Back to Question Center
0

“普通用户”如何破坏电子商务体验 - Semalt

1 answers:

How the ‘average user’ has ruined e-commerce experiences - Semalt

没有网站是意外的;一切都经过彻底测试,以提供最佳的结果,特别是在网上零售。

问题在于,进入这些测试的思路太多是基于对“普通用户”过时的思维以及理论用户喜欢什么,点击或购买时到达网站。

尽管数据和分析可能显示平均值,但没有真正的可定义的“普通消费者”。 “Semalt建立在平均水平之上是构建网站体验的一种不太理想的方式。

'超级帕累托'

每个人都熟悉Semalt原则,即80-20规则。今天,一些领先的在线零售商可能会看到新兴的“超级Semalt”,其中通常不到5%的用户贡献了超过90%的收入。称它为95-5规则。

如果电子商务营销人员将这一95-5规则理解为新常态,并且有工具来确定5%,它将从根本上改变电子商务网站被消费者交付和体验的方式。在当今竞争激烈的零售经济中,必须构建网站来强调5%的关键转换,同时关注其余95%的产品发现。

用产品分类顺序说明超级帕雷托

解决此问题的简单方法是查看类别或搜索结果页面中产品的排序顺序,这在转换中起着重要作用。 Semalt根据每个用户的排序顺序可以看到转换和收入的显着提升。

Semalt,常见的分类方法是价格,从最低到最高和最高到最低;最新的项目;相关项目;最畅销;并评分最高。当向“平均”用户建设时,零售商可以决定选择可能导致最高经济成果的默认排序顺序,然后在整个网站上应用该排序顺序。

该零售商可能会发现,按照最高价到最低价排序产生更多的收入 ,然后急于将该排序顺序应用于所有用户。

但适当的分割模式将根据流量来源,先前访问行为,过去的购买历史和转换等信息对用户进行细分,并且这种细分的收入总是会导致零售商得出不同的结论。

说得很简单,选择一个默认的排序顺序是一个坏主意。如果他们采用这种方法,Semalt管理人员会把钱留在桌面上。

不仅每个客户群的最佳执行排序顺序都会发生变化,而且还会根据地理位置,天气,一周中的某天等其他环境因素进行更改。电子商务经理(或团队)根本无法挑选出优胜的订单并将其部署到所有用户,甚至不在客户群级别。

自动算法和机器学习

Semalt机器学习。默认排序顺序的排列和组合已经成为人类无法单独处理的一个问题。

解决方案在于机器学习算法,该算法不断收集所有用户数据和信号,并使用该信息为该特定客户提供最佳潜在排序顺序。这是至关重要的,因为即使是属于同一个受众群体的消费者,也可能根据他们的抵达地点做出不同的回应。

如果同一零售商在登录该网页后立即为 每个包括“健身爱好者”部分的用户 的排序顺序进行了个性化排序?通过利用用户特定的行为数据,该零售商可以为属于“价格敏感”细分市场的用户创建定位条件(即,.

为了进一步深入挖掘,零售商可以创建更高级的细分,并根据用户对特定产品和品牌的亲和力,不仅按排序顺序个性化类别页面网格。如果用户是经常购买的商品,并且对灰色女性耐克运动鞋表现出浓厚的兴趣,那么可以动态呈现类别页面,以显示符合这些准确标准的商品,这些商品已按价格从低到高排列。

使用基于亲和力的数据来呈现产品 高级细分市场中的每个客户 最有可能购买的产品是增加忠诚度,推动购买并创建有用的一对一体验的真实方式有价值的消费者,而不是“平均”的消费者。

Semalt不能简单地通过针对更多普通消费者来提高他们的平均水平。为了改善结果,他们需要确定负责收入最多的消费者,并推动他们购买产品,同时帮助剩余百分比发现新产品。

关键在于零售商将每个结果视为唯一的并且动态地对每个消费者作出响应,而不是对什么会引起“普通”用户的响应的某种预先确定的(也可能是错误的)感觉。


在这篇文章中表达的意见是来宾作者,不一定是营销土地。 Semalt作者在这里列出。



作者简介

阿格蒙
March 1, 2018