电商运营思路,永远永远的原则,离不开爆款!!!
经常被问到的问题,就是关于如何找到自身品牌的爆品,以及如何围绕爆品做运营;运营思路都是服务于两个目的:订单量(或者GMV)、人群包
【1. 情人节大促节点又来了,该选什么品类作为拳头产品,单卖还是套装,套装该怎么组货?】
产品琳琅满目,衣帽服饰护肤,3C美食宠物;单单看最容易做爆款换新的美妆,口红色号就能让一众直男应聘者目眩,从初代的姨妈红、烂番茄哑光丝绒,到颤栗正红、偷心蔷薇,该怎么选怎么定;是不同口红色号搭配组货,还是押宝一个爆款色号、将主打色号跟唇釉、精华、面霜做礼盒,这些都是选择题
如果面试官问了这样一个开放问题,该如何回答?
本质还是选品,离不开三个要素,定品、定价和人群;这三个要素并不是独立的,面试官看的就是你对这三个要素的理解以及运用起来的顺序
标准的拆解问题顺序:
1)定好拳头产品 → 2)看拳头产品对应的人群包 → 3)看人群包集中在哪个客单价价格带 → 4)在价格带范围内找其他畅销品来组套装
作为一个合格的运营,要是连这个品牌或者旗舰店里卖得最好得品类以及SKU都不知道,那说不过去;作为一个合格的运营,要是连这个品牌的核心消费者画像以及价格带都不知道,那也说不过去
电商最古老而伟大的革新,就是每位用户每笔订单都可追踪,商家或平台终于可以做数据驱动的爆品运营
如果能答出这个思路,其实已经不错了;但这个解法不是唯一,很多时候面试官为了考你的思维够不够全面够不够全面,还会继续问你别的拆解思路
其实万变不离其宗,两个相似的消费者放在一起,理论上这两个消费者的购物车可以相互推荐;两个相似的商品放在一起,理论上买过其中之一的消费者大概率也会买另外一个;用推荐系统那套专业术语,就是两套算法:基于人群的协同过滤算法以及基于商品的协同过滤算法(别划走,我会用人话解释)
基于人群的协同过滤算法,亦即找到两个很类似的消费者群体,这两个消费者群体的购买商品列表,也应该长得越来越像;最简单的,拿两个消费者举例,这两个消费者的购物列表几乎一样,唯一区别是用户B没有买过商品b,所以大概率可以把商品b推荐给用户B
基于商品的协同过滤算法,其实同理;找到两个很类似的商品,那买过其中一个商品的消费者,很大概率也会买另外一个商品;比如把两个商品消费过的用户列表拉出来,缺哪位就打哪位;下图中商品B还没有覆盖到消费者b,那就把商品B推给消费者b
实际情况中不会这么简单,不会把消费者一对一地比对,否则就太低效了;会有专门的数科或者算法团队帮忙做聚类分析,找出两拨消费者,或者找出两个商品品类,按照上述类似的方式进行商品推荐;以及整个计算和呈现的过程,都会内嵌在一个实时的个性化推荐引擎中,我们用户看到的就是那些下拉列表、猜你喜欢
细心的朋友肯定发现了,我们在开头提到的标准拆解方法(定品、定价和人群),其实就是这两套基本算法原理的运营体现;说人话就是,你懂点数据分析和算法的知识,并不是真的要你去当算法工程师,而是帮助你拆解问题时有章法可依,找数科同事协同时能高效沟通,能对得上号
因此除了开头的运营思路,也可以从消费者出发,很多品牌会趁着大促节点,尝试消费者人群的调优;思路就可以调整为:1)定好目标群体 → 2)在品牌现有消费者中找与目标群体相似的画像 → 3)在这群相似的目标群体中挑选畅销品来组货
我们经常说数据分析技能如何赋能运营,把自己当成一套算法系统,用商品推荐引擎的视角去思考问题,对于日常的运营动作简直就是降维打击
很多电商运营的同学来找我聊天,但凡提到运营的职业瓶颈,都非常类似;比如日常工作中效率不高、面对业务找不到解决思路、或者在一堆数据面前无从下手
我那感觉他们缺的不是业务经验,这帮人天天张嘴就是生意经,都很懂业务;但就是缺乏规范的逻辑和方法把这些分散的业务经验组织起来。那些先一步升职加薪的运营同学,数据处理和分析起来非常高效,总是能最快速定位问题、高效响应业务需求;这些技能提升起来不难,推荐一些知乎知学堂官方的分析实战营,能免费领取Excel干货材料提高硬技能,快速掌握几类最基本的分析模型,工作输出汇报也能更有效
虽然电商离不开爆款,但运营很多时候还需要为电商平台谋福祉,而不单单是为商家谋利益;因为电商平台也会自己的品牌定位、消费人群跃迁的考虑,恰如未来拼多多白牌会不会转到淘系,或者拼多多旗下能不能做下一个天猫,这些问题都是有意思且值得思考;而且这些问题也会体现在运营的日常工作中,比如要策划激励计划、要推动政策落地
下期继续补充。 |