电商推广成本高，有哪些ROI 高的推广方式？

wz***

　　近几年电商行业的各大网站一方面纷纷通过降价、促销等方式来吸引用户，一方面在推广上加大成本，导致在拉新引流上的成本加大。

　　但是，单纯通过这种「价格战」的方式可行麽？答案是否定的。

　　衡量 ROI 最重要的两部分：成本和转化，大部分公司在做的是整体性的 ROI 衡量，但是整体性衡量只能帮助我们评估渠道，并不能优化渠道。

　　所以我会从提升转化率的角度，来讲如何提高渠道的 ROI，如何打破用户「只看不买」魔咒，把流量转化为注册和购买。

　　互联网从业者对转化率这个指标肯定不陌生，我们经常会关注到转化率，如注册转化率、购买转化率等，这些转化率指标和网站运营息息相关。注册转化率可以衡量我们网站获取用户的能力；购买转化率可以衡量我们网站营收的能力，直接影响我们的营收。那么该如何提升注册转化率呢？

　　影响转化率的三大因素其实是外部（渠道流量）、内部（用户营销）和内部（网站 / App 体验）。

　　

　　渠道流量是我们从网站外部获取的。用户营销是我们对于网站已有用户进行运营和营销工作。网站 / App 体验是可以通过内部产品、设计、工程等部门来优化的，也属于内部因素。

　　| 渠道流量

　　第一个因素是渠道流量，主要分优选渠道和量化分配两个步骤，以此来解析如何提升转化率。

　　什么是“优选渠道”？

　　我们在营销或运营的时候会选择多个渠道，这些渠道有好的也有差的。渠道质量直接体现在转化率上，最终影响网站的营收。“优化渠道”就是我们应该尽量选择质量好的渠道，放弃差的渠道，将投放预算发挥最大效果。

　　什么是”量化分配”？

　　在完成了第一步渠道优选后，假如你得到了 10 个质量比较好的渠道。那么问题来了：在预算一定的情况下，10 个渠道该如何进行资源的分配？以往，我们更多的是凭借经验或者业务上的理解，非常主观的进行渠道资源分配。如今，我们更加倾向从量化或者数学的角度，结合业务的理解，考虑如何精准进行不同渠道的资源分配。

　　案例：某电商网站购买转化率

　　

　　这是一个电商网站全站购买转化率的情况，用 GrowingIO 的漏斗分析功能得到该网站每一步的购买转化情况，用户从首页到列表页，再到详情页，再到购物车，直到最终支付成功。在红色方框内，有一个总的购买转化率——1.5%，很低。

　　让我们通过漏斗分析的维度对比，比较不同渠道过来的用户的转化情况。如下图：

　　

　　我们可以看到，红框里访问来源 1 和 2，这两个渠道的总体转化率都是非常低的。但是访问来源 1 的流量却远远高于来源 2。依靠我们对业务的判断，可能会有两种情况：

　　第一种情况：这个渠道它本身质量比较差。

　　第二种情况：可能它是一个辅助渠道。这个渠道的投入，可能并不是很多，但是这个量却特别大。

　　针对这两种情况分类解决问题，如果这个渠道质量本来就比较差，但是量很大，我们能否考虑去优化这个渠道的投放，比如广告内容、关键字、落地页设计等等，并且观察一段时间。如果这个渠道质量并不差，但是只是一个辅助渠道，那么这个时候我们可以采取观望策略，观看其发展趋势以便后期优化。

　　当我们筛选完渠道后，剩下 10 个比较优质的渠道，那么这 10 个渠道该如何分配资源呢？

　　下面是用 GrowingIO 采集到的该网站从不同渠道来的流量情况：

　　

　　结合业务经验，我们会知道搜索引擎渠道百度 SEO 和 SEM 的客户匹配精度是比较好的，我们应该多投放一点。

　　

　　上图是渠道投放前后效果对比。左边是不同渠道的资源分配，右边是最终的转化率。2014 年的所有渠道的投放组合（左边蓝色）的最终转化率（右边绿色）偏低；经过新一轮的渠道优化后，大幅度提高了 SEM 的投放后，2015 年所有渠道的投放组合（左边黄色）的最终转化率（右边橙色）大幅度上升。

　　我们可以看到，即使是在资源有限的情况下，通过渠道优选和量化分配，也可以有效提升转化率：

　　

　　| 用户营销

　　什么是用户营销？

　　对产品里的用户做的一系列运营的活动，包括拉新、激活或者唤醒等，通过这些活动，使用户反复进行购买。这样的运营或营销才是精准的，最后才能达到提高整体购买转化率的目的。

　　如何进行用户营销？

　　步骤一：确定业务场景，通过绘制用户画像，来找准我们的目标用户。

　　步骤二：在第一条的基础上，我们找到了目标用户之后，就要精准营销，就是所谓的激活或者唤醒，使得这部分目标用户，在我们的网站上进行购买，从而提高最终的转化率。

　　业内比较经验的一个用法，就是对这个用户价值度的分级。我们提到用户价值度的话，这个词实际上是比较含糊的，我们如何精准的去为这个价值度做一个分级？

　　业内常用的 RFM 模型：R 是 Recency，就是最近一次购买距现在的时间；F 是 Frequency 指的是用户的购买频次；M 是 Monetary，指的是用户的购买金额。

　　我们可以从这三个维度，对用户进行一个分级，我们可以把它分成 8 类，这 8 类可以涵盖我们想要说明的这个用户的价值。比如说，近期有购买或者有使用的这样高频次使用，同时高金额消费这样的用户，我们可以把它定义为我们网站，或者我们平台、App 的高价值用户：

　　

　　通过这个划分，我们可以把自己的整体用户，分成不同的等级。

　　假设我们是一个电商类的网站，在促销比较贵的数码产品。这时候我们就要找到高价值用户，做活动推送，而不是全部用户。因为高价值的用户购买数码产品的可能性更高，实现精准推送。

　　除了 RFM 模型分类，还有其他分类方法：

　　1）根据会员属性进行分类，如用户的性别、城市、设备、登陆次数等。

　　2）根据用户的活跃度进行分类，把用户分为未转化会员、新会员、活跃会员和沉寂会员。什么是未转化会员？就是指那些注册了，但是从来没有购买的用户。

　　3）根据用户的购买偏好，结合实际购买的场景，给他做一个分类。同时也可以根据用户的预定平台和推广渠道的敏感来给他分。

　　4）也有通过注册来源，比如说 PC / APP / H5。假如说我们的网站中大多数会员通过 APP 端注册来的。那我们做一些激活活动的话，应该着重发力在 APP，而不是选择在 PC 或者 H5 这样的端口。

　　| 优化网站 / App 体验

　　无论是 O2O、P2P 还是内容社区等网站，一些常见而又重要的体验问题都会严重影响购买转化率，比如：支付环节的流畅性、页面是否简洁和操作是否容易、图片质量是否清晰、搜索是否精准匹配…….

　　1）支付环节的流畅性，假如支环节体验流畅的话，用户流失可能性会大幅降低；

　　2）页面简洁和操作容易，如像阿里巴巴、京东或携程这些大网站，页面按钮会非常多，但事实上，它们有时候反而会影响最终转化流程，因为这整个转化流程中，有太多点击按钮和出口，导致用户很容易流失；

　　3）图片质量，比如我们在购买时很容易因为图片分辨率太低、打有水印、光线较差等因素影响我们的判断，影响最终的购买转化；

　　4）搜索的精确匹配，比如用户搜索的是芒果，最终出来的却是芒果干或芒果糖等，实际上并没有精确匹配用户的需求，结果就是严重影响用户体验，导致用户需求没有得到满足而流失。

　　案例：某电商网站转化率

　　我们可以从转化漏斗中看到，点击购物车到点击支付的转化率特别低，为什么呢？

　　

　　用户是有购买意向的，但是却最终并没有支付成功。这很可惜。

　　普通的数据分析产品、粗糙的漏斗是找不到原因的，只能看到这步转化低，但是不知道为什么。因此产品经理也不知道如何做优化，市场运营人员不知道该从什么地方着手做调整。

　　通过 GrowingIO 用户分群功能，把所有“进入购物车但并没有点击支付“的用户做个分群， 同时通过用户细查，看看这一步流失的人群，到底经历了一些什么事情，用户细查可以精准查看每一位用户在网站上的浏览、点击、停留、输入等行为。

　　

　　我们发现这个分群里有一个用户打开了商品页面，并在购物车栏点击了购买 1，然后进入到结算环节。这时他发现自己没有登录、输入登录信息又没有成功，再点击忘记密码，进入找回密码页面。

　　关键问题是，按正常理解，在找回密码的页面上设置完密码后，就可以正常登录了。但这个用户又弹回来继续到忘记密码、找回密码。为什么会这样？我们亲自体验了一下，发现在修改密码这页有个 Bug，就是没法修改密码，等于用户来来回回无法完成这一步，当然最终会导致用户的流失。

　　通过漏斗对比、用户分群、用户细查，一步步做数据追踪，终于准确定位了问题原因，这样产品经理才能知道在哪里修改，否则，产品经理只能不停各种试错、各种猜测，不停浪费时间和精力做无用功。

　　| 总结

　　从三个大维度（渠道流量、用户营销、网站 / APP 体验）去思考如何提高购买转化率，然后再通过不同维度去细分，做更深入的分析，这一切的前提是用数据不停驱动业务增长、增长再增长。

　　本文作者赵潇，GrowingIO 高级数据分析师。

　　作者：张溪梦 Simon