臺北市
25°
( 26° / 21° )
氣象
2024-04-03 | 中央社

beBit TECH 發布「GMV 關鍵指標應用解析白皮書」 以數據驅動首購及回購成長雙引擎

GMV(網站成交金額),作為電商普遍用以判斷營收狀況的基礎公式,顧問科技公司 beBit TECH 認為,其應用不僅止於被動接收業績變化,應進一步拆解「流量」、「轉換率」及「客單價」等相關指標,將 GMV 視作分析工具剖析各指標優化可能。然而,beBit TECH 服務零售電商品牌時卻發現在實務上面臨到困難,例如品牌希望提升 GMV 卻不知從何著手?或者 GMV 即使有所增長但卻無法反映到最終的營收轉換?有鑑於此, beBit TECH 特發佈「GMV 關鍵指標應用解析白皮書」,從顧客經營思維出發,系統化拆解「首購客」與「回購客」不同架構的 GMV 關鍵指標與顧客思維,並且提出各三個實際場景優化路徑。期待幫助品牌有所本提升效率,且立即針對現有痛點加以改善,以此白皮書作為成長引擎奠定競爭優勢、驅動品牌長期增長!

首購客 GMV 優化路徑以首購客為例,轉換公式為「首購客 GMV = 陌生流量 x 註冊率 x 加入購物車率 x 購物車提袋率 x 客單價」,需要特別關注站上的陌生流量多寡,能否為品牌灌入活水,且進站流量能否進一步註冊留下名單,並完成加入購物車、及結帳。 beBit TECH 認為,首購客 GMV 優化路徑有三:一、會員池擴充效率(陌生流量 x 註冊率)進站流量的多寡通常會因為投廣策略、大型電商平台、網站排名等因素影響,因此「提高註冊率」為本階段的首要目標。建議品牌可以結合彈跳視窗(Web Pop-up)、網頁推播(Web Push),依據網站行為(瀏覽網址、瀏覽商品)進行貼標,即時觸發個人化商品推薦的彈跳視窗,有效提高註冊率。二、新會員轉換消費的比例(加入購物車率 x 購物車提袋率)beBit TECH 發現,將近 97%用戶會在註冊後的三天以內消費,品牌必須把握 三天黃金消費期積極溝通。建議透過首購折扣、品牌故事、產品優勢、試用優惠,嘗試降低首購消費者的心理門檻,並且在註冊後、瀏覽後、加入購物車後等不同行為階段,結合個人化溝通引導結帳。三、首購客消費客單價電商品牌通常會針對首次購買的用戶贈送首購優惠或贈品等,因此客單價通常較低。品牌可以透過帶路雞熱賣商品結合具備購買潛力的商品,以較低的價格組合銷售,運用套裝優惠,拉高首購客平均客單價。或是運用「OmniSegment CDP」 AI 商品版位功能,以 AI 推薦顧客最有可能喜歡的商品,根據實際數據,使用 AI 商品版位可幫助平均客單價提升 19%。

回購客 GMV 優化路徑相較首購客,回購客經營重點在於吸引持續回站回購,以加深顧客與品牌之間的互動關係,且隨著舊客成為品牌會員的時間越長,其平均年貢獻金額也應逐漸增加。轉換公式為「回購客 GMV = 舊客回訪人數 x 加入購物車率 x 購物車提袋率 x 客單價」。 beBit TECH 認為,首購客 GMV 優化路徑有三:一、回購客進站率(舊客回訪人數)沒有任何目標性的進行群發,可能可以創造可觀的舊客流量,卻難以在其進站、進店後進行有效商品推薦。建議品牌透過「會員權益提醒」(例如生日或是會員等級)、「購買紀錄」、「顧客活躍度」等維度設計回購個人化通知。二、回購客轉換消費比例(加入購物車率 x 購物車提袋率)雖然舊客與品牌的關係已相對緊密,但消費意圖出現的當下若是沒辦法立刻把握,仍相當容易錯失機會。因此,在上一步透過內容吸引舊客進站後,建議依然需要安排活動前、中、後期針對「瀏覽」,或甚至「加入購物車未轉換」的舊客定期發送提醒訊息,保障進入的流量可以穩定轉換。三、回購客消費客單價品牌可以依據產品特性、回購週期、及同時購買的商品,觀察合適的推薦模式建立跨售機會;或是透過 A/B Testing 功能,將會員隨機分群,寄送不同產品組合的商品折扣及購買提醒,並依據消費者反饋制定更加精準的跨售策略,以提升回購客單價。

最新生活新聞

延伸閱讀