女装品类宝贝关联销售数据深度解析

很多时候,卖家做关联销售都是做做样子,心思并没有完全放在这里,都去研究直通车、钻展等工具。对于关联销售,他们仅存的记忆或许就是形式上的那点事情,比如“满就送”、“多加一件包邮”等形式,事实上,这种做法是对有限的页面推广资源的最大浪费――难道随便绑个什么宝贝上去都能一起卖掉吗?他们忽略了关联销售最重要的一个环节,就是卖啥东西,如何定价,才是消费者心理最想要的。本文将带你一起解读女装品类宝贝的关联销售数据。

一、 什么是关联销售

1.1 关联销售的定义

所谓关联销售,就是在原有的基础上尽可能的扩大销售范围和品种,让原先买一样宝贝就走的卖家同时购买其他宝贝,以提升客单价的营销手段。这种方法在日常的商业运营中可以说是屡见不鲜。针对关联销售的数据分析其目的非常明确:当一个消费者购买其中一个产品的情况下,有多大的可能性会同时购买另外一个/多个产品。

1.2 关联销售的营销价值

淘宝卖家的竞争现在日渐激烈,而竞争的层面也在不断深化,已经从最基本的增加PV,提升PR,制造爆款,开始扩展到提升客单价,重购率,培养核心客户群等方面。而做好关联销售就是其中非常重要的一个环节,具体而言,他可以帮助店铺实现以下营销目的:

提升页面浏览率:由于同一页面中会涉及到多个商品,当这些商品的关联性较强时,就会有效提升该页面以及其关联商品页面的PV。

给用户更多的选择:一个消费者不管通过什么流量渠道进入店铺商品页都会有一定原因,而提供其真正具有购买需求的关联商品信息五无疑会增加客户浏览的时间,给客户提供更多的选择,从而大大增加留住客户的比率,而这也就意味着更高的转化率和客单价!

提升利润商品的展现机会:现在淘宝卖家对做爆款是又爱又恨,爱的是他能带来流量,恨的是他带走了利润,其实,只要做好关联销售,将爆款商品和利润商品有效组合起来,就能获得流量和利润的双丰收!

1.3 如何阅读关联销售数据

关联销售的数据结果主要反映不同商品之间的共同购买概率,以一个假设的分析结果为例:买单记录显示,购买了A商品的买单共有200个,其中有80个会同时购买B商品。则上述商品组合在结果中会以下列术语进行表述:

关联商品:即在该购物组合中,买家在购买B商品之前所购买的商品,这里为A商品。而该商品的购买次数为200次。如果有多个关联商品,则分别称为关联商品1、2等,注意这些商品不存在购买次序的差别。

结果商品:本例中商品B被称为结果商品,即预测其购买概率的商品。

结果商品购买概率:在200个包括A商品的买单中,有80个同时购买了B商品,因此结果商品的购买概率为80/200=40%。

二、 女装品类的宝贝关联销售状况

2.1 数据概况

这里分析的数据为淘宝网3月1日~4月15日女装品类中的全部交易数据,包括1650万条商品销售记录,涉及415万种商品。按照整个关联销售组合出现次数不低于30次,并且组合中结果商品的被购买概率不低于30%的标准,我们最终筛选出了25860个商品组合。完整的数据表请参见具体数据报告,本文将向大家介绍报告中发现的一些关联销售规律。

商品组合中包括2种商品的有6192条,其余19688条包括了三种商品,但是所有组合涉及到的全部商品数只有3198种。这种状况说明实际上2商品或者3商品记录都是反复由某些极受欢迎的商品在进行排列组合,因此3商品组合出的数量会明显多于2商品。

数据显示包含3种商品的购物组合其总价平均值为155.67元,而2商品组合的总价平均值为145.32元。显然,3商品组合的价格并未比2商品组合高50%,而是大约只高7%。这意味着组合中新增的第三种商品往往单价偏低,很可能是低值附属品。另一方面,我们没有发现关联商品的均价和结果商品的均价之间有明显的差异,这意味着可能并不存在某些商品更适合于作为关联商品,而另一些商品更适合于作为结果商品来构建组合的情形。

2.2 关联销售记录举例

这里列举几个具体的关联销售记录,来看看同行们做得怎么样。本次分析中销售次数最多的关联记录为AngelCitiz品牌夺得,其关联商品为82.81元的“新鲜蓝绿 可爱明星味小鹿拼色刺绣T恤ZF8037”,该商品一共卖出了3,168单,而对应的结果商品为174.3元的“卫衣外套+多袋短裙套装K7093”,数据显示购买了关联商品T恤的买家中竟然有高达38.07%的同时购买了该结果商品,也就是有3168×38.07%=1206个买单是同时包括了上述两种商品的!这种关联销售记录是不是很酷呢?

看过了买的最多的纪录,下面再来看看总价最高的关联记录,数据显示一共有4条记录的商品总价超过1000元,2种和3种商品的各2条。以2种商品的为例,他们实际上是相同的2商品组合,只是顺序不同。组合中的这两种商品均为ELEGANT.PROSPER品牌,总价达到了1012.19元,分别为605元的“印花桑蚕丝吊带真丝连衣裙E10PJ4087a”和406元的“OL真丝西装白色外套E10PJ1021b”,数据显示这个组合同时被卖出了33次,但是它们分别作为关联商品时其关联概率则相差很大,数据显示在连衣裙的买家中,只有37%购买了外套,而外套的买家中则有67%购买了连衣裙!

三、关联销售宝贝的类目分布规律

3.1 基本类目的分布状况

表格中给出了所有成交商品的二级类目分布,以及分别按照组合内商品数量和商品出现频次计算的二级类目频率和比例,这里我们将组合内出现的商品种类数小于20的类目一律合并为“其他”,可见T恤、裤子和连衣裙三个类目在商品组合出现频次较高,比例均超过10%。但同时数据非常明确的显示,T恤类无论是在种类还是在出现次数上都遥遥领先于其他二级类目,这也是唯一一个频次百分比明显高于种类数百分比的类别。该数据说明T恤类目中有许多商品会在大量的商品组合中出现,显然,考虑到T恤的价格范围(该类目在组合中的商品均价仅为30元),此类商品作为组合中的爆款商品的可能性非常之大。

下面来看一下8个被合并为其他的类目,合计占已售商品种类数量的6.4%,却在组合商品种类中只占1.4%的比例,我们发现这些类目大致分三种情况:

单价较高的商品:如皮草、皮衣、婚纱/旗袍/礼服、毛呢外套,显然此商品的购买者其需求可能是比较明确而且单一的,关联购物的情况并不普遍。

特殊商品:唐装/民族服装/舞台服装、中老年服装,此类商品价格一般也偏高,而且市场特殊,关联购物的潜在需求可能也属于比较特殊的类型。

过季商品:包括棉衣/棉服、羽绒服,但是此类商品如果降价促销的话,应当存在打包关联购买的可能性。

3.2 宝贝的交叉类目分布状况

为便于分析,这里我们以包括2种商品的购物组合来进行类目交叉分析,结果显示不同二级类目的关联趋势完全不同,这里仅举数例如下:

先购T恤的大约会有3/4是关联购买T恤,同时关联其他类目的比例均较低;

先购类目为半身裙的关联购买商品有20%是衬衫,但这个规律倒过来则不存在,先购类目为衬衫的关联购买商品中只有8%是半身裙!

先购类目为衬衫时,关联购买裤子和连衣裙的比例较高;

先购类目为短外套时,有19%的关联商品为连衣裙;

先购类目为裤子时,有15%的关联商品为T恤,18%为衬衫;

更多的类目关联信息请大家参阅数据表,在这些关联购买信息中,我们发现很多是符合常识的关联记录,例如作为上装的衬衫、T恤、蕾丝衫和作为下装的裤子、半身裙之间的搭配购买,以及西装和衬衫的搭配购买都是如此。但是我们也发现出现了一些为日常经验所遗漏的关联记录,例如西装和连衣裙、针织衫和连衣裙的关联购买都是典型的例子,而帮助我们发现这些新的关联信息,就是关联分析的魅力所在。

需要注意的是,上述的关联规律往往具有单向性,也就是说如果在营销中将此结果加以应用的话,需要注意不能将关联商品和结果商品颠倒,否则结果可能完全不同。例如数据显示如果将裤子类目作为关联商品,则发生的关联购买中相应的结果商品是T恤类目的比例是19.6%,这显然很有营销操作的价值。但是如果在实际操作中将其错误设定为把T恤作为营销中的先导商品,对此类客户去推广裤子类目的话,那么对不起,在表格中可以看到,相应的结果商品属于裤子类目的比例只有3.2%!

四、关联销售宝贝的价格分布规律

关联销售在具体营销操作中,往往会使用一种商品作为引入商品,另一种商品作为利润商品,营销人员往往会认为引入商品应当是低价的一种,那么是否女装类目中存在此类规律呢?如果将上表中关联比例大于10%的关联商品和结果商品的类目均价互相比较,就会发现既有用半身裙、小背心、雪纺衫之类的相对低价商品,关联至衬衫、裤子、连衣裙等相对高价商品的记录,也有用衬衫、短外套、连衣裙、西装等相对高单价商品,关联至裤子、连衣裙、T恤等相对低单价商品的记录,而且两种情况的数量基本一致。该分析结果告诉我们,至少在女装类目中,关联销售更多是基于买家的内在需求以及商品的性质、特征等而出现,并没有什么特定的低价导入、高价关联之类的规律存在。

五、对卖家的关联营销建议

总体而言,分析结果显示虽然淘宝女装品类早已陷入了典型的红海竞争,但本类目中商品的关联销售并未成为卖家在认真操作的一个重要营销行为,绝大多数卖家只是被动的随意进行商品关联销售的搭配组合,自然在销量上也很难获得丰厚的回报。从市场总量看,我们筛选出来的关联销售记录其总销售额为5.1亿,而同期的女装类目总销售额大致为25亿,而且其中只包括一种商品的买单销售额只占其中的大约40%,显然关联销售应当还有很大的提升空间。

作为一种协助卖家在红海竞争中把握商机,提升竞争优势的有力工具,卖家应当充分发掘关联销售数据的营销价值。我们发现类目选择在女装品类的关联销售操作中非常重要,结果显示T恤更多的是形成同类目的关联销售,因此如果考虑将T恤作为先导的关联商品,最好的做法是进行类目内其他T恤的搭配组合,这样效果最佳。此外,数据显示衬衫、连衣裙这两个品类和很多其他类目都存在较多的关联购物记录,考虑到季节因素和价格,我们认为可以将这两个类目的商品作为利润商品,而将其他类目作为爆款商品来进行组合,以达到最佳的营销效果。

此外,卖家还应当灵活应用关联销售的数据结果,我们认为卖家至少可以利用这些信息设计以下几种营销操作模式:

爆款营销策划:爆款作为单品,往往以高性价比产品为“诱饵”,此时更多的是带来客户流量,而不一定带来高利润。只有将其和利润商品相结合,才能将爆款营销的价值最大化,做到流量和利润的双丰收。

商品组合包:对于组合内的商品,卖家可以通过在商品介绍文字中加入组合内其他商品的链接、促销包、VIP卡、优惠券等多种市场手段,刺激买家的购买行为从单一购买向组合购买转化,以更有效的锁定市场利润,降低流失风险。

向老客户推荐关联商品:卖家可以在近期销售记录中直接筛选出那些购买了商品组合中某些商品的买家,然后有针对性的对其进行组合内其他商品的推广,以达到及时获取重复购买,并阻断其寻找新卖家并进行比价的动机,最大限度的减少客户流失风险。

无论怎样操作,都应紧跟市场节奏,将数据信息的价值充分发挥,这样才能够为自己的店铺带来最大的回报,在竞争激烈的女装市场中立于不败之地。

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2014-08-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

【机器学习】Azure机器学习利用无处不在的数据成就生意和生活

利用数据,企业可以预测出潜在的趋势,比如员工离职和办公室能源需求。利用数据,健身房能找到与客户续约的最佳时间点。利用数据,鞋商可以决定哪种产品需...

34311
来自专栏腾讯高校合作

腾讯大数据宣布推出第三代高性能计算平台Angel并于2017年全面开源

12月18日,深圳 - 腾讯大数据宣布推出面向机器学习的第三代高性能计算平台——Angel,并预计于2017年一季度开放其源代码,鼓励业界工程师、学者和技术人员...

29110
来自专栏PPV课数据科学社区

数据科学家:共享经济的幕后功臣

在Google、Amazon、Facebook、Uber、Airbnb等公司成功的背后,有这样一批人:他们可以将大量的数据变为有价值的金矿,例如,搜索结果、定向...

2573
来自专栏华章科技

互联网大数据背后的秘密 分析创造商业价值

今天很多是创业公司或者BAT公司,大家把时间花在下面,美国做了一个研究,大部分数据分析师和科学家花很多的时间,只有10%时间创造很多的价值。那么势必我们会产生更...

821
来自专栏灯塔大数据

有多少创业公司是依据虚荣数据分析?

导读:有多少创业公司是依据虚荣数据分析,沾沾自喜而察觉不到真正的危险! ? 引 言 数据分析离不开对企业关键指标的跟踪。这些指标与你的商业模式(即营收来源、支...

2694
来自专栏机器学习算法与Python学习

普通程序员如何转向AI方向?

关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 ? 编辑|厂白小 AI——当下最热的...

3275
来自专栏新智元

腾讯大数据推出第三代高性能计算平台 Angel,2017年全面开源

【新智元导读】12月18日腾讯大数据宣布推出面向机器学习的第三代高性能计算平台——Angel,并预计于2017年一季度开放其源代码。腾讯首席执行官马化腾在朋友圈...

3727
来自专栏腾讯开源的专栏

腾讯荣登LF深度学习基金会创始会员 将向基金会贡献AI开源项目Angel

3月26日,Linux基金会在洛杉矶开放网络峰会上宣布LF深度学习基金会(LF Deep Learning)成立。该基金会将专注于支持和维护在人工智能领域的开源...

3458
来自专栏Miguel三先生

简单投资

2157
来自专栏企鹅号快讯

“我们不一样!”苹果首个自动驾驶专利到底有什么来头?

文 | 大壮旅 来自新智驾(AI-Drive)的报道 在自动驾驶上颇为神秘的苹果最近发力迹象明显。 近日美国专利商标局公布了苹果首个自动驾驶汽车导航专利,硅谷巨...

1899

扫码关注云+社区