蝦皮賣家競品分析_Max行銷誌

【數據分析】蝦皮賣家競品分析

前言 最近老姐在經營蝦皮賣家,為了找到在蝦皮上最佳銷售策略,所以寫了這篇蝦皮賣家競品分析。 本篇程式碼保留於 GitHub,有興趣歡迎取用 此次的目標很簡單,掌握競品情報來提高自己銷售業績: 數千個商品,上架優先順序策略 商品訂價策略 掌握競品營運狀況 首先我們挑選出蝦皮上同產業的競品商家,寫爬蟲程式取得相關公開數據,計算出競品總營業額 (銷售數量 x 銷售單價)。 ㄧ. 上架商品優先順序策略 在儀表板中,點擊圓圈圈可以看到商品的資訊(如下圖) ▍引流款 (低價,高需求) 引流款的意義在於衝評價或是利用免運門檻來提高客單價進行收單。 ▍地雷款 (低價,低需求) 地雷款基本上此區商品不是主要營收來源,上架商品順序的話,會建議盡量先避開此區商品。 ▍價值款 (高價,低需求) 價值款產品還需搭配銷 […]

閱讀全文
電商雙11社群數據分析

[數據分析] 使用 QSearch 揭秘雙11社群操作

一直以來就蠻想針對 Facebook 的粉絲專頁進行監測和分析,剛好有機會使用 QSearch Trend 的社群監測與議題分析工具,減少了不少在數據資料收集和清理的困擾,可以專心放在數據分析上,有興趣的朋友也可申請試用看看。 本篇的 雙11 數據資料設定如下: 資料時間:10/1 – 11/14 篩選條件:於走期時間內 Facebook 粉絲專頁發文中,提及 ”雙11” 或 ”雙十一” 則計算發文一篇 此次參賽者:共 825 粉絲專頁 一. 從雙十一的發(ㄐㄧㄚ)文(ㄅㄢ)量觀察 ▍思考一:雙11 小編平均都發了幾篇? 粉絲團 20萬 粉絲讚以上 (TOP 25 %) : 平均 13.34 篇 粉絲團 3萬6~20萬 粉絲讚 (2 […]

閱讀全文
預測Google商家銷售

[數據分析] 如何利用Google商家進行分析和優化

利用Python取得台北市89間Google商家桌遊店資料,期望從中找出如何降低顧客流失率?店家如何決定價格?店家如何決定營業時間?以桌遊店的Google商家為分析範例提供大家參考。   一. 店家如何決定價格 1. 熱門時段、等待時間與造訪停留時間 將爬取到的89間台北市桌遊店熱門時段、等待時間與造訪停留時間轉換成heatmap熱圖,可明顯看出週一到週五晚上10點過後幾乎已經沒有客戶停留,而週末則從中午開始有客戶停留。   2. 利用造訪停留時間預測營業收入 假設此間桌遊店店內8張桌,可容納40-45人,平日一個時段150,假日一個時段180元,僅單純計算入場顧客費用。利用客戶停留時間預測出一週可帶來收益$32,112元。當然這不包含銷售遊戲收入,因為手邊沒有這資料所以 […]

閱讀全文
到達頁優化_Max行銷誌

[數據分析] 如何優化Landing Page到達頁?

網站內的頁面很多該如何判斷各篇到達頁的狀況好壞呢?又該如何優化到達頁面?本篇利用 Google Analytics 設定量化的綜合指標來評分到達頁,再用詞頻分析、重要字分析、情緒分析來優化 SEO 關鍵字和頁面,最後使用餘弦相似性來判斷優化進步空間,並設定 SEO 追蹤排名程式來追蹤成效。 如何量化達頁面的好壞? 1.設定量化指標 此次參考 Bing 在 How To Build Quality Content 內文中提到觀察使用者在點擊網頁後,回到搜尋引擎的時間,進行推測該頁面是否對使用者有幫助。雖然很多謠言說 dwell-time 並會列入搜尋引擎的排名依據,但如果頁面沒辦法吸引使用者停留、讓用戶讀完整篇文章、或是跳出率極高的話,這一定是一篇需要加強優化的文章。因此從 Google An […]

閱讀全文
RFM模型_Max行銷誌

[數據分析] Python快速計算RFM模型

過去投放廣告較專注在類似受眾、廣泛受眾和針對瀏覽行為進行再行銷,比較少針對消費過受眾進行投放;此次利用 Python 寫出了 RFM 模型的程式碼,可以快速計算出 RFM 用戶表現,此篇提供程式碼供大家參考。 一. RFM模型介紹 在眾多 CRM 客戶資料分析中,RFM 模型是被最常被廣泛提到的,其中的三大要素為 R(Recency)、F(Frequency)、M(Monetary): 最近一次消費 (Recency) 消費頻率 (Frequency) 消費金額 (Monetary) RFM 模型能將顧客資料分類後,可以針對不同類型顧客提供給予不同優惠,不同產品組合或是進行類似受眾廣告投遞;進而節省行銷預算上不必要的浪費。 延伸閱讀: 常貴客?新客? 讓RFM模型簡簡單單解釋一切! RFM模 […]

閱讀全文