分析：用数字揭秘B2C网站的发展规律
数字是个很有趣的东西，很有说服力，而且也可以更加深入地掌握不同变量之间的逻辑关系。举个例子，我们喜欢说留住老用户，发展新用户，那么老用户和新用户的定义应该是什么呢？直观上说，老用户就是曾经在我这里买过东西的呗，其实这样的定义太简单了，假如今天是2008年4月24号，我们看看如下哪个顾客属于老用户？
1，2002年注册，2002年~2003年曾经购买过27次，但是2004年之后就再也没有来过了；
2，2002年注册，直到2005年才买过一次东西，但是从此人间蒸发了；
3，2008年4月22号注册，4月23号（昨天）买过东西，不知道他以后还来不来；
4，2007年1月注册，2007年1月~2008年4月间，平均每3个月就来买一次。
其实上面的都可以俗称为老用户，但是他的购买 次数，购买金额，购买频率，最后一次购买时间等数值，对我们都有重要的参考和分析意义，只有细致分析，才能精准营销。
我们来用数字分析一家比较知名的B2C网站的发展历程，名字就不直接说了，我们就用A公司来代替。只是从这些分析中，我觉得可以看出很多隐形的（hidden）有趣现象来。这不属于泄露公司业务，名字和产品都没有写。事实上，我还掌握了好几家的内部数据。我只是想，能够拿出来和大家一起商酌，无伤大雅，可以一起探讨学习。现在，我们从2002年1月1号开始分析，action！~
1，A公司的注册会员发展轨迹
| 某电子商务公司2002-2007注册用户发展变化 | ||||
| 年度 | 年度注册 | 每日注册 | 注册占比 | 累计占比 |
| 2002 | 7792 | 21 | 2.22% | 2.22% |
| 2003 | 27835 | 76 | 7.92% | 10.14% |
| 2004 | 39738 | 109 | 11.31% | 21.45% |
| 2005 | 72332 | 198 | 20.59% | 42.04% |
| 2006 | 98316 | 269 | 27.99% | 70.03% |
| 2007 | 105299 | 288 | 29.97% | 100.00% |
| 总计 | 351311 | / | 100.00% | / |
截止2007年12月31号，A公司累计注册用户35万。淘宝网截止2008年Q1有6200万注册用户，也就意味着A公司的注册用户只是淘宝的0.56%而已。每天的注册人数从2002年的21个（天）到目前大概300个（天），可以说，A公司的注册用户一直在稳步增长。
中国互联网网民的规模，足以支撑所有的统计规律的圆满实现。我在baidu的index里输入某个关键字的查询次数，比如我输入“电子商务”，发现每天在baidu查询“电子商务”的人数一直稳定在300~500的范围内飘飘荡荡的。昨天查询的人和今天查询的人是不一样的，而且也互相不认识，但是庞大的baidu用户群体造就了美丽平滑的统计大数定律。所以，如果有人问我，今天大概多少网民过生日？我告诉他，大概27万左右，因为网民总计1亿，365天每天都有人可能过生日，所以这个27万的正确率绝对80%以上。
2，A公司的年度交易量发展变化图
| 年度 | 每日交易额（万） | 年度交易额（亿） | 每日订单量 | 平均每单金额(元） |
| 2002 | 3.13 | 0.114 | 54 | 583 |
| 2003 | 7.31 | 0.267 | 118 | 620 |
| 2004 | 11.02 | 0.402 | 172 | 640 |
| 2005 | 15.66 | 0.572 | 240 | 652 |
| 2006 | 31.34 | 1.144 | 462 | 679 |
| 2007 | 41.83 | 1.527 | 614 | 681 |
| 总计 | / | 4.026 | / | / |
恩，不错，2002年每天只有3.13万的交易量，到了2007年，每天有41.83万了。年度交易额来看，2006年就冲过1亿的关口了。每个订单的金额大概就是650元左右。每天的订单量目前维持在600多一点的规模。除掉每天8小时的睡觉时间，其他时间顾客都可以下单的话，大概1~2分钟就来一个600多元的订单。
3，注册用户的购买情况
如上的2个表格没有意思，这个表格却可以说明很多问题：
| 购买次数 | 人数 | 百分比 | 人均贡献（元） | 总计贡献金额(亿） | 累计贡献 |
| 0次 | 185773 | 52.88% | 0 | 0.000 | 0.00% |
| 1次 | 71859 | 20.45% | 548.49 | 0.394 | 100.00% |
| 2次 | 28060 | 7.99% | 1094.03 | 0.307 | 90.21% |
| 3次 | 15496 | 4.41% | 1584.46 | 0.246 | 82.58% |
| 4次 | 10304 | 2.93% | 1990.09 | 0.205 | 76.48% |
| 5次 | 7425 | 2.11% | 2551.32 | 0.189 | 71.39% |
| 6次 | 5273 | 1.50% | 3235.61 | 0.171 | 66.69% |
| 7次 | 4520 | 1.29% | 3655.12 | 0.165 | 62.45% |
| 8次 | 3255 | 0.93% | 4318.95 | 0.141 | 58.34% |
| 9次 | 2717 | 0.77% | 4597.85 | 0.125 | 54.85% |
| 10次 | 2152 | 0.61% | 5182.04 | 0.112 | 51.75% |
| 10次以上 | 14474 | 4.12% | 13622.08 | 1.972 | 48.98% |
| 总计 | 351311 | 100% | / | 4.026 | / |
1） 所有的注册用户中，52.88%的注册用户到目前为之还没有产生过购买；所以注册到购买转化率大概47%；
2） 产生了3次或以上购买的顾客占总体注册用户的18.68%，但是他们产生的总体购买金额却占了A公司有史以来总体交易金额的82.58%，看来2:8定律真的是无处不在！
所以，根据这个结果，我们可以把购买了3次或者以上的顾客定义为公司的核心用户，他们是确保公司基石的重量级客户。
3） 购买10次或以上的有14474人，占注册用户4.12%，但是这小小的4.12%的用户为公司贡献了48.98%的交易额！而且人均贡献1.36万！当然不排除企业客户，但是我们发现，购买频率越高，对公司越是至关重要！
我们这里做个假设：如果不考虑重复购买，所有的顾客只要购物，都只买1次，那么会发生什么情况？
结果是：A公司的交易额将变成目前总体交易额的25%而已！公司总体交易额将缩减75%！可见：
1） 对于一个购物网站来说，忠诚度的培养和顾客的重复购买，是多么关键。
2） 长期进行老用户的优惠措施（积分优惠、折扣优惠等）是公司发展的根本！
4，有过购买的用户，都是注册之后多久会购买？
如下是以有购买记录的顾客为研究对象的，从没购物的不考虑其中。
| 注册到首次购买的时间 | 人数 | 占比 |
| 注册后1个月以内购买的 | 135377 | 81.78% |
| 注册后2个月以内购买的 | 140177 | 84.68% |
| 注册后3个月以内购买的 | 142892 | 86.32% |
| 注册后4个月以内购买的 | 145177 | 87.70% |
| 注册后5个月以内购买的 | 147097 | 88.86% |
| 注册后6个月以内购买的 | 148752 | 89.86% |
| 注册后7个月以内购买的 | 150408 | 90.86% |
| 注册后8个月以内购买的 | 151351 | 91.43% |
| 注册后9个月以内购买的 | 152262 | 91.98% |
| 注册后10个月以内购买的 | 153139 | 92.51% |
| |
这个图表说明了几个很重要的规律：
1） 顾客注册之后如果要购物，那么81.78%的顾客都会在注册后的1个月之内下单；
2） 如果顾客注册之后的1个月之内没有购买，那么他81.78%的可能性永远不会来买了；
3） 如果顾客注册之后的半年之内么有购买，那么他90.86%的可能性永远不会来买了；
4） 如果顾客注册之后1年以内还没有购买，我们就不用追讨了，他很有可能就蒸发了；
4） 所以，要顾客转化，有必要在顾客注册之后的1个月之内通过各种方式引诱他购物；
技巧：顾客注册之后，通过Email和短信通知其购买，甜美MM电话告知，甚至不惜给予丰厚的优惠让顾客来购买。根据统计分析，顾客注册之后产生第一次购买的概率是47%左右，但是一旦产生了第一次购物，那么他购买第二次的概率是60%以上；所以，让顾客产生第一笔交易永远是值得投入的，一旦变成你的老用户，那么他的价值是很大的。
5，顾客的购物频率是怎么样的？
如下的顾客全部是购买了2次或者以上的顾客，因为只购买了1次的顾客，讨论购物频率是没意义的。
| 购买频率 | 人数 | 百分比 | 累计百分比 |
| 0-1个月来买1次 | 17977 | 19.19% | 19.19% |
| 1-2个月来买1次 | 18183 | 19.41% | 38.60% |
| 2-3个月来买1次 | 15476 | 16.52% | 55.12% |
| 3-4个月来买1次 | 10988 | 11.73% | 66.85% |
| 4-5个月来买1次 | 8000 | 8.54% | 75.39% |
| 5-6个月来买1次 | 5658 | 6.04% | 81.43% |
| 6-7个月来买1次 | 4244 | 4.53% | 85.96% |
| 7-8个月来买1次 | 3035 | 3.24% | 89.20% |
| 8-9个月来买1次 | 2145 | 2.29% | 91.49% |
| 9-10个月来买1次 | 1705 | 1.82% | 93.31% |
| 10个月以上购买1次 | 6267 | 6.69% | 100.00% |
| 总计 | 93678 | 100% | / |
这个表格也有意思：
1）81.96%的顾客都会在半年之内来购买1次，所以，对我们公司来说：
2个月给没有继续购物的顾客发送优惠的产品信息，必要性：38.60%；
3个月给没有继续购物的顾客发送优惠的产品信息，必要性：55.12%；
6个月给没有继续购物的顾客发送优惠的产品信息，必要性：81.43%；
6） 新老用户交替的科学计算矩阵图
如下这个图是有意义的，是动态跟踪顾客购买记录的矩阵。这个图有点绕口，它观察的是：顾客最后一次下单的情况。
比如，我们拿2002年来说明：2002年注册的那帮家伙，最后一次下单都是什么时候呢？如下的百分比说明：
1）2002年注册的人如果购买了，21.49%的人最后一次购买是在2002年；
2）2002年注册的人如果购买了，8.16%的人最后一次购买是在2003年；
3）......
4）2002年注册的人如果购买了，38.16%的人最后一次购买是在2007年！
这个表格说明：
不管顾客是哪一年注册的，平均来说40%的顾客还是会在目前保持活跃度的，顾客的生命期比我们想象的要长；也就是说：2002年注册的那帮家伙如果产生了购物，他们40%左右现在还在活跃着！2003年注册的那帮家伙如果产生了购物，他们40%左右现在还在活跃着！
| | 2002年 | 2003年 | 2004年 | 2005年 | 2006年 | 2007年 | 总计 |
| 2002年注册 | 21.49% | 8.16% | 6.44% | 8.85% | 16.90% | 38.16% | 100.00% |
| 2003年注册 | | 28.08% | 8.47% | 9.63% | 14.88% | 38.94% | 100.01% |
| 2004年注册 | | | 27.04% | 10.90% | 17.99% | 44.08% | 100.00% |
| 2005年注册 | | | | 35.00% | 21.59% | 43.41% | 100.00% |
| 2006年注册 | | | | | 55.27% | 44.73% | 100.00% |
| 2007年注册 | | | | | | 100.00% |
我个人是很重视数字的，其实不管是价格策略、产品策略、促销策略等，数字都可以在很大程度上助我们一臂之力，特别是目前技术允许我们这样做，我们有cookies记录顾客的行踪，我们有CRM系统对顾客信息进行整理分析，我们也可以用统计学模型来分析顾客浏览产品的关联度指数等。
1）我们不应该只是关心增长率，而是应该关心边际增长率。比如过去4天注册人数是：100，150，180，200，貌似是在增长，但是边际增长是50个，30个和20个，那么边际增长出了问题，注册虽然在涨，但边际在衰减；
2）文中我没有分析产品。但是顾客第一次购买和以后购买的产品是不一样的。我们如果发现50%以上的顾客第一次购买都倾向于购买某类产品，那么针对新用户，我们就应该推广这类产品。在其他网站做广告，我们也只是推广顾客第一次最容易购买的产品广告，而不是全部产品。
3）我们可以巧妙地在网站上调整价格做实验，来测试顾客的价格弹性。比如我故意将某个产品价格下降5%，看看顾客的购买金额增长了多少。如果顾客购买增长超过5%，那么降价有理；如果顾客增长少于5%，那么最好是不要降价。
4）我可以在网站上随意做任何促销，包括降价、送赠品、捆绑销售、抽奖、主题活动、优惠券、积分等，然后我在系统中细致地分析每个促销活动的：1，投入产出比，比如送赠品是1:5，也就是投入赠品成本1元，带来5元交易额增量；2，每个活动带来的交易量增长绝对值。以后我专门选择投入产品比和交易量绝对增长高的促销活动。但是在首页做促销问卷调查是没有太大意义的