竞争对手比价分析

比价－第一步

本文比价解决方案的前提是，你已经拥有对应你的一批／全部产品单品信息（SKU）的竞争对手产品价格。我的许多客户配备有专门“监控竞争对手网站”并“记录相互对应的产品价格”的团队。如果你目前不具备这个条件，我的解决方案就无法继续（所以可以不必读下去了）。如果你已经有这些信息，你需要建立一个第一列是你自己产品ID的表格（值传到product变量），同时将竞争对手的该产品价格放在下一列，如果你有多个竞争对手，可以继续往右边新增列。

随后，你需要向你的adobe客户经理申请一个数据库反查服务。基本概念而言，数据反查是一个即时向保存在adobe的安全服务器里的数据表执行对比查询，并将结果返回落在本地sitecatalyst变量里的一个接口服务。adobe的技术服务团队将指导你如何将竞争对手的价格数据上传到用于反查的数据库，并保持后续更新。需要提醒的是，一个定时更新竞争对手价格的机制是必不可少的，最好周期在一小时以内，以保证比价的精确性。常见的做法是用ftp协议每小时更新一次。建立一个adobe的数据库反查需要大约几千美元的一次性费用，后续即可自助维护。如果希望节省成本，你也可以请内部工程师来实现类似的功能，即当客人访问你的产品时，用产品id即时查询返回竞争对手价格，不过按经验，这个开发工作量的成本通常高于直接购买adobe的数据反查服务。

比价－第二步

通过第一步，你已经可以根据产品ID获取到竞争对手同样产品的价格，并存入了sitecatalyst，那么如何用报表展现呢？我的方案是将产品ID，自身价格，竞争对手价格，拼成一条字符串，建立成一个转化变量（eVar）。由于访客可能一次访问多个产品，确保使用的是支持一个产品保存多个转化变量的形式（而不是只保存第一个或最后一个）。建议在用户访问产品详情页，或加入购物车这两个步骤传eVar值。例如，用户访问了一个产品ID为10010100的单品SKU，你的价格是30美元，竞争对手的价格是29.5美元，则传值为如下：

在这个例子里，产品ID和自有价格在页面上都有，唯一没有的是竞争对手的价格，这个通过前面提到的实时数据反查也解决了。现在分析所需的关键元素已经齐全了。现在例如加入一个产品浏览量的事件到报表里，并筛选上文提及的产品ID，即可看到价格对比，和相应浏览量的数据报表。

然后你可以增加“加入购物车”事件或订单数数据，来观察在每个比价情况下不同的转化率。

在这个为了举例而虚构的报表里，可以清晰地看到，在价格低于竞争对手情况下的“订单／浏览量”（即转化率），要好于价格相当／高于竞争对手时的情况。

我们还可以通过进一步设定自定义分类（SAINT分类），来增强数据的可读性。例如，仅将产品的价格差作为分类（而不是罗列所有的两个价格对比的情况），可以很有效地减少报表的行数，使得报表更可读、更易理解。

同理继续发散，你可以不考虑产品ID，仅仅用价格差距作为自定义分类，即可观察到同竞争对手的价格差距对整体产品销售的影响。

对于那些只听取简要阐述汇报的对象，你可以将报表进一步缩减到只区分“高于／低于／等于 竞争对手”的三个层级，以观察相应情况下，对销售的影响。

如果需要在较高层级报告里观察具体产品，只需简单用产品ID来拆出明细即可，但我认为总体数据自有其高屋建瓴的意义。需提醒的是，这些报表都可以很简单地在sitecatalyst里设置成时间趋势线的形式，来观察中长期（价格优劣势对于销售）的影响

产品利润

对于那些永远精益求精的人来说，还可以利用数据反查来引入产品利润数据到比价报表中。首先你需要将产品成本上传到adobe的数据反查表，然后即可同时获得竞争对手和你的价格差距，以及你的价格和你的成本差距－－也就是利润，放在同一个报表观察。随后，可以利用自定义分类功能，观察“利润高低”和”相比竞争对手价格优劣“这两个相反走势的数据在何处交汇。（译者注，用来预估调整定价后的影响，例如对于价格相比竞争对手很有优势的产品，完全可以调到更高的利润）

在例子中，产品成本是26美元，通过价格减去成本以后，我们将利润数字放在转化参数eVar的最后一起传给sitecatalyst。这样我们可以通过自定义分类，查看各种产品利润情况下的销售转化。

由于自定义分类可以嵌套，我们可以进一步查看，在不同的价格差距的基础上（例如，贵0.5美元），不同的利润分别对应怎样的销售转化率。

需提醒的是，自定义分类可以用于其他报表，也就是说，可以在其他的网站数据分析报告中使用“同竞争对手的价格差距”和“产品利润”这两个维度来拆分数据。如果想了解怎样将产品成本加入到网站分析KPI中，可以参考之前的一篇说明文章。

结尾的思考

正如开头提及，并没有什么方法来直接关联“价格差异”和“用户是否会离开”这两件事，但如果你的价格持续高于竞争对手，并且业绩一直低迷，这个思路可以提供一些数据来佐证你的猜想。（译者注，即因为价格贵而失去了客户）显然，还有很多因素会影响比价数据，例如邮费，税费等等，不过大部分也可以通过加入到eVar变量，统一计算来解决。其他方式还有例如做客户调研，询问客人是否因为价格而转投其他商家；也可以将所有相关数据导入adobe的大数据工作台（来寻求更多相关性线索）。不管如何，如果你喜欢本文的方案，不妨一试。

译者： scv123 原作者：Adam Greco