欢迎光临建站营销网站,一站式轻松搭建网站

快速平台建站公司

自助建站搭建平台系统,企业快速建站平台

OTA特色的会员营销

作者:jcmp      发布时间:2021-05-05      浏览量:0
去年写过一篇ota会员数据营销的blog

去年写过一篇ota会员数据营销的blog,本文就这个话题做一个拓展。

前文的分析,是基于订单表和会员表的留存群组分析(cohort),基本论点是:

由于旅行电商的特点(用户的旅行需求/旅行产品的属性/历史数据参考效果均相比传统电商“不稳定”--需要控制的协变量多,影响大,黑天鹅多),使得一般的协同打分形式的会员营销手段作用较弱。

数据分析发展到2016年,已经远远不止静态业务数据参与决策,更多数据的引入,意味着不仅仅是售后的cohort,我们也可以在售前售中增加很多指标和相应的action。

一、搜索数据精细化

旅行产品预订有漫长的过程,有种说法是平均经过13个网站才能决策,攻略/天气/各官网/比价/ota等等,如果把视角切入到单个网站,客人也是普遍地频繁使用搜索、筛选、排序、搜索、筛选、排序,这个循环中最关键的无疑是搜索。

在反复搜索的过程中,客人显露了一些需求,OTA搜索的特色在于"多带了一个时间属性",即:搜索时间(所有电商都有)和旅行产品的使用时间(OTA特色),这个差异引出了如下OTA挽回搜索阶段流失的切入点。

1、搜索词/搜索结果展现

搜索词也就是用户输入的内容,各种排列组合,错误拼写 ,非标准景点名字。

搜索结果展现是根据输入返回的内容,不同在于,前者是千奇百怪的,后者精确匹配到了后台数据。

二者都用于seo和ppc的手工操作和自动功能的参数导入,结合了旅行产品使用时间以后,这些数据之间的关联性显著增强,指向同一个时间段的“未匹配搜索词”更能预先提示黑天鹅事件。

具体而言,从搜索词到结果展现有一个转化率,从结果展现到点击是下一个转化率,这两个数字从短期来说,可以看到是否错失了某个节日或事件--并且及时补上短期的关键字和酒店、景点关联;长期来看,由于搜索基础词库的提升,依赖漫长的技术和内容积累/或较大投入购买第三方外包资源,这部分针对搜索流失的数据分析,有助于选择roi高的部分优先改善。

2、点击搜索结果数,和点击结果的位置值

这两个数据都是评估搜索匹配程度的,差别在于,如果没有点击说明完全匹错了,而如果已经优化到都有点击,那么点击位置是下一步(例如搜索上海 迪士尼以后,选了第10个酒店,则点击位置为10,所有点击取平均数)。

假设搜不到的情况较多,如前文所述短期长期内都可以调整匹配;假设搜到的结果位置数字极大(比如要翻10页),意味着在某种特殊情况下,搜索、筛选、排序的循环操作存在问题,需要针对数据异常的搜索词做review。

这个原理是如此简单,前些年没有太多案例的原因也很简单,因为hadoop生态圈流行起来之前,保存和处理大量的搜索展现数据是很不经济的。

二、产品数据精细化

去年的博文提过,由于旅行需求间隔很长,基于历史往往得到很不靠谱的结果,这里引入查询日志里的实时需求数据。

1、根据价位和提前时间

ota的最粗的用户分类是商务和休闲,二者在价格敏感、偏好方面都有巨大差异,哪怕同一个人,出差和休假预订行为和决策模式也完全不同。

通常来说,休闲会提前很多查询,退改签较低,选择的产品相对便宜;商务恰好相反,提前短,退改低,重视位置胜于价格。

因此 根据价格段和提前时间段(使用时间-查询时间,OTA特色)来查看搜索量、下单量、转化率的时间趋势线 ,就变成一种相当简单的,宏观上划分客群,找到自身强项和软肋的方式。

这对于定位较为垂直、资源相对贫乏,必须寻找目标、集中火力解决问题的小团队来说,尤为关键。用大白话说就是,补不上的地方也不用补了,只要有一个分类维度占据搜索和转化的优势,可以考虑all in,单点突破。

2、其他搜索模式

价位、提前时间只是搜索模式的很小一部份(不过是价值较高的部分),其他一切可记录到的信息都是搜索模式的一部分,例如停留时长,跳转页面数等等。

这些行为模式虽然有区分力,但是离业务目标比较远,与其说用于会员分层营销,不如说更多用于防欺诈,因为目的不纯洁的人,他的行为不自觉会和正常客人不同(当然了像专业刷单那样连详情页停留15秒,再和客服聊几句都在操作流程里的,也只能说天朝万岁了)。

因此在做数据分析的时候,一定要尽可能剔除欺诈数据,这也是为什么大量的数据分析博客不厌其烦教大家如何识别造假数据的苦衷所在。

三、其他系统数据的引入

订单数据、会员数据、实时查询数据,这些都用上之后,是否就足够了?

对于ota来说,远远不够。

由于旅行电商本质上是卖服务,实际上“服务”本身就是产品的一部分,可以看作是和酒店早餐同等重要的售卖内容。

电商的传统会员营销一般来说,做好积分和等级就差不多了,而ota还面临更复杂的问题,即如何将服务也作为产品成本收益的部分进行量化管理。

服务的数据体系,几乎和数字营销一样复杂,开销甚至更为巨大,但是却没有数字营销那样家喻户晓--同时也没有那么多作弊方法,这块在麦考林和携程的经历里都给我留下这样一个印象,表面上是完全靠经验和直觉,但结果数字里却隐隐透出理性的味道。

订单数据、会员数据、服务相关数据一起,是ota的“黏性”的根本,再完备的假设,缺了这样一个影响极大的因子,也都是南辕北辙,这是我这段时间来,关于为什么一般的电商会员营销手段,往往不适用于ota的思考切入点之一。

这块还需积累更多,留待下次再续,谢谢阅读。