首页 网站建设正文

推荐

kumb 网站建设 2020-07-28 21:33:06 260 0

12.12 推荐

推荐是指通过向购买了商品的人或对商品感兴趣的人推荐其他类似商品,来增加营业额的方法。与其说是分析方法,其实在内容上更近似于销售策略,而且对于 EC 网站尤其重要。

Amazon 的推荐

主要的推荐引擎



  

推荐引擎名称  

  

URL  

  

ZERO-ZONE RECOMMEND  

  

   http://zero-start.jp/products/zero-zone-recommend

  

Cicindela  

  

   http://labs.edge.jp/cicindela/

  

Reronize  

  

   http://www.hottolink.co.jp/reconize/

  

TEAM LAB Recommendation  

  

   http://www.team-lab.com/products/recommend.html

  

Littel 推荐  

  

   http://littel.co.jp/product/recommender.html

  

Submit! 推荐  

  

   http://recommend.dragon.jp/

如果导入推荐引擎很困难,可以考虑手动进行推荐。虽然不能根据访问用户的特点分别进行推荐,但是仅仅是通过展示商品也许就能提高营业额。请参考以下的选择标准进行推荐。

推荐时选择商品的标准



  

选择标准  

  

说明  

  

类似商品  

  

推荐与用户感兴趣的商品相类似的商品  

  

代替商品  

  

推荐同类型的商品(不是类似商品)。例如,向对蚊香感兴趣的用户推荐灭蚊喷雾器。虽然不是类似商品,但是因为用途相同用户可能会购买  

  

辅助商品  

  

推荐使用已购买的商品时需要的相关产品。例如,向购买打印机的用户推荐墨水、向购买手电筒的用户推荐干电池等  

  

向上促销商品  

  

从同一商品组中推荐高一等级的商品。例如,向将 39 英寸电视机加入购物车的用户推荐 42 英寸的电视机。适用于产品系列齐全的家电产品等  

  

热门商品  

  

推荐畅销商品。或者考虑到效果分派,推荐网站或委托方想要出售的商品  

专栏 用户参与
用户参与是指将访问者对网站感兴趣的程度或使用服务的可能性用数值来表示的分析方法。如果能将这些指标数值化,就可以实现有效的流量获取策略或营销。但是,进行用户参与分析所需的测量指标、方法论都还没有确立。可是说这是今后值得期待的分析方法。
虽然表示感兴趣程度的指标有访问次数、综合浏览量、网站停留时间、访问频率等,但是单独使用任意一个指标来表示都不够充分。因此本专栏将要介绍美国的网络营销公司 Web Analytics Demystified 的用户参与测量方程。不过,请不要认为这些内容就是全部,而是带着批判的态度读下去。
  • 用户参与的测量方法
    用户参与(VE,Visitor Engagement)可以使用以下公式测量 6。不过,用户参与的值本身并没有太大的意义,定期进行测量,比较该值才是正确的用法。
    VE = ∑(Ci + Di + Ri + Li + Bi + Fi + Ii)
    计算上述公式就可以得到各用户参与度的数值化表示结果,该公式适用于任何特点或种类的网站。下面对各个参数进行详细的讲解 7。
  • Ci(表示页面浏览或成果的变量)
    Ci(Click Depth Index)是表示页面浏览或成果的变量。根据以下公式计算。
    ∑ Ci = 浏览了特定页面数以上的用户数 ÷ 用户总数
    可以说浏览了特定页面数以上的用户具有较高的参与度。特定页面数是指达成转化所需的最少页面跳转数。例如,如果达成转化需要经过“详情页面”→“个人信息输入界面 1”→“个人信息输入界面 2”→“确认界面”→“完成界面”的跳转,那么特定页面数就设置为 5 个页面。
  • Di(表示网站停留时间的变量)
    Di(Duration Index)是表示网站停留时间的变量。根据以下公式计算。
    ∑ Di = 在网站停留了特定停留时间以上的用户数 ÷ 用户总数
    可以说在网站停留了特定时间以上的用户有很高的参与度。特定停留时间是指在网站内完成一系列的行为(了解网站的目的与内容)所需的时间。
  • Ri(表示访问频率的变量)
    Ri(Recency Index)是表示访问频率的变量。根据以下公式计算。
    Ri = 1÷ 最新的访问间隔(天数)

    ∑ Ri = Ri÷ 会话数
    例如,某用户在 1 月 6 号和 1 月 8 号访问了网站,另一个用户在 1 月 7 号访问了网站,那么这两个人的 Ri 的值如下。
    Ri = 1÷[(8-6)+0] = 0.5

    ∑ Ri = 0.5÷3 = 0.17
    可以认为频繁访问网站的用户参与度很高。如果很多用户访问网站的间隔很短,相应的 Ri 的值会很大。
  • Li(表示网站访问次数的变量)
    Li(Loyalty Index)是表示在设定期间内网站访问次数的变量。虽然与 Ri 有些类似,但是 Ri 表示的是频率,Li 表示的是次数。Li 的值根据以下公式计算。
    Li = 1-(1÷ 统计期间的访问次数)

    ∑ Li = 1-(1÷[ 访问次数 ÷ 访问者数 ])
    例如,A 访问了 4 次 google.com,B 访问了 2 次 google.com,则 google.com 的 Li 值如下。
    ∑ Li = 1-(1÷(4+2))

    ∑ Li = 1-(1÷6)

    ∑ Li = 0.83
  • Bi(表示网站品牌知名度的变量)
    Bi(Brand Index)是表示网站品牌知名度的变量。根据以下公式计算。
    ∑ Bi = 品牌词或者直接流量的流量数 ÷ 总流量数
    另外,计算该变量,需要事先创建品牌词的列表(公司名称、品牌名称或商品名称等)。例如,Apple 公司的品牌词是 Apple、Apple Computer、iPod、iPod Touch、iPhone 等。
    直接流量之所以也包含在 Bi 中,是因为考虑到如果是“直接输入 URL”、“来自电子杂志的流量”或“书签”等直接流量,也就意味着用户已经知道网站。
  • Fi(表示网站反馈等定性信息的变量)
    Fi(Feedback Index)是表示有无来自用户的反馈或发送信息的变量。根据以下公式计算。
    ∑ Fi = 有反馈的会话数 ÷ 总会话数
    反馈或发送信息包含以下内容。
    • (EC 类网站等)评价系统输入完成界面
    • 问卷回答完成界面
    • 对网站意见的输入表单完成界面
    • 查询信息发送完成界面
    • 点击咨询用的 e-mail 地址的链接
    • 点击博客等上面的图标,评价文章
    另外,如果需要更精确地测量 Fi 的值,可以将反馈内容分为好评和差评,然后根据以下公式计算。
    ∑ Fi =(有反馈的会话数 ÷ 总会话数)÷2+(有好评的会话数 ÷ 总会话数)÷2
  • Ii(表示参与相关行为的变量)
    Ii(Interaction Index)是表示网站内和参与相关联的行为的变量。根据以下公式计算。
    ∑ Ii = 包含用户行为的会话数 ÷ 总会话数
    另外,计算此变量和 Bi 一样,需要事先创建参与相关行为的列表。列表中包含以下行为。
    • 发表与商品相关的购买报告
    • 在博客上发表评论
    • 点击“添加为书签”的链接
    • 点击社交书签注册按钮或 RSS 注册按钮
    • 下载 PDF
    • 将商品添加到购物车
    这里需要注意的是,“和参与相关联的行为”中并没有包含网站的 KGI,只有跟参与相关的行为。
    按照流量来源查看参与度(VE)


      链接源域名     VE     Ci     Di     Ri     Li     Bi     Fi     Ii  
      google.com     12%     25%     17%     31%     4%     1%     1%     8%  
      stumble.upon.com     4%     1%     7%     22%     0%     0%     0%     1%  
      google.co.uk     10%     14%     14%     35%     2%     0%     1%     3%  
      yahoo.com     14%     26%     16%     31%     8%     0%     1%     13%  
      live.com     10%     14%     10%     33%     1%     1%     2%     8%  
      webanalyticsassociation.org     18%     41%     24%     38%     15%     2%     2%     6%  
      blogspot.com     20%     35%     28%     46%     12%     2%     2%     12%  
      wikipedia.org     8%     15%     14%     25%     1%     0%     0%     4%  
      msn.com     9%     6%     8%     50%     1%     0%     0%     1%  
    ※VE 基于各指标的平均值计算得出。

6出处:美国的网络营销公司 Web Analytics Demystified 的定义

7本书由于篇幅限制,只介绍了变量值的计算方法与概要。如果需要更详细的讲解,请参照笔者的博客( http://d.hatena.ne.jp/ryuka01/20080930/p1 )。所有变量都用百分比表示。


我们致力于为三农(农业、农村、农民)提供专业物联网解决方案,同时也提供应用软件、微信小程序、手机App、企业网站的开发和跨境电商建站、网络营销等服务,站长微信号(mywit_net),添加后备注“黎辉物联网”,如有相关需求也可通过电子邮件(12tc@sina.cn)与我们取得联系

本站内容均来自互联网,如有涉及到侵权行为,请你及时与站长联系删除!

本文链接:https://www.kumb.cn/3302.html

发表评论

评论列表(0人评论 , 260人围观)
☹还没有评论,来说两句吧...