參與了這么多電商大促后，你知道大促頁(yè)面如何定位嗎？

 

又一年雙11。身在電商行業(yè)，每當(dāng)大促來臨，總有做不完的頁(yè)面需求。

在完成一個(gè)又一個(gè)需求的時(shí)候，有沒有想過：為什么大促需要這么多不同的頁(yè)面？

——這是最近在做雙11某頁(yè)面時(shí)，冒出來的一個(gè)疑問。在做這個(gè)頁(yè)面的時(shí)候，我始終無法定位這個(gè)頁(yè)面最核心的功能是什么，與眾多的雙11頁(yè)面最關(guān)鍵的差異點(diǎn)是什么。

于是索性退后一步，把常見的大促頁(yè)面都鋪在一起，以 4S 模型*（用戶購(gòu)物目的類型）為縱軸，希望找到一些本質(zhì)的原因、頁(yè)面與頁(yè)面之間的分野。

 

*4S 模型：

喚醒 Surface

行為初始用戶購(gòu)買意識(shí)弱，但因?yàn)槟臣唐坊蚰硞€(gè)利益點(diǎn)而喚醒潛在的需求。例如，想買某件商品卻沒有立刻買，繼而需求被擱置，后來偶然看到同一件或同類型商品時(shí)需求被喚醒。

 

沖動(dòng) Stumble

典型的沖動(dòng)型購(gòu)物，之前并沒有購(gòu)買計(jì)劃，偶然看到的當(dāng)下就購(gòu)買了。如被促銷力度吸引而臨時(shí)發(fā)起的購(gòu)物行為。

 

尋找 Seek

有明確的需求，購(gòu)買時(shí)清晰地知道想要的商品品牌和型號(hào)。

 

挑選 Sift

比較明確的需求，知道想買的商品類型，有意在特定商品范圍內(nèi)尋找，但沒有具體到某件商品。

來源于一家名為Dscout的國(guó)外公司曾通過一項(xiàng)為期12天、246名用戶參與的日記調(diào)研項(xiàng)目總結(jié)出一套用戶“購(gòu)物搜索行為模型”。感興趣的話可以看文章最后的鏈接。

縱軸：以需求類型分

以18年618為例，把所有頁(yè)面通過“尋找、挑選、喚醒、沖動(dòng)”四種類型對(duì)應(yīng)地鋪開，就會(huì)清晰很多了。當(dāng)然，頁(yè)面與頁(yè)面之間會(huì)有些定位和功能上的重合，免不了在縱軸上造成重合，這時(shí)候再通過頁(yè)面層級(jí)的橫軸來把它們拉開，就是一個(gè)618大促活動(dòng)的全局地圖。

接下來，我將對(duì)每項(xiàng)需求及對(duì)應(yīng)的承接頁(yè)面進(jìn)行簡(jiǎn)單的敘述，令大家能快速 get 到大促各類頁(yè)面的存在意義。

 

1.多樣的需求→【主會(huì)場(chǎng)】

作為一年中最大型的活動(dòng)，用戶可能會(huì)帶著各種動(dòng)機(jī)來參與，因此四種購(gòu)物目的都會(huì)存在；這個(gè)時(shí)候，當(dāng)大促的龐大流量進(jìn)入到活動(dòng)中時(shí)，首先要做的事情是：各種目的和需求都能第一時(shí)間承載，而因?yàn)樾枨筇鄻恿?，不可能只以一個(gè)頁(yè)面來完全滿足（不然這個(gè)頁(yè)面得信息量爆炸、跳出率暴增），所以大促主會(huì)場(chǎng)會(huì)把各種需求分流到各個(gè)功能的頁(yè)面去。

 

2.尋找→【全部會(huì)場(chǎng)】

這個(gè)需求在層級(jí)更淺的京東主站 APP 的搜索功能里，能得到更好的滿足，因此整個(gè)活動(dòng)體系并不急于在第一時(shí)間去滿足“尋找”功能；但到了再深一級(jí)的層級(jí)，某些潛在的需求被喚醒而轉(zhuǎn)變?yōu)椤皩ふ摇毙枨髸r(shí)，又需要頁(yè)面去承載了。進(jìn)入“全部會(huì)場(chǎng)”的用戶會(huì)呈現(xiàn)出比較強(qiáng)的目的性，更像是“尋找”需求的典型群體。

 

3.喚醒→【我的618】

很少有特別為喚醒需求而設(shè)計(jì)的會(huì)場(chǎng)，這個(gè)需求更多是通過分散在各個(gè)會(huì)場(chǎng)中的個(gè)性化推薦邏輯去滿足的。作為單純是個(gè)性化推薦邏輯組成的“我的618”頁(yè)面，在眾多會(huì)場(chǎng)里是最貼合“喚醒”需求的。

 

4.沖動(dòng)→【秒殺會(huì)場(chǎng)】

幾乎每個(gè)活動(dòng)都不會(huì)缺少“沖動(dòng)”的需求，用戶來參與一個(gè)活動(dòng)最常見的疑問的就是“優(yōu)惠大嗎”，而運(yùn)營(yíng)策劃活動(dòng)時(shí)也會(huì)盤一下能拿出來的優(yōu)惠有多少，以達(dá)成更多的沖動(dòng)購(gòu)買。因此作為一年最大型的大促活動(dòng)，滿足“沖動(dòng)”需求而存在的會(huì)場(chǎng)只多不少，而且會(huì)從各種維度上來打優(yōu)惠，從優(yōu)惠券到滿減到直降、幾件幾折…本質(zhì)上都是減少用戶的決策時(shí)間，促進(jìn)快速購(gòu)買。像“秒殺會(huì)場(chǎng)”，就是一個(gè)很典型的只以優(yōu)惠為核心而存在的、以滿足“沖動(dòng)”需求為主的頁(yè)面。

 

5.挑選→【品類會(huì)場(chǎng)】

“挑選”是最后一個(gè)寫的，它在整個(gè)路徑中也是最后需要解決的需求。這時(shí)候用戶離轉(zhuǎn)化已經(jīng)很近了，他只是想在眾多的選擇中找到最合適的那一個(gè)。因此才會(huì)有這么多的品類會(huì)場(chǎng)，它們本質(zhì)上是一個(gè)個(gè)商品列表，為了讓用戶在這些里面能選中一個(gè)商品，下單。

  橫軸：以頁(yè)面層級(jí)深度分

一個(gè)理想中的購(gòu)物路徑，是由一個(gè)大范圍的選擇面，慢慢縮小、具象化到某個(gè)點(diǎn)上，比如：

但是現(xiàn)在的問題是：我們無法知道用戶想要什么東西，或者說無法很精確地猜測(cè)到。因此現(xiàn)在的做法是先把所有的可能性展開來，令用戶先挑出他想要的大品類，然后再讓他慢慢挑選。因此流程加多了一步：

這兩種做法決定了頁(yè)面呈現(xiàn)的內(nèi)容完全不同：

現(xiàn)在再來看一下全局地圖的橫軸：

這也是整個(gè)大促地圖中，為什么橫軸上的各層級(jí)深度的頁(yè)面還會(huì)存在、為什么不能以一個(gè)頁(yè)面解決所有需求的原因——我們還沒有這么精準(zhǔn)的推薦算法，能讓我們放心地把流量放進(jìn)去。為此，電商平臺(tái)需要承受因?yàn)轫?yè)面層級(jí)變深而帶來的更高的跳失率，而用戶需要在各級(jí)頁(yè)面中暈頭轉(zhuǎn)向地找到自己真正需要的內(nèi)容，這對(duì)于雙方來說是雙輸?shù)摹?/p>

因此，更理想的流程是存在的，而且是行業(yè)內(nèi)一直在努力達(dá)成的。

只是那一天還未到來，我們還在路上。一旦到來了，相信整個(gè)大促也就不是現(xiàn)在這么玩的了。

  大促全局地圖：怎么用？

1.了解各頁(yè)面的功能定位，發(fā)現(xiàn)冗余或缺失

可以嘗試把自己參與的活動(dòng)像地圖那樣鋪開來，如果發(fā)現(xiàn)有哪些頁(yè)面是在位置上的重合度較高的，那么可以認(rèn)為是頁(yè)面規(guī)劃上出現(xiàn)了問題，造成了頁(yè)面的功能與定位的冗余，需要重新進(jìn)行全局上的梳理。

另外一種情況是，如果發(fā)現(xiàn)某個(gè)需求，當(dāng)前的活動(dòng)規(guī)劃中并沒有相應(yīng)的頁(yè)面或功能去承載，這時(shí)候就要評(píng)估這個(gè)活動(dòng)規(guī)劃中是不是忽略了這部分的需求，需要相應(yīng)的功能去補(bǔ)上。

 

2.根據(jù)不同的活動(dòng)性質(zhì)，著重滿足不同需求

• 大促活動(dòng)如618、雙11→面對(duì)的用戶需求比較廣，因此頁(yè)面、功能規(guī)劃上都需要有相應(yīng)的承接；

• 節(jié)日型活動(dòng)如年貨節(jié)、情人節(jié)→面對(duì)的需求比較窄（典型的送禮場(chǎng)景），因此會(huì)從各種角度去挖掘挑選需求；

• 品類常規(guī)活動(dòng)如秋尚新、品類促銷→面對(duì)的需求與品類的差異更相關(guān)，其中服飾的會(huì)更偏向喚醒與挑選、日百更偏沖動(dòng)、數(shù)碼更偏挑選；

• 某個(gè)主題的活動(dòng)如 IP 活動(dòng)→面對(duì)的需求偏沖動(dòng)（因?yàn)槎夹枰ぐl(fā)起對(duì) IP 的喜愛之情才能轉(zhuǎn)化為購(gòu)物欲望，在進(jìn)入活動(dòng)之前用戶一般不帶有太多目的性），因此會(huì)盡可能展示 IP 中最吸引用戶的內(nèi)容和元素，去激發(fā)沖動(dòng)需求。

 

更多的使用場(chǎng)景，我仍然在探索當(dāng)中。在此先拋磚引玉，希望獲得更多建議 ：）

 

----------------------------

關(guān)于4S 模型：

https://blog.dscout.com/hubfs/downloads/dscout_product_discovery.pdf?t=1536268715877

文章推薦