電子商務網站用戶行為及網絡營銷優化

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了電子商務網站用戶行為及網絡營銷優化范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：對用戶行為運用正確的分析可提高電子商務網站的轉化率和用戶黏性，給網站帶來巨大收益，同時也改善用戶體驗。本文在介紹用戶行為分析一般方法的基礎上，針對轉化率較低、用戶黏性較低、推送不精準等電子商務網站網絡營銷中出現的問題提出對應的優化措施，為網站制定運營策略提供理論支持和參考依據，并利用用戶行為分析的數據推薦更具有個性化的服務。

關鍵詞：用戶行為分析；網絡營銷；用戶

畫像電子商務網站的用戶行為貫穿網站運營的方方面面，關系著整個網站的產品更新，服務推薦和推送方式等日常業務，用戶行為數據的分析常用于指導網站運營、產品迭代更新、企業內部運作和各部門的協作。用戶行為數據主要從三個方面考量：1）用戶的訪問渠道，涉及渠道的流量監控、用戶轉化率等；2）用戶的瀏覽監控，包括用戶的訪問足跡、停留時間的長短、訪問路徑、跳失路徑、訪問深度等；3）用戶地留下與離開，涉及導致流失的原因、各頁面轉化率、頁面跳失率、各頁面交互和體驗、用戶活躍量、用戶黏性。國內學者栗輝等(2016)認為網站包含大量的、異構的、動態與靜態結合的信息資源,利用數據分析的技術對這些網站的數據進行組織歸納，可有效地管理資源、改良網站服務推薦滿足用戶需求[1]。用戶行為分析已成為電商網站的重要研究課題。

1用戶行為分析的一般方法

1.1漏斗模型

漏斗模型把用戶行為流程抽象為一個過程，具體分析訪問網站、注冊登錄、搜索瀏覽商品、加入購物車、完成付款、復購一系列環節中的流失和轉化，相鄰環節轉化率的量化分析有利于網站找到薄弱環節，將瀏覽者轉變為注冊用戶。

1.2用戶畫像

用戶畫像是網站根據業務需要統計整合多維度用戶信息，既可聚類目標用戶的群體特性，又可標簽化用戶信息勾勒出個體的用戶畫像，從而快速精準定位用戶需求，推斷消費者的基本情況、喜好偏向、購物需求等主要商業信息。

1.3點擊分析模型

點擊分析采取可視化的分析架構，直觀地反映網站頁面吸引訪客的區域、瀏覽者熱衷的板塊，幫助前端和后端的設計人員完善網頁的設計。

1.4行為事件分析

將用戶行為定義為各種事件，其要素的人物(who)、時間(when)、地點(where)、交互(how)、內容(what)聚合在一起構成用戶行為事件。點擊分析采取可視化的分析架構，直觀地反映網站頁面吸引訪客的區域、瀏覽者熱衷的板塊，幫助前端和后端的設計人員完善網頁的設計。1.5行為事件分析將用戶行為定義為各種事件，其要素的人物(who)、時間(when)、地點(where)、交互(how)、內容(what)聚合在一起構成用戶行為事件。Who：即參與事件的主體，未登陸用戶可以是Cookie、設備ID等匿名ID；登錄用戶可以是用后臺配置的實際用戶ID。When：即事件發生的實際時間，應該記錄精確到毫秒的事件發生時間。Where：即事件發生的地點，可以通過IP來解析用戶所在地理位置；How：即用戶從事這個事件的方式。用戶使用的設備、瀏覽器、APP版本、渠道來源等等。What：描述用戶所做的這個事件的所有具體內容。行為事件指一個用戶在某個時間點、某個地方以某種方式完成了某個具體內容。

2電子商務網站營銷中的問題

2.1轉化率較低

網站通過漏斗模型的分析可以分析用戶行為每一環節的轉化率和流失率，量化用戶行為每一環節的留存數，在流失較多的環節上展開更細致的多維度分析[2]。例如以某母嬰網站剛開始的訪問人數為基數，經歷了注冊登錄、搜索瀏覽、到加購和完成購買的過程中用戶不斷減少，最后復購的顧客中只有當初訪問人數的2%，顯示用戶轉化率非常低。從營銷渠道看，頭條信息流、微信朋友圈信息投放、微博信息投放、公眾號信息投放也存在著同樣的問題，雖然能吸引較大的點擊量，但是每一環節的轉化率都很低。網站自運營的宣傳渠道訪問量雖然很少，但成交率和復購率都遠高于付費渠道。

2.2網站用戶黏性較低

在記錄網站一天之內用戶的訪問次數基礎上可以分析出每日增長用戶數、日均活躍用戶數、新用戶留存率等用戶黏度基礎指標。例如某尋醫問藥的網站不僅訪問量和活躍的用戶比較少，使用時長也只有三分鐘，用戶黏性非常低。同時從跳出率高低、人均瀏覽次數、人均停留時間、用戶留存率、回訪率等指標以及某段時間新用戶沒有很大的波動上來看，該網站用戶黏性也不高。

2.3網站推送不精準

在用戶需求和市場發展中產品不斷更新換代，當產品規劃、用戶體驗感受、活動策劃等發生變化時，網站卻還是在有限的版面上推送產品，不僅對用戶造成了騷擾，還浪費了網站的推送成本。網站沒有對用戶的動態信息從時間先后上進行分析，容易導致購后重復推送的問題。例如用戶已經在某電器類網站購買了冰箱，網站還是在這個已經購買的時間點后出現了冰箱的推送，這樣的推送顯然是沒有意義的，因為冰箱是一個更新換代很漫長的產品，一旦用戶已經購買過，近期產生購買行為的可能性不大。

3網絡營銷的優化措施

高效地收集、存儲后利用這些用戶行為數據，從中挖掘用戶行為模式和用戶潛在需求，進而優化設計網絡營銷方案，對網站和用戶來說都有重要意義[3]。3.1優化購物流程，提升轉化率網站可以通過用戶的整體行為路徑分析不同環節行為之間的關系，發現規律突破瓶頸，確定影響轉化的主次因素，并根據每個環節的轉化率，加大對優勢環節的人力物力投入，減少劣勢環節的成本投入，確保有效利用網站資源。通過漏斗可以分析用戶行為路徑在每一環節的轉化和流失，對流失較多環節進行細化多維度分析，找出漏點提升轉化。（1）定義轉化漏斗：首先找到需要分析的業務流程，量化它的所有數據，整個選購和回購的過程抽象成一個漏斗，分別分為進入網站到注冊登錄、搜索瀏覽網頁商品、加入購物車、完成付款、復購等環節。（2）漏斗對比分析：查看用戶行為在漏斗每一環節的變化，對比分析事件、用戶屬性、時間粒度，找出漏點事件，解決漏點的問題。例如某網站的漏點事件主要集中在注冊步驟中，這段漏斗的轉化率明顯偏低，要么注冊流程煩瑣，要么注冊的界面設計有問題，網站需要著重關注。

3.2優化網頁結構，精準獲悉用戶需求

網頁熱力圖呈現用戶喜愛點擊的模塊或聚焦的內容，是數據價值最上層表現。超大字的點擊熱度大于圖片，圖片模塊屬于下層表現，網站如果過度關注圖片的作用，網頁排版會造成體驗不佳。根據用戶行為分析的結果，安排具有價值的上層表現在排版上凸顯位置，例如把它放在用戶能一眼看到的地方，醒目且方便點擊。在具體操作中可以利用點擊模型分析法把網頁規劃成不同的模塊，形成一個平面圖。網站單頁面的點擊分析支持篩選事件屬性、用戶屬性的任意維度，頁面組的點擊支持站內點擊跳轉分析，自動延續上前一頁面的篩選條件，“點擊分析”與其他分析方法配合，精準評估用戶與網站交互背后的關聯關系，有利于網站運營人員獲悉到用戶的需求。

3.3升級個性化體驗，提高用戶黏性

感知價值是用戶的一種主觀感受，在體驗或者已經購買過的行為中所獲取的感受，主要是利得還是利失，如果用戶感覺到利得是對該品牌最好的體驗結果，可以繼續對該品牌產生好感而繼續購買。蘿卜青菜各有所愛，用戶也是一樣，不是每一個人的審美和選擇都是一樣的，讓用戶持久地留下來，要根據每個用戶的點擊分析，了解每個用戶所感興趣的因素。在每一次瀏覽的時候所能看到的都是自己喜歡的內容，帶來良好的體驗，在網頁的排版是，在顯眼的位置放上每個用戶所喜歡的內容，不僅吸引顧客繼續留存網站，還能給客戶帶來良性體驗。用戶的轉化成本，包括心理成本、時間成本和學習成本。如果產品性能或服務的可替代性高，則客戶重復購買的概率就小。大幅度拉升用戶轉化成本可以有利于用戶黏性的提高。依賴感也是黏性中較為重要的因素，用戶對品牌產生了依賴感，品牌就是不可替代的，是購物的不二選擇，這類因素帶來的用戶黏性較高。當用戶需要耗費更多的精力了解和轉戰其他網站，網站的轉化成本就會增加，而網站的一些功能在其他網站上都應有盡有，這樣用戶的選擇就非常多，而且轉化成本也比較低，所以網站需要自主開發一些新穎的功能或模塊，讓用戶認準了這個網站，對網站產生依賴心理，成為用戶的首選網站。

4構建詳細的用戶畫像，最優時間推送

劉飛(2015)闡述了現在廣告推送的現狀：推送無關的廣告，用戶產生厭倦并且逐漸對廣告產生了“免疫”,導致近年來CTR(點擊通過率)大幅下降[4]。推送給用戶最有針對性和最有幫助的內容是至關重要的。預測用戶消費心理，按用戶心理預期推送，吸引用戶消費，網站需要準確掌握用戶的靜態數據和動態數據，掌握用戶的消費屬性，例如經濟情況、消費偏好、性別等，特別是與推薦商品相關聯的標簽，找到每一種商品的“專屬顧客”，讓商品“適合”用戶，這樣的一對一準確推送，不讓用戶覺得厭煩，反而覺得推送的有用處。第一步，建立用戶信息畫像。首先獲取用戶的基本信息，即靜態數據，建立信息畫像的原型。例如分析一對新婚夫婦的靜態數據，包括地域、收入、職業、收入、資產、消費水平等。獲取動態數據，包括用戶的瀏覽習慣、訪問時長、使用頻次、消費記錄、喜歡偏好、行為軌跡等。第二步，繪制行為畫像，使用戶需求越來越明朗。例如在分析用戶的行為時，觀察發現用戶幾天前通過移動端下單購買過一臺冰箱，訪問時段主要集中在睡前幾小時，瀏覽內容主要是一些家電，在購買以后，并沒有再瀏覽冰箱相關產品。然后利用搜集到的數據勾勒出用戶畫像，找到數據中的極值。例如這個用戶的集中訪問時間為晚飯后到睡前，喜好偏向為家庭用品，收入較高，消費水平高等。根據用戶畫像的分析，可發現重復推送的問題，沒有根據用戶的實際需求正確推薦商品。第三步，在最優時間推送獲取用戶的購買記錄，在更新率低的商品上，一旦顧客出現了購買行為就要停止向顧客推送。但是如衣帽鞋類這種同類比的商品可以相同類型的多推送激起用戶的購買欲望，一些消耗品的推送時，要根據上次購買的時間推算出下一次購買的大概時間。這樣的推送不僅不會對顧客產生騷擾，而且也能在時間線上達到最優的推送時間，提高變現率。

5結語

在互聯網和大數據的高速發展的時代，網站需要分析運營中用戶行為軌跡的表現，利用用戶自己帶給網站的信息探究用戶心理，進一步挖掘出用戶對電子商務網站的真正訴求，發揮出線上運營最大的優勢，并通過正確的方式去引導，實現網站的盈利。

參考文獻：

[1]栗輝,唐萌,陳豪.基于用戶行為分析的網站結構優化研究綜述[J].計算機科學,2016,43(S1):384-386,394.

[2]王召義,薛晨杰.基于K-MEANS聚類的電商網站用戶行為分析[J].溫州大學學報(自然科學版),2017,38(3):49-54.

[3]張松.互聯網電商網站的流量和用戶行為分析[D].北京:北京郵電大學,2016.

[4]劉飛.網購網站用戶行為分析與實現[D].西安:電子科技大學,2015.

作者：謝軍 吳靜 高海霞 單位：宿州學院