电商独立站项目搭建笔录
本文以A-Premium官网独立站电商系统为基础分析框架,结合对成熟电商体系的理解,将当前DTC官网的功能架构进行拆解分析,以便团队成员及后续新人对电商业务及当前系统的快速理解。若有疑问之处,欢迎沟通纠正。
因当前DTC官网的系统建设尚处于早期,文中有多处内容(如会员体系、营销体系、采购仓库等)是基于个人对行业成熟电商的理解而补充编写的,与当前我们业务不是完全匹配,但可能会作为产品未来逐步完善的规划方向之一,仅供分享参考。
一、会员体系
会员体系主要是管理用户信息,通过一系列满足用户心理、提高黏性的方法来实现开发新用户、增加用户活跃度的目的。同时,基于用户的信息和相关数据构建用户画像,针对性制定营销策略,提升营销效率。
1.1 用户画像
用户画像代表的是具有相同特点的一类群体。根据用户的属性、目标、行为和观点给用户贴标签。将标签进行归类,然后代入场景进行简单描述,形成的一个人物角色。
用户画像的核心是标签体系
1.1.1 用户画像的构建
构建用户画像实则构建标签体系,画像的构建可以依据基本属性、行为属性、功能偏好、兴趣偏好、消费属性、用户生命周期等维度来组织标签。
1.1.2 用户画像的应用
-
定向营销和精细化运营
运营是用户画像的主要使用方。经常需要通过标签筛选出特定人群,针对特定人群制定相应的营销策略。
eg:对于宝马车型爱好者,发放宝马汽配商品的优惠Code;对于即将流失的用户发放特定折扣券
-
搜索推荐的展示
构建用户画像,向特定人群推荐或展示特定的商品,在搜索或商品排序中,与该画像更匹配的商品优先展示。
eg:Tesla车型爱好者,推荐商品中优先推荐Tesla的配件;
1.1.3 用户画像的管理
静态标签:一般不会变更的标签。如性别、生日等。有时职业、城市也会作为静态标签处理
动态标签:需要更新维护和管理的标签。如用户注册时长、订单的交易数量、消费行为等。
对于动态标签的维护和更新,前期可采用手动更新的方式,即自定义增加筛选某一类的标签;随着系统的完善,后期也可增加智能化标签的方式,制定打标的规则。
1.2 会员体系搭建
会员系统有一个升级版的名称:CRM(客户关系管理)系统。
-
针对C端的会员管理主要包含会员基础信息管理、会员成长体系和积分体系这三部分。
-
针对公司汽配业务的实际情形,基于用户的消费模型分为小B商家和普通零散用户。
小B商家可单独维护或建立合作关系,普通零散用户作为常规营销的重点,对于构建会员营销体系提供更为直观的数据参考。
1.2.1 会员基础信息管理
基本信息(国家/区域、性别、年龄、职业、车型系列、地址、IP、设备等)、订单信息、优惠Code/Coupon信息、售后信息、会员标签、会员等级、会员积分等
1.2.2 会员成长体系
用户的成长值决定了用户的会员等级。会员等级的管理及升级条件的设置亦对会员成长体系的成败起到关键作用,如常见的以RFM模型(用户消费行为特征分析模型)作为影响会员成长体系的主要参考依据之一
【RFM模型】
RFM模型是用户消费行为特征分析模型,
RFM:
R-recency(最近一次消费时间)
F-frequency(某一时间范围内的消费频次)
M-monetary(某一时间范围内的平均客单价或累计交易额)
RFM模型是衡量用户价值的重要工具和手段,是对会员价值进行多维度动态指标的综合加权计算。
eg: 将这三个指标划分成5档,可以形成多种组合(5×5×5个组合):
R(消费间隔) | 对应成长值 | F(消费频次) | 对应成长值 | M(消费金额) | 对应成长值 |
R≤7Day | 10 | F≥10次 | 10 | M≥$1000 | 10 |
7Day<R≤30Day | 6 | 5次≤F<10次 | 6 | $500<M≤$1000 | 6 |
30Day<R≤180Day | 2 | 2次≤F<5次 | 2 | $100<M≤$500 | 2 |
180Day<R≤360Day | -1 | F=1次 | -1 | $0<M≤$100 | -1 |
R>360Day | -2 | F=0次 | -2 | M=$0 | -2 |
【用户行为增长模型】
用户行为增长模型是指根据用户在平台上的行为,进行成长值量化,突出用户单次行为的贡献度,成长值是会员行为的单向累计的统计。
-
在电商网站中,一般对用户的登录、购物、评价、晒单、分享、邀请好友等行为进行成长值评估。
-
RFM模型作为一个动态评估模型,当用户消费倾向下降时,成长值就会停滞不前甚至下降,能持续激励用户去消费。
-
某用户已经成为了超级会员,但是半年没消费开始掉级,变成了普通会员,这样的降级动作就有可能重新唤醒用户。
1.2.3 会员积分体系
积分体系作为常见的会员奖励模式之一,通常在一些高频消费、客单价较低的平台中广泛应用,如国内的淘宝、拼多多、跨境中Shein也构建了用户的积分体系
1.2.4 会员体系分层
随着会员体系的丰富,会员会从多个维度进行划分层级,以便满足多维场景下实现的会员针对性营销活动
小结思考:因汽车零配件的行业属性,并非用户高频消费的场景,结合行业竞品的参考,会员积分等模式不完全适合行业属性会员体系建立,因此短期暂无此方向的产品规划。会员体系的短期未来规划方向:
1、用户画像及标签体系的搭建,满足运营人员基础的筛选特定人群,制定EDM推送策略
2、会员新客营销体系的搭建,如新客首单折扣、新客优惠Code
二、商品体系
商品是电商产品体系的核心之一,将统一管理商品的地方定义为“商品中心”。
商品中心的数据应用场景很多,在使用的维度上分为前端和后端。
前端:给商品展示、订单、营销活动提供商品数据支撑。
后端:商品中心给订单发货、仓库管理、供应商管理、采购、财务等提供基础数据支撑。
-
商品的基本概念
-
类目和品牌管理
-
属性管理
-
SKU编辑
-
商品编辑
-
商品管理
-
商品搜索及筛选
-
商品推荐
-
商品评论
-
品牌&车型管理
-
商品可分为实物商品、虚拟商品(当前A-Premium平台零配件以实物商品为主,未来随着营销场景的丰富可能会有诸如礼品卡、Coupon/Code、抽奖券等虚拟商品)
-
商品按归属分平台自营商品和商家售卖商品;
-
商品按售卖形式可分为正常售卖、预售、组合购商品、附赠商品、抽奖商品、兑换商品等。
不同业务场景下商品中心的设计会有些不同。
SKU:库存量单位,库存控制的最小可用单位。(iPhone14 plus 128G银色 )
SPU:标准化产品单元,(一组标准化信息集合)。(iPhone 14 )
因汽车零配件行业的属性因素,每一个零配件适配针对性的汽车品牌及指定系列车型,因此商品基本以SKU作为展示单元,弱化SPU的概念(在商品管理平台上也有体现)
-
商品类目管理:分类树。
电商常用的有两层类目:前台-展示类目,后端-商品类目。
前台类目——展示给消费者看的类目,比如会根据季节,销售策略,活动进行变动。
后台类目——基础数据,通常不可随意变动;添加SKU时都需要选择后台类目,进行绑定。
-
商品属性管理——关键属性、销售属性、非关键属性。
关键属性——能够唯一确定产品的属性;(如汽车前轴刹车片)
销售属性——组成SKU的特殊属性,或称为“规格属性”。(如汽车品牌、车型系列)
非关键属性——其他属性。(如商品副标题描述)
2.1 商品类目管理
-
基础数据类目层:后台类目
-
前台展示类目层:前台类目
后台类目——面向商家或供应链人员,商品属性、销售属性及品牌等很多数据都是在基础类目上进行管理;
前台类目——面向用户,方便用户查找商品,可以随着运营需要去调整。
前后台类目,通过映射关联。
商品类目管理作用:
-
方便快速发布及管理商品,以便运营或供应链人员更好地进行商品管理。
-
标准化商品服务,对于电商平台,品类定义基本确定平台的商品服务范畴。
-
有利于仓库管理,合理的商品类目管理还能方便仓库中库位分区管理商品。
-
日常运营需要,在电商运营中,需要进行商品聚类,科学的类目管理可以减少运营的管理工作。
2.1.1 后台类目(对应我们管理后台的商品类目)
后台类目——主要面向平台内部人员,用于管理商品和属性。
相对稳定,确定之后不轻易变更或删除。
类目树层次不能太深,一般3-4层。
类目树中最后一层类目——叶子类目,商品必须挂载于叶子类目下。
商品属性、销售属性及品牌等很多数据都是在基础类目上进行管理。
发布商品时,在选择好叶子类目后,会被要求选择品牌、填写相应的属性,所以类目管理属于较为核心的工作,要从长远考虑。
赠品——作为促销(低价)商品,应设置类目,通常放置到 商品发布类目“其他-赠品”类目。
2.1.2 前台类目(对应我们管理后台的商品集)
主要面向用户,方便用户筛选查找商品。
(1)用户渠道的维度看:
前台类目可支持不同客户端设置。(PC&Mobile端)
支持平台运营人员自定义店铺前台类目。
(2)从前台类目定义:
前台类目对应后台类目,可一对一、一对多、多对多,自由组合,动态调整。
前台类目直接对应车型品牌、商品,适合商品较少的车型品牌。
前台类目对应后台的叶子类目和某项属性的组合。(eg:分类时选择商品中1段,2段,3段等属性组成类目)
前台类目,灵活,可重叠,可删除,看而随时变动,定时生效。
2.2 车型品牌管理
由于汽配行业的商品属性,一款零配件适配特定的车型有限。车型品牌是汽配商品的必备属性之一,在用户做购买决策时,起到关键因素。
(1)新增车型:相关字段——Year(年袋)、Make(品牌)、Model(型号)、Trim(装饰)、Engine(引擎),状态(可用/不可用)
(2)车型关联类目:可1:1;1:n;n:n;(22款Tesla Model Y车型产品既有发动机、刹车片、雨刮器等不同种类,就属于不同的叶子类目)
2.3 商品属性
属性是对产品性质的描述,是区分产品差异性的集合。
在电商中,商品属性通常分:关键属性、销售属性、非关键属性、特殊属性
(1)关键属性
能唯一确定商品的属性。关键属性可以是一个属性,也可以是一群属性的集合。他能确定某一商品的集合(SPU),而不是单独特定的商品(SKU)。
eg:
通过汽车类目、名称,组合可确定唯一的产品“汽车前轴刹车片”。“汽车前轴、刹车片”这两个就是关键属性;
再比如通过手机-品牌、系列,组合可确定唯一产品“Apple iPhone14Pro”;“Apple、iPhone14Pro”就是关键属性
(2)销售属性/规格属性
通常也称为规格属性,一个或者多个销售属性能够确定一个SKU,是组成SKU的特殊属性。直接影响商品的库存
eg:刹车片的匹配的车型——车型品牌、出厂年代、型号系列等都是销售属性。2020款Tesla Model Y前驱刹车片即可精准到SKU
(3)非关键属性
除关键属性、销售属性以外的其他属性,在实际填写属性过程中,带*号的可能是关键性属性,为必填;没带的可能是非关键的,可以不填。如我们后台中商品的副标题
(4)特殊属性(也可称为附加属性)
表示商品的特有特征;如包邮、新旧程度、保修方式等,不能作为产品的属性。我们汽配有些商品需增加特定的Note描述以也可定义为该附加属性
商品搜索能力,除了标题、类目,很大程度依赖于商品属性(如车型品牌、系列型号等)。
包括 属性名、属性值;一般都是挂在具体类目下,设置为必填或非必填。
在设置属性值时,须保留一定的扩展性,部分允许自定义属性。
2.4 SKU
SKU——最小库存单元
SPU——标准化产品单元
item——商品编码,与SKU一一对应
OE——Original Equipment,对应唯一的汽车配件编号,属于汽配行业的编号。同一个产品,因为装配在不同的车型上,从而有可能有多个不同的OE编号
因公司业务及汽配行业属性原因,商品前台展示均是以SKU展示为主,即每个商品详情(SPU)均只有一个单独的SKU,但一个SKU可能对应多个SPU。
通常情况在公司内部,仓库系统、ERP采购系统、库存系统、订单中心等系统都是主要以SKU为区分商品的依据。
SKU & SPU
(1)SKU:SPU=1:n (1个SKU对应多个SPU)
一件商品,可以适配多个车型系列时(如一个雨刮器既可用在20款宝马X5车型,又可用在21款宝马X3车型),我们可以生成多个URL进行展示
目前广告投放均是针对车型投放,因此需生成多个URL进行分别投放,但对应的都是同一个SKU(item也相同),后台商品列表中也只有一个,用户搜索筛选只展示一个主URL,目前商品的信息(标题、商品详情属性等)均是同一套。
eg:https://a-premium.com/product/Front-Driver-White-Power-Heated-Mirror-with-Turn-Signal-for-2021-Nissan-Altima-HVUx5wYTTI
与https://a-premium.com/product/nissan-altima-front-driver-white-power-heated-mirror-with-turn-signal-TYacsFk3SN
在未来的实际场景下,甚至可以在前台展示多个不同商品(商品标题及详情页面),系统中商品编码(SPU和item)也不同,但发货对应同一个SKU,库存共用。
(2)组合SKU——解决出售组合商品的问题
组合SKU的属性,都继承主SKU。
组合SKU不同于套装促销。
套装促销在订单中会展示多个商品,而组合SKU在前台是一个商品。
组合SKU:
适用场景:添加赠品,组合售卖。与前台的商品套餐有所区别。
在订单解析成发货单时,组合SKU需解析成单一SKU。
商品名称 | 商品种类 | 对应SKU | 组合SKU | 仓库发货SKU明细 |
Wiper | 1 | SKU1 | 1*SKU1 | |
Brake pads | 1 | SKU2 | 1*SKU2 | |
2Wiper+Brake pads | 2 | SKU3 | 2*SKU1+SKU2 | 2*SKU1 1*SKU2 |
3Wiper+2Brake pads | 2 | SKU4 | 3*SKU1+2*SKU2 | 3*SKU1 2*SKU2 |
a.组合商品
在前台售卖是单个商品,下单出库,解析成SKU1和SKU2
b.特殊包装;套装进仓:以独立的SKU入库。
item——商品编码
商品创建时,会生成一个唯一的item id编码,与SKU对应。与SKU不同的是,item在前台展示,且支持用户用item搜索出对应的商品。
OE号——汽配编号(行业属性词)
【百度百科】OE即Original Equipment。在汽车制造业发达的国家,每个汽车生产厂为方便对零部件(汽车配件)进行管理,对每种车型的每个零部件都采用不同的编号来区别分类,这个编号就是OE编号。
每个OE厂商都有不同的编号规则。比如:F1DU-10300-AD是FORD福特的编号,0 124 325 003是BOSCH博世的编号,10479923是DELCO德科雷米的编号。每个OE编号对应唯一的产品,但同一个产品,因为装配在不同的车型上,从而有可能有几个不同的OE编号。
VIN码——车辆识别码(行业属性词)
【百度百科】VIN是英文Vehicle Identification Number(车辆识别码)的缩写。因为SAE标准规定:VIN码由17位字符组成,所以俗称十七位码。它包含了车辆的生产厂家、年代、车型、车身型式及代码、发动机代码及组装地点等信息。正确解读VIN码,对于我们正确地识别车型,以致进行正确地诊断和维修都是十分重要的。
2.5 商品管理
公司所属的汽配行业属性,大量的SKU商品导入管理。在特定的应用及营销场景下,需对商品进行针对性的调整,商品上架发布之后,日常维护包括:
(1)批量导入/导出商品
支持批量导入/导出商品
匹配商品信息字段
(2)上下架状态及删除管理
在售商品管理(上架商品)
待售商品管理(下架商品)
管理功能包括:
可进行批量上下架
可进行批量删除下架商品
设置自动下架规则
在缺货(库存为0时)自动下架商品;新品上架可定时发布;活动商品定时上下架等。
(3)价格管理
设置商品价格,含原价、售价、成本价、促销价、最低价等
(4)促销活动
同步商品参与的促销活动;(黑五、组合购、满减,套装,优惠券等促销活动)
前端商品页面(活动落地页、分类搜索页、详情页中显示)
(5)商品标签
包括活动标签、服务标签、性能标签等类型。
eg:极速退款、包邮、买错包换、分期付款等服务标签
热销、新品等 是活动标签
正品 等是 性能标签
标签设置:
有些可以在商品编辑时添加;有些可按车型品类、按类目批量设置;有些在订单中体现(比如:服务标签的分期付款等;商品标签可在前端或主图的角标显示或商品详情页显示)
(6)库存管理
同步仓库的实物库存或仓库调拨等,商品参与活动自设活动库存等
2.6 商品购买
与普通电商购物相比,我们DTC汽配行业商品购买的流程差异较大,汽配商品可适配的车型系列等属性极为重要,因此用户下单之前,需要引导用户选择车型系列。如下图所示,抛开广告投放直接进入商品详情页外,我们DTC用户购买商品的几条路径(后续再补上相关的购买路径数据分析对比)
2.7 商品搜索及筛选
搜索及筛选是一个相对复杂和长期的事项,我们DTC暂时做的比较基础,此部分的分析仅做后期参考,并非完全符合我们现在DTC的搜索规则
2.7.1 搜索
搜索是通过关键词的匹配,对目标内容进行检索查找的过程。
eg:
当用户开始搜索时,(input 某个关键词、品牌车型、类目、item等),搜索引擎会在得到口令后,按照搜索规则从海量的商品库中寻找用户最想要的商品。
搜索涉及的:有PC端、移动端的搜索页面,商品列表页、商品集、商品分类页搜索等。
商品搜索和其他搜索系统同,(海量数据、超快速查询、快速响应),需要从商品中心、库存系统、营销系统、订单系统等多个数据库进行抽取相关数据,同步更新至搜索数据库中。
-
商品搜索业务流
先输入 关键字——进入分词服务——开始数据查询——获得搜索排序——最后搜索结果输出
1.分词服务
在搜索框输入关键词,单击“search”按钮后,搜索引擎即对 搜索词进行处理;速度必须非常快。
目前我们做协助字段匹配搜索,暂未做分词纠错等处理。此处仅做参考
(1)分词处理
——会判断是否整合类目属性信息,判断是否有单词拼写错误 /错别词等情况
根据用户搜索日志、车型品牌名称、属性、类目或人工设定等数据构建搜索词库,定期更新和维护。
系统根据搜索的关键词结合词库按字切词、索引,保证查全率。
eg:Tesla wiper——将被拆成“Tesla”和“Wiper”两个关键词进行搜索。(虽然我们目前没做到拆词检索)
(2)第一展现类目
在搜索过程中,根据行为习惯,同一搜索词的大量用户行为数据很容易聚焦才相应的热点类目,从而判断出该关键词的第一展现类目。
eg:“手机”的搜索行为会集中到手机类目,而不是配件类目。
(3)纠错
有拼音纠错,错别字纠错等
纠错,是通过建立错词和正确词的映射关系表,在搜索时进行替换。
数据来源主要有用户搜索词,搜索日志,运营部门人工更新等。
eg:shoft——shaft
(4)搜索联想
在商品搜索时,会出现搜索联想词。
搜索下拉提示:
数据源主要是用户搜索词及搜索日志,或由相关运营人员添加的联想词,按照搜索词的相关性和热度来进行排序。
eg:输入dri,自动联想“drive shaft”等关键词
2.数据查询
对搜索词处理后,搜索引擎程序会从索引数据库中找到所有包含搜索词的商品。
商品搜索时,主要是从商品的标题名称、车型品牌系列、类目、属性、item、OE号等数据中查询。
识别分词与类目关系,与商品名称,车型品牌相关性,与关键属性,销售属性的相关性
3.搜索排序
搜索排序的因素主要分4类:
-
商品相关性:
主要是标题名称、车型品牌系列、类目、属性、item、OE号等。其中item、OE号以精准搜索为主,其它可做模糊搜索
-
销量相关性
考虑销量、价格等因素。销量可以取某一时间段商品销售数量。
价格-趋向于取同类商品的常用价格区间
-
评论数
主要计算商品的评论数、评论率等
-
时效性
参考商品最近上架时间、最新更新日期
4.个性化推荐
根据用户画像、车型系列、消费轨迹、所在地区来进行个性化推荐。
eg:
根据个性化原则,不同车型系列的人搜索相同的关键词,同车型系列的商品会优先展示。
根据用户消费主张和浏览轨迹,会给买家贴标签;
搜索相当于流量入口。
2.7.2 商品筛选
商品筛选——建立用户与目标商品的更短路径,从而加快决策进程。
(1)价格区间
让用户选择目标商品的价位区间,并提供一些常用关键词的推荐价格区间做一定数据处理。
(2)车型系列筛选
从搜索结果商品中聚类选择出常用汽车品牌系列,提供给用户进行选择。
聚类——根据搜索结果中的车型商品数生成,车型根据认读或人工定义规则排序。
(3)服务筛选
指商品的服务标签,例如包邮、折扣中等
(4)类目筛选
类目是关联的商品属性;
所以商品属性条件往往是从与搜索关键字契合度最高的类目中选择的。
筛选使用越多的属性,筛选结果越精准,排序也越靠前。
2.8 商品推荐
在电商网站里进行商品推荐,可以提高整个网站商品销售的有效转化率,增加商品曝光的同时提升销量
2.8.1 分类推荐
2.8.1.1 常规推荐
指平台选择一些固定商品放在推荐位,或者基于商品之间的关联性,进行相关的商品推荐。
常规推荐也分为手动推荐和智能推荐
-
手动推荐——手动设置固定的商品作为推荐,具有固定性
-
智能推荐——设置一定的推荐规则,例如按近期销量、按车型相关性、按上架时间等规则展示推荐商品,具有变化性
2.8.1.2 个性化推荐
指基于用户购物习惯,根据商品特性来进行推荐。目的是针对特定人群提供更匹配的商品,以满足用户个性化的需求,从而提升转化。
电商推荐系统将收集的用户信息、产品信息及用户画像分类作为系统输入,利用适当的推荐算法和推荐方式,根据用户设定的个性化程度和信息发送方式,给用户提供个性化商品推荐。
用户对推荐结果的点击浏览、购买的反馈结果,又可作为优化系统推荐的参考。
推荐系统 一般由4部分组成,按照“信息采集”、“行为分析”、“商品匹配”、“推荐展示”的步骤,
分为4大模块:
-
用户行为记录模块:采集用户信息
反映用户喜好的行为,eg:车型系列设置、浏览、购买、评论等
-
用户行为分析模块:分析用户喜好
分析用户对商品的潜在喜好及喜欢程度,建立用户偏好模型
-
商品分析模块:分析商品特征
对商品进行商品相似度、商品搭配度、目标用户标签进行分析。
-
推荐算法模块
根据一定的规则从备选商品集合中筛选出目标用户最可能感兴趣的商品进行推荐。
2.8.2 商品推荐位
-
DTC首页底部的位置(Top Picks For You)
-
商品详情页推荐位(Customers also shopped)
-
订单完成页底部
-
购物车页面底部
-
其它
2.9 商品评价
作用:
对用户:可把用户在购买后对商品、服务、物流等相关信息的感受写出来,为其他用户提供购买决策,减少购物成本。
对平台: 有质量的评价有助于降低退货率,提高优质商品的转化率,并且构建商家信用评价体系,合理分配平台资源,甚至帮助优化搜索。
在订单中进行评论,有2个维度:
-
订单整体
主要对订单的物流服务、服务态度等进行打分
-
商品
除了评分,就是详细描述。
2.9.1 商品评论的处理:
(1)商品评论筛选
过滤恶意差评,对关键字筛选,对出现敏感词汇的评论直接过滤或人工审核。
(2)分级显示商品评论
分级(1-5星)、(好评、中评、差评)
统计商品好评度,并提炼评论中关键词(有图等)
(3)根据商品评论和服务评论对商品进行管理
若商品确实不符合用户的期望,或考虑下架或降低生产的措施
2.9.2 商品评论数据的来源:
(1)通过第三方平台导入
若商品在第三方平台(如Amazon、ebay等)有销售,且有丰富的评论数据,可通过数据对接或导入的方式将评价导入到对应商品评论处。(注意隐藏相关昵称或隐私信息)
(2)放开评价入口(慎用)
允许无门槛给商品填写评论内容(游客或非下单用户均允许编辑)
(3)运营或内部人员编写(不建议)
商品上架后,自己内部人员模仿用户填写商品评论的内容
小结思考:商品体系作为电商系统中的重中之重,我们DTC目前已构建了基础商品信息管理,但商品类目及搜索推荐等方面均有较不完善的地方。后续商品体系的优化会着手从以下几个方面思考:
-
以数据为依据,分析用户购买商品的核心路劲,并从产品、视觉和交互等方面缩短用户购物路径,提升优化
-
优化商品类目及商品集中心,完善车型系列管理,使用户在DTC能快速便捷找到想要的商品和匹配的车型
-
优化商品搜索和筛选规则,提升搜索结果的精准性。至少杜绝目前出现的大量搜索及筛选为空的结果
-
优化商品详情页的布局及视觉设计,提升广告投放页面的交易转化率