추적해야 할 두 가지 새로운 전자 상거래 측정 항목

Depositphotos 9196492s

상품화 (태평양 일광 절약 시간 19 월 10 일 오전 18시 XNUMX 분 기준 Wikipedia에 따르면)는 다음과 같습니다.

소매 소비자에게 제품 판매에 기여하는 모든 관행. 매장 내 소매 수준에서 머천다이징은 판매 할 수있는 다양한 제품과 해당 제품이 관심을 불러 일으키고 고객이 구매하도록 유도하는 방식으로 표시하는 것을 의미합니다.

머천다이징 및 데이터의 첫 번째 (외경) 이야기는 일회용 기저귀와 맥주에 관한 것입니다. 수학은 큰 상자 가게에 잘 계획된 여행보다는 편의점에서 일회용 기저귀를 구입 한 사람들이 또한 충동 적으로 맥주 XNUMX 팩을 집어 들었다는 것을 보여주었습니다.

상인의 역할은이 두 품목을 함께 비축하는 것이 맥주 판매를 증가시킬 것인지 아니면 물리적으로 분리하면 다른 충동 품목의 판매를 증가시킬 것인지를 결정하는 것입니다. 진정한 데이터 구동 판매자는 서로 다른 지역에서 서로 다른 사회 경제적 지역에서 서로 다른 가격대에서 두 가지를 모두 테스트했을 것입니다.

매장 내 머천다이징은 일본에서 7-Eleven 매장이 제한된 소매 공간을 극대화하기 위해 하루 중 시간을 기준으로 진열대에있는 제품을 어떻게 변경했는지에 대한 이야기가 나왔을 때 데이터 정점에 도달했습니다.

일부 제조업체는 대형 상점에서 작업 할 때 약간의 영향력을 갖습니다. 더 높은 마진, 더 낮은 운송 비용, 특수 포장 등의 대가로 소매 체인은 최고의 파트너에게 특별한 선반 고려 사항을 제공 할 수 있습니다.

그러나 상점 디스플레이가 보이지 않거나 구매자에 따라 동적으로 생성되면 어떻게 될까요? 온라인 상품화에 오신 것을 환영합니다.

내 제품은 어디에 있습니까?

Amazon, BestBuy 또는 Costco를 통해 판매하는 경우 이러한 항목이 사전 협상되고 행운이 확장되지 않는 한 제품이 홈 페이지, 특정 카테고리 또는 현장 검색 중에 표시되는지 여부를 알 수 없습니다.

여기에서 새로운 측정 항목이 찾기 가능성쇼핑 성 올.

만든 사람 콘텐츠 분석:

찾기 가능성 소비자가 온라인에서 제품을 발견 할 수있는 능력의 척도입니다.

쇼핑 성 잠재적 인 고객의 합리적인 결정 능력에 영향을 미칩니다.

사양, 크기, 포장, 가격 등에 대한 정보가 실제로 장바구니에 담기에 충분한 정보가 있습니까?

Content Analytics 창립자 David Feinleib은 Amazon 및 Walmart.com과 같은 주요 전자 상거래 사이트에서 발생하는 현장 검색의 75 % 이상이 브랜드 이름이 아닌 일반 검색어라고 말합니다. 제품이 매장 검색 결과의 첫 페이지에 나타나는지 어떻게 알 수 있습니까? 이는 상위 XNUMX 위의 제품이 다른 모든 결과를 합친 것보다 트래픽이 XNUMX 배나 많기 때문에 매우 중요합니다. 물론이 문제는 모바일 쇼핑으로 인해 심각하게 악화됩니다.

쇼핑 가능성 측면에서 온라인 머천다이징은 올바른 정보가 구매자로 전환하기 위해 올바른 형식으로 올바른 형식으로 구매자에게 전달되는지 알아야합니다. 판매를 확정하려면 사진, 사양 및 리뷰가 있어야합니다.

구출 기술

Content Analytics는 매시간 다음을 포함한 소매 사이트를 모니터링합니다. 아마존, 베스트 바이, 코스트코, CVS, Drugstore.com, 샘의 클럽의 메이크업 시연, 그리고 한국에서 사랑을 담아 보낸 월마트 제품이 어디에 어떻게 표시되는지 확인하세요.

  • 항목은 품절? 경고를받습니다.
  • 아이템 순위를 잃다 검색 결과에서? 경고를받습니다.
  • 경쟁자 가격 변경 주어진 소매점에서? 경고를받습니다.
  • 부족한 수 제품 리뷰? 경고를받습니다.
  • 의 잘못된 조회 가능성 모바일 장치? 경고를받습니다.
  • 영화 렌더링하지 않음 예상대로? 경고를받습니다.

기술 그 자체가 놀랍지는 않지만 올바른 종류의 데이터를 수집하고 분석하는 것은 온라인 세계에서 매우 귀중한 것으로 입증되었습니다.

전자 상거래 세계에 있다면 메트릭 어휘집에 Findability 및 Shopability를 추가 할 때입니다.

당신은 어떻게 생각하십니까?

이 사이트는 Akismet을 사용하여 스팸을 줄입니다. 댓글 데이터 처리 방법 알아보기.