Mars Opinion

最近在和一些公司讨论加入他们团队的可能性，常常会聊到Marketing（抱歉用英文来描述，总觉得“营销”并不是我要表达的意思）在一家公司的定位和职责问题。平心而论，大部分公司还是把Marketing简单理解成广告投放管理和优化（MarsOpinion.com上写的网络营销数据解读系列文章也确实在着重写这个方面），可实际上Marketing，尤其是对于新兴公司来说，要承担的责任要大很多。 首先，从字面上看，Marketing是Market（市场）的ing形式，所以理解市场很自然是Marketing的首要工作。类比战争，广告投放就是率领军队朝着目标冲锋，或者指挥弓箭团向某个方向齐射，都是战术层的东西。不是说不重要，而是这一切应该发生在在勘察地形和刺探敌情之后。没有对大环境的把握，冲锋就是胡跑，射箭就是胡发，马再快箭再利也是胡闹。自然，营销的第一步就是理解市场，确切的说，是理解3C——顾客（Consumer），自己（Company），和竞争（Competition）。要了解顾客是谁，什么特点，想要什么，什么趋势；要了解自己公司想要达成什么大目标，有什么资源支持，有什么特殊背景；还要了解主要竞争对手是谁，他们的策略是什么、做法是什么，竞争形势的发展变化会是怎样。在大部分没有独立用户研究和竞争情报部门的公司，这些信息的监控、采集和分析也是Marketing分内的工作，而且是基础性的工作。在此之上，才能开始进行下一步，也就是营销战略的制定。 营销战略最主要其实是定位的问题，对应到战争中可以看成是行兵布阵。定位要回答的主要是这样几个问题：我们的目标消费者是谁？他们的需求是什么？我们是是什么？为什么我们能更好地满足消费者需求？让消费者相信的理由是什么？教科书上的方法一般是STP，先做市场细分（Segmentation），把消费者按照各种标准（例如教育程度、收入等社会信息，年龄、地域等人口学信息，逛什么店、看什么电视等行为信息，学生、新母亲等生命阶段信息……）把市场切成一块一块；然后做目标市场选择（Targeting），选一块看起来最诱人而且最适合自己的市场作为目标；最后再根据目标市场的特定需求定位（Positioning）自己，例如目标市场是年轻女性，我们可能就会强调说自己产品多么健康多么低热量。如果目标市场是小朋友，我们可能会着重描述自己的口味和“酷”。类比一下，我们想吸引猫，就把自己打造得（定位）像一条鱼，我们想吸引狗，就把自己打造得像一根骨头。怎么分市场蛋糕，怎么选蛋糕，向哪个方向打造公司，也都是Marketing要考虑的。 让事情更复杂的是，真实世界里STP还不是这么用的。一般流程是决策者根据公司的目标和既有资源直接开始拍脑袋（或者经过非常有限的调研）做定位和选择市场（资源充分的话，开始的目标市场会定得比较宽泛）。在执行过程中积累数据和经验，发现有些细分市场反响比较好，有些毫无动静，这时才开始认真思考这些细分市场的差异，开始把资源向反响好的细分市场转移。与此同时，也才真正开始分析说那些反响好的细分市场偏爱我们产品的原因是什么，通过深入理解消费者去找到可供自己定位的点。这个过程中，对于市场反应的分析，对消费者的洞察，对机会的把握，也都是Marketing的职责。举个虚构的例子，一家公司代工过国外高级品牌时装，很可能直接拍脑袋说我们要自己做高级时装，目标是都市高收入白领，直接定位（Positioning）和选择目标市场（Targeting）。投入市场后市场反应平平，这时Marketing需要分析市场找到公司的增长点。例如通过分析发现男式衬衣产品线卖得相对OK，重复购买率非常高，而且购买者都是非常年轻刚入职场的小白领（远非“高收入白领“）。做深入调研之后，发现小白领喜欢我们的衣服并不是因为我们宣传的款式色彩，而是因为“这家的衬衣用洗衣机洗了出来不皱”。那么公司接下来可以（不是一定）考虑的方向就是主打年轻白领，主卖基本款职业装，卖点主推“机洗不皱”。正如这个例子，Marketing不仅是一开始画草图做规划，而且要包办寻宝过程中的探路侦查方向指引，通过逐步深入的理解市场来帮助公司找到长期获利的方向。 方向定好，目标定好，下面才能谈具体实施。首先，要细化目标，一方面是要根据时间段来细化，制定阶段性目标。另一方面，是要将目标本身细化，直到可以和具体的业务工作关联，这样才能便于工作的安排和考核。例如“毛利”这个目标可以细化成“销售额”和“毛利率”，而“销售额”又能细化成“订单量”和“平均订单金额”，“订单量”又能细化成“老顾客订单”和“新顾客订单”，“新顾客订单”又能细化成”新访客数量”和“新访客转化率”……这样层层递进下去，直到可以将小目标和某个具体的Marketing职能挂钩。最后绝大部分的小目标都可以和下面这六项职能做好关联：营销推广，商品销售规划，顾客关系管理，接触点体验管理，网站功能管理，和网站内容管理。前四项都是纯粹的Marketing职能，后两项也和Marketing联系紧密（网站本身是品牌定位塑造的重要渠道，一定要符合大的战略）。从中可以看到，在执行层，营销推广是一个重要组成部分，但是也绝不是全部。而且，具体执行层面的营销推广，从媒体渠道选择到创意实施，也都是在定位的大框架下进行的。例如想要高端形象，就不允许营销推广负责人一天到晚在外面喊“最低价”和”超低折扣”，哪怕写着这些字样的广告短期的回报率更高。例如定位中的差异点选的是“送货超快”，大部分营销创意就要围绕“快”来做（下次写具体怎么“围绕”），而不能今天说质量优异，明天说款式时尚。在资源有限的情况下，只有长期、一致地根据战略定位来执行具体的营销推广，才能逐渐在顾客心智中占据一席之地，有效的营销顾客认知和行为。 具体的职能描述和目标关联太复杂，以后有机会再在www.MarsOpinion.com上分享。总的来说，Marketing首先应该从理解市场出发，从战略定位开始，这样才能让战术层的努力发挥应有的价值，而不是“一群人非常努力地演悲剧”。

就像冰寒的文章所说，现在中国电子商务市场里玩家越来越多、越来越大，流量越来越贵，所以提高运营效率、提高转化率变得越来越重要。 战略层的东西以后再说，具体战术上，除了我之前写得比较多的网络营销效果评估优化（网络营销数据解读系列文章）和用户体验上的转化率优化（刚开了个头，网站转化率优化框架（一））之外，还有一个就是可以优化的领域就是商品销售规划（话说Merchandising怎么翻译比较合理？）。 可以把商品销售规划理解为传统零售中的货架优化管理，研究怎样通过改变商品的陈列和不同类别货架的摆放来获得更多的销售。虽然我们做电子商务的一天到晚吹嘘说我们有无限大的货架，可是这”无限大“只是针对搜索型的顾客有意义——他可以在无限大的商品列表里搜寻。对于很多用通过页面导航来寻找商品的顾客、和那些仅仅是随便来逛逛点点的顾客来说，他们所接触到的目录页（首页，类别页面，促销专题页面……相当于传统零售里的货架）数目是有限的（比如平均浏览7个目录页，远远小于”无限大“）。这就使得我们也面临着类似于传统零售的问题——顾客会看7个货架，每个货架上只能摆20个商品，我们一共只有140次激发消费者购物欲望的机会，我们要把这些宝贵的机会给哪些商品，要把哪些商品放到热门的货架上呢？    在做商品销售规划之前，我们考虑的漏斗都是从网站整体出发，大致类似这样： 流量 –> 商品页流量 –> 放入购物车 –> 注册/登录 –> 信息填写 –> 完成订单 这个思路对于我们优化营销活动和网站体验是有价值的，我们考虑的思路是：既然我们有一定量（T）的流量，我们要找到方法保证这些流量顺利的流到漏斗底部变成销售。优化的逻辑有两条，一条是优化流量本身质量（营销优化）——通过提高流量质量来增加最终的转化；另一条是网站体验优化（例如C = R x (V + M) – (F + A) + U – D框架），通过减少中间步骤的损耗来增加转化率，前面文章都提到过。   再细化考虑一下，其实我们得到的不是“流量”，而是“注意力”或者说“展示机会”，而我们要做的是把给定量的“注意力”和“展示机会”转化成销售。给定流量规模，假设（这个假设是不对的，这里只是为了解说方便。以后会展开说怎么影响这个变量）平均浏览页面数不变，其实也就限定了我们能够展示的内容数量是给定的（同上，只是为了解说方便），我们能够展示到访客眼前的商品数量也是给定的。例如100个顾客，每个顾客看7个目录页，每个目录页展示20个产品在顾客面前，140个产品出现在每个顾客面前，我们一共有14000个展示产品的机会。更一般来说，假设我们的流量是T， 浏览目录页数目是C，平均每页展示商品数量L，我们网站总的来说可以得到的商品展示次数是V = T x C x L。 (…)

Read the rest of this entry »

注：文章中公式在2010年12月9日修正过。 身边其他行业的朋友总是很不能理解网上为什么可以卖衣服卖鞋子，理由是“电子商务只能做标准产品吧，我就不会在网上买衣服，不合身怎么办呢”。这个理由听起来非常理性，因为“不合身概率大”，所以“很可能会不合身，浪费钱”，所以“我不会在网上买衣服”。既然如此理性，我们就更理性的用数学来聊一聊。 我们先考虑不能退货的情况。假如一件外套价值500元（假设一般来说线下同样质量的衣服是500元），顾客心中认为外套这个种类不合身的概率是30%，消费者拿到货如果不合身不能退货也没法用其他渠道处理掉（简单起见，我们认为不合身就代表衣服完全没有价值，收益为0）。在这种情况下，消费者预期的收益是(500 – price）x 70% + (-price) x 30% = 350 – price。所以如果消费者理性的话，线上售价只要低于350元（提供7折），他就应该在线上买（预期收益大于等于零）。更一般的情况，假设商品价值为V，拿到货后不满意概率为D，网上标价为P，P低于V x (1-D)就有吸引力。这也部分解释了为什么初期网购服饰大多是廉价的款式，因为很多人对于网购心存疑虑，心理预期的不满意概率（D）值很高，所以V x (1-D)就很小，价格就上不去。 然后，让我们考虑可以退货的情况。感谢国家，感谢支付宝，在淘宝买东西不满意是可以退货的，在大多数成熟B2C上买了东西不满意也是可以退的。还是拿那个外套做例子，另外加一个假设就是退货的物流费用买家承担，为10元，那么在这种情况下消费者预期收益变成了(500 – price) x 70% + (– 10)*30% = 347 – 0.7*price，当price <=347/0.7 = 495.7元的时候，消费者的预期收益就大于零。这个价格基本上和市场价持平，对于理性的消费者，商家只需要稍微提供一点折扣（比如九五折），消费者就应该在网上购买。这也解释了为什么商家越来越看重自己服务的名声，也开始提供越来越好的退货条款。虽然要承担一定的损失（包括对付欺诈行为），可是顾客愿意付的价格会显著提高。在这个时候，我们的公式也变成了P <=(Vx(1-D)-SxD)  / D。S代表退货时顾客需要负担的的物流费用。 如果到这里你还没有晕的话，我们可以继续。对于很多人来说，退货不仅仅是花送货费的问题，而是个“麻烦”的问题。还要把东西装回去，写上地址，叫快递来拿货……想想就很烦。这个“烦”对于用户来说也是成本。不同用户对于这个“烦”的定价是不一样的，对于稍微富裕一点但是工作繁忙的人来说，他宁可承担200块钱损失也懒得烦这么一下。而对于生活比较悠闲，而且不觉得退个货有什么麻烦的的人来说，这个“烦”可能也就价值一两块钱。假设某个用户对于“烦”的定价是20元，那预期收益的公式就变成了(500 – price) x (…)

Read the rest of this entry »

早一阵子在微博http://t.sina.com.cn/marsocean上发了介绍Kiva System（仓储自动管理的系统，一些小机器人扛着货架走来走去把需要的货送到工人面前）的视频，发现大家对这类新鲜玩意还蛮感兴趣的，今天比较有空，再分享一些电子商务领域的创新——主要是在线上线下体验融合的领域。 之前写过增强现实技术会能解决电子商务商品尺码问题么，介绍了邮局用增强现实技术来方便顾客在家里判断自己需要多大的包装盒（其实也就是解决特定商品网购时的尺码选择问题）： 后来又介绍过Glass Direct的虚拟眼镜（可以用摄像头模拟带上特定眼镜框的样子）： 再后来在微博（t.sina.com.cn/marsocean）上介绍了一下Fashionista的虚拟试衣间： 这些都是为了克服电子商务服务上的缺陷（不能看到、触碰和尝试商品）所做的尝试，都还很基础，但是好歹有了个开始。上面几个创新所做的都在视觉方面，早一阵子看到一篇新闻也写到了面板科技的进步，很快应该能够提供触觉上的反馈（虽然离能够应用于电子商务应该还需要N年）。 除了纯粹解决线上的问题，还有很多前沿的创新是用来将线上线下融合在一起的。比如Gotryiton.com，就是让人拍摄自己照片放到网上让朋友来帮自己选哪套衣服适合出行（或者是在网上订了10套衣服，让朋友帮忙决定哪几套要退掉： 更加商业化的应用可以看Diesel的，他家是在自己店里提供这个服务，你可以在试衣间就把自己穿着各种衣服的样子都分享到自己的Facebook上去，让朋友帮忙提建议（对于Diesel来说也是个宣传） 其他的商家，例如Target.com，大多也会推出自己的手机应用，让消费者能够在线下购物时也享受到线上的便利，例如可以和朋友分享，可以查询价格和其他款式（门店款式花色一般比线上少），可以查询其他购买者的评价和建议： 提供这个可以给消费者更好、更完整的体验。另外，你不提供别人也会提供。之前在www.MarsOpinion.com上也介绍过日本Amazon提供手机软件可供用户在线下扫描产品条码来购物，在美国也可以通过短信在Amazon查询和购买产品，或者拍照将产品上传到某处，会有人工来帮你做匹配。中国的有道购物搜索也提供类似的工具。印象中最近看到Google推了个小工具是让顾客拍照就自动匹配产品的，不过一时找不到原文了。总的来说，随着移动互联网兴起，之前所谓“线上”和“线下”的界限会越来越模糊。还有个之前红过一阵子的Stripeylines.com也是类似的功能，让用户在店里用手机扫条码，就可以看到网上各家的报价： 还有另外一些应用，有些是可以让用户在手机上逛商场看地图（相当于店内的Google Map），也可以做商品查询、做清单，拿折扣券。 另一些做得更生猛，例如GroceryIQ.com，说是不仅仅可以帮你存储你的购物清单，还能帮你优化你的购物轨迹，让你更高效的购物。 而另外一些，则尝试通过物质奖励的方式，来改变用户线下的行为。例如Shopkick.com就会通过奖励分数的办法鼓励你去某些店面（听说还会有指定区域）去Check-in，给店面和特定区域带去人流。 Facebook Place Deal也有类似的感觉，不过做得比较朴实，只是在你check in之后跟你说周围哪些地方打折。另外也有做得更酷眩的，例如Layar： 还没有试用过（打算下个月回国再去签个iPhone再说），目前的感觉是它在地图信息上加了一个层次，第三方（例如便利店，麦当劳，咖啡厅）可以在那个层次上标注自己的位置。当用户在手机上使用Layar时，不仅可以通过摄像头看到真实的世界，还能够看到第三方在另一个层次上的标注（比如看到左前方300米有个巨大的麦当劳标志），或者看到实际是空旷的路上停着一辆虚拟的跑车。一方面这个东西很有趣味性（里面有一些就纯粹是游戏，例如你可以在某个广场上玩吃豆子游戏，可以从屏幕上看到虚拟的怪物和金币，你可以跑来跑去玩游戏），还有一些则是真实的商务应用，例如告诉你前方有哪些店，各自什么特点，被人评价怎样之类（Yelp——美国的大众点评网——也提供类似的工具。） 比较科幻的是FrogDesign的概念设计，你看到别人身上的衣服觉得好看（线下），马上就能查到这件衣服的详细信息，也可以马上购买（线上），线下线上无缝连接，电子商务界面变得更自然和直觉： 蛮好玩的，希望这一天快点到吧。

欢迎关注我的新浪微博：http://t.sina.com.cn/marsocean。 博客上比较受关注的是网络营销数据解读系列文章，公开演讲或者去公司内部交流的时候谈得比较多的也是怎样通过营销后的数据分析来优化转化率，提升ROI之类的。其实，不仅仅是在网络营销实际执行后我们可以从数据中挖掘价值，在整个营销活动开始前，也应该看看数据，调整营销方向。 市场细分定位之类的东西以后有空再聊，假设这些问题都已经解决，下面几个问题就是我们要投多少钱广告，广告内容主要是什么方向，什么目的？ 老实说，对于这几个问题，大部分公司的回答是：1. 有多少闲钱投多少广告；2. 内容——放产品，放限时抢购，广告公司说了这样性价比最好；3. 目的？赚钱或者抓新用户。这样说起来，公司性质、发展阶段什么的好像并不重要，反正都是通过特价产品吸引新顾客过来从他们身长持续赚钱。 可惜事情往往没这么简单（当然，如果我们不在乎ROI的话就简单多了）。下面四个数据应该是我们在决定营销计划前就需要清楚的： A: 目标顾客知道我是谁么？——目标顾客中，多大比例在听到我们品牌名称后能想起来我们是做什么的。例如提起“凡客”，顾客反应说“卖衬衣的”或者”卖衣服的“。 F: 他们在考虑购买这类产品的时候，我是不是首选？——多大比例顾客会在考虑满足某种特定需求的时候首先想到我们的品牌？比如问“买衬衣”，“网上买衣服”，多大比例目标顾客会想到“去凡客”。 T: 尝试购买的顾客多么？——目标顾客中多少尝试过我们的产品。 R: 重复购买顾客多么？——目标顾客中多少是我们的忠诚顾客。 T很容易得到，从自己系统里查一下所有有过购物行为的顾客数目，除以我们的目标市场大小就是。类似的，R就是系统里购物2次或者2次以上的顾客数目除以目标市场大小。A和F比较麻烦，最理想是能够找专业的市场调研公司来帮我们做给我们数据（可惜的是大部分公司愿意浪费大钱买看得到的但是没效果的广告位，却不愿意花小钱买信息和知识避免犯错误）。退而求其次，可以让自己MKT来找200个目标顾客（200个而已，总有办法的——只是要保证样本没问题）亲自问，问比不问好——顺便还能做一下优化接触点体验，塑造品牌印象里面提到的调研。再懒的话，可以让MKT老大和CEO坐下来猜，比如“我们网站刚上线所以估计A非常低，经过过去几轮的PR宣传，覆盖的人数大约是XXXX，目标顾客中可能有0.1%知道我们。但是因为我们母公司品牌大家都知道，所以F估计比较高，占A的50%……”之类。有一个经过深思熟虑猜出来的数据比完全蒙着眼睛好。 这四个数据对我们营销方向有什么影响？ 举几个例子大家就明白了。我可能得到的数据长成这样不同的样子： A=50%, F=18%, T=15%, R=12% A=15%, F=12%, T=9%, R=7% A=40%, F=30%, T=20%, R=5% A=60%, F=20%, T=18%, R=15% A=80%, F=70%, T=20%, R=15% 第一种情况，从数据看，目标顾客中间很多人都知道我们。坏消息是他们对我们没有特别深刻的印象或者喜爱，好消息则是尝试过我们的顾客很多都成为了忠诚顾客，说明我们的产品、价格和服务都还不错。在这种情况下，我们未必见得要马上大规模投广告，可以先反思一下自己的产品定位和沟通问题。从战略层来说，消费者知道我们但是对我们印象不深也没有特别喜欢，可能是因为我们定位不清楚（这个以后有空再细聊）。从战术层来说，可能是营销执行的创意不够，没有清晰而有震撼力的传递品牌定位。比如说我们卖男装，可能投了很多广告，为了让消费者容易接受，我们特地把广告设计得像凡客诚品，着陆页设计得也像凡客诚品（可能产品也像），这种情况下反复打广告很可能还是让消费者对我们的名字留下了印象（提到名字他会想起来是卖男装的），但是不深刻也不特别（只是类似于“哦，一个类似凡客的公司。“），之后要买东西也不会特地想起来。在广告不断的时候还好，广告可以成为消费者入口，他看到这家“类似于凡客”的网站，说不定会点击广告进来买。可一旦广告强度变弱，我们很快就会被消费者遗忘。这个阶段的重点其实是反思自己的定位信息的传达（假设定位本身已经做很好）。在广告和着陆页都大量描绘自己的独特之处（比如去看Masamaso的页面和产品，就和凡客的感觉很不一样），尽力给消费者留下较为深刻和特别的印象。定位很难仅仅通过”产品和限时抢购“来传达，而是要用很多的相关信息让顾客自己来产生关联性记忆和联想。比如你要欧美风高端时尚男装的感觉，不要总是写”西班牙“、”奢华“、”时尚“，而是要寻找相关联的各种信息，放在广告和着陆页里，例如希腊神庙的背景，海滩，咖啡，游艇，设计师的头像和名字，产品细节的放大描述…… (…)

Read the rest of this entry »

网络营销中间其实有很大一部分工作是在做网站优化，优化来优化去90%情况下都是同一个目的：提高转化率。 理论上这一块应该是用户体验设计那方面的事情，讲的应该是角色、场景、心智模型之类的东西。 可是对于很多公司来说，网站设计很未必是通过那些科学流程走出来的。一是因为对很多公司来讲还请不起很好的设计师——也未必真的相信设计师说的那一套；二是因为网站（特别是独立网页、着陆页面）定稿的权限常常分散在很多人手里，就算有个好的用户体验团队，其实他们也只能间接影响设计，未必说了算。 很多时候，网站（网页）该这样还是该那样的决策，常常是由像我们这样的非专业人士（并非专业的用户体验设计师）来做的。 为了不至于作出太昏庸的决策，我们营销人只好也学习一点UI、UE。勤勉一点的可以去看专业书找专业人士（例如白鸦）学习，偷懒一点的可以看看Persuasion Architecture（下载地址：http://www.futurenowinc.com/resources/pa.pdf）之类的小册子 ，再懒一点的，大致也要知道几个基本常识，不要犯太明显的错误。    在我被误认为用户体验专家，给不少网络公司和营销公司做过一些这方面的交流之后，发现有不少基本的转化率优化原则并没有被大家所熟知，所以基于marketingexperiments.com的一个优化公式，结合自己的经验，做了个网站转化率优化框架——Mars网站转化率优化框架？：），希望可以方便到那一小群偷懒的非专业人士，呵呵。   框架如下： C = R x (V + M) – (F + A) + U – D C = 转化可能性 V = 价值主张 R = 相关性 M = 动机 U = (…)

Read the rest of this entry »

西藏回来后，又去了成都，回了趟老家长沙，再去了趟北京……在传统企业、广告公司和老牌电子商务公司都晃了一圈之后回到上海，开始思考是不是出本书，所以最近更新比较慢。 欢迎各个媒体、广告公司、搜索引擎营销代理公司……任何和网络营销相关的公司把公司介绍和案例发给我，说不定可以用到书里（如果真出书的话，现在还不知道有没有时间写——发现写书还真是个浩大的工程），呵呵。 先发篇短的交差，过些天上碎碎念。   常常被问说一个好的报告应该长什么样子，一般来说我的建议是每个部门呈现的数据报告都分成四个部分： 第一部分：事实——发生了什么。 摘要 各项指标数字 参照系 以MKT出的周报为例（下面都只是为了举例子方便瞎说的，不要纠结在case本身，呵呵），首先里面可能包含这样一些指标数字（怎样设置指标可以参考网络营销数据解读——目标和指标）：新注册用户数，新购物用户数，新访客访问量，老访客访问量，广告活动ROI，搜索引擎投放ROI，其他营销活动ROI。其次，每个数字都不是单独出现，在同一张表里面还有前4周的数据和一年前的数据（例如下图），便于比较和分析趋势。最后，所有数据展示上方要有简短的三五句话摘要，例如 “新用户注册数显著增加。”   第二部分：分析——原因是什么。 对于好的变化，告诉我原因是什么，推测的根据是什么 对于坏的变化，告诉我原因是什么，推测的根据是什么 接着上面的例子，那么在这一部分可以说 40%的外网广告和站内营销活动的主推产品平均单价从600元调整到了300元，这可能使得广告对新顾客的吸引力上升，从而引来了更多新顾客。从GA监控数据看，这40%的外网广告带来的新注册用户数量比上一周增加了45%。   这次调整主推产品是因为MKT内部做数据挖掘时发现虽然我们当前主销的产品单价大多在600元左右，但是数据表明我们的顾客第一次购物时85%选择了我们网站较为低端的300元左右产品来做尝试。从这个发现出发，我们决定测试主推低端商品以吸引新用户。就目前结果来看，事实证明了我们的猜测。   行动计划——怎样利用我们的发现。 怎样保持和放大好的变化，什么时间点要做什么事情 怎样减缓和扭转坏的变化，什么时间点要做什么事情 接着上面的例子，这一部分可能是 行动计划： 本周四开始将加大测试规模，尝试将60%的广告主推产品改成300元左右低端产品，下周四检查新调整的这20%广告带来新顾客数量有没有大幅度增加 本周四增加测试，将20%的广告主推550元左右的高性价比产品（从700元降价到550），下周四检查这部分广告表现。 一个半月后，检查不同广告组带来的新注册用户购物次数和购物金额是否有显著差异，根据差异程度来决定接下来半年主推哪个价位产品。 6个月后，检查不同广告组带来的新注册用户购物次数和购物金额是否有显著差异，根据差异程度来决定接下来主推哪个价位产品。   预估——验证我们的结论是否正确，我们的执行是否到位。 什么时间点，我们会看到什么样的数据。 下周四采集数据时，一直主推300元档产品的40%广告带来新用户数量不变 下周四采集数据时，新调整的主推300元档产品的20%广告带来新用户数量增加45% 下周四采集数据时，新调整的主推550元档高性价比产品的20%广告带来新用户数量增加20% 最后这个部分主要是用来方便日后检查工作的。 一方面，要求各部门不断做预估，然后不断的验证自己的预估可以锻炼团队，提高大家的sense，另一方面，在得到分析结论和执行行动计划的同时就把将来的检查点定义清楚能够方便我们及时的核查我们研究发现是否正确、团队执行是否到位。例如如果到时发现新调整的主推300元档产品的20%广告带来新用户数量增加只有5%，而原来那40%仍然表现很好，我们就要研究说是不是广告位本身因素造成了新用户数量上升，而不是主推产品。如果550元档产品广告带来的新用户数量增加了50%，可能我们的假设“新用户喜欢尝试低价商品”就得改成“新用户喜欢尝试高性价比商品”。   本质上，这样的报告思路很简单清楚：首先告诉我发生了什么，哪些好事，哪些坏事。然后，告诉我原因是什么。然后，既然你已经知道了原因，那么你打算怎么做，让好事继续发生或者扩大规模，让坏事消失掉。最后，你告诉我什么时候来检查作业。 这样的报告，才能通过之前说过的“那又怎么样呢?”测试（So (…)

Read the rest of this entry »

已经被读者催稿…… 这两天在湖南老家，过几天要去西藏，想说去西藏前更新一篇吧，否则这里就要长草了，呵呵。 文字还没润色，西藏回来再说。里面的例子可能不是很完善，希望大家踊跃留言给我意见和建议，谢了，西藏回来后我再好好把文字完善一下。   在之前的Mars碎碎念里提起过，某天在A网买了个小东西，知道自己肯定没空去收货，所以没选货到付款，直接用支付宝把钱付掉了，想说这样子快递就能直接把包裹放前台签收就不会耽误我工作。第二天中午忽然发现手机里有个未接电话，回拨过去，结果是那家网站的自营快递在非常大声的咆哮说你为什么不接电话。因为我自己是做这行的，知道快递员跑一趟辛苦，所以还是很客气的和他说了抱歉然后说你可以把东西放前台就好了。结果他更生气，说我要等你付钱啊！我解释说我已经付过钱了，他的论点就变成了万一放前台你不认账怎么办…… 放下电话，忽然想说如果我是一个很普通的消费者，对这家网站的印象会是怎样，还会不会去买东西。想想觉得有趣，就在自己微博（http://t.sina.com.cn/marsocean）上描述了一下，马上就有朋友回复说“哈，Mars，所以你觉得A网在这种最后10米的送货问题上如何重新树立形象？我当年就是因为他们快递人员的态度问题而被流失的。”过了一会儿，又有朋友发MSN消息过来说“对，上次对我也很凶，所以我再也不去那里了，建议你去B网，他们态度好多了，东西还便宜。”后一个朋友的推荐让我蛮震惊的，她不仅仅因为快递态度影响到自己的购物行为，而且还在努力把我策反到A网的竞争对手那里去。一个快递员的几句话就帮自己竞争对手网站培养了一个销售员，他们的市场部知道了应该会气死吧。 言归正传，一般来说起来，消费者主要通过三个不同的途径来形成自己对于一个品牌的印象： 广告：比如一天到晚看到凡客诚品的广告在各大门户上晃来晃去，看久了也会多少有点印象类似“凡客诚品好像是个牌子，蛮有钱的，到处都是广告”、“凡客诚品是卖衬衣的，衣服看着还蛮好的”、“价钱看起来蛮实惠的”。商家通过信息的灌输，显著提升了自己的知晓度，少许地提升了自己的美誉度——代价是把大把的钞票给了广告公司和媒体。 口碑：比如某个潜在消费者要买个数码相机，跟他朋友说“我打算去www.MarsOpinion.com买数码相机”，结果他朋友和我朋友类似，马上反对说“他们服务一塌糊涂，千万别去自己找气受，去www.MarsOcean.net网吧，他们送货又快服务又好。”对于口碑类的信息，我们的接受度会比对广告的接受度高很多，这样的口碑往往就会快速成功的在我们心里建立起“A网服务很差”的印象，非常深远的影响www.MarsOpinion.com的美誉度——相对的，例子里的口碑帮www.MarsOcean.net网提升了知晓度和美誉度。 体验：对于已经尝试过在这个网站购物的顾客来说，他形成和修正自己对于这个品牌印象的最主要根据会是自己的亲身体验。比如我微博上的那个朋友，他受了送货员的气，便非常深刻的形成了对于这家公司服务——或者说是整个品牌——的负面印象，而且决定再也不去买东西。这种通过亲身体会得到的印象，很难通过广告来更改，就算给他看一百遍“A网服务全球第一，员工笑脸相迎”的软文也于事无补。 再深入分析一步，就会发现，这三个途径相互之间有关系。如果购物体验不好，整个网站的宣传推广的过程和结果可能就会类似下面这幅图： 1. 首先是网店投入大量资金做广告提升自己的知晓度，让更多人知道自己，试图劝说客户尝试购物； 2. 然后，一部分顾客尝试购物，体验购物全过程，并且在这个过程中形成自己对于这家网店品牌的印象； 3. 接下来，第一批吃螃蟹的顾客中的一部分将自己的印象表述出来，影响到更多的人。如果顾客体验不好，便会难以对该网店形成正面的品牌印象（甚至于形成负面印象），正面的口碑传播会非常有限（甚至于有大量负面的口碑传播）； 4. 有限的正面口碑传播继续影响到少量潜在顾客，他们上网来尝试购物。由于体验不好，这部分顾客中的大部分没有对网站形成正面的印象， 5. 很少有客户形成足够强的正面印象，从而无法支持后续的口碑传播； 6. 越来越少人因为口碑的影响了解和喜欢网站，这一波广告攻势的效果到此为止。如果要维持销售，一方面要花钱继续做广告，另一方面说不定还要花更多的钱去扑灭负面口碑，钱砸了但是不会有持续的效果，长期来看投资回报率高不到哪里去（特别是刚在微博上看到有人在抱怨说B2C的营销成本已经翻了几番……）   而如果顾客在整个体验过程当中产生了良好的感受和印象，口碑效应就会非常明显，进入良性循环：   1. 首先是网店投入大量资金做广告提升自己的知晓度，让更多人知道自己，试图劝说客户尝试购物； 2. 然后，一部分顾客尝试购物，体验购物全过程，并且在这个过程中形成自己对于这家网店品牌的印象； 3. 接下来，第一批吃螃蟹的顾客中的一部分将自己的印象表述出来，影响到更多的人。如果顾客体验良好，便更可能对该网点形成正面的品牌印象； 4. 正面的口碑传播出去。虽然口碑传播的覆盖面未必有广告广泛，但是它的接受度会非常高，如果口碑力量足够强大，二次传播时的效果完全可以媲美甚至超过初始的广告效果，吸引到更多人来该网点购物。由于体验良好，这部分新来的顾客又会对网站形成正面、良好的印象。 5. 这些印象转化为进一步的口碑，影响到更多的人。 6. 口碑再带更多消费者来网站购物体验，而良好的体验创造出更多忠实的消费者和对于品牌的正面印象。 7. 这些印象转化为进一步的口碑，影响到更多的人。 (…)

Read the rest of this entry »

很久没更新，为了证明自己还活着，上来记录一下自己早几天在淘宝的购物经历。 因为文中很多推理未必正确，所以本着“宁可放过，不能错杀”的精神将店家的名字隐去了。 1. 最近太忙，而且一直坐着不运动，感觉身上肥肉越来越多(，所以想到要去买个东西在房间健身。 2. 来到淘宝，很快找到了自己想要的产品。 3. 搜索一下，淘宝告诉我“找到宝贝59件。 4. 看了一下价格，基本上在90块钱上下徘徊，便宜的卖到80，贵的卖到108，远低于我心理预期。 5. 下面的问题是，在哪家买呢？ 6. 看了几家，看评论的话感觉产品都是高仿的，不正规。 7. 然后看到一家猛店，卖价是别人4倍，居然还售出653件！ 8. 产品名称中间比别人多了几个字——“带防伪条码”。 9. 进去看，发现他家产品资料非常详细，而且有详细对比自家产品和其他家产品在细节上的不同之处。 10. 然后是一对证照影印件（图片不能清楚的放大，所以很可能是随便乱找来的） 11. 接下来贴了很多用户好评，不知道是不是为了凑数，重复贴了两遍。 12. 最好玩的地方是，在页面上醒目的告知消费者自己是正品，别人都是仿品。而验证正品的方法是登录www.MarsOpinion.cc/validate（域名被我换掉了，以免误伤无辜）输入验证码验证。 13. 该网店告知用户“国外网站较难登陆，请耐心等候。打开后输入12位验证码，点 send发送验证。正品产品返回的信息是“you are buying the XXXXXX quality product,welcome next authentic purchase.this bar code (…)

Read the rest of this entry »