电商货架研究：如何提升用户的访问效率
随着互联网红利日渐衰退，经济下行的背景下。用户增长的关注点从品牌投放、拉新逐渐转向对已有用户的精细化运营。提升用户体验、持续复购、留住老客、自发传播成为越来越多的企业关注点。从指标角度来说，GMV这种最终的业务指标，是通过很多前置指标进行累加的最终结果。
其中包括用户指标（流失用户、激活用户等）、流量指标（浏览量、停留时间等）、渠道访问指标、转化率等。
在做精细化运营时往往是以这些细节指标为依据，来辅助决策。
获取数据的最佳方式就是数据埋点本次不展开讨论。
本文主要以功效性护肤品行业的自营电商平台为例，通过数据分析的方式研究如何优化商品列表排序，以及思考产品和运营的迭代思路。
一、货架罗列的意义
1. 方便用户找到所需要的商品，商品陈列必须一目了然
2. 能够突出重点产品，能够有效曝光转化
3. 商品陈列要展示使用功能，陈列是为了刺激用户的购买欲望
二、自营电商平台货架案例
功效型护肤品头部的自营电商前三位：薇诺娜、修丽可、润百颜。
我们以这三个品牌的自营小程序产品为例进行拆解。
图片来源于网络
1. 薇诺娜
官方商城在商品列表日常售卖时以方案、新品、系列为主进行分类曝光。
双十一活动选择了“躺平式”、“沉浸式双十一”的方式进行商品曝光。
设11.11大促专区：满赠活动，5折单品专区。
对于头部的品牌，双十一期间的销量是市场最关注的点。
毕竟近两年的双十一薇诺娜都有不俗的销量业绩。
其排序维度逻辑：爆品（舒敏保湿）>当前主推>销量、价格
薇诺娜货架展示
2. 润百颜
特点：
1. 主要以产品系列为主
2. 整体呈现非常清爽
3. 次抛空管，回收计划。
排序维度逻辑：
以系列为主排序（次抛、调理、盈透、面膜、爆款单品）：
在这里要特别提一下，次抛空管，回收计划。
在我们追求GMV时，是否可以参考这样的活动，他呈现给用户的目的是什么？
仅仅是老客福利吗？
当然不是…
方案能够提升用户对平台粘性、有效促进复购，虽然表面上看起来是成本增加了，但是从经济学的边际效应角度来看，是值得的，投资的是未来。
首先，能够达到这部分要求的用户是已经花了很高的费用购买了产品，品牌方已经到赚取一部分钱。
另外，目前护肤品行业可替性强，流失率高。
通过类似方案可以提升用户粘性、提升品牌效应、降低流失率从而使得获客更有价值，这些都是看不见的成本和利润。
润百颜商城列表货架展示
3. 修丽可
排序维度逻辑：以商品分类为主
抗氧化（核心）、榜单（爆品）、套组、肌肤问题（解决方案）、产品类型、整全护肤。
特点：
虽然有多个种类的产品，产品线很丰富，但是根据不同维度做了不同的分类，让用户学习成本很低。
整体界面呈现上来说，黑色的TAB栏让人看着很难受，很容易让人视觉疲劳。
修丽可货架展示
三、设定目标
在制定方案之前，我们先设定目标，用于后续的复盘并且能够根据该结果判断方案的有效性。以目前我正在做的产品为例，通过历史数据我们发现，用户在货价列表页的停留时间过长、商品类型较多当前的排序逻辑比较混乱。本次通过商品罗列和橱窗的优化，降低用户在货架列表页的停留时长，优化商品排序，提高用户搜索效率。
数据指标设定：
1. 当前橱窗页面人均停留时长为100s，优化目标为90s以下
2. 当前橱窗页面次均停留时长为45s，优化目标为40s以下
四、优化思路
主要优化逻辑包含三个板块：排序维度、排序权重、用户行为。
1. 自营电商产品在不同阶段商品的排序策略和排序维度
第一个维度是分类排序：
（1）初创期策略
可以根据主推系列的权重以及品牌自身的逻辑来综合排序。
（2）成熟期策略
主要以市场需求、用户需求为主，可以通过分类访问占比、转化率占比、支付占比分析排序。
第二个维度是商品排序：
初创期核心排序策略：
由于没有相对完整的数据辅助决策，则以新上架商品、爆品优先为主，其他商品根据业务情况选择排序。
成熟期核心排序策略：
以新上架商品、爆品在前为主，其他商品根据其点击率、页面停留时间、购买次数、转化率综合评估排序。
2. 商品排序权重依据
判断维度可多样的包括访问率、支付人数、单次购买数量、转化率、评价数量等维度去定义。
比如说：7成的转化率权重：2成访问吕权重：1成的单次购买数量。
3. 分析用户行为
比如说我们想知道，是否有用户想要查看所有面霜的行为。
方式：通过数据埋点，用户搜索则上报，最后统计分析用户的搜索行为来决定商城的分类如何排序
数据分析执行落地对货架页进行分析排序通常包含两个类型：商品分类排序、商品排序一、商品分类排序以7±2法则为基础，分类中的内容控制在7个左右。多的内容会让人出现认知负载，成为一种记忆负担，影响产品使用体验。
不同产品的排序设定：
具体策略：根据栏目支付转化率、访问率、支付占比这三个相对后置的数据来决定栏目的排序。（此处需要数据支撑验证，需对数据进行收集）数据与修改意见（脱敏数据，仅供参考）
通过以上公式将商品归一化数据进行测算，最后通过加权方式将商品通过不同维度进行排序。我们以类型B为例（脱敏数据，仅供参考）
类型B的所有商品
最终排序结果：
- 主推商品依旧置顶靠前
- 其他商品根据加权值进行排序
- 额外发现4个异常商品，需针对性的进行展开分析（本文不展开讨论）
- 列表页中常常伴随显示头图和价格，所以排序时也要注意下视觉效果和价格因素
- 通常功效型护肤品的用户画像以女性为主，若商品区分男性用或女性用且权重相当，则根据用户画像以女性为主
六、数据与结果复盘
最终经过一个月的数据收集与等待，最终结果如下：1. 原橱窗页面人均停留时长为100.7s，优化目标为90s以下，实际结果为56s，【提升42.5%】浏览效率。2. 原橱窗页面次均停留时长为45s，优化目标为40s以下，实际结果为27.5s，【提升37.5%】浏览效率。
小结：原有的目标设定相对保守，本次优化策略高效落地在数据层面有明显的提升。
七、总结
精细化运营的核心之一是多元的数据分析角度以及将数据价值最大化。而获取到重要数据，则离不开埋点的设计与开发。看似是需要消耗大量资源和时间的事，但是通过得到的数据能够更加准确的洞察用户行为，从而为产品和运营提供决策依据。
通过这次的优化，最终将用户对商城的访问效率提高了42.5%，这就是精细化运营中的一小部分。
另外，通过一次分析能够沉淀很多其他有价值的资产，帮助产品、运营提供迭代思路。
在产品侧，根据数据情况，通过对竞品分析归纳出UI/UE角度的迭代方向。其中包括很多小细节，比如如何提示、滑动交互、更多维度的数据埋点等。
在运营侧，总结提炼出排序方法，不定期的对商城商品数据进行复盘，根据不同季节、周期活动，对商品进行定期跟踪进行排序优化。
最后，管理层注重结果，执行层更应注重过程。
每一个结果都是由浏览量、留存率、转化率、访客数、客单价、停留时长等无数个小指标累加所决定的。
“不积跬步，无以至千里；不积小流，无以成江海。”
当感觉业务已经达到瓶颈的时候，不妨去看看，那些看不见的数据，是不是还有进一步提升的空间~
希望本文对你有一定的启发，over~
本文作者 @张文靖同学
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
