電商小程序TOP100榜單怎麼來的

從這份榜單，我們讀出了幾個很有意思的現象…

9/20公司舉辦了小程序峰會(上海場)的活動(內容及榜單可點這：别人家的小程序有多强 — 有赞百万小程序峰会（上海站）实录)。除了小程序的主題分享及數據更新外，跟前幾次不一樣的是，多了一個新的項目叫電商小程序Top榜單發布(榜單是新榜聯合有贊和億邦動力共同推出的)。

本文記錄這份榜單如何產生，並分享幾個很有意思的現象。另外有兩句話特別深得我心

小程序不是一個風口,它只是一個工具;小程序也不是賽道,沒有一家公司會僅僅因為小程序變得特別牛X;但小程序是一個逆襲的機會,它意味著用更低的成本連接用戶。

不是所有公司都適合做小程序,如果你是賣貨思維,或者電商1.0思維,再看今天的小程序你也是做不好的。我們中國很多企業本質上是巨嬰,今天有這麼大的體量,並不代表心智和能力配得上。

邀請你至Blog閱讀全文：電商小程序TOP100榜單怎麼來的

如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作

什麼是RFM Model

我們使用的基本模型是RFM Model的思路。

RFM模型是市場營銷和CRM客戶管理中經常用到的探索性分析方法，透過模型深入挖掘客戶行為背後的價值規律，進而更好地利用數據價值推動業務發展和客戶管理。

RFM Modle網上介紹太多了，簡單來說，RFM模型由R(最近消費時間間隔)、F(消費頻次)和M(消費總額)三個指標構成，通過該模型識別出高價值客戶。

由這三個維度可知，RFM Model最廣大的適用產業在銷售多產品且多為非耐久財的企業

詳細介紹可參考WIKI

RFM是三種客戶行為的英文縮寫：
R：Recency-客戶最近一次交易時間的間隔。 R值越大，表示客戶交易距今越久，反之則越近；
F：Frequency-客戶在最近一段時間內交易的次數。 F值越大，表示客戶交易越頻繁；
M：Monetary-客戶在最近一段時間內交易的金額。 M值越大，表示客戶價值越高，反之則越低。

電商小程序Top 100榜單項目

我們不是生產多產品的企業，也不是對消費者分析，但目標同樣是要對個別id進行打分，既然如此，也可以套用RMF Model的方法：即自定義某些重要維度，再對各維度進行計算後加權。

與RFM Model相較，此處省論了最後的聚類，因為不用做到用戶層級劃分。

RFM Model有一個極高的好處是其簡便而有效，業務方也很容易理解，減少溝通成本。身為數據分析人，可能老是想用最最屌的模型來處理。我的觀念是，任何模型都有可取之處，即便不是什麼高深的模型，但能夠有效解決問題的方法就是好方法。

好，接下來要定義幾個維度出來，即“什麼是好的小程序”？從問題本質出發，經過會議上頭腦風暴與討論後，列出了5個維度

• 交易指數：商家交易額(GMV)
• 資質指數：粉絲數
• 吸引力指數：粉絲在一定時間的訪問次數/訪問深度
• 潛力指數：新客戶數
• 傳播指數：訪問入口數

有趣的是，5個維度使即使分別給予不同權重(例如40%/10%/20%/20%/10%或25%/25%/10%/20%/20%)，出來的結果分數高的商家都是那幾個商家，其實滿符合80/20法則，只是說要怎麼排出順序而已。

註：RFM Model的R代碼練習可參考我的github

我們怎麼解讀這份榜單

邀請你至Blog閱讀全文：電商小程序TOP100榜單怎麼來的

如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作

引用新榜總裁陳維宇的現場講稿(榜單可以拉到文章末來看看)：

大家可以瀏覽一下前100位究竟是誰，我們讀出了幾個很有意思的現象。

首先在我們電商小程序的前100個榜單當中，第一梯隊還是綜合電商小程序為主，尤其是騰訊系騰訊相關的平台類電商為主，其中包括拼多多、京東、唯品會等等平台性的綜合電商，大家可能會說這個是因為不管是技術方面還是入口方面，騰訊對他們有一些扶持和優勢。

但是不可否認的這類綜合電商非常早就入駐到小程序這個領域，有一定的先發優勢，有人他們做小程序運營的時候，比一般的電商更早一步。

第二個有意思的現像是自媒體是電商小程序最強的助攻，排在前面的小程序，通常是公眾號作為依托延伸出來電商平台，我們希望把單純的文字內容閱讀的形式，轉化為可以掏錢買東西的更深層的粉絲和KOL的聯絡。

第三個實體的零售企業開始進入小程序市場，這種打通線上線下的鏈接是最開始微信希望賦予小程序的功能。

邀請你至Blog閱讀全文：電商小程序TOP100榜單怎麼來的

如果你喜歡我的文章，也邀請你訂閱『Rock Data』電子報，支持我持續創作

1. Hello All：主站遷移至👉https://andyrockdata.com/ ，請改至『ROCK DATA』Blog 閱讀新文章完整內容，如果喜歡我的文章，可以訂閱我的電子報(Medium站仍將張貼新文章訊息)
2.立即追蹤👉ROCK DATA臉書粉絲頁跟ROCK DATA IG(@andyrockdata)
3.【入門數據分析，掌握HiveSQL取數能力】在hahow上架啦，購買連結👉 http://hahow.in/cr/andyrockhive
4. 往期的數據相關文章可以參考以下link

• 數據分析系列1：談談數據分析的眾多Title
• 數據分析系列2：數據分析的一週工作日程
• 數據分析系列3：身為資料分析師，你該如何展現工作中的價值？
• 數據分析系列4：如何量化職場規劃？我這次的轉職規劃與Offer選擇
• 數據分析系列5：為什麼要關心資料來源？談談埋點數據的陷阱
• 數據分析系列6：精選幾個機器學習的學習資源
• 數據分析系列7：數位化決策轉型與企業文化的一些思考
• 數據分析系列8：中山大學經濟所職涯座談(ㄧ)：”了解自己”的重要＆我怎麼成為數據分析師
• 數據分析系列9：中山大學經濟所職涯座談(二)：想從事資料分析？你需要具備這8個能力
• 數據分析系列10：中山大學經濟所職涯座談(三) ：讓資料變商機 — 資料分析在我們生活中的應用
• 數據分析系列11：面試時，資料分析師該怎麼準備作品集？
• 數據分析系列12：2018年終工作總結(數據分析師)
• 數據分析系列13：數據化運營中玩過的分析項目：一個數據分析師的經驗總結
• 數據分析系列14：如何提升運營/產品的優化效率？或許數據指標體系的搭建可以幫到忙
• 數據分析系列15：用戶畫像很重要，那你知道是怎麼畫出來的嗎？
• 數據分析系列16：給剛入行的數據分析師：想產生價值，在試用期要做的三件事
• 數據分析系列17：2019 數據分析工作總結_關鍵詞：數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷
• 數據分析系列18：入門數據分析的第一個大門檻：SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享
• 數據分析系列19：身為數據分析師，我怎麼看hahow上”R語言和商業分析”這門課
• 數據分析系列20：直接用SQL來分析數據？怎麼沒用python/R？3個面向來考量分析工具的選擇
• 數據分析系列21：數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github
• 數據分析系列22：透過埋點，讓數據說話：埋點基本知識
• 數據分析系列23：以數據為核心的CRM進化產品：帶你了解CDP(客戶數據平台)開發過程與難點
• 數據分析系列24：SQL不難啊，為什麼不容易精通？自學與實務的4個落差
• 數據分析系列25：數據分析基本-相關分析與可視化(R語言)
• 數據分析系列26：刷完了Leetcode SQL Hard Level的28道題：歡迎領取參考答案
• 數據分析系列27：數據太髒了！3個步驟做好數據質量管理
• 數據分析系列28：跨部門溝通成本太高？數據人實現高效跨部門溝通的4個方式
• 數據分析系列29：數據分析師職場發展的另類出路
• 數據分析系列30：Databrick為何收購BI產品Redash？產品視角來看Redash的功能與價值
• 數據分析系列31：數據分析師要失業了？解讀<2022 Gartner BI魔力象限> BI產品趨勢
• 數據分析系列32：Google Data Catalog如何幫忙管理數據？ 產品介紹與體驗心得
• 數據分析系列33：復盤：數據產品從0到1的建設過程，我的9點感觸
• 數據分析系列34：Shopline-數據分析中心(Shoplytics)產品體驗
• 數據分析系列35：搞數據還是做產品？淺談『數據產品經理』