| |
 |
互联网的数据分析将人为的感性判断转化为定量分析，在提升客户体验上发挥着重要的作用。
Lotte.com是一家韩国的网上购物商城，有1300万名客户，网站的日访问量接近100万人次。管理者发现，网站每次做活动促销的预期结果远远低于用户的响应，产生销售的商品比例不高，这一点让工作人员很困惑。
在意识到数据分析的重要性之后，Lotte.com建立了客户行为分析数据库，用来测评每位访问者、访问的网页、访问者在网站上的浏览方式以及采取的行动。此外，数据库还捕获用户人口信息、购物车大小和转化率、订单数量及意向数量。与单纯分析访问者数量不同的是，网站所采用的数据分析系统可通过对比每类促销活动的实际访问者 (电子邮件、广告、关键词等) 分析转化率 (购物车、立即采购、意向清单、采购完成)，因此可以详细分析渠道效率。同时，可以确认每类促销活动访问者搜索使用最多的关键词、位置和采购的商品。页面覆盖功能可以测量页面中每一项的点击率和访问者数量，测量页面中每个位置的价值，找出热点和非热点区域。利用这种功能，网站可以立即更换流量低的货品，优化页面，并且开展有针对性的网站推广营销。更进一步，网站将数据分析的重点从下订单的过程延伸至购物车，以期找到阻碍客户购物的环节，
提高转化率。通过分析访问者购物前的运动模式以及退出点，预测客户的购物模式，洞察每位客户的行为、需求和兴趣，以此来更加有效地促进客户采购，提高客户满意度。
在实践中，Lotte仅通过用数据识别分析放弃购物车的原因，第一年网站的销售额便增加了1000万美元。
这正是数据分析所发挥的作用，它将人为的感性判断转化为定量分析，在提升客户体验上发挥着重要的作用。在互联网行业，数据对客户行为的分析很有意义。比如将行为相似的客户聚成相同的类。有些网民是职业女性，其网络浏览行为模式，如时间段、关注的网页内容、访问的频道与家庭主妇不太一样。
另外，公司面临的市场竞争愈益剧烈，会不断地有客户流失的问题。而客户流失的特征和模式要做数据分析之后才能知道一定的规律和特征。例如，一家航空公司在对客户订购流程的数据分析中，人们发现有较多客户总是会在某个步骤中停顿不前，最后放弃， 结果发现网页和提示内容不合理，误将客户输入“信息无效”提示为“舱位已无”，导致了一些生意机会流失。
对于互联网企业，通过分析客户在线行为数据模式，可以发现很多改进机会，一方面改善了客户体验，同时也为企业带来了实实在在的利润。
通常企业在做数据分析时，最重要的是网站推广业务问题导向、数据驱动、技术支持的指导原则。 数据分析应用技术上可以分成八个层级，每个层级的业务需求各个不同。
第一层级：固定的报表。比如定期反映用户访问量，报告产品销售量等。
第二层级：即席查询，支持灵活的查询分析，满足报表之外的信息需求。例如，查看购买了某些问题产品的客户有哪些，以实现主动客户服务。
第三层级：多维分析(OLAP)， 从多个角度分析查询问题答案。比如从地理区域、产品线、时间、用户群等角度寻找销售量下降的原因在哪里。
第四层级：预警功能。比如某季度销售收入未达标时可以把数字标成高亮，或发送提醒消息进行重点关注。
第五层级：统计分析。比如通过回归分析，在价格、产品、服务、物流效率等诸因素中找出影响客户满意度的关键因素。
第六层级：预测分析(Forecasting)。比如预测未来一个月网站访问量是否会增加，应该如何增加网站的空间和性能部署，才能满足业务需求，保证用户的服务体验。
第七层级：数据挖掘建模分析，基于网络浏览行为，细分客户群，寻找每个客户群的行为特征以及潜在需求，推送个性化的信息和服务。
第八层级：优化分析。以网上零售业务的整个流程讲，比如根据线上的历史业务需求量，线下应该如何安排库存，才能避免库存资源的浪费，同时又能满足需求及时供应。
在产品投递环节，该如何安排配送的最佳路径，才能以最快的速度、较少的投递成本完成投递。再如渠道方面，呼叫中心的网站推广客服资源该如何配置才能既减少用户在线等待，又不浪费。
|
|
|
|