単品操作分析の内容は（「単品データ操作」乾物：データ操作が単品訪問者収集をトリガー）

「データベースによる単品運用」乾物：データベース運用が単品来場者集客を促進

これまで多くの友人から、データを活用して個々の製品を最適化する方法について話を聞きたいと頼まれてきました。データ駆動型の運用の方がデータの把握や最適化がしやすいというのは事実ですが、みんなが語るデータ駆動型の運用は実はそれほど神秘的なものではありません。また、データ駆動型の操作を理解して学習すれば、問題を完全に解決できるというわけでもありません。それは単なる夢物語です！名前が示すように、実際のデータ駆動型操作では、データの比較、調整、制御を通じて、望ましい目標が実際に達成されます。

当社のワイヤレス端末爆発原理には、クリックスルー率、収集率、購入率、ピット生成、変換率、UV 値という 6 つの主要な次元があります。これらの寸法は理解しやすいので、それを直感的に制御できるようにするにはどうすればよいでしょうか?最も簡単で効果的な方法は、表を作成し、必要なデータを数えることです。その場合、データは非常に明確かつ直感的になり、調整と最適化に役立ちます。表の作り方が分からない友人は、私にプライベートメッセージを送って、データに基づいた直感的な表（メモテンプレート）を入手することもできます。

データ駆動型操作は単にテーブルを作成するだけなのだろうかと疑問に思う人もいるかもしれません。実際の操作がないのに操作と呼ぶのですか?逆に考えてみると、分析の仕方がわからなければ、どうやって実践的な運用ができるのでしょうか?したがって、いくつかの核心的な事柄は常に見落とされやすいのです。統計表を作成する利点は、自社の製品データに精通していること、そして判断と分析を通じてどこに問題があるかを知ることができることです。

[分析データ]

コンテンツポイント1：自由な割合

健全な状態にある店舗は検索訪問者の 70% 以上を占めており、そのような店舗は 100% 収益性が高いことを意味します。健全でない状態にある店舗は、検索訪問者の 50% から 70% を占めます。不健全な状態の店舗は検索訪問者の 50% 未満を占めており、これはそのような店舗が赤字であり、投資比率が比較的大きいことを意味します。

解決：

1: ヒット商品が一つもない。ヒット商品を生み出す方法については、以前の号で説明しました。まだ読んでいない方は、過去の記事を振り返ってみてください。 2：店舗全体の日次売上の問題。基本的な状態は、店舗全体の商品の毎日の売上が1以上であることです。解決策としては、低価格の直通トラフィックとダイヤモンド展示を使用してトラフィックを誘致することができます。 3: すでにヒット商品が1つあるが、トラフィック指数が基準に達していない。つまり、有料トラフィックの割合が大きすぎるのです。来場者数と売上の確保を前提に、コストを適切に削減できます。

分析ポイント2: 人気の重み

商品の回収率と購入率の合計が15%以上である必要があります

解決策: 個人リソースを組み合わせてお気に入りや購入に追加する

注1: ​​コレクションは購入よりも小さいことを確認してください

注 2: 人気度を高めるキーワードには、セカンダリ キーワードを使用する必要があります (例: ミドル丈ドレス、レディース ワンショルダー バッグ、レディース 厚底白靴)

注 3: スワイプするお気に入りと購入の数は、実際のお気に入りと購入の数よりも少なくする必要があります。商品のお気に入りが 13 件あり、1 日あたり 30 件の購入がある場合、スワイプするお気に入りの数は 10 件以内に、スワイプする購入数は 25 件以内に制御する必要があります。

最も重要なことは、収集率と購入率が無制限の検索訪問者に影響を与える要素であるということです。収集・購入率が実際の収集・購入率よりも高い場合、ラベルが乱れやすくなります。

分析ポイント3: コンバージョン率

検索による支払いコンバージョン率: キーワード検索によって生成された支払い購入者の数

支払いコンバージョン率: 商品のすべてのチャネルからの訪問者によって生成された支払い購入者の数

通常の店舗の場合、検索から支払いまでのコンバージョン率は、支払いコンバージョン率の 1.2 ～ 1.5 倍になるはずです。すべてのカテゴリーにおいて、検索から支払いへのコンバージョン率は支払いへのコンバージョン率よりも高くなっています。支払いコンバージョン率が検索から支払いへのコンバージョン率よりも高い場合、次の 2 つの状況が考えられます: 1: クラウド ラベルが間違っている (偽の注文が原因)、2: タイトルに問題があるはずです。検索決済のコンバージョン率が高いのはなぜですか？正確なキーワードのみが検索され、トランザクションが生成されるためです。正確なキーワードを検索してもトランザクションが生成されない場合は、単語の語源に問題があります。

分析内容ポイント4：UV値（UV値＝単一商品売上／単一商品訪問者数）

UV値は業界平均より高く保つ必要がありますが、あまり高くはなく、30％以内に制御できます。

分析コンテンツポイント5: 検索訪問者

Vancl の検索結果は、正比例、反比例、無関係の 3 つのカテゴリに分類できます。これはナンセンスではありません。関係性思考を使用して最適化できます。たとえば、直通電車の訪問者と検索訪問者は正比例します。直通列車のクリック数が増えれば、Taobao検索訪問者も増えます。

上記は対応する寸法参照指標です。日々のデータの変化を通じて、さまざまなアイテムを最適化できます。トラフィックが減少した場合は、昨日と比較してどのデータが最も大きく変動しているかを確認します。この点が問題となります。たとえば、回収率が日々高くなっており、訪問者の総数も日々増加している場合は、回収率を改善する必要があります。数日間の改善後、訪問者数は確かに増加していることがわかりましたが、さらに数日後、収集率は依然として増加しているのに訪問者数は動いていないことがわかりました。これは、現在ボトルネックに達しており、このボトルネックは収集率では改善できないことを意味します。現時点では、コンバージョン率が日々増加しており、訪問者数も増加していることがわかります。今回は、訪問者がどのように変化するかを確認するために、コンバージョン率の向上を試みます。その数が日々増加していることがわかったら、コンバージョン率を継続的に改善していきます。数日後、コンバージョン率は依然として上昇しているものの、訪問者が再び移動していないことがわかります。また、出力値は日々増加しており、訪問者数も日々増加しているため、出力値を向上させることができます。複数の次元を同時に実行しないように注意してください。最初に実行するディメンションを 1 つ選択します。 1 つのディメンションを完了すると、このデータ セットから他のディメンションによって生成されたパターンが見つかります。

プロセスは単純に見えますが、1 日分のデータのみを収集しても、データを一般化することはできません。データの変化と最適化が必要な領域を確認するには、プロセスとサイクルが必要です。データ分析を学べば、日々の店舗の方向性や計画も明確に把握できるようになります。役に立ったと思ったら、いいねしてフォローしてください。ご質問がある場合は、コメントするか、プライベートメッセージを送信してください。

2020年がやってきました。店舗運営で問題が発生した場合、私に相談してください。また、店舗に長期間トラフィックがない場合、私はあなたに教え、電子商取引の交流サークルに引き込み、一緒に学び、一緒に進歩します。きっと役に立つと思います。