搞懂“人貨場”模型讓你解決大多數(shù)運(yùn)營問題
人貨場模型
做數(shù)據(jù)分析的小伙伴
都知道人、貨、場的分析模型。
可這個模型到底是個啥呢？有什么用？
今天小編就來系統(tǒng)的為小伙伴講解一下。
首先我們來設(shè)想一個問題：
有一家生鮮電商公司，用戶的復(fù)購率非常的低，其中70%的用戶在一個月內(nèi)均沒有二次購買行為?，F(xiàn)在你作為新的運(yùn)營總監(jiān)上任，公司領(lǐng)導(dǎo)要求你通過數(shù)據(jù)分析解決問題，最終提升復(fù)購率。請問你該怎么做？
我們先思考一個問題：大米、油、鹽、櫻桃、車?yán)遄舆@些東西有什么區(qū)別？相信很多小伙伴應(yīng)該很快就能知道了，像大米、油、鹽這些東西幾乎每天都會用到，而像櫻桃、車?yán)遄舆@類季節(jié)性較強(qiáng)，又不是每天都需要的。而且像大米一般都是整包買，買回去一包就能吃很久，而櫻桃、車?yán)遄舆@類的都是不耐放，買回去不吃也放不了幾天。
這些有關(guān)產(chǎn)品的知識，統(tǒng)稱為：貨物屬性。而通常會影響用戶購買的行為包括：
購買頻率：比如米有面這類的購買頻率較低，而新鮮水果類的頻頻高；
產(chǎn)品價格：單品價格貴的就賣的少，便宜的就會批量買；
購買渠道：如果有物流配送，大硬件通貨（例如米油面）在線上購買會更省事，而像水果這類散件就會在線下買，還可以自己挑選。
這些可以就是所謂的貨物屬性。消費者在購買過程中，都會因為這些屬性而產(chǎn)生不同的購買行為，且這類行為基本上保持長期穩(wěn)定。例如你不能指望消費者今天剛買了10斤大米，明天再來買10斤大米。
這類生鮮產(chǎn)品的復(fù)購思路，其核心就是產(chǎn)品購買頻次和產(chǎn)品本身屬性關(guān)聯(lián)。舉個例子：一個消費者購買了凍雞翅、竹簽，那么他很大程度上會購買丸子、燒烤汁，因為這兩者有維度上的交叉。
我們可以用下面這個復(fù)購矩陣圖來理解：
當(dāng)然我們需要注意的事，如果你單從貨物屬性來看，就會很缺乏大局觀。買菜的渠道很多，憑什么讓用戶只在你整理購買？這里就涉及到下一個問題了，場的問題！
現(xiàn)在請快速回答我一個問題：
你明天中午打算吃什么？不要思考，馬上回答！
相信很多小伙伴，一下子會回答不上來，為什么呢？！我們平時對著美團(tuán)、餓了么訂餐都要糾結(jié)個十幾二十分鐘，更何況讓你一下子回答了。
為什么像我們的父母總是喜歡去逛菜市場，有時候不是他們學(xué)不會用手機(jī)下單，只是因為逛菜市場那種視覺上的沖擊，是APP很難給予的。再者，買菜做飯本身并沒有那么強(qiáng)的目的性，一邊逛著一邊想著，看到什么順眼就買點，還能貨比三家。這就是賣場屬性對復(fù)購行為帶來的影響。
通常賣場屬性包含：
1）便利性：你買菜肯定選擇距離越近、越方便的
2）環(huán)境：場地越整潔、越干凈的菜場肯定更加吸引人
3）種類豐富：產(chǎn)品種類越豐富的菜場人往往更多
4）新鮮度：對于買菜而言，總是會去那些更加新鮮的菜場
5）價格：價格對于任何人而言都具有決定性因素
在傳統(tǒng)的菜場或者說線下門店而言，賣場屬性也有可以通過一個矩陣圖來呈現(xiàn)：
線上渠道用的指標(biāo)基本和線下的類似，區(qū)別就是，用戶登錄場景、登錄頻次、登錄后的訪問路徑等代替了線下門店的地理位置。
所以線上渠道要分析的內(nèi)容可是要比線下門店多的多。
但是區(qū)別于服裝、零食、玩具等快消品，對于生鮮領(lǐng)域，線上渠道的體驗反而比線下差。所以對于生鮮領(lǐng)域，在線上渠道上最大的優(yōu)勢就是用戶不能出門的情況下，比如下雨天，比如年初的疫情以及上班族在下班后沒有時間去菜場買東西等。
所以分析到這就會發(fā)現(xiàn)，對于生鮮領(lǐng)域而言，賣場屬性單獨來講似乎意義不大，而更大意義的內(nèi)容在其中人的因素上。比如有些用戶會貪圖線上購買更加便宜？有些用戶對于線上買菜是剛需。等等，所以我們引申出第三個問題：人的問題。
在講用戶屬性前，我們要先明白，傳統(tǒng)意義上的人貨場中的人，是指賣場的售貨員，而并非是消費者。但是在互聯(lián)網(wǎng)中，尤其是APP對用戶，是沒有銷售這個概念的。分析人的問題，其實就是分析用戶屬性。
用戶！每每講到這個詞，很多人第一時間都會聯(lián)想到：性別、年齡、地域等等問題，但這里面有個問題，對于大數(shù)據(jù)而言，你的公司確定可以采集到那么多精準(zhǔn)用戶的信息？畢竟不是任何一家公司都是BAT。而且就算你利用第三方平臺，查到自己的用戶信息，有了一定的數(shù)據(jù)，你確定你會用？換句話說，你查到你的用戶男女比例42%：58%，你能告訴我，就靠這一條，你能有個啥用？
所以對于用戶屬性分析，最好是基于互動、消費行為為標(biāo)簽的，更好用。比如生鮮電商領(lǐng)域，有多少客戶是你通過注冊送30元米油優(yōu)惠券、首單免配送費、消費滿額送車?yán)遄拥然顒痈氵M(jìn)來的。這類用戶可以貼上一個標(biāo)簽，促銷敏感性用戶。同樣的，我們還能通過各種數(shù)據(jù)和活動，來為用戶打上不同的標(biāo)簽，例如：剛性購買用戶、異常天氣購買用戶、疫區(qū)用戶等等，標(biāo)簽并不是固定不變的，還是需要根據(jù)實際情況，比如如下圖：
這些有關(guān)產(chǎn)品的知識，統(tǒng)稱為：貨物屬性。而通常會影響用戶購買的行為包括：
購買頻率：比如米有面這類的購買頻率較低，而新鮮水果類的頻頻高；
產(chǎn)品價格：單品價格貴的就賣的少，便宜的就會批量買；
購買渠道：如果有物流配送，大硬件通貨（例如米油面）在線上購買會更省事，而像水果這類散件就會在線下買，還可以自己挑選。
這些可以就是所謂的貨物屬性。消費者在購買過程中，都會因為這些屬性而產(chǎn)生不同的購買行為，且這類行為基本上保持長期穩(wěn)定。例如你不能指望消費者今天剛買了10斤大米，明天再來買10斤大米。
這類生鮮產(chǎn)品的復(fù)購思路，其核心就是產(chǎn)品購買頻次和產(chǎn)品本身屬性關(guān)聯(lián)。舉個例子：一個消費者購買了凍雞翅、竹簽，那么他很大程度上會購買丸子、燒
當(dāng)我們理解完人、貨、場這三個屬性后，我們就需要結(jié)合這三者來思考整體的問題了。還記得文章開頭提出的問題么？如何提高生鮮電商的復(fù)購率？！
我們先來做幾個假設(shè)，從“人”的角度：
1、地推質(zhì)量不好，用戶本身沒有需求；
2、用戶有需求，但是薅羊毛的太多，剛性需求少；
3、剛需用戶有，但是數(shù)量較少，且產(chǎn)品不符合用戶需求；
從“貨”的角度：
1、商品本身品類太少；
2、商品品類足夠，但是缺少爆款，無法強(qiáng)勢引流；
3、有爆款引流款，但是其他整體商品價格沒優(yōu)勢。
從“場”的角度：
1、用戶尚未建立使用習(xí)慣，二次登錄用戶較少；
2、用戶有多次登錄的習(xí)慣，但是比較少進(jìn)入購買頁；
3、用戶有進(jìn)到購買頁，但是最終下單較少。
從“人貨場”三個角度提出各自的假設(shè)后，我們可以通過兩個維度來建立整體的思路。
第一：從數(shù)據(jù)出發(fā)，哪個問題最嚴(yán)重，就從哪個先下手解決。
第二：從業(yè)務(wù)出發(fā)，最近發(fā)生了什么重要的事件，比如疫情等，就從這個事件來著手。
最后，我們把不同維度的分析綜合起來，整體來分析，先從粗到細(xì)：
人貨場模型之所以從傳統(tǒng)行業(yè)到互聯(lián)網(wǎng)，再到現(xiàn)在的直播電商依然有效。是因為這三者跟用戶都有著最為直接的關(guān)系。而且產(chǎn)品屬性、賣場屬性和用戶屬性多少都可以通過數(shù)據(jù)等進(jìn)行一定的分析、歸納，是一種有規(guī)律可循的模式。
因此對于分析人貨場模型，可以作為整體商業(yè)模式分析的基礎(chǔ)，一方面對業(yè)務(wù)有更加清晰的認(rèn)知，另一方面也能讓其他更加復(fù)雜的分析模型有了最基本的線索和依據(jù)。
在互聯(lián)網(wǎng)思維中，有一種叫做免費思維的。就是前期免費后期收費，運(yùn)用到實際場景中就是發(fā)券。很多運(yùn)營小白，在解決某個實際問題時，每當(dāng)找不到方案時，往往選擇發(fā)放優(yōu)惠券，認(rèn)為一劵抵萬難。而對于很多做數(shù)據(jù)分析的新人，只知道RFM，做數(shù)據(jù)模型時又只知道協(xié)同過濾。其實以上問題，歸根結(jié)底就是沒有足夠的經(jīng)驗，其實做互聯(lián)網(wǎng)運(yùn)營的人，不能脫離現(xiàn)實，很多經(jīng)驗其實未必要從網(wǎng)上或者實操中來，例如做生鮮電商的，根本不需要那么多的高大上的數(shù)據(jù)模型、也不需要天天發(fā)放什么優(yōu)惠券，你親自去一趟菜市場，跟那些大爺大媽聊一頓，可能就能解決你的所有問題了。
qaz654321
請到「后臺-用戶-個人資料」中填寫個人說明。