12月8日噹噹網納斯達克上市風頭未盡,京東遍掀起了宜昌網絡圖書銷售降價大戰,國內第二大網絡圖書銷售商卓越亞馬遜自然不能倖免。趁三家紛紛降價之際把之前憋著沒買的書統統給買了,網絡書商大戰到底是比3Q大戰實惠啊!這些都是閒話。
在卓越亞馬遜買書的同時,按照陌生用戶的角色仔細體驗了一下流程。從經評BLOG的推薦鏈接進去,搜索圖書,比較和選購,註冊和提交信息,下單和支付。最後一步一步分析一下得出兩點總結:
- 秉承Amazon技術優勢和架構體系,卓越亞馬遜的個性化推薦機制很強大,幾乎遍布全站每一個頁面。
- 支付流程經過數據考證和對比分析,但是可能大多是依據美國互聯網數據,中國站照搬照套了美國站,不太符合中國網購用戶習慣,有挺多可以優化的地方。
一、基於個人交易和反饋數據的推薦機制
Amazon的用戶分析和個性化推薦機制一直是電子商務教材裡面的經典案例。搬到中國後卓越亞馬遜的推薦機制依然做的很出色,遙遙領先於國內的其他電子商務平台。
上面這個圖是“我的亞馬遜”界面,“我的亞馬遜”跟“我的賬戶”是兩個概念,“我的亞馬遜”的功能是針對用戶購物歷史和反饋數據給用戶的一個推薦平台,而“我的賬戶”是一個賬戶信息和訂單信息的管理平台。 “我的亞馬遜”記錄了登錄後的商品瀏覽記錄,根據瀏覽和購買記錄提供的推薦產品。整個頁面的功能非常清晰,中間大幅位置只用於展示推薦商品,並且鼠標指向是有懸浮下拉菜單提供反饋數據。用戶可以反饋“已經擁有”或者“不感興趣”,並且根據個人喜好給商品打分。在頂部自導航條中的“設置為我推薦”下也可以進行相似設置。用戶可以選擇那些內容可以被作為推薦依據,那些不需要作為推薦依據。這使得通過用戶提交數據優化純機器推薦帶來的弊端,是最終推薦結果真正符合用戶需求和愛好。這些用戶歷史數據和反饋數據奠定了亞馬遜的用戶數據分析和商品推薦機制,通過歷史數據分析和對反饋信息的學習,提高網站推薦商品對於特定客戶符合程度。
基於歷史瀏覽數據和用戶反饋數據的分析和計算也是互聯網新聞、網絡廣告等領域新商業模式的湧現源泉。在互聯網信息越來越海量,篩選有價值的、符合用戶偏好的數據越來越成為網民的難題。因而信息分析和推薦機制應該成為一個非常有前景的商業契機。
二、基於公共行為的推薦機制
上圖是我進入《Landing Page》商品詳細頁面後,商品信息下方顯示的推薦數據。 《流量的秘密》是根據我過往購買數據為我推薦的,成為了匹配度最高的書目。在經過推薦後,直接提供了組合購買的按鈕。注意這裡是立即購買,而不是加入購物車;同樣是在這個頁面,《Landing Page》本身的詳細信息右側卻只提供了“加入購物車”按鈕,在商品詳細頁面到底應該提供“加入購物車”還是“立即購買”還是兩者都提供?這個我找個機會再來討論。
我們來看看為什麼Amazon為什麼在這個地方放的是《流量的密秘》而不是其他的書。
由上圖可以看出,瀏覽了這個《Landing Page》詳細信息頁面後,有25%的訪客買了《流量的秘密》,8%的用戶買了《搜索引擎營銷》而7%的用戶買了《玩賺你的網站》。訪問了該頁面的1/4用戶購買了第一關聯書目,這是個很高的比例了。其實我們看Amazon的商品詳情頁面不難發現有很大的篇幅是用於推薦關聯商品的。也正是這種推薦機制降低了Amazon平均每單的商品數量,而單個訂單的商品數量的降低直接帶來了銷售量的增長和平均物流成本的降低。因而這種推薦機制對於電子商務公司的重要性不言而喻。
我們來看一組數據,關於B2C平台的重複購買率:Vancl(凡客)是40%,電子商務企業平均水平是50%,而卓越亞馬遜是80%;據說卓越亞馬遜每年用於營銷推廣的費用佔運營總成本的僅10%左右,這才是電子商務企業所真正需要的指標。吸引新客戶的成本越來越低,客戶忠誠度越來越高。重複購買率與亞馬遜的推薦機制不無關係。因為當用戶登錄後進入亞馬遜首頁時,看到的是根據其歷史行為和反饋數據生成的個性化定制頁面。一個人的性格和興趣往往是穩定的,關聯推薦的價值便在這裡。
再來看一組數據,目前整個電子商務領域的平均訂單轉化率是3%。平台的轉化率的最高;絕大多數B2C的轉化率都在1%以下;噹噹做的比較好能到3%,Amazon可以到4.5%。訪問amazon的訪客最終下單的比率要高出行業平均比例50%,這個跟訪客進入頁面看到的是自己的感興趣的個性化頁面而不是密密麻麻的分類列表不無關係。
不僅僅是基於訪客的平均轉化率,即便是購物車的平均轉化率也不高。據報導B2C行業從購物車到實際成交比例轉化率一般為10%,最高如噹噹網30%,逛街網與走秀網是20%,行業水平一般是10%。放到購物車裡面的商品最後只有十分之一真正付了款的,這是一個很高的流失率。 90%的用戶裡面有一小部分選購了替代品,一大半放棄了購物,另外還有一小批倒在了付費的路上。過一段時間給大家再來詳細討論討論要購物車還是要立刻購買;支付流程如何來優化,歡迎大家持續關注。
三、亞馬遜推薦機制的不足之處
亞馬遜的數據分析做的出色,幾乎編輯了整個網站的每一個頁面和用戶消費的每一個流程。推薦機制雖強,但是也有失誤的地方:
繼續使用上面這個圖。我進入《Landing Page》商品詳細頁面後,商品信息下方顯示的推薦數據。 《流量的秘密》成為了匹配度最高的書目。為什麼會最高呢,因為我買過!難道亞馬遜就只知道按照匹配度來推薦,連將已經購買數據從中剔除的功能都沒有嗎?對於紙質書籍,同一個客戶買第二本的概率我想應該是極小的吧。雖然這個不足是個並不嚴重的技術問題,但卻浪費了關聯度第二高的8%的購買率。
上面的不足並不是嚴重的技術問題,但是Amazon的推薦算法上確實有缺陷的。目前的推薦只能在同一個分類的商品內部實現關聯推薦,尚且不能實現通過用戶過往購買數據推薦其他品類的,具有較高購買可能性的商品。比如說我買了套廚具,那我下次進來的時候是不是應該在圖書目錄裡給我推薦個菜譜。還有個比較經典的案例,啤酒和尿布的關聯挖掘,這也是實體超市中常用的案例。跨品類的推薦也許會比固守在同一個品類推薦要高效率。畢竟不會每一次進來都買書,更不會每一次來都是買電磁爐的!這是數據挖掘和商務智能方面的功課,亞馬遜應該到了往這個層次發展的境界了。
來源:http://www.jingpingw.com.cn/recommendation-system-of- amazon/
特別注意:本站所有轉載文章言論不代表本站觀點,本站所提供的攝影照片,插畫,設計作品,如需使用,請與原作者聯繫,文章轉自alibuybuy