本帖最后由 好听的话不该当真更不该记 于 2016-9-20 17:36 编辑
作者: 馒头。
大家有没有思考过这样一种场景:当你进店消费时,你的一系列行为伴随着多少数据转化?
交易相关数据?就这么多?
No No No,没那么简单。
场景
今天Mant.来到某某商圈,打算在一家人气爆火的烤肉餐厅用餐。接下来,从我排队、点单到最终买单将会生产出一坨坨的数据,而这些数据又将回流分析再作用于我的身上,即所谓的营销。
17:25 pm
餐厅人气爆火,又是晚餐时间,所以早就排起了长队。我来到排号机取了号票No.146。为了等待的时间不无聊,默默地掏出手机,玩起了手游“王者荣耀”,和微信兄弟们战斗。
17:47 pm
运气还不错,相比预期时间很快就排到了我。我拿着号票,来到了用餐位置处。
顺手拿起桌上的点单iPad,打开餐厅点菜应用扫描我号票上的二维码,然后输入用餐人数3人,开始点菜。
和朋友商量了一下,烤肉酱3份,五花牛肉3份,猪排3份,蔬菜拼盘1份,菌菇拼盘1份,又额外点了土豆、茄子和西红柿等若干,最后要了一扎玉米汁,共计465元。
17:55 pm
点击“下单”。
在等待上菜的时间,我又打开了支付宝口碑、大众和美团的app,搜一搜这家门店有哪些优惠。
发现,支付宝口碑主推折扣(8.8折,优惠金额上不封顶),大众主推闪惠(每满100-5元),美团主推团购(90抵100元代金券)。加之今天是周四口碑美食日,支付宝口碑还有买单即享立减10元活动,我毫不犹豫地决定买单时要用支付宝口碑。
18:04 pm
这家餐厅准备食材的速度还是可以的,全部菜品均已上齐,开吃。
18:58 pm
吃吃喝喝,结束晚餐准备买单。
使用支付宝付款,订单金额465元,折扣、立减以及通用红包(3元),最终实际付款397元。
问:在上述的过程中,我产生了多少数据?
首先,是交易相关的基础数据:
1)订单金额=465元
2)用户实付金额=397元
3)商家实收金额=400元
这些基础数据还可以继续回流分析。比如:
1)订单笔单价=订单总金额/交易笔数
2)实收笔单价=实收总金额/交易笔数
3)客单价=订单总金额/用餐人数
当然,也可以作交易趋势分析:时间(小时/日)- 交易金额/交易笔数/交易人数。
以上都可以从时间维度的划分上,可以提供日/周/月或指定时间段的相关交易数据。
其次,在我打开第三方app应用时,同时也会产生用户行为相关的数据:
1)Detail页的PV/UV
2)Detail页的停留时长
3)页面埋点相关数据
除此之外,饮食偏好相关数据也会产生,尤其当你作为商户的会员。商户可以根据你多次点单的数据来获取到你的prefer信息。基于此,商户可以利用这些prefer数据针对会员作菜品优惠(比如:蔬菜拼盘8折优惠)或菜品推荐(比如:你常吃的菜品,你可能感兴趣的菜品),甚至也可以作交叉推荐,比如向其他的消费者推荐夜间3人套餐(需要算法支持)。
最后,你的排队、用餐相关数据都可以利用起来做很多事情。比如,排队时长在样本量足够的情况下,按时段(午餐时段/晚餐时段等)计算出商户的平均排队时长数据,可以显示在打印的号票上作为参考信息。这样,消费者可以充分利用预估的排队时间来做其他有意思的事情,比如逛Mall,玩玩手游等等。
另外,如果用餐时长/排队时长(注:假设排队时长在特定时段下数值一定)的比值超过一定阈值时,会影响到这家餐厅的翻台率。那么商户利用其参考值作为杠杆,采取一定的手段来平衡用餐时长/排队时长,来保证翻台率处于正常的水平。
举个栗子:商户突然发现晚餐时段用餐时长/排队时长>>M参考值,商户可以采取手段来缩短用餐时长。比如,半小时内结束用餐买单额外享受立减10元的优惠。这样一来,用餐平均时长会有所降低,提高商户的翻台率,从而提高商家的交易流水。
虽然讲了这么多数据,但更重要的是如何利用和消费这些数据来作为商户侧的营销抓手?去更好的服务进店消费的顾客?甚至是解决行业的痛点问题?
可能,这才是我们真正需要深入思考的问题。
对此你有何见解?欢迎回帖和大家一起评论 --------------------------------------------------------------------------------------------------------------------------- 米多的使命:再小的品牌,都有自己的大数据引擎系统。帮助传统品牌企业实现物联网时代的“四个现代化”,即企业平台化、品牌人格化、产品个性化、员工创客化
|