試主要是解決商品的列表邏輯與排序問題，特別是對于商品深度和寬度較大的平臺商。大量的長尾產(chǎn)品由于無法獲得足夠的曝光而“徹底沉沒”，往往只能取決于運(yùn)營人員的“買手眼光”。在B2C網(wǎng)站上，通常會給所有新品一個(gè)公平的曝光量，通過曝光后的轉(zhuǎn)化和銷售數(shù)據(jù)決定商品的銷售策略定位，比如爆款商品、主力銷售商品、打折商品、長尾商品等。
放到線下商超運(yùn)營，對應(yīng)的是是商品陳列問題，特別是品牌的櫥窗陳列。櫥窗陳列可以類比電商網(wǎng)站的首頁焦點(diǎn)圖，最直接目的就是“吸引眼球”，它的成敗好壞無疑非常重要。一般來說，品牌商更清楚該如何陳列，并有一套自己的方法，而零售渠道商基本很少參與其中，也就是無法做到實(shí)時(shí)調(diào)優(yōu)。
現(xiàn)在，室內(nèi)WIFI的定位技術(shù)可以直接解決特定區(qū)域的可測試性問題。用戶ID（Mac id），用戶進(jìn)入特定區(qū)域的時(shí)間，用戶離開特定區(qū)域的時(shí)間，這三個(gè)數(shù)據(jù)的分析，可以精確的分析用戶在測試區(qū)域的行為。
舉個(gè)簡單的例子，線上網(wǎng)站運(yùn)營一般有焦點(diǎn)圖的32次輪播，每個(gè)人的點(diǎn)擊偏好是不同的，電商人可以據(jù)此提升有限位置的使用效率。以此映射到線下運(yùn)營，是否可以根據(jù)用戶的行為軌跡，對動線和布局做出動態(tài)調(diào)優(yōu)？
6、對UV和流量來源、PV和點(diǎn)擊路徑、節(jié)點(diǎn)轉(zhuǎn)化率和最終轉(zhuǎn)化率、新老用戶數(shù)據(jù)、促銷運(yùn)營政策和媒體投放數(shù)據(jù)等五個(gè)維度數(shù)據(jù)的疊加分析。對電商人來說，每天的軍情分析就主要靠這五大維度的數(shù)據(jù)來做分析和推演，并立即調(diào)整第二天的策略和部署。這就是互聯(lián)網(wǎng)實(shí)時(shí)更新，小步快跑的工具支撐。
這其實(shí)也為線下零售提供了一個(gè)思路，O2O作為一個(gè)電商工具，最重要的意義就是實(shí)時(shí)數(shù)據(jù)監(jiān)測與業(yè)務(wù)指標(biāo)預(yù)警，繼而通過快速調(diào)優(yōu)，實(shí)現(xiàn)坪效與周轉(zhuǎn)率的提升。
我們可以做一個(gè)設(shè)想：在線下零售具備了線上B2C的思維與能力之后，總經(jīng)理坐在辦公室當(dāng)中，就能夠查看全國門店的實(shí)時(shí)轉(zhuǎn)化率情況，一旦某一個(gè)店鋪出現(xiàn)數(shù)據(jù)的不正常波動，他就可以馬上告知該店的店長，分析問題是否出在了商品擺放問題上，或者可以馬上搞一次促銷專場等等。
說到這里，琪哥大致明白了Y的思維邏輯，但對于這套思路是否可行還是有所質(zhì)疑。
于是，Y就給琪哥展示了幾頁P(yáng)PT，他正在研究歐洲的一家叫做Walkbase公司，其定位是做“Google Analytics online”，主要是為線下零售商提供用戶行為的實(shí)時(shí)分析平臺方案，包括倫敦的寶馬零售店、芬蘭首都赫爾辛基的購物中心KAMMPPI 等，均是它的客戶。
從這兩張圖可以看出，walkbase通過基于室內(nèi)WiFi的用戶識別，可以分析用戶的停留時(shí)間、運(yùn)動軌跡等屬性。而來自英國的一項(xiàng)調(diào)查數(shù)據(jù)顯示，每增加1%的訪客停留時(shí)間，就可以帶來1.3%的銷售增長。同時(shí)，約有80%的用戶購物決定是發(fā)生在店內(nèi)，這意味著零售商需要精準(zhǔn)了解客戶的行為和客流的走向，以此實(shí)現(xiàn)最大化銷售收益。
這兩張圖的核心要點(diǎn)是，線下商家未來可以自定義自己的營銷活動，通過設(shè)定觸發(fā)的時(shí)間、周期、地點(diǎn)、內(nèi)容以及鏈接等，從而實(shí)現(xiàn)營銷與零售體驗(yàn)的閉環(huán)。
最后，琪哥做一個(gè)小總結(jié)。傳統(tǒng)企業(yè)轉(zhuǎn)型互聯(lián)網(wǎng)要打三大戰(zhàn)役，第一互聯(lián)網(wǎng)信息化戰(zhàn)役，能夠把你的資源和產(chǎn)品信息化成可以提供給消費(fèi)者可以服務(wù)的互聯(lián)網(wǎng)產(chǎn)品。你需要把你的店鋪，店鋪里的每一個(gè)SKU都放到網(wǎng)上，并建立數(shù)量和狀態(tài)識別。我想起了美團(tuán)網(wǎng)，王興講的“大連接下的新商業(yè)”，深以為然；第二如何互聯(lián)網(wǎng)品牌重塑戰(zhàn)役，也就是說如何在互聯(lián)網(wǎng)上講故事，經(jīng)營粉絲；第三是面向互聯(lián)網(wǎng)和電子商務(wù)重構(gòu)后端商品供應(yīng)鏈。
從目前來看，線下O2O還處在第一場戰(zhàn)役中，而且才剛剛開始。
本文章來源于東莞天貓代運(yùn)營咨詢網(wǎng)changheshengda.com