客流分析平台你真的会用吗（外卖平台的目标客户和定位）

　　几乎所有外卖餐饮商家都知道，美团外卖或饿了么外卖平台，拥有三个核心的数据板块，称之为客流分析；

　　客流分析主要集中于三个数据量：

　　曝光、入店人数、下单人数；

　　而每个数据量下，有个次数的数字部分，代表用户的曝光与进出店的频繁程度；

　　举个例子：

　　曝光3人，4次，意味着其中有一个人来回滑动屏幕，总计看到过2次；

　　假设曝光3人中，有1人进店，进店5次，意味着这个用户在不断的做进店出店的犹豫，很大概率店内并未成功吸引住用户，所以导致用户还想在继续看看其他店铺；

　　如何判断用户是否在进店后产生了犹豫，主要取决于下单人数占据进店人数的比例，来综合判定；

　　每个数据变量之后，有一个百分比，其核心便是作为数据直观判断依据；

　　同样在每个数据之后，有一个同商圈均值与前日对比数据增长概况；

　　很多商家沉迷在优秀和较差的字样，实际上这样的文字判断主要取决于昨日和前日的店铺情况对比，比前日好，他会显示优秀，比前日差会显示较差，如果不变则会以同商圈均值来做判断；

　　同商圈均值是指在店铺品类中在同一个配送范围内的商家平均数据量，但是商家需要知道的是该商圈均值只能作为参考，因为越来越多的商家开始故意选错品类，以求得到非小众品类的曝光增加。

　　例如炸串品类商家可能会选择烧烤龙虾，粥类店铺可能会选择简餐，因为我们不是美团，因此很难判断平台是否对菜品关键词做了判断，以求店铺品类准确，但是的确有商家钻了漏洞。

　　所有商家都需要知道的是，客流分析的数据优先判断次序：

　　曝光＞进店率＞下单率

　　曝光不是越高越好！

　　但是进店率和下单率要越高越好！

　　曝光越大，意味着进店率和下单率会出现下滑；

　　如何确保在正常的曝光区间来进行店铺的进店率和下单率优化，是所有外卖店铺优先的考虑项。

　　举个例子：

　　10个人路过店铺，有5个人进店，3个人下单；

　　如果按照数据占比来判断，那么进店率是50%，下单率是60%；

　　但是如果我们将曝光的10个人拉升到100个人甚至1000个人呢？

　　进店率和下单率必然下滑，因为采集的数据量开始变广泛，采集的人群属性也开始出现极大的变化。

　　因此回归到整个客流分析中，曝光需要满足一定的数据量，才能确保在正常的曝光状态下，数据的可控性和优化方向；

　　进店率的影响因素，在免费课程中有过详细的说明：

　　影响进店率的因素为：店铺logo、店铺名称、店铺评分、店铺距离、配送速度、满减、配送费、起送价等。

　　在确保自身店铺不亏损的情况下，对以上数据进行调控；

　　很多商家至今看到进店率不行，还不知道如何调整，经常有商家询问建议，进店率应该怎么做？

　　不同的品类影响的因素都不一样，以早餐粥类包子等为例，起送价、配送费这两个因素是最为关键，你比同行的起送价更低，配送费更合理，那么用户早间段的订餐频次也会增加，早餐是所有人都不愿意花费高价品尝的订餐点，其原因在于早餐如若需要15起送，包含配送费后，用户需要支付20元起，价格过于昂贵，也吃不完，会让用户觉得不划算；

　　如果店铺名称精准包含了品类关键词，评分也优于同行，店铺满减也优于同行，也做了配送费的减免和起送价的调整，那么就需要对最后一项logo进行优化。

　　当所有的调整都尝试后，进店率若增长不大，这时候就要将重心放在下单率与曝光上，因为进店率是一个不可控的因子。

　　有的人就爱吃米饭，而你是个米粉店，换句话来说，如果你不做大额的让利，很难让爱吃米饭的人爱上你的米粉，一旦你为了提升利润调整价格后，订单就会大幅度下滑，因此没必要因为劣质用户来做亏本策略。

　　所有的进店率因子调整，都是尽可能的增大用户的进店可能性，而并不能保证你所有的调整完毕后，用户会100%进店，这也是为什么多少家店铺的进店率能超过15%，一般都在6%至10%区间。

　　进店率优化表