Toolkit Analisis E-niaga Lengkap:29 Laporan, 6 Langkah yang Dapat Ditindaklanjuti + 2 Panduan Gratis

Ada kutipan di luar sana yang saya gunakan secara teratur untuk mengatur level dengan diri saya sendiri. Saya tidak dapat menemukan siapa yang mengatakannya lebih dulu, tetapi itu benar setiap kali saya membacanya:

Apa yang didapat dari kutipan itu adalah nilai yang melekat dan lintasan ke atas yang secara alami datang bersama dengan keuntungan tambahan.

Dan keuntungan tambahan adalah satu-satunya cara, di industri atau sektor kehidupan apa pun, agar siapa pun mencapai kehebatan.

Dalam e-niaga, artinya ini:

Jika Anda melakukannya, jika Anda dapat memperoleh lebih banyak penjualan, lebih banyak loyalitas, dan lebih banyak pangsa pasar setiap hari setelah berikutnya –– Anda akan menang. Ini adalah kisah kura-kura dan kelinci yang diceritakan kembali. Kecepatan bukanlah kebajikan. Gerakan yang konsisten menuju tujuan akhir adalah.

Namun, tidak seperti kelinci, bisnis e-niaga tidak memiliki jalan fisik untuk mengukur kemajuan mereka –– atau mencatat kesalahan langkah mereka.

Itulah mengapa analitik e-niaga sangat penting untuk merek online. Itu juga mengapa BigCommerce, pada tahun 2015, mengakuisisi Jirafe Analytics –– pemimpin industri analitik e-niaga dengan pelanggan termasuk:

• Gadis Jahat
• Nikon
• Lilin Berlian

Tujuannya adalah untuk memberikan pelanggan BigCommerce wawasan yang tak tertandingi tentang strategi merchandising di tempat mereka untuk melengkapi informasi Google Analytics mereka.

Hari ini, kami dengan senang hati mengumumkan pembaruan pada rangkaian Analisis dan Wawasan E-niaga BigCommerce –– termasuk peningkatan akurasi data, antarmuka pengguna yang disederhanakan, dan harga yang lebih mudah dipahami.

Mengapa Kami Memperbarui Analisis E-niaga + Rangkaian Wawasan

Selama 6 bulan terakhir, kami telah bekerja dengan pelanggan BigCommerce dalam versi beta untuk memperbarui akurasi, harga, dan kegunaan data analitik e-niaga kami. Yang kami dengar adalah ini:

Berdasarkan umpan balik itu, kami sekarang telah memperbarui UX, akurasi data, dan panduan sumber daya untuk 11 laporan analitik siap pakai dan 18 laporan Wawasan yang dapat digunakan pelanggan dengan modal pembayaran langganan berulang. Itu total 29 total laporan yang tersedia untuk pelanggan BigCommerce.

Mari kita bahas apa yang telah kita lakukan.

Akurasi Data

Kami telah menyempurnakan rangkaian analitik e-niaga untuk meningkatkan akurasi data kami dan membantu Anda lebih memahami di mana dan kapan data diperbarui. Inilah yang sekarang akan Anda lihat.

Stempel waktu

Semua data dalam laporan Analisis E-niaga kami yang siap pakai (kecuali Waktu Nyata, Pemulihan Keranjang yang Terbengkalai, Penelusuran Di Toko, dan Laporan Pajak Penjualan) kini menyertakan stempel waktu sehingga Anda tahu persis kapan data terakhir diambil.

Zona waktu dapat diubah dengan mengedit pengaturan tanggal.

Data dalam laporan Wawasan kami (tambahan 18 laporan dengan biaya berlangganan) diperbarui setiap minggu atau setiap bulan, bergantung pada metrik.

Penting untuk diperhatikan

Anda akan melihat perbedaan data antara BigCommerce Ecommerce Analytics, Google Analytics, dan alat analisis lain yang Anda gunakan.

Ini karena tidak ada dua sistem yang mengukur atau mengumpulkan data dengan cara yang sama persis. Kissmetrics mendefinisikannya seperti ini:

Item yang memengaruhi akurasi meliputi:

• Tingkat produk versus tingkat situs versus data tingkat pelanggan
• Zona waktu
• Periode penyegaran data
• Sumber lalu lintas mana yang dikreditkan
• Bagaimana alat analisis mengidentifikasi pengguna (sentuhan pertama v. sentuhan terakhir, cookie pihak pertama v. pihak ketiga, dll.)

Inilah sebabnya kami memastikan untuk menyertakan informasi tentang apa yang kami ukur, bagaimana, dan seberapa sering.

Bagaimana Data Dihitung (+ Panduan Sumber Daya)

Kami telah menyelaraskan praktik terbaik industri untuk definisi data –– dan telah mengganti nama beberapa laporan untuk mencerminkan istilah yang paling umum digunakan untuk jenis kumpulan data tersebut.

Dan, kami telah membuat 29 bagan untuk memandu Anda memahami dengan tepat bagaimana kami menghitung metrik yang paling penting bagi Anda.

Misalnya, inilah tepatnya cara kami menghitung semua yang ada di laporan Ikhtisar Toko:

Kunjungi halaman KB Laporan Ikhtisar Toko untuk informasi selengkapnya.

Semua 29 laporan memiliki bagan yang mirip dengan yang di atas. Anda dapat mengakses halaman detail perhitungan laporan siap pakai di sini, dan halaman detail perhitungan laporan Insight di sini.

Dapatkan PDF Gratis dari Semua Detail Perhitungan Laporan

Ingin menjaga bagaimana analitik Anda dihitung setiap saat? Klik di sini untuk mendapatkan PDF yang dapat Anda cetak dan referensikan kapan pun Anda membutuhkannya.

PDF ini juga menyertakan panduan definisi data lengkap.

Analisis E-niaga + UX Wawasan

Semua laporan telah menerima scrub UX untuk meningkatkan kegunaan, serta telah melalui pengujian pengguna untuk memastikan kemudahan penggunaan dan fungsionalitas untuk semua tingkat karyawan bisnis.

Laporan Analisis E-niaga Gratis

Berikut tampilan terbaru dari halaman ikhtisar dari BigCommerce's Ecommerce Analytics.

Laporan out-of-the-box tambahan meliputi:

1. Waktu nyata
2. Perdagangan
3. Pemasaran
4. Pesanan
5. Pelanggan
6. Corong pembelian
7. Kereta terbengkalai
8. Pemulihan keranjang yang ditinggalkan
9. Penelusuran di dalam toko
10. Pajak penjualan

Laporan Wawasan BigCommerce

Laporan Wawasan BigCommerce menerima peningkatan paling substansial berdasarkan masukan dari pelanggan BigCommerce.

Laporan Wawasan dibagi menjadi 3 kategori:

1. Wawasan Produk
2. Wawasan Pelanggan
3. Wawasan Pemasaran

Inilah tampilannya sekarang.

Wawasan Produk

Wawasan Pelanggan

Wawasan Pemasaran

Kami menggunakan BigCommerce Insights cukup banyak setiap hari. Faktanya, itu adalah motivator utama bagi kami untuk menggunakan BigCommerce daripada Shopify.

Kami tidak perlu mengeluarkan data dari spreadsheet dan mengurutkannya untuk melihat apa yang terjadi. Yang dapat kami fokuskan adalah menarik data Wawasan ke dalam CSV dan menyesuaikan kampanye untuk menargetkan segmen pelanggan tertentu.

David Berlach, CEO Bohemian Traders

Cara Menggunakan Analisis E-niaga + Laporan Wawasan

Sekarang, setelah Anda mengetahui bahwa Anda memiliki laporan ini, kemungkinan Anda bertanya:

Senang Anda bertanya –– karena kami juga demikian.

Kami bekerja dengan beberapa pelanggan BigCommerce selama 6 bulan terakhir untuk mengungkap dengan tepat bagaimana pemilik toko, manajer pemasaran, dan tim data menggunakan analitik e-niaga BigCommerce untuk membuat keputusan strategis.

Berikut adalah 6 cara teratas, dan bagaimana tepatnya melakukannya.

Dapatkan Panduan Item Tindakan Analisis E-niaga Gratis

Ingin membawa informasi di bawah ini, memamerkannya kepada tim Anda, dan mulai bekerja untuk meningkatkan penjualan di situs Anda? Unduh panduan gratis di sini.

1. Analisis E-niaga untuk Mendukung Pengalaman Pelanggan yang Dipersonalisasi

Pelanggan BigCommerce memiliki akses ke merchandising dan analitik pelanggan secara default. BigCommerce Insights tersedia untuk semua pelanggan dengan biaya yang meningkat setiap bulan (mulai dari $49).

Alat analisis ini dapat membantu Anda menentukan segmen dan kelompok pelanggan tambahan untuk berbagai upaya personalisasi. Berikut adalah beberapa cara untuk memikirkannya.

Tamu v. Pembeli Terdaftar

Analisis E-niaga BigCommerce yang siap pakai memberi Anda tampilan Laporan Pelanggan yang merangkum pelanggan baru dan yang kembali, serta dari mana pelanggan itu berasal, kelompok mana mereka (berdasarkan tanggal pembelian pertama), jumlah pembelanjaan terakhir, dan total masa pakai belanjakan.

Jumlah Pembelian Sebelumnya + Riwayat Pembelian

BigCommerce E-commerce Analytics yang siap pakai memungkinkan Anda mempelajari laporan pelanggan individual untuk menentukan seberapa sering mereka membeli, apa yang mereka beli, motivasi apa pun untuk membeli (diskon), dan banyak lagi.

Di sini Anda juga dapat melihat saluran pemasaran mana yang mendorong penjualan per pelanggan. Anda juga bisa mendapatkannya dengan kohor.

Sumber Lalu Lintas Rujukan Teratas menurut Kelompok

BigCommerce Insights memungkinkan merek untuk menggali lebih dalam saluran konversi pelanggan teratas menurut kelompok –– untuk tampilan laporan 30, 60, 90, 180, dan 360 hari.

Kebiasaan Membeli yang Biasa

BigCommerce Insights memungkinkan merek untuk menyelami kelompok pelanggan di luar pembelian pertama, menempatkan pelanggan ke dalam kelompok berdasarkan aktivitas dan kebiasaan pembelian.

Pelanggan terbaik ditentukan oleh jumlah pembelian selama jangka waktu tertentu. Kelompok lainnya termasuk pelanggan Harga Penuh Terbaik dan pelanggan AOV Terendah, sehingga Anda dapat menentukan kelompok mana yang akan menampilkan diskon versus yang mengirim tampilan produk baru dan memelihara aliran.

Halaman Dilihat Tapi Tidak Ada Pembelian

BigCommerce Insights memberi Anda akses untuk memahami pelanggan mana yang telah melihat halaman mana, tetapi belum menambahkan apa pun ke keranjang atau check out. Hal ini memungkinkan Anda mempersonalisasi penjangkauan dan memahami kelompok mana yang menyukai produk mana, dan mengapa.

Setelah Anda dipersenjatai dengan poin data di atas sebagai dasar, personalisasi e-niaga lanjutan mengambil tiga bentuk:

1. Penargetan di situs melalui modal pop-up, banner header/footer, slider, pop-under, dan blok konten dinamis (UX)
2. Rekomendasi produk 1:1 berbasis email, yaitu otomatisasi email
3. Rekomendasi produk yang dipersonalisasi di tempat menggunakan UX berorientasi transaksi

Panduan Lengkap Personalisasi E-niaga

Lebih banyak kiat dan cara personalisasi untuk membuat Anda menjual lebih banyak secara online daripada sebelumnya.

2. Analisis E-niaga untuk Membangun Model RFM

Ketika Anda telah mengoptimalkan pengalaman di dalam dan di luar situs untuk pelanggan dengan strategi personalisasi yang benar-benar holistik dan terintegrasi, bagaimana Anda menemukan pelanggan Anda yang paling berharga yang menghasilkan rasio konversi tertinggi?

Metodologi RFM adalah akronim untuk tiga segmen berikut:

• Kebaruan diukur dalam hari. Anda harus menetapkan ambang batas yang berarti bagi bisnis Anda karena semakin sedikit hari dari pembelian terakhir pelanggan, semakin baik.
• Frekuensi diukur sebagai jumlah pesanan per tahun dari setiap pelanggan. Untuk beberapa bisnis, pelanggan terbaik mereka memesan setiap bulan dan untuk bisnis berorientasi isi ulang lainnya, pelanggan terbaik mereka memesan setiap minggu.
• Analisis moneter adalah nilai total pesanan selama periode waktu –– biasanya lebih dari satu tahun.

Pemasar menggunakan model RFM untuk menyaring dan menilai setiap pelanggan berdasarkan tanggal pembelian terakhir mereka (yang merupakan segmen 'terkini'), dengan jumlah pesanan setiap pelanggan (frekuensi pembelian mereka) dan kemudian berdasarkan nilai pesanan kumulatif mereka selama periode tertentu. periode waktu (untuk bagian analisis moneter).

Setiap catatan pelanggan harus memiliki bidang berikut untuk melakukan analisis RFM untuk toko Anda:

• Total Nilai Pesanan
• Nilai Pesanan Rata-rata
• Jumlah Total Pesanan
• Tanggal Pemesanan Terakhir
• Nilai Pesanan Terakhir
• Tanggal Pemesanan Pertama
• Nilai Orde Pertama
• Jumlah Hari Rata-rata Antar Pesanan

BigCommerce E-commerce Analytics menawarkan tampilan ini secara langsung.

Kemudian, output dari analisis RFM akan terlihat seperti ini (ini dari OroCRM):

Seperti yang Anda lihat dari atas, analisis dibagi menjadi 3 segmen untuk kebaruan, frekuensi, dan nilai moneter dengan poin yang diberikan untuk setiap segmen.

Sumber gambar:OroCRM

• Di segmen kebaruan, perusahaan ini menetapkan skor 5 untuk pelanggan yang belum memesan selama dua bulan terakhir.
• Di segmen frekuensi, pelanggan yang melakukan kurang dari 5 pembelian dalam satu tahun terakhir juga diberi skor 5.
• Dan di segmen nilai moneter mereka, pelanggan yang pembelanjaan kumulatifnya selama setahun terakhir kurang dari $5.000 ditetapkan sebagai skor 'terburuk' 5.

Pelanggan dengan nilai tertinggi diberi nilai tertinggi 1 jika mereka telah melakukan pembelian dalam 7 hari terakhir, memiliki 50 pesanan atau lebih dalam setahun terakhir, dan membelanjakan lebih dari $20.000 selama setahun terakhir.

Di sisi lain, spreadsheet di atas memberikan skor numerik yang lebih rendah kepada pelanggan dengan kinerja terbaik berdasarkan keterkinian (0-30 hari), frekuensi (16+ pesanan dalam 12 bulan terakhir) dan nilai uang (total pesanan lebih dari $500).

Berikut adalah beberapa cara menggunakan skor RFM untuk meningkatkan keputusan dan aturan pemasaran Anda untuk kampanye email yang dipersonalisasi 1:1:

Skor RFM harus digunakan untuk membuat segmen untuk personalisasi

Analisis RFM Anda akan membantu Anda menetapkan segmen untuk pelanggan yang sudah ada seperti pelanggan bernilai tinggi, pelanggan paling aktif, dan pelanggan terbaru.

Dengan melakukan ini, Anda dapat menggabungkan sasaran pendapatan Anda dengan pesan unik bertarget yang lebih baik dan penawaran yang dipersonalisasi. Analisis RFM juga dapat membantu Anda membuat segmen yang mengidentifikasi pelanggan yang tidak aktif.

Skor RFM harus dihitung berdasarkan saluran

Untuk pengecer multisaluran, skor RFM harus dihitung berdasarkan saluran untuk lebih memahami kualitas pelanggan per saluran.

BigCommerce E-commerce Analytics menawarkan tampilan per pelanggan dari saluran sentuhan terakhir sebelum konversi untuk semua pelanggan tetap. Data ini dapat diekspor untuk memberi Anda gambaran yang solid tentang nilai pembelian pelanggan berulang menurut saluran.

Integrasikan penilaian RFM ke dalam strategi pengabaian keranjang belanja Anda

Skor RFM dapat digunakan untuk menentukan ambang nilai insentif yang ingin Anda tawarkan kepada pelanggan yang baru saja meninggalkan keranjang belanja mereka.

Sebagai contoh, pelanggan bernilai lebih tinggi dengan total pesanan di atas ambang batas yang ditetapkan dapat diberikan diskon yang lebih besar untuk menyelesaikan pembelian mereka.

Berikut adalah 3 jenis pelanggan Anda menurut model RFM:

1.Kebaruan tinggi, frekuensi tinggi, dan moneter tinggi

Pelanggan yang mendapat skor tertinggi untuk keterkinian, frekuensi, dan nilai uang akan berada di segmen pelanggan Anda yang paling setia dan harus diberi hadiah dengan penawaran eksklusif dan hak istimewa.

Misalnya, pengiriman bisa gratis ke pelanggan terbaik Anda. Berikut adalah tampilan BigCommerce Insights dari kelompok ini.

2. Kebaruan tinggi, frekuensi rendah, dan moneter rendah

Pelanggan di segmen ini kemungkinan besar adalah pelanggan terbaru Anda. Pastikan Anda memberikan yang terbaik, dengan mengirimkan penawaran selamat datang, panduan produk, atau informasi yang relevan kepada mereka agar mereka terbiasa dengan merek dan toko Anda.

Berikut adalah cara BigCommerce Insights menggambarkan kelompok ini.

3. Keterkinian rendah, frekuensi rendah, dan moneter rendah

Ini akan dianggap sebagai pelanggan Anda yang tidak aktif atau paling tidak terlibat. Anda ingin mencoba mengaktifkannya kembali atau memeriksa ulang untuk melihat apakah mereka harus tetap ada di daftar Anda sebagai pelanggan.

55 Metrik E-niaga + KPI untuk Meningkatkan Pendapatan

Plus, grafik yang berguna! Dapatkan disini.

3. Analisis E-niaga untuk Membuat Halaman Produk dengan Konversi Tinggi

Anda menginginkan lebih banyak penjualan –– dan membutuhkan strategi untuk mendapatkannya.

Daripada membuang uang iklan di belakang saluran pemasaran dan mengarahkan pelanggan ke halaman arahan yang Anda *pikir* mereka sukai, analitik e-niaga BigCommerce memungkinkan Anda mengarahkan pelanggan ke halaman yang Anda tahu berkonversi dengan baik –– dan meningkatkan nilai umur.

Pelanggan yang kami ajak bicara menggunakan analitik e-niaga untuk fokus pada kelompok bernilai tertinggi pada lalu lintas mereka.

Ini bukan hanya calon pelanggan dan pelanggan saat ini yang telah Anda investasikan anggarannya, tetapi mereka juga adalah individu yang Anda tahu dapat memotivasi Anda untuk mengambil tindakan produktif dengan bisnis Anda.

Namun, bagaimana Anda mengidentifikasi lalu lintas paling berharga untuk bisnis Anda?

Mulailah dengan mendalami analitik situs web Anda, khususnya melihat sumber lalu lintas teratas Anda, tidak hanya dari perspektif volume lalu lintas tetapi juga dari perspektif pendapatan.

Sumber-sumber ini biasanya mencakup:

• Email
• Penelusuran Berbayar
• Penelusuran Organik
• Langsung

Di sinilah Anda dapat menemukan informasi tersebut dalam laporan analisis e-niaga gratis.

Setelah Anda menentukan sumber lalu lintas teratas tersebut, gali lebih dalam dan lihat kampanye spesifik yang bertanggung jawab untuk mengarahkan lalu lintas tersebut.

Tanyakan pada diri sendiri:

• Apakah lonjakan lalu lintas tersebut muncul dari email pemasaran atau promosi tertentu?
• Apakah itu akibat dari iklan pengabaian keranjang di Facebook?
• Apakah ada istilah penelusuran tertentu yang iklannya Anda miliki yang hanya membunuhnya untuk Anda?

Dengan menyaring semua detail ini, Anda akan bisa mendapatkan pemahaman yang jelas tentang kelompok lalu lintas tertentu yang paling berharga bagi bisnis Anda.

Kemudian, gandakan saluran tersebut untuk mendapatkan kelompok yang mirip guna mendorong pelanggan baru yang bersih.

Ingin menargetkan pelanggan yang sudah ada, membangun nilai seumur hidup dan loyalitas pelanggan? Itulah yang dilakukan Laporan Wawasan untuk Anda. Ini rasanya.

Laporan Wawasan Pemasaran

Di bagian ini, Anda dapat mempelajari nilai umur pelanggan menurut saluran pada hari 1, 90, dan 180. Ini akan membantu Anda memahami saluran mana (AdWords, Email, Facebook, dll.) yang mendorong loyalitas seumur hidup tertinggi dan tingkat pembelian berulang.

Untuk apa ini membantu? Ini membantu Anda memahami di mana harus menempatkan dolar iklan Anda untuk mengarahkan konsumen kembali ke halaman arahan produk Anda untuk pembelian yang pada akhirnya akan menghasilkan nilai pelanggan seumur hidup (LTV) yang lebih tinggi.

Di atas adalah tiga laporan yang Anda dapatkan, seperti yang Anda lihat sebelumnya di artikel ini. Di bawah ini adalah tampilannya saat Anda mempelajari salah satu laporan tersebut. Semua laporan memungkinkan Anda mengunduh CSV jika Anda lebih suka bekerja dengan data dalam spreadsheet.

Berikut adalah tampilan laporan 90 hari, dan bagaimana Anda dapat mengunduh data untuk diselidiki lebih lanjut.

Laporan Wawasan Produk

Di sini, Anda dapat mempelajari produk mana (dan selanjutnya halaman arahan produk) yang berkinerja terbaik, dan mana yang perlu sedikit kerja.

Data ini diambil berdasarkan data tingkat konversi produk individual. Jadi, jika ini adalah produk rockstar, kemungkinan itu adalah halaman arahan rockstar.

Selanjutnya, Anda dapat menggunakan data ini dengan data Marketing Insights untuk memahami produk mana yang akan dipasarkan dengan laba atas belanja iklan tertinggi.

Terakhir, Anda dapat menggunakan wawasan ini untuk melihat produk mana yang paling sering dibeli bersama. Ini adalah indikator yang baik tentang produk tambahan apa yang harus disertakan pada produk atau halaman arahan untuk peluang peningkatan penjualan.

Laporan Wawasan Pelanggan

Dengan laporan ini, Anda dapat mempelajari berbagai kelompok pelanggan termasuk:

• Pelanggan terbaik
• Pelanggan berisiko
• Pelanggan AOV rendah
• Nilai umur pelanggan (30, 90, dan 180 hari)
• Nilai umur pelanggan menurut produk (hari 1, 90, dan 180)
• Produk terbaik untuk pembelian berulang (Berdasarkan bulan)

Data ini berguna untuk memahami perilaku pelanggan di situs Anda, produk mana yang mendorong loyalitas, dan membuat halaman produk yang paling menarik pelanggan dengan AOV tinggi dan harga penuh.

Namun, yang paling berguna adalah menggunakan data ini untuk penargetan ulang di Facebook, Instagram, atau berbagai saluran untuk mendapatkan lebih banyak "Pelanggan terbaik" menggunakan karakteristik yang sudah diketahui dari kelompok tersebut.

Anda melihat di atas berapa banyak laporan Customer Insights yang tersedia untuk Anda. Berikut adalah tampilan laporan Pelanggan Terbaik:

Taktik Pemasaran Email yang Tidak Berfungsi

Noah Kagan mendapatkan detail tentang mana dari 100 juta emailnya yang berhasil, mana yang tidak, dan apa yang mengajari kita.

4. Analisis E-niaga untuk Mengenal Pelanggan Anda (Jauh) Lebih Baik

Selalu pertimbangkan untuk siapa bisnis Anda dibangun. Mengingat keinginan dan kebutuhan konsumen akan mendikte tindakan Anda sebagai perusahaan dan mengarahkan Anda ke jalur sukses bersama audiens.

Jika Anda tidak yakin tentang siapa audiens Anda, Anda tidak sendirian.

Terlalu sering, banyak merek melupakan audiens mereka dan fokus pada produk atau katalog, berpotensi kehilangan informasi berharga yang dapat meningkatkan penjualan.

Ini dapat diatasi.

Luangkan waktu untuk benar-benar merenungkan pembeli Anda sebelumnya. Cari tren dalam analitik dan renungkan pengalaman Anda dengan pelanggan Anda.

Analisis Anda dapat sangat membantu secara terarah dalam membantu Anda memahami pelanggan Anda dan hubungannya dengan produk dan merek Anda.

Melihat data ikhtisar toko Anda, termasuk data keranjang yang ditinggalkan, corong pembelian, dan produk paling populer adalah tempat yang tepat untuk memulai.

Namun, mempelajari data pelanggan Anda lebih jauh akan membantu untuk benar-benar memahami perilaku mereka dan siapa mereka, sehingga Anda dapat mempersonalisasi pengalaman mereka.

Wawasan E-niaga dapat membantu Anda melakukan ini. Wawasan E-niaga BigCommerce mengelompokkan pelanggan untuk Anda secara otomatis.

Anda kemudian dapat mengekspor daftar ini untuk dipasarkan secara khusus kepada mereka atau untuk menelusuri lebih jauh siapa yang termasuk dalam kategori ini, apa yang telah mereka beli, dll. Segmentasi ini benar-benar kunci untuk membuka potensi merek e-niaga Anda.

Kelompok Pelanggan meliputi:

• Pelanggan terbaik
• Pelanggan berisiko
• Dilihat oleh tidak membeli (baik pelanggan yang melihat maupun item yang tidak mereka beli)
• Tingkat pembelian berulang selama 30, 60, 90, dan 180 hari (yaitu 11% pelanggan baru Anda dari bulan Desember membeli lagi dalam 60 hari. 3,39% pelanggan baru Anda dari Januari 2017 membeli lagi dalam 30 hari, dan seterusnya)
• Pelanggan harga penuh terbaik
• Pelanggan AOV rendah
• Nilai Umur Pelanggan selama 30, 90, dan 180 hari
• Nilai umur pelanggan menurut pembelian produk pada hari 1, 30, 90, dan 180
• Produk terbaik untuk pembelian berulang

Dalam hal ini, saya ingin tahu pelanggan mana yang bertahan paling lama, dan produk mana yang membantu mereka melakukannya.

Untuk melihatnya, mari kita lihat sekilas laporan Produk Terbaik untuk Pembelian Berulang.

Ini adalah tampilan kohort bagi mereka yang membeli pada bulan Desember, dan sekali lagi pada bulan Maret.

Ini adalah tampilan kohort bagi mereka yang membeli pada bulan Januari, dan sekali lagi pada bulan Maret.

• Apa yang dapat disampaikan data ini tentang pelanggan dan merek Anda?
• Apakah pelanggan membeli dengan Anda lagi dalam waktu 90 hari?
• Atau, apakah pelanggan Anda paling sering membeli oleh-oleh, artinya mereka berhenti di bulan Januari dan tidak membeli kembali sampai hari libur besar berikutnya (mungkin Hari Ibu atau Hari Ayah)?

Itu adalah pertanyaan yang hanya dapat Anda jawab, dan seringkali, Anda memerlukan lebih banyak data untuk melakukannya. Namun, analitik ini mengarahkan Anda ke arah yang benar dan membuat Anda mengajukan pertanyaan yang benar sehingga Anda dapat melayani pelanggan dengan lebih baik, meningkatkan pendapatan, dan mengembangkan merek e-niaga Anda.

Gunakan ini untuk mencari pola yang dengan jelas menunjukkan inti bisnis Anda, yaitu alasan orang membeli produk Anda.

Ambil perilaku pembelian ini dan demografinya, Anda dapat merekayasa balik pelanggan ideal Anda.

Cara Menguasai Iklan Facebook Seperti Pro Ekuitas

Petunjuk:Cohort diperlukan.

5. Analisis E-niaga untuk Mendapatkan Kembali Lebih dari 15% Keranjang yang Terbengkalai

Jujur saja di sini –– Email keranjang terbengkalai dari BigCommerce bukanlah yang tercantik. Tapi, mereka bekerja dengan baik.

Salah satu manfaat terbesar menggunakan email keranjang terbengkalai gratis dan siap pakai dari BigCommerce adalah semua data disimpan di backend toko Anda.

Setiap toko yang menggunakan BigCommerce, apa pun penyedia emailnya, mendapatkan akses ke data laporan Keranjang Terbengkalai.

Ini penampakannya:

Namun, saat menggunakan alat email keranjang yang ditinggalkan BigCommerce, Anda juga mendapatkan akses ke kinerja email dari waktu ke waktu.

Anda juga mendapatkan akses ke produk mana yang kembali dibeli orang, yang memungkinkan Anda memahami produk mana yang ditinggalkan dan yang paling sering dibeli.

Mengapa itu membantu? Ini mungkin berarti bahwa harga produk terlalu tinggi (misalnya jika pengabai datang kembali untuk membeli dengan diskon), atau bahwa produk itu sendiri memiliki garis waktu keputusan yang lebih lama sebelum seseorang berkonversi. Yang terakhir ini sering terjadi pada barang dengan harga lebih tinggi.

Matematika Di Balik Kesuksesan Email Keranjang yang Terbengkalai

Rata-rata, 15% pengabai kembali dan membeli. Beberapa merek melihat hingga 30%. Begini caranya.

6. Analisis E-niaga untuk Memasarkan dan Menulis Jalan Anda untuk Lebih Banyak Penjualan

Ada juga analitik di Penelusuran Dalam Toko yang akan menunjukkan kepada Anda apa yang diketik pelanggan ke dalam alat penelusuran bawaan BigCommerce.

Taktik pengoptimalan konversi yang kurang dimanfaatkan ini membantu Anda menjembatani kesenjangan antara apa yang dicari pelanggan dengan bahasa dan konten di situs Anda.

Lihat kata kunci yang dicari oleh calon pelanggan Anda yang *tidak* muncul. Ini dapat membantu Anda menentukan apa yang perlu Anda tambahkan ke toko, misalnya.

Laporan ini memberi Anda akses ke informasi interaksi pengunjung untuk mencari tahu di mana situs web Anda kurang atau unggul berdasarkan produk yang dicari orang (dan bahasa yang mereka gunakan) di situs Anda.

Bagan Tindakan Wawasan BigCommerce

Terakhir, berikut adalah bagan cepat untuk siapa saja yang baru saja mulai menggunakan Wawasan dan ingin memikirkan cara bertindak berdasarkan data tersebut.

Kata Akhir

Pada akhirnya, laporan Analisis E-niaga dan Wawasan membantu Anda menjual lebih banyak, lebih strategis daripada sebelumnya. Tujuannya adalah untuk meningkatkan konversi, itulah sebabnya tingkat konversi di dasbor analitik Anda sangat menonjol.

BigCommerce melacak tingkat konversi toko Anda dari hari ke hari, minggu ke minggu, bulan ke bulan, kuartal ke kuartal, tahun ke tahun dan dengan cara yang dapat disesuaikan sesuai keinginan Anda.

Bagaimanapun, tujuan kami adalah membantu Anda menjual lebih banyak dan memastikan bisnis Anda di masa depan.

Analisis dalam BigCommerce sangat membantu. Sangat bagus untuk dapat membandingkan bulan ke bulan, minggu ke minggu, dan melihat konversi dari waktu ke waktu.

Kami memiliki satu perusahaan yang menghubungi kami dan berkata, 'Kami bisa memberi Anda tingkat konversi yang layak untuk industri Anda, sekitar 2,3%.' Saya memberi tahu mereka, 'Bagus. Kami sudah mendapatkan 4,6%.’ Ada keheningan. Mereka tidak tahu harus berkata apa.

Analytics E-niaga BigCommerce-lah yang memungkinkan kami mengajukan argumen balasan. BigCommerce memiliki semua statistik yang ada di depan kami. Kami dapat mengutipnya menit demi menit secara real time, berapa tingkat konversi kami hari ini untuk minggu lalu, bulan lalu, dan tahun lalu.

Con Kazantzidis alias "Shave the Man", Pendiri The Stray Whisker

Mulai Sekarang

Semua pelanggan BigCommerce memiliki akses gratis ke 11 laporan analitik e-niaga yang siap pakai. Detail ada di sini untuk menentukan harga pada 18 laporan Wawasan tambahan.