发掘流量爆发力强的渠道——选自《电商流量数据化运营》

流量爆发力指营销渠道能根据营销需求,迅速增加广告曝光和引流的能力。流量爆发主要应用在大型促销或关键性活动节点上,且通常需要按照小时级别的粒度进行流量控制。例如双11或6.18大促当天的销售爆发,依赖于前期流量的蓄积和释放。这对营销渠道的流量控制能力要求非常高。

3.3.2 流量爆发力的强的特征有哪些

流量爆发力强的特征体现在两个方面:

  • 一是时间控制的精准度。时间粒度越细,控制力越强,越能满足特定时间点爆量的需求。一般而言,流量爆发力的时间粒度至少要控制在小时级别,因为大多数促销活动都是以整点小时进行控制(例如8点抢购、0点巅峰等);如果到天级别则很可能无法满足特定“巅峰活动”的按小时的流量节奏要求。
  • 二是在企业站点上需要有流量骤增能力。流量骤增意味着流量首先要到达企业上,然后要求流量的增长不能是缓慢的。

流量爆发力最突出的要求是在大促活动巅峰时刻(例如双11的0点)立即放量,且流量的增长是指数级(例如 )甚至双指数级(例如 )的。大多数渠道都不具备流量爆发能力,或者即使具备一定的爆发能力,也无法精确到特定时间点爆发。

3.3.3 哪些渠道流量爆发力更强

从时间可控性与流量爆发强度两个维度,我们将各流量渠道的流量爆发力进行对比,如图3-4:

图 3-4 主要流量渠道爆发力因素对比

图3-4中,得分最低为1分,最高为5分。其中:

时间可控性方面

硬广告、信息流和SEM在时间可控性上最好,硬广告可通过排期、程序化投放等方式精确控制时间;信息流和SEM则可以根据投放的账户设置精确控制上下线时间以及投放人群规模。

社群、MCN以及CPS则在时间可控性上较差,很难控制流量释放的时机;会员、SEO以及直接输入几乎无法对用户形成主动性释放流量的触达机会。

流量爆发强度方面

硬广告由于面向大众传播的特点,其流量爆发强度是最高的;信息流和SEM可通过人群定向的缩放以及账户设置来增加流量爆发,但强度要弱于硬广告;SEM本身具有的搜索流量天花板在需要海量流量的情况下,流量爆发上会遇到天花板,因此会失去有更多引流的能力。

社群、MCN、CPS、会员、SEO、直接输入都不是侧重于引流的渠道,因此谈不上流量爆发。

综合来看,流量爆发力最强的三个渠道依次是硬广告、信息流和SEM。

3.3.4 通过数据分析爆发力强的渠道

通过时段趋势分析爆发时间节点

通过数据统计特征发掘爆发力强的渠道,只需要按照小时或分钟,统计各个渠道的会话数或UV的增长趋势即可。图3-5显示了三个渠道在某天内按小时的流量趋势。图3-5数据见附件Excel“第3章”中的“3-3_1”。

图 3-5 不同渠道按小时流量趋势

图中的流量爆发时间(按照业务需求)集中在8到11点(图中①),以及20点23点(图中②)两个时间段,峰值点在10点和21点。从趋势图中可以看出渠道1在①时段内爆发最强,渠道3在②时段内爆发最强,虽然二者都具有较强的爆发力,但爆发时间节点上有差异。

通过数据的“量”和“率”计算爆发指数

通过数据分析爆发力,需要兼顾数据量级和变化量级两个维度。例如A渠道UV从100增长到200,B渠道的UV从10000增长到15000,如果只计算变化率,那么A渠道(100%)会远好于B渠道(50%),并由此误以为A渠道爆发力高于B渠道。显而易见的是这种结论没有考虑变化量级的影响。图3-6、图3-7、图3-8数据见附件Excel“第3章”中的“3-3_1”和“3-3_2”。

为了降低计算量,我们只计算这图3-5中两个集中爆发时间段内各个渠道的爆发指数即可。

首先,计算时段变化量。用后一个时间点的数据减去前一个时间点,在Excel中的处理方式如图3-6中的①。按照同样的逻辑,可以计算渠道2和渠道3的变化值。

图 3-6 时段数据差分计算

其次,计算时段变化率。用变化量除以上个时段的值,如图3-6中的②。按照同样的逻辑,可以计算渠道2和渠道3的变化率。

第三,数据标准化。在之前的章节提到,如果要考虑多个指标的加权计算,必须保持指标在相同的值范围区间内才有意义。图3-6中的数据中,变化量区间可能是以几十为单位,而变化率则以百分比变化为主。数据标准化就是将二者放到相同区间内,这里使用在“3.2.4 结合层次评分综合评估渠道排名”提到的带有自定义区间的Max-Min标准化方法。

图 3-7 对差分后的数据进行标准化处理

由于我们只需计算两个时间段的爆发信息,因此只将8-11,20-23点的数据过滤出来即可。后续过程中,先求出各个列的最大和最小值,如图3-7中的①;然后通过Max-Min计算公式计算标准化后的值,如图3-7中的②。这里没有对标准化后的最小值0进行二次缩放,原因是后续应用中不做权重计算求和,因此可以忽略该影响;如果需要做权重计算,则需要再进行二次缩放。

第四,计算爆发指数。上面步骤完成标准化处理过程。这里直接将二者相加得到爆发指数,得到的结果会综合渠道自身的变化量和变化率,相对于单一的值的判断更客观。如图3-8所示。

图 3-8 计算各渠道爆发指数

计算所有渠道的综合爆发指数和排名

首先,计算爆发指数。上面的过程是将各个渠道单独计算和分析,如果需要将所有渠道综合起来,整个过程一致,只需要在前期将原始渠道变化量和变化率放到同一列计算即可。过程如图 3-9。图3-9、图3-10和图3-11的数据见附件Excel“第3章”中的“3-3_3”。

图 3-9 计算所有渠道综合爆发排名

如图3-9所示,第一步先将所有渠道数据整理为两列,按渠道和时段追加渠道2和渠道3的数据到后续行记录。第二步计算得到标准化渠道变化量和标准化渠道变化率,公式如图中“Max-Min标准化公式示例”。第三步计算爆发指数,将标准化渠道变化量和标准化渠道变化率相加即可。

其次,通过数据透视表汇总各渠道综合排名。选中上述计算得到的所有数据,然后点击“插入”-“数据透视表”,新建透视表,如图3-10。

图 3-10 新建透视表

在新建的透视表,从右侧的“数据透视表字段” 中将“渠道”拖入“行”区域内,将“爆发指数”拖入“值”区域内,“值”区域默认使用求和的方法计算所有时段的总爆发指数(如果不是,请设置为求和)。由此得到三个渠道的总爆发指数,可以看出,渠道3的爆发指数要略高于渠道1和渠道2。

图 3-11 在数据透视表中计算总爆发指数

提示 该方法在营销渠道众多的场景下非常适用,因为当面对几十甚至上百个以上的渠道数据时,由于数据过多,无法通过“肉眼”观察的方式直接找到爆发力强的渠道;并且如果要兼顾到变化量和变化率两个维度,人工观察的方式几乎很难实施。

3.3.5 知识拓展:如何评估未投放渠道的流量爆发力

基于已有的投放结果比较容易判断营销渠道的流量爆发力,但在面对新的、未曾投放的渠道时,如何判断其是否存在爆发力并得到爆发力的预期?这里提供三个思路供读者参考:

  • 基于行业内资源的投放预估。这种模式下,即使自身没有投放,营销管理者可利用自身在营销圈子中的资源,了解其他企业投放时的大体效果,并作为自身投放的初步判断依据。
  • 基于渠道相似度的预估。在本书的第7章中会提到如何判断不同渠道的相似度,此时可基于新渠道与已有渠道的相似程度,大概预估爆发情况。例如新渠道与已有的A/B/C三个渠道最相似,这三个渠道的爆发指数分别为2.3/1.8/3.7,可取均值大体了解爆发力情况。
  • 基于测试性的投放的预估。有些渠道允许在正式合作之前进行测试性的投放,企业可在此期间内了解流量的爆发情况。

====================【好书推荐,我为自己代言】====================

《电商流量数据化运营》出版了!

  • 10余年业务经验总结:将我在甲方和乙方,跨企业和跨行业的经验总结起来,供大家快速提升,少走弯路。
  • 流量运营教科书:内容围绕流量数据化运营的全流程展开,涵盖渠道策略与计划管理、媒体投放与执行管理、渠道投放效果评估与分析、流量运营监控与效果复盘等各个环节。
  • 有用、实用:不讲数据分析理论,不讲数据分析工具使用,所有方法均可在工作中直接使用,而且围绕流量数据化运营的常见问题展开。
  • 易用、易读:不要求会Python,会用Excel就行,无晦涩难懂的理论和复杂的推导过程。
  • 以场景应用为核心:以业务场景为切入点,内容上围绕业务问题、数据支持方案、实用工具实操的思路,用数据解决每个具体业务问题。
如果你对本书感兴趣,请点击这里查看更多信息!当然,你也可以先加我微信了解一下。

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注