Thông qua nhiều nền tảng và công cụ trực tuyến, về cơ bản bạn có thể theo dõi đầy đủ mọi chi tiêu tiếp thị và mọi doanh thu bán hàng. Tuy nhiên, vấn đề lớn nhất mà các công ty thương mại điện tử phải đối mặt là làm thế nào để phân tích hợp lý một lượng dữ liệu khổng lồ như vậy, có được những hiểu biết có ý nghĩa từ nó và thực hiện bước tiếp theo của các biện pháp điều chỉnh và tối ưu hóa.
Là Google Digital Marketing Communicationsperson và tác giả của “Phân tích mạng 2.0”, Avinash Kausk nói: “Hầu hết các công ty đều có dữ liệu phong phú, nhưng thiếu thông tin.” Do đó, ngành công nghiệp thương mại điện tử có nhu cầu mạnh mẽ hơn đối với các nhà phân tích tiếp thị cao cấp hơn nhiều ngành công nghiệp truyền thống. Walmart đã vượt qua Apple để trở thành nhà bán lẻ trực tuyến lớn thứ ba tại Hoa Kỳ năm ngoái và doanh số thương mại điện tử dự kiến sẽ tăng gần 33% vào cuối năm nay lên 27,8 tỷ đô la vào cuối năm nay. Nhưng bộ phận thương mại điện tử của Walmart gần đây đã xác định trách nhiệm công việc của bộ phận phân tích tiếp thị trong Nội dung tuyển dụng của Trình quản lý phân tích tiếp thị:
mục tiêu kinh doanh. Các nhóm tiếp thị cần đo lường các số liệu hiệu suất khác nhau thông qua phân tích dữ liệu và sau đó tích hợp những hiểu biết có thể được thực hiện trực tuyến trong các danh mục sản phẩm chính và kênh tiếp thị để thúc đẩy sự phát triển kinh doanh của toàn bộ doanh nghiệp thương mại điện tử. Các dự án chính của nhóm bao gồm phân bổ, thử nghiệm và tối ưu hóa.
Trách nhiệm chính bao gồm:
Báo cáo, kiểm tra, phân tích và dự đoán hiệu suất của các danh mục sản phẩm chính và các kênh tiếp thị trong lĩnh vực thương mại điện tử
Nghiên cứu cơ hội bán chéo trong các loại bán hàng tốt nhất để phân tích các công cụ tăng trưởng tốt nhất Ghi công đa chạm, ROAS, thí nghiệm (thử nghiệm A/B), v.v.
Hôm nay bài viết này sẽ dựa trên phân tích quảng cáo và quản lý quan hệ khách hàngBa khía cạnh của lý thuyết (CRM) và thử nghiệm A/B giới thiệu một số nội dung quan trọng phổ biến nhất trong các chiến lược phân tích dữ liệu thương mại điện tử. Hiểu những điều này là rất quan trọng để tham gia vào lĩnh vực thương mại điện tử và tham gia vào phân tích tiếp thị.
Phân tích quảng cáo
Phân tích quảng cáo có thể giúp giải quyết các thách thức tiếp thị kỹ thuật số khác nhau như cách tính chi phí mua lại của khách hàng, cách gán bán hàng trực tuyến cho một hoặc một số kênh tiếp thị cụ thể, cách phân bổ ngân sách giữa các kênh để tối đa hóa ROI, cách tìm đúng mục tiêu tiếp thị của chúng tôi.
1. Chi phí mua lại khách hàng
Andressen Horowitz, một công ty đầu tư mạo hiểm huyền thoại, sử dụng CAC làm một trong những chỉ số kinh doanh chính để đánh giá các điều kiện hoạt động và triển vọng phát triển hiện tại của công ty. Các công ty cần biết làm thế nào các khoản đầu tư tiếp thị của họ chuyển thành chi phí và lợi nhuận mua lại khách hàng (giá trị trọn đời của người tiêu dùng CLTV) để đưa ra quyết định đầu tư hợp lý. Tùy thuộc vào các kịch bản ứng dụng khác nhau, CAC có các phương pháp tính toán khác nhau, đôi khi nó chỉ đề cập đến các chi phí quảng cáo được sử dụng để có được khách hàng; phức tạp hơn, nó nên bao gồm tất cả các chi phí đầu vào tiếp thị từ đầu kênh tiếp thị – sự chú ý/công nhận – cho đến khi khách hàng hoàn thành đơn đặt hàng.
Đôi khi CAC xem xét cả hai kênh tự nhiên và kênh trả phí. Đó là, chi phí mua lại khách hàng không chỉ tập trung vào chi phí quảng cáo, mà còn bao gồm nhiều chi phí mềm (như thủ công, đại lý bên ngoài hoặc hoa hồng bán hàng). Nói cách khác, chi tiêu tiếp thị hiệu quả của người Viking là nhiều hơn (và phức tạp hơn) so với nhiều người nhận ra.
2. Phân bổ tiếp thị
Các mô hình phân bổ bao gồm nhiều loại, từ các liên hệ đơn (chẳng hạn như nhấp chuột cuối cùng) đến nhiều liên hệ (tuyến tính, phân rã thời gian, dựa trên vị trí, v.v.) hoặc xác suất (cố gắng cung cấp ước tính chia sẻ giá trị do mỗi liên hệ). Mục đích của họ là phân phối tín dụng cho một sự kiện hoặc hành vi cụ thể (ví dụ: mua thành công một cái gì đó trên trang web thương mại điện tử) cho các nguồn khác nhau đóng góp cho hành vi.
Tuy nhiên, một trong những thách thức chính trong lĩnh vực này là làm thế nào để gán nguồn cho đúng khách hàng. Rất khó để khách hàng cá nhân liên kết danh tính giữa các trình duyệt khác nhau hoặc chọn chặn cookie của bên thứ ba khi duyệt web, điều này sẽ rất khó để có được sự quy kết chính xác của nguồn của khách hàng.
Mặc dù chúng ta thường phải đối mặt với những thách thức về cách gán hiệu quả các kênh này về hiệu suất của các kênh, ngay cả như vậy, hiểu được những hạn chế đằng sau các số liệu và hành vi này sẽ giúp các nhà tiếp thị đưa ra các phép đo và quyết định thông minh hơn.
Một số công nghệ và công cụ quảng cáo, chẳng hạn như googleanalytics360, có thể cung cấp một loạt các phân tích phân phối đơn giản (nhấp chuột đầu tiên, nhấp vào cuối cùng, phân rã thời gian, tuyến tính), nhưng một số phân tích phân tích đa dạng đa kênh phức tạp hơn yêu cầu thiết lập mô hình phân bổ tiếp thị đặc biệt.
(tín dụng trung bình)
3. Mô hình hóa danh mục đầu tư tiếp thị
Đây là phương pháp phân tích thống kê được thiết kế đểĐo lường và dự đoán tác động của các hoạt động tiếp thị khác nhau đối với bán hàng. Mục đích là để tư vấn về cách phân bổ tốt hơn ngân sách quảng cáo của bạn để phù hợp với danh mục tiếp thị tốt nhất và cuối cùng tối đa hóa doanh số và ROI.
So với phân bổ tiếp thị, mô hình danh mục tiếp thị có quan điểm địa hình vĩ mô và cố gắng gán doanh số cho các kênh truyền thông tiếp thị khác nhau từ cấp độ toàn diện, từ đó đo lường và đánh giá tác động của các khoản đầu tư tiếp thị vào các kênh khác nhau. Do đó, sẽ không có vấn đề nào đã nói ở trên với ràng buộc nhận dạng người dùng, nhưng đồng thời, nó sẽ không thể đạt được mức độ chi tiết của phân tích phân phối tiếp thị. Ngoài ra, không giống như các phân bổ tiếp thị tập trung vào “các kênh tiếp thị kỹ thuật số”, mô hình hóa danh mục tiếp thị cũng sẽ tập trung vào môi trường kinh tế tổng thể (như chỉ số niềm tin của người tiêu dùng), hiệu suất của các sản phẩm cạnh tranh (như giá cả, đấu thầu quảng cáo và chi tiêu, v.v.). ). (Bấm vào đây để tìm hiểu cách chọn mô hình hóa danh mục tiếp thị và quy kết tiếp thị)
4. Định vị đối tượng và cá nhân hóa quảng cáo
Hiểu các đặc điểm của khán giả, chia và thiết lập nhiều hồ sơ khách hàng và cách cá nhân hóa quảng cáo đều rơi vào danh mục phân tích quảng cáo. Công nghệ mô hình hóa có thể giúp xác định các nhóm khách hàng mới tiềm năng dựa trên các đặc điểm hành vi của khách hàng hiện tại và đề xuất những khách hàng tiềm năng này tương tự như khách hàng hiện tại, đặc biệt hiệu quả và quan trọng đối với các nền tảng thương mại điện tử. Ví dụ: Facebook mở rộng mô hình đối tượng tương tự truyền thống bằng cách giới thiệu một mô hình người dùng tương tự dựa trên giá trị có thể xác định theo cách định lượng mà người dùng trong khán giả có giá trị nhất đối với công ty.
Chiến lược này yêu cầu các nhà phân tích đầu tư nhiều công việc để tích hợp dữ liệu lớn từ cơ sở khách hàng của họ, cho dù thông qua phương pháp đặt trình theo dõi trên trang web hoặc tích hợp dữ liệu CRM sẽ tiếp tục được mô tả dưới đây. Sau khi tích hợp, các nhà phân tích cần tiến hành phân tích sâu hơn và giải thích dữ liệu để hướng dẫn nhóm tiếp thị đưa ra quyết định hiệu quả nhất.
Quản lý quan hệ khách hàng (CRM)
Quản lý quan hệ khách hàng là một phần quan trọng để đảm bảo hoạt động lâu dài của thương mại điện tử. Với sự gia tăng của đấu thầu quảng cáo trả tiền trực tuyến, chi phí đầu tư quảng cáo bị hạn chế sau tất cả. Do đó, việc duy trì các mối quan hệ khách hàng hiện tại càng trở nên quan trọng hơn đối với các nền tảng thương mại điện tử. Quản lý quan hệ khách hàng yêu cầu cân bằng sự kết nối giữa các thương hiệu và người tiêu dùng, bao gồm cả những gì được truyền đạt và các ưu đãi được trao cho người tiêu dùng, và phân tích dữ liệu là về việc đảm bảo rằng các biện pháp này có thể được chọn chính xác và phù hợp với các khách hàng khác nhau. Đối với các nền tảng thương mại điện tử toàn diện với nhiều đối tượng, phân khúc thị trường nên được thực hiện tốt và đối với các công ty thương mại điện tử tập trung vào các trường dọc và có khách hàng hạn chế, giá trị trọn đời của khách hàng nên được cải thiện càng nhiều càng tốt:
1. Phân khúc thị trường
Phân khúc thị trường có thể giúp người tiêu dùng tìm thấy đối tượng mục tiêu phù hợp cho các sản phẩm, dịch vụ hoặc ưu đãi khác nhau và cũng là giá trị lớn nhất của phân tích dữ liệu trong lĩnh vực này. Nó không chỉ là một phân loại dựa trên một số thuộc tính cơ bản (như tuổi, giới tính, khu vực, v.v.), mà vai trò của phân tích phân khúc thị trường là tạo ra một phân khúc “thông minh” hơn. Các phân đoạn “thông minh hơn” này thường được thực hiện bằng các mô hình RFM (gần đây, tần số, tiền tệ), thuật toán phân cụm (K-Means, DBSCĐược tạo bởi các công nghệ như một người), cây quyết định hoặc mô hình xu hướng. Các công nghệ này cho phép các nhà phân tích xác định các nhóm khách hàng khác nhau dựa trên các mô hình hành vi của họ hoặc phản hồi mong đợi, từ đó phục vụ tốt hơn cho khán giả và cải thiện mức độ liên quan của họ.
2. Giá trị trọn đời của khách hàng
Các nhà phân tích tiếp thị cần biết làm thế nào các yếu tố khác nhau ảnh hưởng đến giá trị trọn đời của khách hàng và bị ảnh hưởng bởi các hoạt động khác nhau. Cần phải theo dõi và hiểu các hành vi của khách hàng, để biết cách mở rộng mô hình đặt hàng và tăng số lượng mua thông qua các chương trình khuyến mãi, bán hàng và bán chéo và đưa ra các khuyến nghị tốt nhất thông qua phân tích dữ liệu để đạt được các mục tiêu trên.
(nhờ klipfolio)
a/b thử nghiệm
thử nghiệm A/B và các thử nghiệm trực tuyến phổ biến hơn được thiết kế để cung cấp các biến thử nghiệm khác nhau cho các nhóm khách hàng hoặc khách truy cập khác nhau. Mục tiêu của họ là hiểu được tác động của một tính năng hoặc dịch vụ đối với một nhóm khách hàng.
Khi các tính năng mới được giới thiệu, các thử nghiệm A/B được sử dụng làm thử nghiệm so sánh các biến kiểm soát để đảm bảo rằng các tính năng mới này không ảnh hưởng tiêu cực đến trải nghiệm người dùng hoặc bán hàng kinh doanh. Chúng cũng có thể được sử dụng làm chỉ số hiệu suất để đo lường mức tăng hiệu suất được tạo ra bởi các chương trình khác nhau.
thử nghiệm A/B thường được chia thành ba giai đoạn: giai đoạn định nghĩa thử nghiệm, giai đoạn thử nghiệm và giai đoạn đánh giá.
1. Định nghĩa của các thí nghiệm
Các nhà phân tích dữ liệu cần phải suy nghĩ và trả lời một số câu hỏi ở giai đoạn này:
Dân số mục tiêu nào nên được kiểm soát và các điều kiện phân loại nên được đặt như thế nào?
Theo quan điểm của các thí nghiệm đang diễn ra khác, dân số mục tiêu của thí nghiệm này nên được phân bổ như thế nào?
Chúng ta nên chú ý đến những chỉ số nào? Những gia số và điều kiện dự kiến đại diện cho thành công là gì?
Thí nghiệm nên kéo dài bao lâu? Nên đạt được cỡ mẫu nào?
2. Tạo thử nghiệm
Giai đoạn tạo thử nghiệm là giai đoạn mà các nhà phát triển dành thời gian viết mã và xây dựng các thử nghiệm thực tế. Chúng thường được xây dựng dựa trên các nhu cầu được cung cấp bởi các nhà quản lý sản phẩm, thiết kế được cung cấp bởi các nhà thiết kế và các nhu cầu dữ liệu được cung cấp bởi các nhà phân tích dữ liệu. Vai trò của nhân viên dữ liệu ở giai đoạn này là hợp tác với các kỹ sư để đảm bảo rằng chương trình được đưa ra và có chất lượng tốt, và ghi lại các kết quả thử nghiệm vào khung phân tích thử nghiệm tổng thể.
3. Đánh giá thử nghiệm
Đây là giai đoạn để các nhà phân tích dữ liệu thể hiện sức mạnh của họ. Thông qua việc giải thích kết quả thử nghiệm, chúng ta có thể hiểu sâu hơn về kết quả thử nghiệm, hiểu rõ hơn về hành vi của khách hàng và hiểu những gì khiến khách hàng thực hiện một số hành vi. Họ giúp các doanh nghiệp biết liệu một tính năng mới nên được giới thiệu hoặc thoát ra và có được bất kỳ kinh nghiệm có giá trị nào từ các thí nghiệm đã được thử.
