分类目录归档:电商流量数据化运营

硬广告渠道——选自《电商流量数据化运营》


2.4.1 硬广告概述

硬广告一般是指直接介绍企业品牌、商品、服务、内容的传统形式的广告,通过直接“灌输”的方式将信息广而告之。传统场景下,硬广告主要在电视、广播、报纸杂志、户外等媒体上投放;互联网场景下,硬广告主要在各类门户、导航站甚至APP等媒体上投放。互联网硬广告的方式包括开屏广告、banner广告、横幅广告、异形广告、贴片广告、植入式广告等。

> 本节的硬广告侧重于没有人群定向或只根据几个比较粗粒度的条件进行投放的广告方式,且以CPT、CPM、CPC为主要计价方式的广告媒体。

2.4.2 为什么硬广告“不精准”,我们依然要投

在强调精准营销的时代背景下,目前硬广告渠道的市场费用,

继续阅读

MCN渠道——选自《电商流量数据化运营》


2.7.1 MCN概述

MCN(Muti-Channel Network)即多渠道网络服务,它通过持续的内容输出来实现特定商业目标。在MCN机构出现之前,其实就已经出现KOL、KOC、PGC、达人、IP、大V等概念和实体, MCN的出现让这类资源更有组织化、规模化和专业化,在企业级的运作上更有效率,效果也更加显著。本节的MCN范畴包括以集团、公司、工作室或个人形式的多种组织形式。

MCN起源于网红经济运作模式,在后端通过签约网红将具有一定话语权或关注度的“人”聚集起来;中间通过专业的运营团队持续稳定的输出内容;后端通过与企业的合作实现商业变现,例如广告、品牌合伙人、直播等。

2.7.2 MCN

继续阅读

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

继续阅读

基于用户行为模式的渠道组合管理——选自《电商流量数据化运营》


3.7.1 用户访问行为的渠道概述

在做渠道组合投放管理时,也可以从用户的实际访问行为中获得启发,尤其是在考虑少量渠道的组合应用时非常有效。例如用户经常从A渠道进入网站后,再次从B渠道进入网站,那么渠道A和B之间可能具有用户先后序列访问的行为模式,基于此规律,可以考虑二者组合投放,这是一种行之有效的投放组合策略。

3.7.2 如何识别用户访问的来源渠道

用户访问的来源渠道识别通常有两种模式:

一是根据每次用户进入网站中服务器日志的“引荐信息”获得,其中包含的引荐URL信息可用于识别流量来源。默认情况下,无需对这部分流量做额外特殊跟踪,网站分析工具都能自动监测流量来源。其主要用于免费流量(包括直

继续阅读

广告投放的排期要素管理——选自《电商流量数据化运营》


4.4.1 广告投放的排期要素管理概述

排期要素包括周几、月份、季度、是否工作日等按日产生的因子,这是本节的重点内容。

提示 除了日期类要素外,还有更细化的时间性要素,例如小时、分钟等。大多数渠道能控制的粒度主要是日期,并且按小时分钟的汇总分析逻辑类似,因此本节不做介绍。

在营销渠道中,除了部分硬广告在媒介采买时就已经确定了投放日期和时间外,其他硬广告、信息流、SEM广告可根据企业营销需求进行日和时间控制,因此该节内容的应用主要集中于可控制投放日期和时间的硬广告、信息流和SEM等广告渠道。其他渠道例如CPS、MCN、社群媒体、会员等也可参照本节的方法来管理运营日期和时间。

4.4.2 不同日期

继续阅读

如何分析渠道效果的边际效应——选自《电商流量数据化运营》


6.3.1 渠道效果边际变化规律概述

营销渠道效果的一个基本规律是,当营销投入变化时,其产生的营销效果也是变化的,且变化可能不是线性的,而是呈现特定的边际效应。例如:当广告费用持续增加时,转化率在缓慢下降;当流量规模增加时,单位流量的成本却在上升。找到不同渠道的边际效应规律,有利于增加对渠道的认知并能更好的控制营销资源的投入并使企业回报最大化。

6.3.2 分析渠道回报效率的边际递减效应

随着营销渠道广告费用的增加,其回报效率可能出现边际递减效应,回报效率可以是转化率、ROI等转化效率类的指标。例如,当广告费用在10万量级时,每1000块钱能带来10个订单;当广告费用增加到100万量级时,每1

继续阅读

如何分析着陆页数据——选自《电商流量数据化运营》


6.8.1 着陆页数据概述

无论着陆页是站外Minisite还是站内页面,着陆页都是承载流量的核心载体。因此,着陆页分析是营销分析的必要环节。着陆页数据既有用户行为数据,也有页面本身的数据,这些都将用来分析着陆页质量以及对后续转化。

6.8.2 分析着陆页是否真的有问题

营销渠道如果转化效果不好,第一步应该分析着陆页是否有问题,因为着陆页是站内转化漏斗的第一步,让用户留下来才可能产生后续转化。

着陆页如果有问题,会表现为跳出率高、平均页面浏览时间短。但是,如果跳出率高、平均页面浏览时间短就一定是着陆页的问题吗?

通过不同维度的对比可以很容易分析着陆页是否真的有问题。如表6-4为某着陆页上不同渠

继续阅读

渠道效果影响因素研究——选自《电商流量数据化运营》


在渠道效果分析中,找到影响效果转化的主要因素是重中之重。它能直接帮助营销人员更好的了解渠道转化的影响因素,以及如何进行渠道效果优化和提升;同时,还可以基于分析得到的业务规则,直接应用到营销投放和操作过程,因此落地性和价值度都非常高。

该节内容可应用于任何带有转化目标的渠道中,且转化的定义可以包含任何目标场景,例如:

  • 动作场景:提交订单、按钮点击、线索填写、注册、登陆、抽奖等事件。
  • 非动作场景:停留超过30秒、看过超过10个页面、浏览过特定页面等过程性行为。

7.2.1 渠道效果影响因素概述

在“4.1.4 基于Lookalike的人群规则实现投放人群管理”中介绍了如何通过模型提取营销目标人

继续阅读

《电商流量数据化运营》第一版勘误


最近更新时间:2021-11-09


1. P111中,第4章的Excel中4-1数据源标题有误

第4章4-1中,原始Excel数据源中,预测数据集的标题与原始训练集的标题不一致,这会导致在预测过程中,出现训练集和预测集由于输入特征名称不一致,而导致ColumnTransformer过程报错。

名称不一致在我写书时的版本中执行并没有问题,目前的sklearn版本中会报错。

因此,我更新了数据源,保持Excel中训练集和预测集的特征名称一致。主要修改如下图:

图中,左侧是Excel修改的名称,右侧是对应到P111打印输出的结果中,列名的变化,请读者注意区别。

> 提示:如果上图看不清楚,

继续阅读

《电商流量数据化运营》第一版常见问题


最近更新时间:2021-11-14


问题1:本书的附件在哪里下载?

下载地址为:《电商流量数据化运营》附件

问题2:《电商流量数据化运营》与《Python数据分析与数据化运营》有什么区别和关系??

《电商流量数据化运营》与《Python数据分析与数据化运营》的区别与联系如下:

  • 逻辑上, 《Python数据分析与数据化运营》 是总,它包含了更广泛的运营话题;而《电商流量数据化运营》是分,它是其中的关于流量运营的分支。后续还会陆续把会员运营、内容运营、商品运营、活动运营、网站运营等主题再分别出书。 当然,《Python数据分析与数据化运营》这本书会在继续改版,以适应新时代的发展需求,所以内

继续阅读