原文链接:http://www.woshipm.com/operate/3393077.html

———— 理论 ———— 话术 ———— 了解
———— 重要 ———— 专业词汇 ———— 行业特点

对首页运营人员来说,每天最痛苦的日常莫过于既要经营高质量流量,为后续流量转化与变现提供基础;又要与业务人物-流量需求方展开激烈的流量分发争夺战,让流量的效益最大化。于是,笔者特地写了本文,梳理了首页资源规划与管理的相关策略,希望能对你有所帮助。
image.png
作为首页运营,你是不是也为了业务线对首页资源轰轰烈烈、奋不顾身、前赴后继、永不停歇的激烈争夺而苦不堪言?
下面聊聊我在几个大平台的首页管理中所总结的首页资源分配体系与流量分发策略,希望有一些帮助。
本篇技术含量和复杂度都比较高,读起来可能有点烧脑,大家喝罐红牛,静心阅读。
image.png

一、资源位规划与流量分发

首页的一个重要使命是做好流量分发,为业务线给到匹配营收目标的流量。这对业务至关重要,然而,从首页运营的角度,这又非常难做。因为,除了内部分配协调难度极高,同时流量背后又是一个个鲜活的消费者,有明确的需求和品类偏好。并不是我们把资源按业务占比分配好,消费者就会按我们期望的比例来点击和购买的。

为了解决流量分发这个难题,首先我们根据一个复杂完整的实例,来看看资源位怎么进行分配,这是流量分发的基础。

1. 资源位规划详解

我加入亚马逊的时候,公司正在做年度业务规划,每个业务线都做出了自己的下一年度的营收预期,市场部也给出了流量预测。从流量到营收,大致的漏斗模型如下:
image.png
流量分发模型
我们可以看到,模型的两端是流量和营收预期。
市场部负责渠道端引流,结合主动回访的老客以及自发流量,共同构成平台总流量(顾客数到流量还要乘以平均访问频度)。
我负责的产品和运营的重要任务,就是把流量按营收占比分发到各个业务线(流量分发),并尽可能多地转化为业务线商详页PV(引导效率),再转化为商品销售数量(转化率),最后乘以业务线的商品均价,成为业务线营收。

这里有三个关键环节:
1. 流量分发:这个决定各业务线获得平台流量的配比
2. 引导效率:这个体现把顾客带到商品面前的能力,是导购频道的核心能力
3. 转化率:体现从商详页到购物车到结算页到支付完成的漏斗效率,是主购物流程的核心能力

我们都知道,流量永远是不够的,营收预期永远是激进的。这三段共同构成从流量到营收的桥梁,不但难度非常高,且难点各不相同。
流量分发的主要难点如前述,顾客及其需求占比受平台特性影响而相对稳定,很难有效操纵。
下面先说说我在资源分配上的实践,这是流量分发的核心与基础。

第一步,计算上年度各条线的销售商品均价、向业务线获取下一年度的预估的商品价格浮动、以及下一年度的营收预期,计算各条线下一年度需要完成的商品销售件数。

下面的红色字为本步输出,蓝色字为通过BI、业务线获取的输入,或上一步的输出,后同。下面以计算A业务线为例,算法覆盖所有业务线。

A业务线预计单品均价 = 上年度A业务线单品均价 * (1+A业务线价格浮动百分比) A业务线预计销售件数= A业务线营收预期 / A业务线预计单品均价

简单说,就是通过各业务线营收预算和单品均价计算出需要完成的业务线商品销售件数,如下:
image.png

第二步,把销售按件数预期分到App、Web、PC三平台(注:此处忽略微信或站外销售,这部分销售与站内资源分配和流量分发无关)。
考虑到顾客迅速转向移动端,还要根据过去几年流量在三个平台上的迁移趋势和整个行业状况,做出下一年度三平台占比变化预测,然后根据这个新占比重新分配各平台销售量。
App端预计销售件数 = A业务线预计销售件数 App端上年度占比(1+预估占比增幅)
也就是把销售件数分到三个平台,逐个计算。Web和PC的方法相同,下面仅以App为例。
image.png
第三步:通过上年度的单品平均转化率(销售商品数/商详页浏览量),计算出要达到销售预期,需要在各平台给到的业务线商详页流量(商详页PV,亚马逊称为GV)。简化起见假设年度转化率不变。
A业务线需要的App GV = A业务线App端预计销售件数 / 上年度A业务线App端转化率
把所有业务线的GV需求均逐一进行计算,并求和,就得到了GV需求总量。
App GV需求总量 = ∑ 各业务线App GV需求
也就是通过转化率的计算,把商品销售件数再换算为份平台的商详页PV。
image.png
注:转化率有两种定义,一种是Order/UV,一种是Units/GV,前者为全站顾客到订单的转化率,后者为商详页流量到销售单品的转化率。因为顾客的购买行为是跨品类的,而商详页是分品类的,因此如果针对业务线来流量需求,必须把流量按业务线分开,因此取后者进行后续计算。

第四步:我从市场部流量团队拿到了下年度的流量预期。这个流量是UV,而不是GV。然后,通过上年度各平台的人均GV,计算下一年度可以得到的总GV(假设流量质量不变)。
App端上年度人均GV = 上年度App端总GV / 上年度App端总UV(日活) App端总GV预估 = 下年度UV预估 App端预计占比 App端上年度人均GV
也就是把GV分到各个平台分别计算UV层面的流量需求。
image.png
这一步得到的总GV是引流渠道的流量输出,跟上一步得到的业务流量需求相比,会有不小的差距。这就是理想和现实之间的距离。
作为副产品,在这步计算中我看到,App端人均GV比PC端高22%,比Web端高84%,这体现了App端的顾客更爱逛,一次到访会浏览更多的商品,而web端则非常缺乏可逛性。这更加证明了全力发力移动端的合理性。

第五步:设法弥补第三步得到的流量需求,和第四步的流量预估之间的差距。有五个思路:
1)要求各业务线下调营收预期……好吧,留到最后一步再干这个,比较容易被CEO大刑伺候。
2)要求市场部提升流量。这如果不配合流量采买的经费增加(流量极其昂贵),可能会逼得流量团队去投放劣质渠道或刷流量,也要小心。
3)全力把流量向移动端迁移,充分利用移动端人均产出GV更高的状况,提升同样流量的GV产出。
有两件事可以做:

  1. 与市场部沟通,调整投放计划,把更多的引流渠道放在移动端;
  2. 在产品端和运营端发力(如推进Deeplink,设置移动端抽奖或专享活动),把PC端和Web端的用户向App迁移。

4)通过产品和运营的协作,大力建设导购频道和个性化推荐,提升人均产生的GV数量。
5)通过产品端的努力,提升转化率。转化率当然也可以通过让业务线降价或者准备更好的选品来提升,但这方面留给业务线,我们先看产品能做的事情。
1、2两个方向都与产品和运营的工作基本无关,我们的目标,自然放在3,4,5,内部挖潜,先看看能不能有机会弥补差距,避免迫使公司下调营收预期或为市场部大幅增加费用。
当然这是个三年前的项目,对于今天的中国互联网来说,第3点,迁移移动端,基本上是一个已完成的工作,PC以及Web端基本是存量经营。

第六步,这是最难的一步 – 仔细计算产品和运营的工作,能够提升的转化率和人均GV。
1)产品端计算:产品主要是通过新项目为平台提升流量效率。当时我的产品策略是“All in App”,所有的产品改造全部针对App端。

  • 转化率提升项目:计算可以优化的购物流程环节能带来的转化率提升预期,随后根据销售预期,计算由于转化率提升而可以减少的GV量。这步计算后相应下调GV需求总量。
  • 新导购项目:对标竞品类似频道CTR,估算该项目可能获得的Click Mix,并根据该项目特性估算该项目预计带给每个顾客的人均GV,结合首页日活预估,计算GV增量。
  • 导购功能优化:根据当前功能对应的GV产出,估算优化后的GV提升幅度。
  • 移动端迁移:在自然迁移的基础上,计算产品做法可以带来的App端迁移增量,并计算这部分增量可以带来的GV增量:(App端人均GV-PC端人均GV)*迁移增量

通过上述产品效果计算,一端下调了GV需求量,一端提升了GV产出量,差距被大幅度缩小。
有哪些项目可以提升这些方面,是一个非常广的领域,大家可以参考我在人人都是产品经理的处女作《九张大图,了解增长体系下电商线上流程的全貌》,里面列出了一些线索和思路。

2)运营端计算:首页运营工作比较日常,更多的是资源位产出盘点,资源排期,日常的机动资源位分配和管理,以及大促资源分配和管理。可以做的事情是:

  • 盘点低效资源位,计算把资源分配做优化(调给产出更高效的业务后)后可以得到的GV提升。
  • 盘点亚马逊售卖王牌“镇店之宝”频道的常规促销场次分配情况与GV产出之间对应关系,找到场次-GV的曲线最佳拐点,重置场次规则。
  • 盘点大促的时长、频次、主题、大促资源分配,优化大促计划。因为大促是吸取全站常规流量,贡献大促产出,由于大促主题的品类偏向,以及促销疲劳问题,促销贡献的产出在全局上未必能抵消正常非大促销售的损失。因此大促需要最佳节奏,而非一味增加。因为大促组也在我的职责范围,我得以在全局重置大促规则,当然这方面与业务线沟通还是比较费力的。

在所有这些盘点之后,运营线也给出了一个GV提升的预期。
通过上述艰苦的产品、运营工作规划和效果预估,很大程度上已经弥补了流量需求和供给之间的差距。这也是产品和运营们的巨大价值所在 – 在不增加成本(除研发)的基础上,大幅提升产出。当然到这里还存在一些差距,于是软硬兼施搞定市场部提高了UV目标和渠道分配,于是总流量(GV)终于匹配上了。

第七步:把总GV分到各个业务线,设定各个业务线的下年度流量指标。随后对比上一年度各业务线的实际流量占比,确定各个业务线的流量占比在下一年度的提升或下降比例。

第八步:计算搜索流量带给各业务线的GV,把这些GV从各业务线流量目标中剥离。因为搜索结果不是可分配资源(其实一定程度上也可以通过搜索权重因子的调整来影响。为了不让模型过于复杂,先假设搜索流量占比不变)。其余GV基本就是通过首页流量分发来达成的了。
A业务线App端非搜索GV目标 = A业务线App端总GV * 非搜索流量占比
image.png
至此,首页对各业务线的流量分发总目标基本确定。

第九步:盘点当前首页资源位分配,确定各个首页资源位可以产生的GV数量(这一步背后需要强大的BI埋点,可以通过点击流模型来),对比第八步得到的各业务线流量分发目标,规划资源位的初步分配。
举个例子,把本来在业务线里固定分配的顶部轮播第三、四、五帧改为机动资源位,假设第3帧固定每天带来5000个GV,第4帧3000个,第5帧1500个,那么可以先把本来拥有这三帧的业务线的流量相应减掉,然后把这三帧一年可以产生的总GV重新分配给需要提升流量占比的业务线。同样的方法可以用在促销场次分配、大促资源位分配、首页频道入口分配等等。

第十步:在上一步确定的资源位调度方案上,作出全年的资源位分配规划,再细分到月,考虑到业务线的季节性特征、各档大中小促流量特点和日常流量情况,对业务线进行具体的资源分配,并设定每月流量目标值。这个业务线流量月度目标值,就是月度盘点的对比基线,并根据出入情况对下月分配做出调整。
然后,把所有步骤,在PC和Web端重新走一遍,设置好各个平台的流量目标。其中Web的入口分配与App完全一致,仅估算流量纳入全局即可,不需另作分配方案。
至此,资源规划全部完成,形成了流量分发的基线版本。由于牵涉到大量的模型建立、计算、取数、沟通和协调,我的团队日以继夜一共做了46个版本,最终定稿,并获得CEO批准。
是不是工程量浩大、万里长征?不过这才是第一步——确定了行动路线,后面的实际情况需要因地制宜,并不知道在哪里会遇到强大的阻击,哪里会遇到流寇,哪里实际走不通。但至少,方向和目标已经明晰了。

下面再说一下这个方法存在的问题:流量虽受资源位数量的影响,但不完全呈线性比例关系。
我们用一个简化的模型来理解:数码品类拥有3个入口,母婴品类拥有2个入口,得到的GV也是3:2,那么如果希望把GV占比倒转,变为2:3,是不是调整一个数码的入口给母婴就可以了呢?
您可能知道,这样不行。
因为流量背后可能是9个数码消费者和6个母婴消费者,数码入口减少,数码消费者可能依然会点击数码入口,母婴消费者也同样如此。
入口调整后,流量有可能出现一定变化,比如从3:2变成2.7:2.3(毕竟还是存在一定的中立偏好和混合需求的用户),但不会完全按资源位数量发生等比例线性变化。
那么怎么办呢?
我在实践中的经验是——保留尽可能多的灵活机动资源,不要预先把所有资源完全分掉。然后每周精细盘点流量情况,对比第十步给出的目标,给缺流量的多调一点,给相对富裕的减一点。
当然业务线也有难处,有时候认为会有资源,于是规划了一档活动,动用了营销资源、供应商资源,进了货,结果资源位被调了,活动上不了线,苦不堪言。所以,还是做好尽可能准确的长期规划,而不是频繁调整。

看到了吗,首页资源位管理大概是天下最难干的工作之一!不但技术难度高,而且得罪人。给资源就跟发工资一样,大家都觉得流量不够,但肯定没人觉得有多,更没人愿意把嘴里的资源吐出来。运营能力不足对流量使用效率(即获得资源的实际产出)有问题的业务线,往往大声疾呼是因为流量没给够,而不是思考自己哪里没做好。
所以,首页产品和运营需要一个强大的内心。

2. 流量分发策略

在完成了资源位分配后,再谈一下流量分发的一些做法和体验。
1)尽量多留出机动资源位,根据实际数据灵活调配。
2)尽量多设计不需人工运营的跨品类自动化导购频道。可以通过算法调整来改变品类曝光比例,更为机动灵活而且不会碰到太多争执。同时,只有算法能做到千人千面,导购效率通常更高。
(注:根据实践数据,做得好的人工运营,因为对商品和顾客的深度了解,尤其是对冷启动商品(如新品)的判断、对季节性的把握、对新潮流和新导购方式的敏感,在非促销的导购栏目可以做到略微胜出算法推荐频道。当然这个和导购逻辑、算法质量都有很大关系)
3)为自动化的栏目,预留人工干预的入口,给战略商品/品类和冷启动商品留下曝光机会。
4)资源规划充分考虑品类的时间特性。移动端流量存在比较明显的时间特征,在一天里的每个小时,在一周里的每一天,针对不同品类可能会存在一定的差异。参见文章《漫谈新零售(13): 70前、70后、85后、95后》里的相关分析。
5)在活动资源位的分配上,建立明晰的门槛规则。比如,大促的A级资源位必须预期完成1000万销售才可以申请。同时建立盘点和奖惩机制,激励产出。缺乏奖惩机制,常会碰到的情况是,业务线要走了资源位,却没相应产出。“地盘先占上,耕得好不好再说”。这在商城平台上就比较没问题,商户好不容易付费购买了活动资源,肯定死抠每个细节,最大化产出。相信这个状况也给到了京东“流量货币化”项目思路启发。该项目在本文“资源位管理”部分简述。
6)流量分发比例调整有上限,而且有一个漫长的过程,不要假设可以通过资源位调整很快翻番地涨。这背后,第一,品类中立,看到推荐就会感兴趣的人比较有限;第二,用户需求和占比的全盘调整会有个渐变的长期过程。
7)建立赛马机制,监控资源位产出效率,在大促时实时调整,在日常进行每周盘点与优化。
8)建立与持续执行首页效率监控与优化体系,是长远的王道。体系建设可以参考本文第二部分。
前文中已经定义首页指标体系,本文聊一下基于首页关键指标的资源位效率监控与管理,以及资源位抓流量、落地页承接两件与首页入口效率高度相关的运营技巧。

二、首页资源管理

业务线对首页资源的争夺极其激烈,首页运营负责资源调配,压力巨大。同时,我们也可以看到资源使用水平常常良莠不齐。
曾见过某些业务线获得的资源超出了运营能力,于是多个入口挂同一个链接;或者一个首页入口点进去,落地页只铺着寥寥两三个商品;或者入口与落地页完全不搭,进入流量跳失率奇高。
有时也会看到,部分入口获得了好的曝光位置,但流量却完全不成比例,销售更是寥寥。
这些都是对宝贵资源的浪费,而及时发现和解决这些问题,正是首页资源管理的核心使命。这需要做到:

  • 明确流量目标,做好资源初步分配,并每周对分发情况进行统计,持续优化。
  • 确定首页各活动资源申请标准、审批流程和变更管理流程。
  • 设立首页资源管理指标体系,确定资源效率考核标准,并根据结果对资源分配进行调整。

第一点在上节已详细论述,第二点属管理范畴,可以根据公司文化制定相应流程。这里重点讲第三点。

1. 管理指标体系运用

明确的管理指标体系,对于首页运营作用巨大:

  • 可以准确判断到底是资源没给够,还是没用好,为资源的分配提供有力的依据,避免“会叫的孩子有奶喝”,创造更公平高效的环境。
  • 可以看到哪些资源位使用高效,进一步深入分析,把优势在全站进行复制推广,创造更理想的首页效率。

下面给出一个管理指标体系定义和运用的实例。该案例的频道取了电商网站的常见栏目,数据采用合理的模拟数据,大家主要参考思路。本例的得分模型做了简化,仅考虑人均GV、流量占比与销售占比三个维度。大家实际使用中可以按需拓展,纳入拉新、会员参与度、频次、渗透率等其它维度指标,但不宜过多,专注于北极星指标。
1)取频道人均商详页PV(GV / UV)、频道点击占比(Click Mix,首页点击比代表流量进入占比,即首页引流占比)、频道销售占比(GMV Mix)为三个持续监控的核心管理指标。因为是首页指标,仅考虑首页引流和对应的频道销售。
2)计算频道的单位流量销售额(GMV Mix / Click Mix)为频道销售效率指标。
3)频道的人均GV体现消费者在频道内是否逛得起来,能否被有效引导到较多商详页,选其作为关键指标之一;频道销售效率体现频道卖货的能力,能力越强,给到越多的流量就会有越多的产出,选其作为关键指标之二。
两者均以最高数据为满分,计算两项指标的得分,并以前者占比30%,后者占比70%,求和,作为频道综合得分。同时取这两个指标,可以适当平衡高单价低频(如家电3C)和低单价高频(如超市品类)两大品类的特性差异,算法相对中立。
根据上述思路,取数得到如下报表。报表中App首页栏目自上而下排布。标绿的数据表示优秀,黄色偏弱,红色部分不佳。
因为案例篇幅限制,仅取季度数据,实际使用中建议以周为单位观察,月为单位考核调整。
image.png
模拟案例首页关键指标
下面,我们对这个报表做一个解读:
1)首页焦点图
image.png
首焦指标数据
观察:人均GV略超全站均值,两季度接近,表现合格,导购能力适中。但销售效率指标偏低,约为全站的64%。观察点击和销售,根据经验该位置作为黄金位置,获取流量的15%为正常范围,当前11%左右,不算高,此外转化能力偏弱。
结论:表现总体较差,焦点图设计或卖点需要提升,活动页布局可能合理,但商品转化能力需加强。同时,案例数据为多帧总和,实践中须逐个分析,但无疑第一帧具有压倒性影响。首焦调整空间较大,可以赛马。
2)icon区
image.png
icon区指标数据
(示例数据仅反映全部icon总体情况,大家实践中应当深入分析每个icon的表现)
观察:数据上看人均GV略超全站,两季度持平,引导能力适中,但销售效率不佳。进一步观察点击和销售占比,发现流量进入较多,但转化能力很差。
结论:深入分析各个icon的转化能力,找到最差的几个深入分析不转化原因,重点提升运营能力。因为icon区大多数情况下固定分配给关键业务,须尽量保持稳定,提升效率是关键诉求。
3)大促栏位
image.png
icon区指标数据
观察:作为非常设栏位,数据体现的大促栏位流量抓取能力合理。Q2流量高于Q3,可能是因为二季度大促多于三季度,或促销主题更匹配主力客群。人均GV表现偏弱,说明主会场没逛起来。销售效率略低于全站均值。
结论:重点分析活动会场设计,找到用户逛不起来的原因。同时,作为大促栏目,促销效率应大幅超越全站均值,案例中仅为82%,可以分析是因促销力度不足,还是大促会场设计问题。
4)秒杀
image.png
秒杀指标数据
观察:各项指标均表现亮丽,销售为全站龙头,说明该栏目非常受用户欢迎,同时也体现了站内用户促销偏好明显。
结论:

  1. 考虑到秒杀限时大折扣的特征,流量和转化均占巨大优势,案例数据只能算表现正常。为了继续提升,可进一步观察同比数据,以及场次、时段、品类、落地页引导等方面对效果的影响。
  2. 优秀栏目本该继续放大流量,但案例中秒杀已经抓到首页近三成流量,应当考虑马太效应,可以通过交叉链接等方式适当释放流量给流量少转化效率高的栏目。

5)闪购
image.png
闪购指标数据
观察:作为品牌清仓特卖类栏目,该销售方式近年来不断走下坡路,可能和新一代消费者特性有关。从频道数据上看,作为相邻频道,流量相比秒杀有断崖式下跌,同时用户在频道内也没逛起来,销售效率较低。
结论:这个频道全面偏弱,无重点突破方向。可以考虑下调入口位置或进行合并到其它促销栏目,给后面优秀的导购频道让出流量。
6)全球优选
image.png
全球优选指标数据
观察:我们看到这是一个表现突出的频道。在三季度的人均GV上它接近了全站最高水平,说明消费者在频道内可以被有效引导到更多商品,同时转化效率在全站栏目中遥遥领先,这决定了它在偏重销售效率的打分模型上,综合得分为全站之冠。进一步观察点击和销售数据,我们发现它获取流量的能力还存在问题。
结论:优秀频道应该给到更多流量,可以考虑给到更突出的首页曝光位置,提升流量。同时分析入口设计,提升抓流量能力(技巧见后文)。
7)排行榜
image.png
排行榜指标数据
观察:该频道表现良好,在人均GV和销售效率上均小幅领先全站,但获取流量能力不足。
结论:

  1. 考虑排行榜维度是否匹配本站用户“逛”风格。
  2. 仔细分析入口设计,提升获取流量能力。

8)精选大牌
image.png
精选大牌指标数据
观察:这是个品牌维度的导购频道。相比上方紧邻的频道有大幅的流量提升,获取流量能力极强,说明消费者喜欢在品牌维度浏览。同时销售效率超越全站水平较多,仅次于全球优选和秒杀,销售占比上表现抢眼,说明频道设计优秀。此外,值得注意的是,它的综合得分相比二季度有大幅提升,主要是引导消费者看更多商品的能力大幅提升,这可以进入频道页分析原因。
结论:与促销型栏目相比,导购型栏目牺牲的毛利较少,指标突出的话,贡献要更大,应当放大流量,提升产出。可以考虑作为重点频道上移到更黄金位置,或增加更多频道间交叉引流。
9)直播
image.png
直播指标数据
观察:这个频道表现可以用惨不忍睹来形容。它很难把用户引导到商详页,同时引导到商详页的流量也很难转化。唯一可以接受的是,在它的位置上它获取了合理的流量,说明用户可以接受这个内容形式。在偏重引导和效率的打分模型上,它的得分垫底。
结论:值得思考的是,此类内容频道的核心作用是做黏性,应当取黏性指标来观察它是否能有效提升访问用户的频度,减少流失,引发分享,而不是考核销售。如果相应指标还是不行,这体现了本站商品特性未必匹配直播形态,可以考虑撤销频道。
10)种草
image.png
种草指标数据
观察:这个频道数据非常差。用户逛不起来,销售效率也非常差。唯一可以肯定的方面是,它在Q3的表现超过Q2不少,可以以周为单位观察趋势,判断是否因为内容质量或用户接受度持续提升的原因。
结论:考虑到内容导购栏目在近年来小红书等推动下比较流行,在美妆、母婴等品类上成为一种重要的导购方式,但在本站表现不佳。可以观察是否内容质量不行。如果问题没出在这里,那么可以考虑和直播栏目一样观察黏性和社交维度,决策这是否是本站用户认同的方式。当然,如果有持续提升趋势,可以观察该趋势是否延续。
11)品类专区
image.png
品类专区指标数据
观察:品类专区通常聚合多个类目,提供品类落地页。现在也有把它拿到顶部分配tab入口,提供品类子首页的趋势。从表现上看,它获取流量的能力相对于位置是合理的,用户也能逛得起来,但转化较差,这可能和品类页面布局和促销力度有关系。
结论:做为类目的阵地,品专是常设版块,但因为在顶部tab或底通已有固定入口,一般在首页给的位置都比较鸡肋。可以对比参照全站品类转化率数据,帮助类目运营优化品类落地页。
12)猜你喜欢
image.png
猜你喜欢指标数据
观察:这又是个表现突出的频道。我们可以看到相对于所处的页面底部位置,它抓取流量的能力可谓极强。销售效率中规中矩。它的频道页直铺首页和无限瀑布流的特性决定了它只适合作为铺底栏目。因为它根据用户偏好展示商品,并且频道入口大,抓住点击不是问题,只要能规避马太效应,防止消费者看到的品类越来越收窄,应该可以成为一个重要的频道。
结论:继续优化算法,增加“猜”的维度,把品牌、活动、内容等元素加入商品瀑布流,并适当缩减前面表现一般的栏目,为其增加流量。
总体来看,管理指标体系可以明确反馈每个频道表现如何,在哪里有薄弱环节,优化方向如何,在资源位上应该进行增加,还是减少、下调甚至取消入口,并进一步结合环比趋势考虑未来决策方向。

2. 流量货币化

首页流量资源具有极其宝贵的价值,也是公司的公共资源。如果开放申请,不可避免会出现激烈的争夺,很多管理难点就会出现,比如领导指示、业务压力、人际关系、吵架能力等等。虽然有首页指标体系的强力管控,这些因素依然不会消失,让首页资源管理者头痛不已。
这里简单介绍一个京东商城近年来为解决首页资源分配而尝试的做法,也许是缓解上述问题的良方- 流量货币化。在京东,部分首页核心资源,如京东app启动图、首页焦点图、战略通栏(类似于大促楼层,详见资源位盘点部分)、Push资源,被认为具备高度价值。因此流量货币化项目把每个首页核心资源都给出一个“定价”,供业务线“购买”,用虚拟金结算。
虚拟金根据上年度公司战略分配权重、业务线营收、毛利、订单、用户数等数据情况,按业务线进行预分配。各业务线在上年底拿到虚拟金后,可以在次年度用以购买首页资源位。一旦虚拟金用完,就无法再“购买”首页资源。虚拟金也可以用业务部门经费用现金购买充值。
首页资源通常都定价昂贵,虚拟金较为有限,再加上考核限制,大家购买的首页核心资源十分谨慎,使用上也极其精打细算,以充分用好高价“买”来的资源位,最大化其产出价值。于是,激烈争夺首页资源的问题得到缓解,并且资源使用效率有较大提升。