电商网站用户流失分析及预警模型构建

一、受众流失分析及预警模型构建

首先,需要了解你的目标群体群有哪些特征,这些特征的真正的核心特征是什么。这些特征包含的信息不仅仅是受众,还包括业务相关人员。

这样通过统计数据分析,我们就可进行画像分析,从此了解受众的核心需求,了解他们的个人特征是什么,以及他们在什么样的场景下面的行为是什么样的。从此为了对受众行为进行模拟,我们就可找到受众流失的原因。

比方电商网站受众流失原因分析:

1. 访问某个电商网站的频频访问

2. 从商品页面跳转到购物页面

3. 进入了一种新的商城页面,但没有进行其他的商品阅读

4. 在注册页面,进入了另外一个店铺

5. 购物过一批商品,使用过一些app,进行过类似的操作

5. 通过某些平台进行广告投放

6. 退出了该页面,没有登录

1. 进入到了一个电商网站,进行过多次的访问,没有登录

2. 登录过app,没有进行其他的操作

3. 退出了一个淘宝,领完了礼券,退出了一个公众号

4. 退出了一个购物车,对方没有登录

5. 退出了一个在某个APP上进行过操作的APP,在这一个APP上进行过多次的访问

分析这些问题,我们就可以知道什么原因导致了流失受众,从此知道受众的流失问题。

2. 如何获取流失受众

受众流失分析的核心就是将受众进行标签化,如:受众的行为、操作、消费习惯、以及流失的主要原因等。

我们可以从这些方面去获取受众。

比方:受众阅读商品的频次、阅读商品的时间间隔、注册一个商品、登录一个公众号、阅读商品的数量、签到一次、购物超过2次、连续一个月登录等等。

登陆了购物的次数,阅读了几个公众号,均为半年,下一次打开商品,打开其他公众号,均为半年以上。

在购物的时间间隔、商品的数量、支付次数、支付方式、使用支付的次数、支付的金额等等,这些亦是受众在商品中使用时的使用数据。

在受众的属性分析中,我们就可以知道是受众的性别、地区、年龄、学历、职业、性别等,这些数据均是受众的基础属性。

了解这些之后,我们还可根据这些数据的属性,去分析出受众的行为。

通过统计数据分析,我们都知道这些是受众数据,我们就可以知道是哪个层级的受众流失了。