您的位置: 首页  »  科技资讯  »  电商运营系统,如何拆解?

电商运营系统,如何拆解?

前面《解析:自营电商后台系统架构》中我们列举了支撑电商采购、下单、发货、退货等业务流转的各个后台系统,这期我们来大致罗列下支撑前端运营和管理的运营后台系统功能模块。

照例先看一张脑图:

一、导购 1. 前台类目

电商平台类目管理通常分为两层,前台类目和后台类目,都是树状结构。后台类目主要面对的是商家或者供应链管理人员,基于标准化的行业商品特征将商品进行分类,当品类多的时候,后台类目层级结构会比较深,如图。

(淘宝商家后台类目)

而前台类目面对的是运营人员和用户,将前台类目变浅一方面方便用户查找,另一方面运营可以策略性的达到导购优化的目的,比如根据季节、大促节日、使用场景、热搜词或者商品品类成交数据归类、高亮或调整前台类目的位置,达到优化导购、更精准的定位用户需求、提高点击率和转化的目的。

如图。

(图一:淘宝PC端前台类目)

后台类目树的任意节点可以加挂到一个或者多个前端类目树的叶子节点(叶子节点即类目树的最末层)上,进而前后台类目树产生关联。

2. CMS内容管理

Content Management System,顾名思义就是内容管理系统。类似于淘宝这种大平台的电商公司CMS可直接对接用户数据中心,通过提取用户标签、匹配素材库自动创建“千人千面”的前端页面。

初创的电商平台可由运营人员通过CMS可视化操作,手动配置、发布首页、专题页、频道页等。通过一次性的开发各种组件,比如商品组件、拼团组件、公告组建、倒计时组件、优惠券组件等,达到灵活配置运营的目的。

下图以淘宝店铺首页配置为例,左边是组件库,拖动到可视化区域完成楼层搭建。

3. 评论管理

优质的评论可以为商品销量带来不可小觑的增长力。自营型电商体系中通常只有商品级别的评价,包括评价等级、评价内容、评价图片和追评,运营可加强优质评论的露出,同时需要回复评论以及对敏感文字、敏感图片和恶意差评的筛查。

平台型电商的评价体系中还引入了订单级别的DSR(Detail Seller Rating)店铺动态评分,分别为描述相符、物流相符和服务态度相符。DSR评分数据可用作平台对商家服务的考核指标以及分配资源的依据。

4. 搜索

当平台有了一定的商品量级就需要搜索功能帮助用户快速定位商品。根据用户输入的搜索词做切词,建立索引,匹配文本相关性和分类树从商品的候选集中选出权重较高的前n位结果,让用户快速的找到自己的心仪商品从而提高点击和转化。

搜索结果页不仅包含商品列表,还包含分类树、筛选项以及商品推荐等元素。对于前端来说一个简单的输入+点击搜索按钮的操作,在后台有复杂的查询、关联、筛选排序的过程。

二、交易 1. 购物车

购物车最大的作用就是能让用户凑单、实现合并支付。购物车最主要的功能有加车(商品分组、排序),商品编辑(选择商品、加减库存、批量编辑)、促销引导(选择活动和优惠、凑单、商品降价提示、库存紧张提示)和结算。

实现这些业务的流转需要后台与商品中心、订单系统、库存系统以及会员体系不断交互。

2. 库存管理

这层的库存信息主要面对前端用户。

营销是电商网站非常重要的运营方式,获客、提高转化率、客单量、打造爆款引流都与营促销手段息息相关。

主要可分为活动和优惠券:

活动包含满减、满折、N元M件、拼团、预售等。

新建活动需要设置活动信息和商品信息,活动信息包含活动类型、活动名称、开始时间、结束时间、根据不同活动类型设置活动规则,比如如果是拼团活动,则需要设置拼团持续时间、拼团人数等。

商品信息包含商品的活动名称,活动图片,活动库存以及活动价格。可生成相应的活动推广链接,方便其他渠道和场景跳转至活动页。

优惠券有满减卷、现金券、折扣券等。

新建优惠券需要设置优惠券信息和推广信息。优惠券信息包含名称、类型、面值、使用条件、使用渠道、有效期、发行量。推广信息包含领取方式是主动领取还是被动领取,是否限领,领券时间、领券门槛。

优惠券活动结束后,运营需要根据优惠券核销计算活动成本以及商品毛利。

四、消息

消息推送是产品触达、唤醒沉睡用户、做活动推广的一种很直接的运营手段,好的推送可以增加用户活跃度、提高用户粘性和留存;但是它是一把双刃剑——没有把握好度也容易引起用户的反感,导致卸载率升高和粉丝的流失。

现阶段消息推送的渠道分为小程序、公众号、APP Push和短信,消息类型分为IM类、通知类、和营销类。

在这个信息爆炸的时代,全覆盖式推广方式对于部分没有需求的用户会成为一种骚扰,只有更专业、更精准的营销才能吸引用户的眼球。如何能根据用户模型,利用大数据做好定向推送才是重中之重。

五、用户 1. 用户信息

包含基本信息(注册时间、用户昵称、手机号、性别等个人信息)、优惠券信息(优惠券明细及使用状态)、会员等级及权益。

合理的会员等级划分以及成长机制可以有效地促进用户的活跃度和持续消费,类似于现在的淘宝的淘气值,不同淘气值享受不同的优惠权益,而淘气值的计算需要综合用户购买、分享、信誉等多方面因素。

2. 用户行为

采集用户行为数据,为分析用户群、定义用户画像以及用户标签做数据基础。

包含但不限于注册、浏览、搜索商品、访问商品详情页、分享商品、领取优惠券、收藏、加入购物车、访问订单确认页、提交订单、评论商品、申请维权等一系列行为。

3. 用户画像

根据以上用户的基本信息、用户行为通过机器学习、自然语言处理等技术手段总结分析用户的社会属性(性别、年龄、职业、地域)、生活习惯(活跃程度、购物类型、通勤)、兴趣爱好(品牌偏好、颜色偏好)和消费行为(消费金额、消费频次),进而抽象出标签化的用户模型,在日常的活动推广、广告投放和功能拓展中精细化定位目标用户,从而提高点击和交易转化。

本文由 @雷大胖子 原创发布于人人都是产品经理,未经许可,禁止转载

热门文章