第7章:充分应用你的网站数据 - 拓越营销 | 网络营销工具与平台 & 培训与服务

拓越营销 | 网络营销工具与平台 & 培训与服务

第7章:充分应用你的网站数据

07章


充分应用你的网站数据


每当我们提到数据,很多人会觉得难以接受,或者无从下手。

实际上,你不必是数据高手、或者网站高手,也可以做到对网站数据的熟练掌握,也可进行很深入、有洞察力的分析。

本章,我们将学习如何对企业的网站数据进行分析,以及归纳总结数据的方法,最重要的是,如何可以把这些通过数据获得的结论,应用到你的网络营销中,真正帮助你改善、提高网络营销的效果。

但是,你首先需要明白,为什么数据和数据分析对你的网络营销的成功起到至关重要的作用。

为什么数据和数据分析很重要

每当我们提到数据,总会出现这两种极端:

  • 数据不够
  • 数据太多

很多创业者、营销专员,面临的问题和挑战是,如何将数据转化为更有意义的洞察力,从而可以作为企业营销策略制定过程中,输入关键性信息,这些由数据获得来的建设性信息、反馈信息,在很大程度上可以决定一个企业的成败。

那么,为什么要进行分析呢?

因为,任何静止的数据,都是毫无意义的。

只有对原始数据进行加工、处理,获得经过处理后的数据,所表达出来的某些特定信息,我们才可能真正理解数据背后的含义。

比如:

一个购物网站,销售的产品有很多种,每天有很多客户在线进行付款、交易。

ECommerce Website Development Services Thane | Shopping Websites ...

单纯数据角度来看,每天发生的所有的交易信息都是以静止数据形式存在的。订单数量、销售金额、每单销售的产品等。

除了提供直观的数据信息以外。似乎这些所有的数据之间没有任何直接的联系,或者说这些所有的数据似乎并不能说明什么问题。

但是,数据分析可以帮助你做到:

  • 季节性因素对网站销售的影响(产品、销售金额、销售时间);
  • 假期节日对销售的影响;
  • 产品直接的影响,比如购买产品A的客户,很有可能会购买产品B,因此你可以把产品B作为产品A基础之上的促销产品,可以考虑打包一起销售。
  • 性别对销售的影响,女性购买产品A的高于男性。

如果你能够充分利用你的原始数据,充分挖掘数据背后更深层次的含义,你可以真正做到把你的数据最大利用化,进而为你的网络营销来服务。

你可以通过问自己一些有联系、相关的问题,来进一步对数据进行处理,进而找到答案。比如,你可以问自己(或者团队)以下问题:

  • 哪些客户会购买我们最畅销的产品(新、老客户各占多少比例,这些客户都分别来自哪些渠道(百度、谷歌、Facebook?)
  • 买A产品的客户,最有可能还需要什么产品,以便可以帮助我增加均单销售额。
  • 在我们现有客户中,推荐我们产品给朋友、家人的客户,拥有的共同特征有什么?

亚马逊(Amazon)

亚马逊在最初的时候并没有强大的推荐算法,客户查看某一本书的时候,亚马逊最多是推荐和这本书绑定的另外一本书。

这种绑定试推荐,是亚马逊针对客户的消费习惯、行为,提前进行大量的数据分析得出的推荐机制结论。

25 Years of Amazon.com Website Design History - 34 Images ...

2002年亚马逊产品购物页面,并没有强大的推荐机制

但是,到了2020年,我们可以看到,同样页面的一本书的推荐机制已经非常强大了(有很多其他类似产品的推荐),亚马逊结合更多的数据和分析,并且结合每个不同用户的行为(浏览过哪些页面、产品等),以动态方式给亚马逊客户推荐更相关、更相近的产品,进一步促进更多的销售额。

其实,这些都是亚马逊基于对海量用户的各种数据进行大量(并且实时)的数据分析和数据应用,才可以给客户带来这样的购物体验。

2020年亚马逊购物页面,强大的推荐机制

强大的数据分析和应用,让亚马逊的收益和利润发生了翻天覆地的变化。亚马逊的股票也从2002年每股不到$10美元,涨到了$3000多美元一股(截至2020年)。

亚马逊股票增长趋势(从2001年到2020年)来源

执行良好的数据分析和策略的方法

要掌握数据,你需要掌握3条指导原则:

  • 让数据有意义。这是数据分析的基础。你收集的每条数据都应帮助你回答问题,并做出明智的决策。 
  • 使用假设检验,将问题转化为策略。这种方式就会赋予数据背后的含义。这是将原始数据转换为业务决策的过程。 
  • 结合背景信息,去整理数据。有些情况很难衡量。对于这种情况,你需要将数据背景信息化。 

当你获取原始数据时,你应该把注意力放在哪里?如何比较不同来源的数据?

原则1:让你的数据有意义

了解数据意义最简单的方法之一就是通过营销渠道。

营销渠道

这样一个概念,可以非常简单的帮助你了解整个客户获取的过程。你的营销推广,帮助你吸引潜在客户,他们经过对你的营销内容的互动,访问你的网站,和你在社交媒体上面互动,评估你的产品和服务,然后会有一定比例的潜在客户成为你的客户。

对于获取客户、销售来说,上面是一个很好的模型,但是我们需要调整这个漏斗,便于我更好的进行数据收集和分析。

该模型是一个漏斗度量流程图,它不仅映射出了客户旅程的各个阶段,而且还展示出每个阶段需要衡量的指标。

营销渠道指标流程图

通过上面,我们可以看出,整个漏斗被分为3个阶段:

  1. 漏斗顶部 (认识阶段)
  2. 漏斗中部 (评估阶段)
  3. 漏斗底部 (转换阶段)

其实,客户的旅程不会终止于转换阶段,还会包括成为客户后的再次购买,购买更高价值的产品,成为你的终身客户。我们把这个阶段成为提升阶段、拥护阶段。

这时,你如何再把数据结合分配到以上不同阶段,便会对相应的数据背后的意义会有更加深刻的认知。

因此,你不是要把所有的数据放在一起,一次看待、处理、分析,而是要把它们分配到漏斗的不同阶段,来分别对待和处理。

通过这种方式,你不仅会对漏斗底部的数据会有清晰的认知,而且你会对漏斗其他阶段的数据有更深刻的掌握。所有阶段的数据健康指标,都是环环相扣。如果一个阶段产生问题(比如漏斗泄露现象),会导致相关联阶段受影响,最终会导致整体数据受到严重影响。

接下来,让我们深入学习漏斗三个阶段(包括提升、拥护阶段)的数据指标。

漏斗顶部

此阶段目标:获得新访客(陌生人)

渠道顶部指标

此阶段,你需要问自己:我选择的哪些数据指标,会帮助我对新访问客户有更加深刻的了解么?

比如:漏斗顶部的一个指标:提升新访客数量

Google Analytics. When Unique Visitors is Higher than Visits. - Hispanic  professional society & diversity job fairs at NSHP.org

漏斗中部

此阶段目标:获取新访客的联系方式

渠道中部指标

在这个阶段,你需要问自己:我选择的哪些数据指标,会帮助我了解我的潜在客户吗?到底有多愿意留下他们联系方式?

“愿意”程度体现于:

  • 订阅关注你的潜在客户
  • 人们填写网络表单留下联系方式
  • 在社交媒体中关​​注你的人

这个阶段非常重要,原因就在于,这些是潜在客户授权你,允许联系他们。

请注意,我这里的联系并非一定是电话、邮件联系。也可以通过广告再次营销的方式来实现(Facebook retargeting广告)。

如果你做的是电商产品,此方法也同样有效。

一个漏斗中部的指标:号召力按钮点击次数(CTA)

Where to Find Custom Link Events in Google Analytics - MonsterInsights

如果你的YouTube视频描述区域提供高价值信息下载,你需要知道到底有多少人点击了那个链接,以及在你的着陆页面上面,有多少人点击了“下载”号召力按钮。这样,你可以更好的评估你的内容,以及将访问者转化为潜在客户的程度是多少。

漏斗底部

此阶段目标:转化潜在客户,获取客户

渠道底部指标

在这个阶段,你需要问自己:我选择的哪些数据指标,会帮助我了解我的潜在客户的转化程度吗?

这个阶段特别重要,因为一旦有人从你那里购买了东西(即便是小而便宜的东西),他们再次购买的可能性就会很高。

漏斗底部的一个例子:转化百分比。

不同的百分比,代表分别有多少人点击、购买了你的营销宣传的产品,通过对转化百分比的了解,你可以清楚知道,你应该继续使用哪种营销方式和营销内容,来帮助你获取较好的转化率。

客户留存率和客户价值挖掘程度(转化后 – 提升、拥护阶段)

此阶段目标人群:客户满意度

如果你希望客户会再次回来,购买更多的产品,甚至成为终身会员,你只有保证很高的客户满意度。

转换后指标

在这个阶段,你需要问自己:我选择的哪些数据指标,会帮助我了解我的客户的满意度?

比如,你可以通过搜集类似这样的信息来了解(客户积极正面的评价):

6 Ways to Protect Your Business Reputation With Social Media : Social Media  Examiner售后指标可让你感知客户满意度。

这些数据不会容易获取,因为他们都是分布在不同的地方(社交媒体中,电子邮件中,书面信件中等),存在于不同的形式(图片、文字、视频等)。

对于我们,我们希望顾客的满意度体验在YouTube、社交媒体、会员区等。

你也许会说,这些指标都是可有可无,并不会对最终的商业指标有太大营销。但是恰恰相反,正是这些指标,会进一步决定你的商业最终指标,因为,很多潜在客户正在思考、决定是否要购买或购买更多你的产品和服务。

按类型分类数据

我们刚刚回顾了漏斗顶部,漏斗中部和漏斗底部,以及转换后的指标。这是一种按渠道阶段对指标进行分类的方法。但是还有另一种对指标进行分类的方法,那就是根据数据所提供的信息类型。

第一类:关键指标决定整体状况。这些指标就像你的企业的温度计。通过这样的指标,你可以立即判断你的企业的业务运转情况(是好还是坏)。 

第二类:细节指标反应具体问题。这些细节化的指标,可帮助你了解你的业务在特定领域的情况。 

通常,你将两种类型的指标放在一起使用,而不是只使用一种。

如果关键指标告诉你一切进展顺利,则可以使用细节部分指标来帮助你了解原因,从而可以复制成功。

例如:

改善号召力按钮的点击率

How to Create the Perfect Pricing Page - King Kong

号召力按钮的平均点击百分比是一项关键指标。它会告诉你的整个网站上,访问者会单击你的号召力按钮的可能性有多大。

为了帮助我们理解为什么点击率是0.05%,以及如何提高该数字,我们需要一个细节指标:访问者在一个特定的销售页面上,点击“购买”号召力的按钮有多大。

改善电商业绩

Ecommerce Analytics Hacks and 29 Reports to Improve Revenue Now

在此示例中,关键指标是平均订单价值。要深入研究,你需要查看实际订单。

你想知道平均订单价值中的大部分收入来自何处。最常被购买的产品有哪些,是否需要进行促销方案顺序的调整,是否要有额外附加赠送产品等。

通过以上,我们可以看到,你可以通过两种方式让你的数据指标来帮助你。

  1. 你可以将它们分配给渠道的特定阶段:漏斗顶部、中部、底部。
  2. 你可以使用它们来衡量业务中运行状况,你的企业整体运营的健康指标,然后回答关于如何、以及为什么等更有深层次的问题。

一旦了解了企业的整体健康状况,以及一切正常(或不正常)的地方,就可以开始使用度量指标(细节指标)来解决问题。

原则2:使用数据标准解决问题

数据永远都只是数据,如果不把他们进行处理、加工、分析,他们可能毫无任何存在的意义。

但是,好的数据分析师,可以通过数据,展示出不同的故事,和每个故事的背景信息。

因此,你需要使用分析决策过程。

这个过程,非常类似于科学理论分析和推算。

在科学分析方法中,你从问题和假设开始,然后测试不同的假设,对可能发生的情况,做出预测和验证。

对于数据分析,原理也都一样。你查看数据,并开始提出有关它的问题假设。然后设计不同的预测和测试方案,来验证你的假设是否正确。

通过测试和验证,你就可以清楚地看到,你需要做些什么来改善你的业绩。

那时,做任何的决策不再是源于你的直觉,而是更多的依赖于数据给到你的信息。

但是….

在实践中,我们常常不知道应该问什么问题。在这种情况下,我们通常进一步对数据进行深入的了解。

审查关键指标以激发问题

当你不知道该问什么时,你的指标通常会为你提供所需的见解。

步骤1.首先,查看你的关键指标。确定你的绩效好于预期,或可能呈下降趋势的地方。在许多情况下,这会引发问题。 

  • 该视频的观看量是其他视频的好几倍,是什么让它表现好过其他视频?
  • 每天都有新订户,但订阅者数量增长速度不变。发生了什么?为什么?

步骤2.生成关于正在发生的情况的假设。对发生的事情做出一些预测。对于我们营销相关的教育视频的不同受欢迎程度,我们做了以下假设: 

  • 围绕“免费”相关的视频内容,它可以吸引更多的观看率,因为大部分人没有太多的钱去做营销。
  • 围绕“转化率”相关的视频,它会吸引相对较少的观看率,因为只有做过营销的人群,才会关注“转化率”。
  • 人们往往关注了“转化率”相关的视频,才会引起他们更多的问题和咨询。

提示:不要只为一个假设得出唯一一个结论。最好考虑多种解释,最好是3到10个假设,然后对它们进行检验。否则,你将限制你对有任何可能性的假设的测试和验证的机会。

你会看到,在大多数情况下,出现问题的原因并不只有一个。有时,同时会有好几个因素结合在一起,导致事情的成功或者失败。

假设越多,分离所有会产生影响因素的机会就越大。

步骤3.使用细节度量标准来测试假设。为此,你将使用更详细的数据,来帮助你试图理解问题的根本原因。 

此类数据,你通常不需要每天查看、分析,但是你需要知道他们在哪里,并且要清楚的明白,它们可以帮助你回答哪些相关的细节性问题。

我们针对以上问题(视频的受欢迎程度),通过细节的数据分析来验证以上的三个假设,包括把三个假设结合在一起,单独分开等不同方式。

在查看视频相关数据后,我们意识到把“金钱”投入和“转化率”结合相关的内容,会更加受欢迎。

步骤4.根据你的发现采取行动。

我们的数据分析的结论是,“金钱”和“转化率”相关的视频内容,会获得更高的互动性。尽管可能差异不是特别大,但随着时间的推移,这样累积的影响力还是很大的。

原则3:结合背景信息,去理数据

数据的好坏并不重要,有时它并不能告诉你需要了解的所有信息。

例如,你的数据趋势告诉你情况在变糟糕。为什么这种趋势正在形成?也许此时你正在经历生意的淡季。也许你的竞争对手做了一些独特的推广。或者,也许你遇到了使数据报告准确性的技术问题。

如果你在评估数据时未考虑这些因素,则很有可能你会基于错误的相关数据假设,得出错误而不可靠的结论。

在这些情况下,结合背景信息可以帮助你指出数据中的差异。你需要考虑4种情况。

4种方式可帮助你解释数据。

历史背景

通过回顾历史,你可以预期有什么结果?通过回顾历史数据,你可以了解客户的趋势和典型行为。

例如,在旅行行业,春、秋季节是旅游的旺季,每年都是一致的。

因此,旅游行业的企业不必担心,他们也会对整个不同季节的营销方案做出相应的调整(增加春、秋季节广告费用,减少夏、冬季节广告开销)。

外部环境

有没有哪些我们无法控制的变化影响了我们的指标?也许有新的竞争对手进入了市场。也许技术已经发生变化,导致我们做事的方式也要发生全新的改变。

比如,TikTok的app在全球的下载量已经超越Facebook。

外部因素可能不在你的控制范围之内,但是在评估数据时你需要牢记这些因素。

内部环境

你是否已对策略做出了更改,进而可以影响你的绩效?你是否更改过网站或启动了广告系列?

这更多是一种自我审查。考虑一下你在内部所做的更改,这些更改可能会影响你的数据。

前后背景

这与你提取数据的方式有关。你是在比较原始数字还是在比较百分比?你的数字是否受到异常值的影响?意外事件的发生,是否会导致你的数据没有任何意义?

这些上下文因素共同帮助你解决无法估量的事情,也就是你无法通过数据可预见或解释的事情。它们可以帮助你评估数据的有效性。

使数据可行

通过以上3个原则,你可以看到,你可以将任何看似毫无意义的数据转换为可执行的具体行动方案。

你需要为数据分配角色,以便了解它们所涉及的渠道阶段,以及它们是否可以帮助你了解某些信息(关键指标)或为你提供信息,以回答更具体的问题(细节指标)。

你还需要使用数据为你的业务做出更明智的决策。进一步测试哪些对你有效,哪些无效,以及如何改善结果。

最后,你需要通过评估可能导致数字上升或下降的因素,将数据置于上下文中。通过将数据与现实世界联系起来,这些数字将会更有意义,并且让你更加容易的去使用这些数据,来帮助你获取更快的业务增长…

数据分析需要的相关角色

在数据方面要取得成功,你需要3有人个责任团队来负责。

数据与分析

分析团队(或个人)应主要负责收集,审核和解释你的数据和分析。

较大的团队可能还会有一个数据实施经理,他负责汇总所有这些信息,并将其转变为易于理解的漂亮仪表板(视觉化展示)。

市场部

每个营销人员都需要对数据和分析有所了解。无论你是运行YouTube广告,还是通过TikTok来推广服务,你都需要知道什么在起作用,什么没在起作用。

转化率优化(CRO)

进行营销优化,很大程度上会依赖数据,并且,会借助数据,来建立不同的假设,进而去进行测试和验证。

总结

即使你不擅长数据分析,或者你对数字根本就不够敏感,你都不需要担心。你只需要了解处理这些数据的过程,帮助你识别哪些数据可以给到你机会,以及哪些数字可以让你忽略不计。

一旦你有一个固定的流程后,你会发现数据和分析会变得越来越有意义。你到时会知道你的营销计划正在起作用,同时,会让你对网络营销充满信心。

下一章,是我们的最后一章节 – 如何帮助你提高转化率。这也是最简单的方式,可以帮助你立即提高你的销售业绩的方式。

分享到其他平台:

Share on facebook
Facebook
Share on whatsapp
WhatsApp
Share on email
电子邮件
Share on print
打印
Don`t copy text!