首页 » 创业 » 如何通过淘宝「3大标签」提高店铺流量?深度解析标签背后的逻辑

如何通过淘宝「3大标签」提高店铺流量?深度解析标签背后的逻辑

如何通过淘宝「3大标签」提高店铺流量?深度解析标签背后的逻辑 如何通过淘宝「3大标签」提高店铺流量?深度解析标签背后的逻辑 创业

正常人买东西先搜索,此时关键词是第一标签,很多人错误地理解为标签在产品身上,其实标签的第一出发点是人,比如一个18岁的男生今天想要买一根鱼竿,他会打开淘宝搜索鱼竿,所以他身上有了一个标签——鱼竿、想钓鱼的人,同时点击过的产品上也有了一个标签——男、18岁、喜欢这一根鱼竿。这个点击是双向的,给人和产品都打了标签,因此关键词是第一标签。

私域标签

私域标签是指这个人跟店铺有交集,访问、浏览过本店铺,收藏、加购、购买过店铺宝贝,身上有该店铺的标签。消费者的行为流程分为搜索、浏览、收藏、加购,最终成交。流程不是固定的,有的人浏览之后不收藏、不加购,直接成交,而有的人先收藏加购以后再成交,都有可能。这些行为都是店铺的私域标签。

如果一个顾客将产品加入购物车,应该在他第二次搜索之前在猜你喜欢的位置将其截流?还是放到搜索里用付费的方式置顶?这个过程决定了店铺的私域人群画像,同时也决定了行业的公域行为标签。整个行业的标签会被店铺改变,如果一个类目的运营手段一模一样,那么整个类目的标签都会被改变,如果它是错的,就会导致整个类目无法通过标签进行精细化运营。

店铺的私域行为标签与公域行为标签相互循环,如果一个类目精准,所有的商家都可以精细化运营,行为标签决定了“千人千面”。需要注意的是,转化率可以理解为流量精准度,但流量是否精准不等于转化率,转化率只是判断流量是否精准的一个维度而已。

消费者的首页推荐

当前流量格局分为推荐流量、搜索流量、付费推荐、付费搜索、活动流量、内容流量,内容流量下分为私域内容、公域内容、站外内容。现在平台的主流流量不在搜索端,而在推荐端,一个店铺能否拿到推荐流量决定了其流量池有多大。

超级推荐的转化周期长,它与搜索里的转化周期的理解是不同的。由于搜索时需求是刚需,搜索的购买周期会控制在7-14天之内。相比而言,猜你喜欢的购买周期会更长。消费者从搜索开始被打上标签,手机淘宝首页会根据这个标签推荐,推荐之后不一定会成交,这是一种需求的确认。此后需求确认,在做出购买决策时,消费者会回到搜索端。此时这个产品会出现在靠前的位置,从这个角度来讲,超级推荐在促进搜索,从而形成流量的循环。

“千人千面”的流量模型

以前的流量结构入口是搜索,通过搜索往下沉淀、收藏加购,最终成交,现在改成流量入口为推荐流量,平台现在最大的流量不是搜索,而是推荐,推荐流量进入后产生收藏加购的行为,这决定了“千人千面”的流量模型。

收藏加购与成交之间有一个转化周期,这就是手机淘宝首页流量转化率低的核心原因,你并不知道顾客何时会转化,所以关键就是在转化周期内,通过付费方式将这些顾客固定地圈过来。主图文案、落地页介绍、促销方案、付费工具都是收割方式。

产品刚上架时没有标签,此时会根据店铺的标签触达消费者,等这个产品有了访客之后才会根据产品的标签引导消费者。“千人千面”有两层最简单的逻辑。首先是行为“千人千面”,店铺在老访客、老客户在搜索时排名靠前,因为这些粉丝搜索时有店铺的标签。其次是相似人群的“千人千面”,符合相应人群特征的产品会靠前,这是相似人群推荐。

标签的分类

1.搜索标签

又称为“千人千面”标签,搜索标签不是用来拉升搜索的,与店铺发生过关系的标签都是搜索标签。例如智能拉新中有一半是新流量,智能拉新的原理是基于店铺的标签去拉新的顾客。

2.行业标签

新版达摩盘对DMP的类目行为有非常清晰的归类,私域和公域的范围非常清晰。直通车使用最多的是基础属性标签,特点是量大,但转化率比较低,我们可以通过标签的优化将转化率提升。量大率低可以通过后续的行为将它优化起来,这些是行业标签。

3.竞品标签

不管在直通车还是超级推荐,看到的相似店铺、相似宝贝、同类店铺、同类宝贝都属于竞品标签。对于相似宝贝和相似店铺,系统自动识别有它的算法,其中有一条算法就是人群相似。在过去,竞品标签中搜索权重是最高的,在消费者选择时,如果消费者选了竞对的,我们的产品权重就会减少,而如果消费者选择我们的产品,对手的权重会减少。现在的版本中除了防守型策略,我们同时需要进攻,也就是将争取竞品的流量,向系统证明不光产品的转化率高,将其与竞品放在一起,转化率也会比竞品高,这样才有优化。

总之,以前的搜索权重在于防守,防止店铺的流量流失是关键所在,而在现在的版本中,既要做防守也要做进攻,所以我们标签分为三类:搜索标签、行业标签与竞品标签。其中搜索权重最大的是竞品标签,量最大的是行业标签,转化率最高的是搜索标签。

版权声明
如何通过淘宝「3大标签」提高店铺流量?深度解析标签背后的逻辑

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 1446670931@qq.com 举报,一经查实,本站将立刻删除。