4个步骤让你玩转活动商品布局
2016-07-01 09:59:02 1876浏览
想要做好业绩,一定要顺从消费需求的变化,顺势而为。作为一名运营,首先要做的就是先了解下大盘数据的走势情况如何。接下来我们看看活动预热期和平常时间段各品类大盘数据表现如何?

和大家一起探索,如何运用生意参谋相关数据玩转活动商品布局。

第一步:顺应“民”心,顺水推舟

这里的“民”是指消费者,想要做好业绩,一定要顺从消费需求的变化,顺势而为。作为一名运营,首先要做的就是先了解下大盘数据的走势情况如何。接下来我们看看活动预热期和平常时间段各品类大盘数据表现如何?

1.先看下自己的主营品类是哪些?针对性地分析子类目大盘数据。

数据来源:生意参谋-经营分析-分类分析从这里面,我们可以看到T恤、休闲裤、衬衫是店铺目前的主营类目,我们也重点分析该类目。

2.接下来,我们来看下行业大盘中各个趋势增幅数据。

数据来源:生意参谋-市场行情-行业大盘-子行业报表备注:因时间问题,上面宁静就只录取了四个类目来做分析,主要是阐述分析思路。上面对数据做了处理。因为这次是活动预热,所以该分析的原理在于,对比日常时间点(这里取数时间是5.25~5.31,分析日期为6.9~6.15),离活动时间越近,大家搜索浏览的热度会越高,对应的,收藏和加购的力度也应该比平时高,所以上面两张图就是对两个时间段进行比较。这个比较是为了看哪些品类需求具有更好的爆发点。 从上面图表中我们可以发现,这次活动预热期,羽绒服无论是流量增幅还是收藏/加购的增幅,都是最明显的,但是基数目前还太小,所以羽绒服品类在此次618活动可以做一下蓄水储备。另外值得本次活动关注的是,休闲裤子类目,对比日常时间,活动前其需求和加购能力都有明显的增长。所以可以重点关注下该品类的活动表现,给予做好流量分配和产品搭配。而反过来,衬衫类目和T恤类目却出现的下滑迹象,不过T恤的体量大,依然是最重要的引流品类和主营品类。

3.各子行业的年生命周期走势分析该分析是为了完整的还原类目的走势,而不是单纯的分析活动,因为这里面涉及到产品备货和后续的问题,如果一味以为活动预热需求的暴涨,而盲目备货不考虑其周期,则会出现大问题,有些类目可能6月份之后就开始走下滑趋势了。休闲裤在6月后就出现下滑走势,T恤在5月份后也出现下滑迹象。而羽绒服反季操作的话,实际上还是比较早的。我们目前羽绒服上架商品数占到10%,主要是借助618做反季清仓,另外是对今年新款流行元素做一次提前测试。

小结:1.从上面的分析可以看出,目前店铺整体品类结构是基本跟大盘结构是保持一致的。休闲裤在活动前市场需求具有比较明显的增长性,而且市场体量大,是我们本次活动的重点关注品类。而T恤虽然需求小幅下滑,但是依然是主销售点,所以在流量分配上做好跟休闲裤的搭配推送和折扣力度。

2.休闲裤在六月份后会出现逐步下滑,所以在备货层面上,不适合拉长战线。

3.羽绒服在这一轮618前的加购需求是比较明显的,借着反季销售,可以利用价格上的实惠性做反季清仓,另外就是对今年新款流行元素做提前测试。注:因参赛时间问题,以上未包含完整618预热时间,如果是做预测分析的,可以参考往年的预热情况,最后会提到。

第二步:知己知彼,百战百胜1.竞品主流款价格及转化率分布情况(以竞争店铺T恤品类前15款做案例)

数据来源:市场行情-品牌粒度-选择分析品牌和品类从上面数据来看,我们可以看到,该竞争店铺主流价格基本是78元,而且78元的转化率也明显比其他价格要偏高。

2.品类分层结构如何?

数据来源:市场行情-品牌分析-品牌详请

3步教你做好大促商品预估分析 玩转活动商品布局

4个步骤让你玩转活动商品布局

从这里我们可以看到,T恤占比达63%(这也是为什么我主要拿T恤来分析)。从第二张图里可以发现,这段时间流量是有很明显的龙抬头现象,但是其加购情况却远不如流量增长,在活动预热期转化下滑情况下,加购应该增幅大才对,而这里反而下滑了,这也验证了上面行业大盘分析的T恤情况。

第三张图则是对于T恤品类做了一个价格分层的处理。从这里面我们可以发现一个问题,65-85元区别是销售最好的(上面主力款数据也可以看到),其次不是85-110元,而是110-150这个范围,这有可能是85-110这个价格段在消费者心理还是处于65-85同台竞价上,而110-150则是另一个档次的提升。我们这里可以看到,85-110支付商品数是最多的,量小而分散。这是否是因为本身这个价格段开发的产品就比较多造成的,此处因时间问题没有详细证明。但如果我们观察多家竞争商家,了解消费者对于价格层级的分层,是否可以集中战线减少过度分散而造成的库存积压呢?有待思考和验证。

3.竞店流量结构分析

数据来源:市场行情-商品店铺榜-品牌粒度-产品查看详情

商品布局

4个步骤让你玩转活动商品布局

3步教你做好大促商品预估分析 玩转活动商品布局

从上面流量结构中,免费流量(手淘搜索、淘内免费其他)都有比较大的增长,付费方面钻展的投放增长幅度高达217%。另外,从访问深度来看,手淘搜索、购物车、我的淘宝、直通车等都有比较好的提升,而钻展则出现下滑(钻展的产品分布规划需要调整)。整体来看,比日常提升了0.2的访问深度,按照目前所分析的7天数据,则提升了20万的浏览(而这是因为分析只是拿取了部分数据),因此也可以作为本店的数据参考。

小结:1.从上面分析来看,竞店T恤类目的主要价格重心是在78元,而且78元这个价位的转化也比其他价位要高。另外,从数据看,就算是预热期间,其转化率依然比较高,这也是因为这家竞点在本次618活动中折扣力度比较弱,加上本身价格不高,所以其转化率相对我们而言要高出不少(见下面自身店铺分析)。但是,这个对于活动当天所需要的蓄水能力会比较弱,会造成爆发性不够强。

2.另外,我们从第二点分析可以看到,该竞店的T恤虽说流量强势,但是其加购力度却弱很多。

3.价格层销售商,该竞店85-110元这个价格段商品过分散,而且从这上面的分析思路,我们是可以分析消费者对价格心理档次的分层的,由此可以给我们自身店铺的价格分级做参考。不过,这里只是一个个案数据,可以去延伸更多数据来做辅助分析,案例就不过多阐释了。

4.该竞店手淘搜索流量占比非常高,而且其访问深度也有比较高的提升,钻展投放在近期的增长幅度高达271%,该分析可以作为我们自身店铺流量结构的参考。

第三步:以史为镜,通晓未来1.自身店铺T恤品类的主引流款分析

数据来源:市场行情-商品店铺榜-品牌粒度首先第一张图我们看到T恤店铺主流定位是在158元,而且产品价格段的分层竞争档次明确。跟上面分析的竞争对手有所不同,从这里看到110-150,150-225两个层次产品布局上比较合理。从主力款的折扣力度上,对比上面分析的竞争对手10元无门槛优惠券而言,本次的主力款折扣力度是很大了,**-**元的降价幅度。再加上店铺活动买二送一,加赠品以及官方领取天猫购物券翻倍等玩法,让本身高质量档次的产品价格大幅度优惠,这也是后面我们会看到预热期间增长幅度明显提升的主要原因(行业大盘实则是有所下滑的)。

数据来源:市场行情-商品店铺榜-品牌粒度-产品查看详情从上面数据来看,我们主要的流量来源是免费、其他和手淘搜索,而对比竞争对手的增长情况 ,我们精准流量更具有增长爆发性,比如加购增长了76%,淘内免费其他增长幅度高达164%,手淘也增长了42%。另外,第三图里加购人数的增长也明显高于流量的增长,转化率下滑幅度也没加购增长人数大,这都可以说明了引入的流量需求精准度高。(响应上面分析到的这次618的活动力度,实现流量和加购的逆袭增长)但是,从上面这张访问深度的增长分析图来看,活动前对比日常时期,竞争对手的流量访问深度提升远高于我们。虽然我们平时比对方高出0.2%,但是从图看近期数据,对方已经超越了我们,而我们并没有起到明显增长,这个则需要我们在分流结构上要做好调整了,尤其注重主力款及搭配,比如我上面大盘分析里提到的对休闲裤的搭配提升。

3.分流状况分析从上面的分析中,我们发现访问深度和平时比并没有提升,所以接下来我们可以尝试研究下,高访问深度有什么特性?有哪些规则可以用于优化?

a.从下图中,下单转化率跟访问深度之间的关系是一个正关系,但是这个关系强度还是相对分散,我把数据截取为两部分让数据进入匣子来看,转化率**%作为分水岭,以上的其访问深度明显要比较高。

b.从下面图表中反馈出来,100-250元这个价格段,其价格对宝贝的访问深度没有什么影响,而300元以上的价格其访问深度都偏低。不过,我们店铺本身价格段也是在110-250元之间的价格段,因此价格本身对店铺访问深度没什么影响,可以忽略。

c.加购率对访问深度的影响如下图,同样有个分水线,加购率在**%以上的覆盖比较多高访问深度的产品。(因为时间选择的是活动前期,加购率有所偏高)

d.停留时间对于访问深度没什么影响。

e.从上面,我们分析了几项产品重心指标对访问深度的影响,发现除产品自身之外,访问深度还受关联推荐的产品影响。所以我们可以重点分析下,哪些访问深度高的产品,其关联推荐的产品特性与产品之间有什么关系?

上面,宁静拿了一款价格138元、访问深度在2以上的T恤产品来做分析。按我们正常的购物角度来看,如果我们是奔着T恤产品来购物,那么最大吸引消费者的应该也是同类T恤产品(风格、价位段、版型等类似)。从上面图中,我们发现大部分的分流产品都是T恤产品,而从分流款的价格段来看,最大的分流价格段是在119-158元区间(同样是31款分流,119-158的分流能力明显高于159-198),这个分析可以用于寻找分流规律,给予引流款分流产品布局做参考。

为了验证这一观点,我们拿了另外一个产品,价格68元,访问深度2以上的(下图),发现49-78元的价格的价位分流最多,将近所有的三分之二分流流量。最后一张图里我附上了引流最多的产品,供给大家思考,这些吸引消费者点击的分流款,是否跟右边那款产品风格、色系、价格段类似?

3步教你做好大促商品预估分析 玩转活动商品布局

抛出新问题思考:我们发现另外一个问题,除了T恤外,其次是衬衫,而非搭配型的休闲裤。这是否可以提出,衬衫是T恤的次替代品? 对于看了T恤没看中,反而对衬衫产生一点观望需求的人群,我们是否能有所动作?而休闲裤的分流中,是否有一部分是购买过T恤的人群在需要搭配时做出的选择?这个有待我们去测试验证!如果该结论成立,那么休闲裤类产品不应该是简单的呈现在详情页上,而应该在详情里面凸显搭配的效果和搭配购买的优惠力度。

第四步:以史为镜,预估商品转化能力

数据来源:生意参谋-经营分析-商品效果(以下数据已作处理)a.从下面图表,我们可以发现,活动转化增长率跟预热期加购增长率有比较明显的正相关关系,而且这之间的倍数大概是2.6倍。如果我们知道预热期间的加购增长率,则可以反推出活动单天转化率的提升比率。

3步教你做好大促商品预估分析 玩转活动商品布局

b.上面是整体的状况,那我们可以再思考下,不同价格段里面产品,是否都具有一样的倍数关系呢?这里拿店铺两个核心价格段来做分析,第一张图是价格段160-350,第二张图是价格段110-160。从下面我们发现两者之间比率随着价格段不同有所变化,高价格段的是降到2.5倍率,而110-160价格段的则倍率是2.86。因此,对于不同价格段的产品应该区分做好倍率预估。

3步教你做好大促商品预估分析 玩转活动商品布局

c.上面我们提到的是预热加购增长率对于活动单天转化的推断,但是我们在做商品预估的时候,可能对于产品加购提升度还是未知,所以这里我们可以对历史活动数据做好分析(所以这里讲究的是以史为镜,预判未来),是否日常加购比较好的产品在预热期是否也会更好?怀着这个想法,我们看下面图,图表是有这个正关系的,但是相对来说是比较分散。

3步教你做好大促商品预估分析 玩转活动商品布局

接下来我们继续思考,一般说加购率是对产品喜好度的认可,加购好的产品其转化率一般也比较好,那么接下里我们尝试了对转化率进行分层分析,看看不同转化率水平下加购的增长水平如何,是否有明显的差异性?下图则对于该分析结论做了解释,可以看到日常加购率5.45%-9.45%这个区间,日常转化率在1.39-2.39%水平的产品,其预热加购率的提升幅度是最大的。

3步教你做好大促商品预估分析 玩转活动商品布局

所以从上面分析中,我们可以通过日常的反馈数据(结合对于不同活动力度对于数据表现的观察),可以对预热期的表现以及活动期产品的转化情况做好预估,从而为商品储备做好详细规划。

综上,可得出结论如下

1从大盘情况反馈,主营品类T恤618前并没有特别高的需求反应,休闲裤的需求增长是一个亮点,在主流T恤产品详情时要做好对休闲裤的搭配推送和折扣力度。

2.休闲裤不能布置过长的产品线,从主力款分流能力来看,主要流量对休闲裤的分配力比较薄弱。 3.羽绒服在这一轮618前的加购需求是比较明显的,借着反季销售价格上的实惠性做反季清仓,另外就是对于今年新款流行元素可以做一次提前的测试准备。

4.消费价位分层上,85-110这个价格段在于消费者心理上还是处于65-85同台竞价上,而110-150则上另一个档次,150-225是另一层级的竞争。可以根据这个层级做好折扣调整,提升消费者性价比认知。对比马克华菲和竞争对手的在本次618的活动的玩法,马克华菲在618前两天的蓄水能力明显高于竞争对手,而且从两者的流量涨幅和加购量涨幅,马克华菲也很明显的加购跑赢流量增长。其中非常明显就是其折扣让很多产品拉低了一个档次价位从而让性价比飙升。

5.从流量结构比较上,竞争对手在无线手淘搜索流量上占据很大的优势,但是从增长性上,我们增长幅度比竞点高,我们流量结构可以找出我们的不足来源,加于重视。(案例上的数据因数据保密原因,只拿了部分的数据来做分析,所以参考性不足,重点在于分析思路)

6.此次预热期访问深度相比于竞争对手,我们自身几乎忽略不计,跟日常访问深度差不多,因此要在分流层面做些调整。我们主要分析了下访问深度的影响。

a.转化率**%作为分水岭,以上的明显其访问深度要比较高。

b.加购率在**%以上产品,访问深度比较高。

c.目前店铺价格段分层和产品停留时间对于访问深度影响不大,暂时可以忽略。根据上面找到相对应的满足条件的产品,在结合产品自身的特性,做好对应的关联产品规划。

7.我们可以通过日常的反馈数据(结合对于不同活动力度对于数据表现的观察)对预热期的表现以及活动期产品的转化情况做预估,从而给商品储备做好详细规划。

以上分析思路还有很多小点,如果不是案例本身限制,很多还可以做更多数据研究。以上思路供大家参考,希望大家都能在数据化运营过程中,发现更多数据驱动决策的规律,共同探索,谢谢!

图文推荐
淘气值标签如何使用?
2020-10-10 15:24:00
淘宝淘气值怎么刷?
2020-10-10 15:23:00