第6章 新零售数据化运营-3【14页】.pptxVIP

新零售数据化运营第六章6.4场的数据分析6.5大数据时代的零售小数据

6.4场的数据分析6.4.1流量趋势分析1.独立访问者数量独立访问者数量（UniqueVisitors，UV），有时也称为独立用户数量。指在一定统计周期内访问网站的数量（例如每天、每月），每一个固定的访问者只代表一个唯一的用户，无论他访问这个网站多少次都计数为1。

6.4场的数据分析6.4.1流量趋势分析2.重复访问者数量重复访问者数量（RepeatVisitors，RV）反映了站点用户的忠诚度，站点用户的忠诚度越高，重复访问者数量越高。

6.4场的数据分析6.4.1流量趋势分析3.页面浏览数页面浏览数（PageViews，PV）是指在一定统计周期内所有访问者浏览的页面数量。如果一个访问者浏览同一网页三次，那么网页浏览数就计算为三个。

6.4场的数据分析6.4.1流量趋势分析4.每个访问者的页面浏览数即在一定时间内全部页面浏览数与所有访问者相除的结果，即平均一个用户浏览的网页数量，反映了用户的“黏性”。平均访问页数=浏览量/访问次数(PV/Visits)

6.4场的数据分析6.4.2流量来源分析1.流量来源频次分析以某零售店铺2022年线上线下的流量来源以及各自的频次为例：订单中心和购物车的自然流量来源是最多的，其次是优惠券流量来源。这说明店铺的线上流量推广实施效果显著，消费者在推荐页面看到店铺产品大部分都会选择点击查看。与之相反的是活动会场和促销等线下活动流量频次最少，这说明线下的促销活动与现在的科技生活不太适应，也说明店铺的线下促销活动有待改进。

6.4场的数据分析6.4.2流量来源分析1.流量来源频次分析以某零售店铺流量来源权重分析为例：选取“访客数、加购人数、成交金额、成交转化率”四个维度进行排名。其中访客数指标里频次最多的是活动会场，原因可能是线下活动通常选在商超内，人流量较多；而其余三个指标则是订单中心和购物车的频次最多，其次是优惠券。这说明在实质的订单成交指标上，还是线上活动占比最大，店铺可以着重关注。

6.4场的数据分析6.4.2流量来源分析1.流量来源频次分析以某零售店铺流量来源权重分析为例：流量来源权重也可以通过雷达图来展现，通过选取“访客数、加购人数、成交金额、成交转化率”四个评价维度，分别对每个维度中的促销、优惠券、购物车等指标进行频次统计，四项维度评价重叠度越高的，权重最高。在该雷达图中，权重排名依次为：购物车，订单中心，搜索，商品详情，优惠券，促销，下单和支付，京挑客，店铺，待分类。

6.5大数据时代的零售小数据6.5.1零售小数据1.小数据的概念小数据是基于大数据的概念来提出的，大数据侧重于大规模数据的采集和分析，小数据则更侧重于数据的深度。例如：大数据分析，婴儿尿布可能与奶粉有关。啤酒消费者可以同时购买花生和其他零食。但是沃尔玛，利用一个小型数据分析表明，男性顾客在购买婴儿尿布时往往会喝上几瓶啤酒，获得了极佳的效果。

6.5大数据时代的零售小数据6.5.1零售小数据2.小数据对新零售企业的作用提升消费者触达率和服务黏性小数据不再局限于“下单”和“售后”，而是挖掘“选购—对比—下单—反馈—推荐”整个关系链。挖掘优势产品和潜力服务项目小数据的运营和整合，帮助企业研发更多产品及服务项目。消费者资源的交叉利用与合作例如，一场社区亲子活动，可以由母婴产品企业、母婴社区、健康机构多家共同参与来增加参与率。品牌去中心化构建社区新生态小数据可以帮助零售品牌围绕消费者为中心提供相关的解决方案，而非单一产品或者服务。

6.5大数据时代的零售小数据6.5.1零售小数据3.如何充分挖掘并有效利用个体的小数据在人脸检测、比对和识别的功能之上，增加了人脸聚类、人脸搜索等功能。在满足人脸支付、客流统计之外，将消费者的“小数据”进行归档整理，将会员属性信息、购买行为、消费偏好等小数据进行可视化面板展现，实现精准的消费者画像。基于消费者的用户画像，线上实现更为精准的个性化推荐，线下进行更合理的货架规划等，进一步引导和触发消费者的隐性需求。

6.5大数据时代的零售小数据6.5.2小客户样本小客户样本是样本的一种，是指与“大客户样本”相对，通常指样本容量小于或等于30的样本。通过小客户样本研究，企业获得小客户数据，通过数据分析，企业为消费者提供差异化服务。差异化服务重视对目标市场的研究和需求的细分，针对客户的不同需求，目标是满足不同目标客户群的个性化需求

6.5大数据时代的零售小数据6.5.2小客户样本实现差异化策略创新有以下三种方式：1.以客户群为基础的差异化策略针对不同客户的不同需求，提供具有可行性的、外延的差异化服务。2.以年龄为基础的差异化服务策略企业根据目标客户的年龄的差异化策略可更好地开发出