不在乎淡季，只在乎成绩——跨境电商的盛夏这样过

2017 年 9 月 17 日 Analysys易观 陈涛

▌跨境电商近期的发展情况

跨境电商进入人们生活的这几年，在各大厂商不断的市场教育与促销活动推动下，普通用户看待它的态度，经历了从怀疑到新奇再到习以为常的过程，并且这个过程依然在不断的深化，接触跨境电商和在跨境电商购物的用户在不断的增多。这从跨境电商近期的月活跃人数中可以探知出来：

在6月，月活跃人数有较大幅度的增长，是因为各大厂商都纷纷推出了“618”的相关活动，用户的使用意愿及消费意愿在促销活动的刺激下，有明显的提升。

而“618”用户更加积极的行为，带来的不仅仅是数据上的提升，更有业绩上亮眼的表现：天猫国际，在618当天，活动开场7分钟成交即破亿，成交同步大涨500%；而网易考拉海购也不甘示弱，618当天平台销售额同比去年618首日涨幅超过500%，并超过去年其“双11”活动当天30%以上。“618”在各厂商的眼中俨然已不再是年中的小考，已然成为真刀真枪争夺市场的重要节点。

虽然牵动着各方神经的年中考验暂告一个段落，但6月毕竟还只是盛夏的序幕，整个夏天里跨境电商的波澜会仅仅只泛起一个涟漪吗？从传统经验来看，双11和黑五是跨境电商行业一年之中的重中之重，第三季度就应该为了年底的盛宴准备充分的弹药，不宜将战线拉的过长，从而分散了战略重点。但同时，在跨境电商与传统电商之间存在着商品类型、用户认知、用户使用习惯等方面差异的情况下，如果跨境电商不积极应对，不在复购率和消费频率等关键性指标上形成对传统电商的追赶，那么用户对跨境商品的消费习惯就不能在短时间内被激发和培养起来，大促的影响力就只能局限于其前后，不能从根本上推动整个行业的良性发展。好在已经有越来越多的厂商意识到这个问题，在属于传统电商淡季的盛夏，也纷纷采取促销的手段来保持整个市场的热度。

▌7月、8月的再次狂欢

盛夏来临，跨境电商市场似乎也被天气影响，呈现出此起彼伏的热度：

亚马逊海外购在今年首次加入了全球的Prime Day会员大促，除了有近一个月的自营Prime活动外，还在Prime Day当天无缝同步美亚、日亚的Prime价格。

苏宁海外购加入到“发烧购物节”活动中，主推美妆、母婴、食品、保健、百货以及箱包等品类，并在面膜的销售上取得了整体增长超600%的业绩。

洋码头推出了七周年庆的活动，覆盖了服饰美鞋、箱包饰品、美妆个护、瘦身美体、保健食品、母婴等多种类型的商品。

网易考拉海购发起了“816洋货大赏”的活动，并从营销平台、营销方式、营销节奏的选择上展现出不一样的安排，并取得了不错的成绩。

而跨境电商的这些成绩，我们也可以从易观千帆的监测中窥知一二，下面就以网易考拉海购为例对相关数据进行解读：

可以清晰的看到，在促销活动的当日，活跃用户数取得了60%以上的增幅，表明网易考拉基于各平台的综合性营销策略取得了良好的效果；启动次数、使用时长，特别是人均启动次数、人均使用时长的大幅上涨，则表明网易考拉的促销活动成功的吸引到用户的注意力，使用户的使用行为得到有效提升，为下一步对用户进行购买转化奠定了基础。

另外，从网易考拉海购在“816洋货大赏”活动后公布的数据可以看出：95后正成为不可被忽视的消费群体，他们对美妆产品、个人洗护和海外零食都有着浓厚的兴趣。在为数众多的商家还将聚焦目光放在70后、80后上，希望能从这两个所谓的主力消费群体中挖掘更大的价值时，新的消费群体却已悄然走向市场的中心。特别是有大量新奇商品、个性商品售卖的跨境电商，与新一代的消费者已没有明显的观念错位和代沟；同时，像网易考拉一样，还有部分跨境电商还以社交、直播等新潮的玩法模式来吸引用户，更是契合了年轻消费者的口味。而随着95后一代年龄的增长，他们的收入与消费能力也在与日俱增，其消费潜力很有可能会在跨境电商这一个点上爆发出来。

尽管今年的夏天还没有远去，但我们看到在这个夏日的时光中，不仅跨境厂商对市场表现出了莫大的热情，多次投入大量资源进行轮番的促销，同时用户在消费升级的大背景下对品质生活的需求，对跨境商品的需求，也在促销活动的消费中得以释放，展现出了非常积极的购买行为。虽然促销不是常态，但是在促销的推动下，用户的消费理念会受到潜移默化的影响。而一旦用户建立了消费行为与跨境商品的关联，跨境商品在用户中的购买占比还会有进一步的增加。除此之外，移动互联网时代的促销活动在社交网络的助推下，能有效的扩散核心用户群的影响力，扩大目标用户的边界。因此，在这两方面的共同作用下，跨境电商的机会将在推陈出新的促销活动中得到放大，并显露出充满想象的市场空间。

易观千帆“A3”算法引入了机器学习的方法，使易观千帆的数据更加准确地还原用户的真实行为、更加客观地评价产品的价值。整个算法的升级涉及到数据采集、清洗、计算的全过程：

1、采集端：升级SDK以适应安卓7.0以上操作系统的开放API；通过机器学习算法，升级“非用户主观行为”的过滤算法，在更准确识别的同时，避免“误杀”。

2、数据处理端：通过机器学习算法，实现用户碎片行为的补全算法、升级设备唯一性识别算法、增加异常设备行为过滤算法等3、算法模型：引入外部数据源结合易观自有数据形成混合数据源，训练AI算法机器人，部分指标的算法也进行了调整。

方形渐变分割线