Google Analytics
数据监测分析Google Analytics(分析)为您提供了在一个位置分析业务数据所需的免费工具。
行业趋势
Industry Tendency
购物车中的生活哲学
线上零售业正处于激烈的商业模式转型阶段。从一开始的网上下单、门店取货，到后来的网上下单，门店送货，直至今日的网上下单，快递送货上门，零售的实体本质似乎正在远离如今的都市消费者。
但是，整个消费品领域，无论是获客成本上，还是产品利润率上，随着行业竞争的加剧已经目标消费群体的消费升级或转型，都给企业经营带来的更多不定性因素。企业也急迫希望通过多种途径优化内部经营，同时降低外部营销和获客成本。
线上消费者行为数据与线下相结合的企业用户数据库搭建，基于用户行为数据的消费预测，以及具有针对性的推荐系统构建，是零售行业可以研究的方向。
行业痛点
Industry Issues
card_travel
消费者行为预测
基于消费者历史数据，包括站内行为，购物车数据，订单数据，属性数据，消费者分层数据分析的行为预测模型。
lightbulb_outline
商品推荐系统
打造符合消费者个人消费习惯，行为模式，的商品推荐系统，并将其优化为顺应消费者用户体验、具有不同UI的数字化产品。
trending_up
零售业品牌推广
结合企业商业侧重点及未来营销战略方向，塑造具有独特品牌标签与文化身份特征的商业运营模式，设计符合企业品牌形象的独家零售推广策略。
核心服务
Key Solutions
用户数据整合
通过获取用户底层线上数据，结合利用谷歌云工具BigQuery将企业站内数据，CRM数据，ERP数据，其他电子设备（Mobile APP, Tablet etc）数据，线下销售数据整合，并通过唯一身份ID识别Key 实现数据的统一处理，为企业搭建安全适用的数据管理体系平台。
高价值用户识别
根据用户站内行为、广告前端行为，历史购买数据，线下数据记录及其他可记录数据，结合用户交互、注册、购买、分享及复购等方面的数据特点，基于企业的用户分层策略，将用户购买力及潜在行为价值与企业分层策略描述相对应，并识别具有高行为价值， 高复购率，高忠诚度及病毒传播价值的高价值用户。
用户体验优化
结合过往客户经验，针对用户的兴趣点提出优化假设，利用A/B 测试及多变量测试工具，借助触脉自行开发的热图工具，可实时监测不同实验版本的页面效果给用户反应带来的影响，结合站内转化数据，进行假设调试，直接高效。
核心用户挽回
通过站内数据监测，深度研究用户行为流，识别核心用户流失页面，针对改页面/模块进行测试，通过不同版本的实验数据对比，识别导致用户流失的核心要素，结合高价值用户体系对其进行精准再营销，针对本群体消费意图点进行内容优化及投放。
个性化推荐系统构建
在高价值用户识别，及企业目标用户分数据库建立的基础上，协同企业数字营销策略及产品推广策略，未企业搭建符合未来短中长期商业规划的产品推荐系统。并利用谷歌，EDM，国内媒体等多种营销途径，帮助企业不断优化系统的准确性，达到忠诚用户增量，用户价值增高，复购率提升的目标。
智能营销体系搭建
整合用户的站内，站外，线下数据，对用户购买行为进行预测判断，针对不同的用户分层设计广告投放（内容编撰，渠道选择，投放策略）方案，结合其最终转化数据实施优化方案，帮助企业减少资源浪费。
成功案例
Best Practice
- 商业目标：提升网站用户访问深度，增加用户复购率及忠诚度
- 项目对象：国内快消品购物网站
- 项目周期：2014年4月11日-2017年9月1日
- 实施过程：基于客户商业诉求，制定中期方案，以改善用户站内体验，减少站内跳出率，增加页面访问深度；识别高价值用户，并提高其转化率；广告投放渠道质量判断及再营销项目方案制定及实施。
- 项目成果：网站跳出率降低15.5%，用户转化率提升440%，再营销ROI提升至468.6：1，主要广告投放渠道转化率提升7.6%。
企业通用解决方案
General Solutions
