|
又跟大家见面了，今天我想跟大家谈一谈首淘流量的那些事，首淘流量区块有很多，而且流量海量，但是你有利用好这波流量红利吗？相信阅读我文章的伙伴，大部分都是商家运营朋友。做运营是很苦逼的，每天忙忙碌碌，但你忙碌的结果并不一定就很理想。其实很多时候，我们更多的精力应该放在平台的研究上面，当我们将平台特性了解清楚之后，再玩转店铺得出的结果才是高效的。 首先我们先了解一下首淘流量。大家有没有发现，现在店铺的搜索流量在降低，搞得很多商家朋友很焦躁，但是你有没有认真看数据，如果你每天分析就会发现店铺的流量中首淘的流量占比是越来越多。 大部分人认为首淘要想获取流量，首先需要产品本身是被市场承认的，并且是有特点的产品才能突围。如果真是这样的话，请问新店和新品怎么办？只能说你的想法略带片面性。所以，今天我来给大家好好拆解拆解，我们一起找找答案。 现在首淘的流量大部分是“猜你喜欢”板块推荐的流量，我们知道这种流量是一种个性化匹配推荐的流量，它更精准，更符合消费者需求，当这些产品恰好出现在买家面前的时候，他的成交概率也大很多。之前由于技术还不成熟，数据还不够精准，所以推荐的流量也不够精准，很多是无效的流量，现在技术成熟了，流量匹配的越来越精准了，所以我们现在要重视这个流量，甚至很多店铺流量的主要来源就是手淘首页。 但是，这个地方我要给大家一个忠告，就是我们的店铺和产品定位越准确，那么我们的标签就越精准，同样人群匹配的也会更加精准，你能够获取到的来自于手淘首页的流量就会越多。
图1（图片源于淘宝网，仅供参考）
接下来给大家说一下：怎么获取标签？ 一、我们要知道手淘首页匹配的原则是什么？ 我们需要了解的一个问题：这个推荐是怎么展现给消费者的？当一个消费者打开手淘首页的时候，什么样的商品会优先的展示在消费者面前？道理很简单：产品的属性和消费者的属性标签吻合度越高，被推荐出现的机会也就越高，所以说我们要明确自己的店铺标签和产品标签。 二、标签是如何获取的呢？ 标签不是一时半会就可以建立的，是需要长期数据的积累，通过消费者的浏览、收藏、加购等等，我们的产品通过购买人群的影响，然后会慢慢形成标签。比如购买我们产品的顾客大部分都是“女白领”，那么我们的宝贝会形成“女白领”这个标签，淘宝平台给我们匹配的流量也会是这部分人群。但是反过来大家想一想，如果我们店铺定位不明确，人群不精准，有女白领、有学生、有中老年人、有宝妈、店铺的流量虽多，但都是些无效流量垃圾流量，此时就可以说明店铺的人群特征比较混乱，店铺的标签也是混乱的，此时的店铺也就没有明确的标签。混乱的人群，杂乱的店铺，你觉得转化率会高吗？ 你费心费力的推产品、做推广，效果也不一定好，因为被打乱的标签会影响我们推广人群的精准性。如果你接手的是一个老店，对于一个老店铺来说，肯定已经形成了一定的标签，比如可能是适合宝妈的，可能是适合学生的，也可能是适合白领的等等。那么在这样的店铺基础上你上架一个新品，这个新品的标签在很大程度上会受到店铺标签的影响，搜索引擎在给我们的新品推荐流量的时候，会推荐一些符合这个老店标签的流量。 比如一直做中高端女装的店铺，店铺之前主要做的也是女白领的服装，那么这个店铺就会打上“女白领”的标签。 ![]() 图2（图片源于淘宝网，仅供参考）
如果有一天想做女学生风格的服装，发现这个市场更大，而且有合适的产品可以操作，你直接将这种类型的产品上了几款，那么我可以很明确的跟你说，结果肯定会让你失望。（插一句话，我这里有一些必备的表格，需要的可以看文章最后我的介绍，有获取方式）。不难想象，这个就是咱们刚刚一直在说的店铺标签混乱导致的问题，买家本来是想买一个中高端女性服饰的，由于之前店铺标签的影响，系统会把这个学生风的宝贝推荐给买家，我们的买家进到店铺后看到某些衣服感觉太成熟，不适合自己，那么买家肯定不会选择购买，这个单品的转化率就会很低，同时这个宝贝就会被系统认为不被消费者所喜欢。同样不会受到系统的重视，流量也会越来越小。 那么我这里跟大家说这么多的意思就是，如果店铺风格已经明确，就不要随意上架跟店铺之前宝贝风格差距很大的产品。这里我还要再提醒一下各位商家朋友，也不要上架价格差距很大的产品，因为店铺标签是有对应的人群。比如：女白领和女学生的消费价格区间肯定是不一样的，所以说我们选品上架的时候，也要尽量符合我们店铺这部分人群的消费价格区间，也就是符合我们店铺标签人群，这样的话店铺就是良性循环，标签也会越来越精准。
还有一个问题，新店怎么快速打标签呢？ 在刚开始运营店铺的时候，我们就要提前把店铺的人群定位好，研究我们的人群，根据我们的人群特点设计店铺详情页和主图风格，包括我们的产品标题。比如说我们做的是欧美女装，那么我们的标题可以围绕欧美拓展，还有我们的产品详情页和首页等，这样核心属性是可以保证我们的产品能够获得相应的人群标签。（北蔡说）
| 
发表于 2018-7-13 09:40:24
收藏
评分
