实战:如何用“评论返现”做到10%转化率的?

作者:admin  发表时间:2020-11-24  浏览:27  海淘人物

一.为何要做评论返现2014年淘宝将商品的转化率记入搜索权重,后面会更加注重这块,目的就是引导卖家提升详情页的内功,让买家有更好的购物体验。详情页里重要的一部分就是评论。我们羡慕天猫店铺没有中差评这环,其实是有利有弊的,评论要好好利用。如果你有本事让店铺没有中差评,在淘宝里面的竞争力提升多少你可以想象的!当然这背后的努力肯定是不少的,我店铺好评率99.99%,一个中评,店铺在很多时段能做到近10%的转化,旺季更高。转化率每个行业各有不同,我们行业同质化竞争激烈,平均转化率只有2%左右。以后会分享提升转化率其他方面的经验。回来再说评论返现。天猫也可以开展评论返现活动,但是天猫有个致命的缺陷,就是没办法在评论中附加实拍图。如果把店铺比作女人的话,把买家比作男人,淘宝却给天猫店罩上了大文胸,买家猜不准里面的A/B/C/D。C店就一定想办法让我们的真材实料尽情展露出来,绝不遮遮掩掩!我们就把拍图评论返现做好,把最好的一面通过客人的分享展现出来,这是我们在详情页有机会做得比天猫店有人气十倍的武器。所以,店铺的主力宝贝一定要用上评论返现!在开始实战分享之前,有几个前提必须说一下。如果产品质量很差,那么就奉劝不要做了,中差评太多,评论返现就是肉包子打狗,另外客人也很难违心送出溢美之词。如果详情页描述很渣,不够贴近产品,不够真实,那么客人也对产品的如实评价和详情页的不一致性会引发更多的疑惑,会不断增加售前人员的工作量。详情页描述没做好的,快去优化吧。一堆堆好的评价对客人的引导和刺激是最直接的,是店铺最好的廉价导购员。特别是对一些女性朋友,评论里面客人发自内心的评价和实拍图片会减少她们的担忧和疑惑,减少售前服务工作量。现在是视觉经济时代,在微博上,那些卖衣服包包的微博营销做的好的,都非常鼓励引导自己的客人在微博上晒图分享,用已购买的来刺激还未购买的,效果都非常好。估计后面微信营销也会如此。作为借鉴,我们店铺里面也要营造这样一个让客人愿意分享的氛围。评论返现隐藏的五大好处:1、好的评论是商品最重要的资产。其它店铺可以盗你的图片,拷贝你的营销方式,但却无法拷贝评论这块。我之前有款产品,做到淘宝上销量第一,有个天猫店铺砸直通车,拷贝我的营销方式,但人气就是不如我!算下来,我的ROI比这个店铺高很多。2、评论返现还有收买人心的功效。如果东西好,客人满意,再加上还有高额的返现。哇噻,那还不开心。这必定激发客人内心的情感,会用心评论,多多表达溢美之词,甚至有些客人简直会把你的产品吹上天。这样的客人在我们店铺真的不少,我都担心其他客人把她们当拖儿。这么好的评价必定成为你的超级推销员,帮你卖力拉生意。3、还有一些喜欢讨价还价的客人,这些人往往也是挑剔的主,不能给她再多优惠的时候,主动告诉她来评论返现,一方面促成交易,另一方面用这个钩子诱导她给好评。4、评论返现可能帮你规避一些售后问题。其实在淘宝上有些客人是有贪图小利的心态的。如果你的产品不够完美或者没有达到客人的期望的情况下,原本客人会给中评,但投鼠忌器,最后可能要了返现给了好评。5、我们可以把评论里面非常好的评价收集做成图片,放到详情页里面,作口碑宣传,让一些不怎么看评论的客人看到其他客人的真实评价,刺激转化。二.评论返现的实施和策略1、在店铺详情页的最前面,把评论返现的活动告诉大家。比如我的基本格式:20字全5分好评,返现5元;附带三张实拍图片再加5元。采用阶梯奖励,针对不同的人群和设备(有些人喜欢手机购物,手机貌似评论不能添加图片)。奖励的额度看宝贝的利润情况。建议大方一些,这样拉动效果更好,特别是新品上架的时候。如果要做的更好,可以设置月度最佳评论奖,给予奖励。取之于民,用之于民。付出的都会回来。2、评论返现要效果好,需要客服的推动和引导。在产品上架后的初期阶段,销量较少。客服应主动告诉客人,有评论返现活动,引导客人来评论。这是销量破冰的最好方式。没有评论的商品,大家都会迟疑购买的。很多人可能通过刷单来破冰。开始可以,但是当宝贝上量之后,想成为爆款,就必须依靠众多买家的口碑传播。现在淘宝监察系统越发厉害,翔哥胆小不会玩。上量之后,评论里面已经有很多拍图评论了,那么就不用每个都主动推荐,而是采用选择性推荐。比如针对喜欢讨价还价或者信誉相对较低点且还可以做的客人。这里顺便嘱咐一下,有些比较难搞的或者信誉比较低的客人一定要竭尽所能地隔离掉。目的就是维护住这个产品的好评率和DSR评分,避免一些老鼠屎毁掉一锅粥!想深入理解这个道理,可以去看我另外一篇文章《我想做一家五星级的店铺》。3、积累8个以上拍图评论返现之后,挑选几个很赞的评论做成一个宣传图片,放入详情页的上方,重点展示,进一步扩大口碑影响。
海客讨论(0条)

头像

0/300

微博发布

部分图片内容来自于网友投稿

968.38ms