某知名B2C网站的发展轨迹：数据披露

数字是个很有趣的东西，很有说服力，而且也可以更加深入地掌握不同变量之间的逻辑关系。举个例子，我们喜欢说留住老用户，发展新用户，那么老用户和新用户的定义应该是什么呢？直观上说，老用户就是曾经在我这里买过东西的呗，其实这样的定义太简单了，假如今天是2008年4月24号，我们看看如下哪个顾客属于老用户？

1，2002年注册，2002年~2003年曾经购买过27次，但是2004年之后就再也没有来过了；
2，2002年注册，直到2005年才买过一次东西，但是从此人间蒸发了；
3，2008年4月22号注册，4月23号（昨天）买过东西，不知道他以后还来不来；
4，2007年1月注册，2007年1月~2008年4月间，平均每3个月就来买一次。

其实上面的都可以俗称为老用户，但是他的注册时间，购买次数，购买金额，购买频率，最后一次购买时间等数值，对我们都有重要的参考和分析意义，只有细致分析，才能精准营销。

我们来用数字分析一家比较知名的B2C网站的发展历程，名字就不直接说了，我们就用A公司来代替。只是从这些分析中，我觉得可以看出很多隐形的（hidden）有趣现象来。这不属于泄露公司业务，名字和产品都没有写。事实上，我还掌握了好几家的内部数据。我只是想，能够拿出来和大家一起商酌，无伤大雅，可以一起探讨学习。现在，我们从2002年1月1号开始分析，action！~

1，A公司的注册会员发展轨迹

某电子商务公司2002-2007注册用户发展变化

某电子商务公司2002-2007注册用户发展变化
年度	年度注册	每日注册	注册占比	累计占比
2002	7792	21	2.22%	2.22%
2003	27835	76	7.92%	10.14%
2004	39738	109	11.31%	21.45%
2005	72332	198	20.59%	42.04%
2006	98316	269	27.99%	70.03%
2007	105299	288	29.97%	100.00%
总计	351311	/	100.00%	/

 
截止2007年12月31号，A公司累计注册用户35万。淘宝网截止2008年Q1有6200万注册用户，也就意味着A公司的注册用户只是淘宝的0.56%而已。每天的注册人数从2002年的21个（天）到目前大概300个（天），可以说，A公司的注册用户一直在稳步增长。

中国互联网网民的规模，足以支撑所有的统计规律的圆满实现。我在baidu的index里输入某个关键字的查询次数，比如我输入“电子商务”，发现每天在baidu查询“电子商务”的人数一直稳定在300~500的范围内飘飘荡荡的。昨天查询的人和今天查询的人是不一样的，而且也互相不认识，但是庞大的baidu用户群体造就了美丽平滑的统计大数定律。所以，如果有人问我，今天大概多少网民过生日？我告诉他，大概27万左右，因为网民总计1亿，365天每天都有人可能过生日，所以这个27万的正确率绝对80%以上。

2，A公司的年度交易量发展变化图

年度	每日交易额（万）	年度交易额（亿）	每日订单量	平均每单金额(元）
2002	3.13	0.114	54	583
2003	7.31	0.267	118	620
2004	11.02	0.402	172	640
2005	15.66	0.572	240	652
2006	31.34	1.144	462	679
2007	41.83	1.527	614	681
总计	/	4.026	/	/

 

恩，不错，2002年每天只有3.13万的交易量，到了2007年，每天有41.83万了。年度交易额来看，2006年就冲过1亿的关口了。每个订单的金额大概就是650元左右。每天的订单量目前维持在600多一点的规模。除掉每天8小时的睡觉时间，其他时间顾客都可以下单的话，大概1~2分钟就来一个600多元的订单。

3，注册用户的购买情况

如上的2个表格没有意思，这个表格却可以说明很多问题：

购买次数	人数	百分比	人均贡献（元）	总计贡献金额(亿）	累计贡献
0次	185773	52.88%	0	0.000	0.00%
1次	71859	20.45%	548.49	0.394	100.00%
2次	28060	7.99%	1094.03	0.307	90.21%
3次	15496	4.41%	1584.46	0.246	82.58%
4次	10304	2.93%	1990.09	0.205	76.48%
5次	7425	2.11%	2551.32	0.189	71.39%
6次	5273	1.50%	3235.61	0.171	66.69%
7次	4520	1.29%	3655.12	0.165	62.45%
8次	3255	0.93%	4318.95	0.141	58.34%
9次	2717	0.77%	4597.85	0.125	54.85%
10次	2152	0.61%	5182.04	0.112	51.75%
10次以上	14474	4.12%	13622.08	1.972	48.98%
总计	351311	100%	/	4.026	/

1）
所有的注册用户中，52.88%的注册用户到目前为之还没有产生过购买；所以注册到购买转化率大概47%；
2）
产生了3次或以上购买的顾客占总体注册用户的18.68%，但是他们产生的总体购买金额却占了A公司有史以来总体交易金额的82.58%，看来2:8定律真的是无处不在！
所以，根据这个结果，我们可以把购买了3次或者以上的顾客定义为公司的核心用户，他们是确保公司基石的重量级客户。
3）
购买10次或以上的有14474人，占注册用户4.12%，但是这小小的4.12%的用户为公司贡献了48.98%的交易额！而且人均贡献1.36万！当然不排除企业客户，但是我们发现，购买频率越高，对公司越是至关重要！

我们这里做个假设：如果不考虑重复购买，所有的顾客只要购物，都只买1次，那么会发生什么情况？
结果是：A公司的交易额将变成目前总体交易额的25%而已！公司总体交易额将缩减75%！可见：
1）
对于一个购物网站来说，忠诚度的培养和顾客的重复购买，是多么关键。
2）
长期进行老用户的优惠措施（积分优惠、折扣优惠等）是公司发展的根本！

4，有过购买的用户，都是注册之后多久会购买？

如下是以有购买记录的顾客为研究对象的，从没购物的不考虑其中。

注册到首次购买的时间	人数	占比
注册后1个月以内购买的	135377	81.78%
注册后2个月以内购买的	140177	84.68%
注册后3个月以内购买的	142892	86.32%
注册后4个月以内购买的	145177	87.70%
注册后5个月以内购买的	147097	88.86%
注册后6个月以内购买的	148752	89.86%
注册后7个月以内购买的	150408	90.86%
注册后8个月以内购买的	151351	91.43%
注册后9个月以内购买的	152262	91.98%
注册后10个月以内购买的	153139	92.51%

 
 
这个图表说明了几个很重要的规律：
1）
顾客注册之后如果要购物，那么81.78%的顾客都会在注册后的1个月之内下单；
2）
如果顾客注册之后的1个月之内没有购买，那么他81.78%的可能性永远不会来买了；
3）
如果顾客注册之后的半年之内么有购买，那么他90.86%的可能性永远不会来买了；
4） 如果顾客注册之后1年以内还没有购买，我们就不用追讨了，他很有可能就蒸发了；
4）
所以，要顾客转化，有必要在顾客注册之后的1个月之内通过各种方式引诱他购物；

技巧：顾客注册之后，通过Email和短信通知其购买，甜美MM电话告知，甚至不惜给予丰厚的优惠让顾客来购买。根据统计分析，顾客注册之后产生第一次购买的概率是47%左右，但是一旦产生了第一次购物，那么他购买第二次的概率是60%以上；所以，让顾客产生第一笔交易永远是值得投入的，一旦变成你的老用户，那么他的价值是很大的。

5，顾客的购物频率是怎么样的？

如下的顾客全部是购买了2次或者以上的顾客，因为只购买了1次的顾客，讨论购物频率是没意义的。

购买频率	人数	百分比	累计百分比
0-1个月来买1次	17977	19.19%	19.19%
1-2个月来买1次	18183	19.41%	38.60%
2-3个月来买1次	15476	16.52%	55.12%
3-4个月来买1次	10988	11.73%	66.85%
4-5个月来买1次	8000	8.54%	75.39%
5-6个月来买1次	5658	6.04%	81.43%
6-7个月来买1次	4244	4.53%	85.96%
7-8个月来买1次	3035	3.24%	89.20%
8-9个月来买1次	2145	2.29%	91.49%
9-10个月来买1次	1705	1.82%	93.31%
10个月以上购买1次	6267	6.69%	100.00%
总计	93678	100%	/

这个表格也有意思：
1）81.96%的顾客都会在半年之内来购买1次，所以，对我们公司来说：
2个月给没有继续购物的顾客发送优惠的产品信息，必要性：38.60%；
3个月给没有继续购物的顾客发送优惠的产品信息，必要性：55.12%；
6个月给没有继续购物的顾客发送优惠的产品信息，必要性：81.43%；

6）
新老用户交替的科学计算矩阵图
如下这个图是有意义的，是动态跟踪顾客购买记录的矩阵。这个图有点绕口，它观察的是：顾客最后一次下单的情况。
比如，我们拿2002年来说明：2002年注册的那帮家伙，最后一次下单都是什么时候呢？如下的百分比说明：
1）2002年注册的人如果购买了，21.49%的人最后一次购买是在2002年；
2）2002年注册的人如果购买了，8.16%的人最后一次购买是在2003年；
3）......
4）2002年注册的人如果购买了，38.16%的人最后一次购买是在2007年！

这个表格说明：
不管顾客是哪一年注册的，平均来说40%的顾客还是会在目前保持活跃度的，顾客的生命期比我们想象的要长；也就是说：2002年注册的那帮家伙如果产生了购物，他们40%左右现在还在活跃着！2003年注册的那帮家伙如果产生了购物，他们40%左右现在还在活跃着！

	2002年	2003年	2004年	2005年	2006年	2007年	总计
2002年注册	21.49%	8.16%	6.44%	8.85%	16.90%	38.16%	100.00%
2003年注册		28.08%	8.47%	9.63%	14.88%	38.94%	100.01%
2004年注册			27.04%	10.90%	17.99%	44.08%	100.00%
2005年注册				35.00%	21.59%	43.41%	100.00%
2006年注册					55.27%	44.73%	100.00%
2007年注册						100.00%

 

我个人是很重视数字的，其实不管是价格策略、产品策略、促销策略等，数字都可以在很大程度上助我们一臂之力，特别是目前技术允许我们这样做，我们有cookies记录顾客的行踪，我们有CRM系统对顾客信息进行整理分析，我们也可以用统计学模型来分析顾客浏览产品的关联度指数等。

1，我们不应该只是关心增长率，而是应该关心边际增长率。比如过去4天注册人数是：100，150，180，200，貌似是在增长，但是边际增长是50个，30个和20个，那么边际增长出了问题，注册虽然在涨，但边际在衰减；

2，文中我没有分析产品。但是顾客第一次购买和以后购买的产品是不一样的。我们如果发现50%以上的顾客第一次购买都倾向于购买某类产品，那么针对新用户，我们就应该推广这类产品。在其他网站做广告，我们也只是推广顾客第一次最容易购买的产品广告，而不是全部产品。

3）我们可以巧妙地在网站上调整价格做实验，来测试顾客的价格弹性。比如我故意将某个产品价格下降5%，看看顾客的购买金额增长了多少。如果顾客购买增长超过5%，那么降价有理；如果顾客增长少于5%，那么最好是不要降价。

4）我可以在网站上随意做任何促销，包括降价、送赠品、捆绑销售、抽奖、主题活动、优惠券、积分等，然后我在系统中细致地分析每个促销活动的：1，投入产出比，比如送赠品是1:5，也就是投入赠品成本1元，带来5元交易额增量；2，每个活动带来的交易量增长绝对值。以后我专门选择投入产品比和交易量绝对增长高的促销活动。但是在首页做促销问卷调查是没有太大意义的！
 

上一篇：网络推广多种手段投入产出比数据（内部资料）
下一篇：论坛推广：标题真的很重要!