新知一下
海量新知
6 2 8 9 4 8 6

指标 | 衡量用户的“优惠敏感度”

数据分析007 | 数据分析精进之路 2020/11/15 14:19

先从一个问题开始—— 如果一个用户对优惠敏感,那么TA会有什么行为?

为便于理解,本文将“优惠”定义为让利给用户,或者补贴金钱或金钱等价物(可以用于付款的虚拟币、实物赠送等)等能让用户比非活动场景下更“ 省钱 ”的促销形式。简而言之——就是和“钱”挂钩的活动。

理论上讲(假设),一个优惠敏感的用户会积极参加对其有利的优惠活动,同时尽可能让获益(优惠)最大化。

注意:本文所述的指标都是针对单个用户而言。

活动参与率

活动参与率

也可以称为“活动响应率”。


注意:

  1. 对于分子,定义“用户参与”可以用领券、用券等直接和活动挂钩的行为,也可以考虑收藏、添加购物车等活动准备行为(e.g.优惠活动针对特定的SKU时)。

  2. 参照Fogg行为模型

    ,用户对优惠券的使用会受到以下因素影响:

  • 推送的优惠是否能激发对方的兴趣,或者说相关联的商品或服务是否和用户需求相关;

  • 优惠力度是否有足够的说服力让我现在就购买或者在这家店铺购买?或者商品具有稀缺性等,e.g.限量款手办;

  • 优惠券的使用门槛如何,e.g.在某店铺的均单价一般就是300左右,然后推送满1000减150的活动,那么用户可能因为无法达到优惠条件而放弃优惠;

  • 因为这里讨论的是“优惠敏感度”,实际上除了由运营人员手动触发的活动外,还有产品自身的优惠券发放机制,比如京东PLUS会员可以通过专属积分去兑换优惠券,如果但从“活动”去看,这种情形就会被忽略掉。

  • 这里“活动参与度”是针对单个用户而言的,对单次活动而言也可以计算“参与率”——某活动推送了N个人,有k个人参与,比如多少人访问了活动页,多少人领券、用券、以及用户状态的变化等, 那么该活动 参与率就是k /N, 这些指标可以用来衡量活动本身的质量。

    活动参与频次

    即在一段时间内参与活动的次数。计数单元可以考虑活动个数、支付次数、订单个数;

    • 一次活动可以对应多次支付,比如天猫双11期间做每满300减40的跨店活动,在活动期间会有多次支付下单行为;

    • 一次支付可以对应多个订单,比如上述跨店铺满减优惠中,一次支付的可能对应多家店铺多个订单的商品金额;

    优惠订单数

    优惠订单数量

    某段时间内优惠金额>0的有效订单数量。

    select user_id

        ,count(distinct order_id) ord_fav_cnt

    from order_info

    where fav_amt >0 -- 优惠金额>0

        and substr(order_time,1,7) = '2020-06' -- 时间限定

        and order_status = 'S' -- 有效订单

    group by user_id

    优惠订单数占比

    • 使

    对于类似天猫跨店铺满减这类活动,还可以考虑

    • 优惠支付订单数 ,某段时间内用户享受了支付优惠的 支付订单 数量,1个支付单号可以对应多个订单;

    • 优惠支付订单数占比 ,分子分母都是对支付订单计数;

    优惠金额

    平均每单优惠金额

    • 使

    优惠金额占比

    • 使

    倾向行为

    前面提到的基本都是“结果型”指标,就是用户成功地使用了优惠,并最终有订单生成。

    实际上,在订单生成之前,用户可能有其他“尝试”使用优惠的行为,比如凑单、拆单、比价等,经过“尝试”之后可能用户最终放弃(也没有订单生成),尤其是商品对用户而言可有可无的时候。

    这里简要讨论凑单、拆单、比价这3类行为,一般来说用户做这些操作的目的都是尽量以最低的价格购买商品,尽可能让优惠效果最大化。

    • 凑单 ,一般会出现有金额或者件数等门槛的情形,比如满300减100的优惠券,那么就可能增减商品以达到优惠门槛;

    • 拆单 ,比如现在有2张券,一张满300-100,一张满200-50,券不能叠加使用,这时候购物车有超过500元的商品,那么可能就分成两次下单把两张券用掉;

    • 比价 ,这里和"凑单"的情形有点相似,常出现在互斥优惠的时候,比如满500减80,还是不限金额直接8折(和满减互斥,只能用一次);

    最后,还需要注意:

    • 对于不同品类,优惠偏好有差异,e.g. 米面粮油这类刚需消耗品,价格波动不大(和有优惠相比),有没有优惠可能就不那么重要;

    • 不同品类价格存在差异,优惠金额有差异(门槛也不同),e.g.服饰类商品满400减60,手机类满1500减200,对于可以囤货的品类则可能是N件优惠;

    • 本文谈及主要是较高频次付费行为的业务场景,对于其他业务场景,文中指标不一定适用。

    本文仅做抛砖引玉,欢迎留言补充其他可以衡量用户“优惠敏感度”的指标。

    更多“优惠敏感度”相关内容

    更多“优惠敏感度”相关内容

    新知精选

    更多新知精选