用数字来看某知名B2C网站的发展内幕和隐私
数字是个很有趣的东西,很有说服力,而且也可以更加深入地掌握不同变量之间的逻辑关系。举个例子,我们喜欢说留住老用户,发展新用户,那么老用户和新用户的定义应该是什么呢?直观上说,老用户就是曾经在我这里买过东西的呗,其实这样的定义太简单了,假如今天是20##年4月24号,我们看看如下哪个顾客属于老用户?
1,20##年注册,20##年~20##年曾经购买过27次,但是20##年之后就再也没有来过了;
2,20##年注册,直到20##年才买过一次东西,但是从此人间蒸发了;
3,20##年4月22号注册,4月23号(昨天)买过东西,不知道他以后还来不来;
4,20##年1月注册,20##年1月~20##年4月间,平均每3个月就来买一次。
其实上面的都可以俗称为老用户,但是他的注册时间,购买次数,购买金额,购买频率,最后一次购买时间等数值,对我们都有重要的参考和分析意义,只有细致分析,才能精准营销。
我们来用数字分析一家比较知名的B2C网站的发展历程,名字就不直接说了,我们就用A公司来代替。只是从这些分析中,我觉得可以看出很多隐形的(hidden)有趣现象来。这不属于泄露公司业务,名字和产品都没有写。事实上,我还掌握了好几家的内部数据。我只是想,能够拿出来和大家一起商酌,无伤大雅,可以一起探讨学习。现在,我们从20##年1月1号开始分析,action!~
1,A公司的注册会员发展轨迹
截止20##年12月31号,A公司累计注册用户35万。淘宝网截止20##年Q1有6200万注册用户,也就意味着A公司的注册用户只是淘宝的0.56%而已。每天的注册人数从20##年的21个(天)到目前大概300个(天),可以说,A公司的注册用户一直在稳步增长。
中国互联网网民的规模,足以支撑所有的统计规律的圆满实现。我在baidu的index里输入某个关键字的查询次数,比如我输入“电子商务”,发现每天在baidu查询“电子商务”的人数一直稳定在300~500的范围内飘飘荡荡的。昨天查询的人和今天查询的人是不一样的,而且也互相不认识,但是庞大的baidu用户群体造就了美丽平滑的统计大数定律。所以,如果有人问我,今天大概多少网民过生日?我告诉他,大概27万左右,因为网民总1亿,365天每天都有人可能过生日,所以这个27万的正确率绝对80%以上。
…… …… 余下全文