种草抖音号购买:如何在现有的庞大用户群里挖掘新的价值点?
导航栏新增“探索”模块,双瀑布排列,丰富的图文内容。每次推送都以封面图+文案+账号名+点赞数的组合形式展示。
内容方面,包括摄影、逛店、生活记录等品类,再加上小清新的滤镜,整体呈现出一种沉静岁月的小资气息。
乍一看,我以为我进入了小红书。
交互方面,用户可在界面点击“展开”查看相关文字介绍,图片可左右滑动浏览。抖音也抛弃了短视频的沉浸式滑动切换模式。用户在完成内容后必须返回“搜索”首页,然后再次点击下一个内容,这与小红书非常相似。
可以说抖音在APP里一本一本抄了一本小红书。
抖音电子商务正在苦苦挣扎
抖音关注小红书流量已久,流量均源于抖音电商。
互联网的尽头是销售商品。抖音已经拥有8.88亿短视频用户,用户数量不可能出现大规模增长,广告收入增长停滞不前。如何在现有庞大的用户群中挖掘新的价值点?答案是卖。
抖音作为一个短视频平台种草抖音号购买:如何在现有的庞大用户群里挖掘新的价值点?,带货跨境有利有弊。优点是用户粘性高,月活跃用户数和平均使用时长,在同类应用中表现不错。有优点也有缺点。缺点是抖音休闲娱乐的形象太深入人心。为了好玩,人们会打开抖音,但买东西,大多数人还是会去淘宝京东。
因此,抖音最初涉足电商,利用自有平台为苏宁、淘宝、拼多多等电商平台吸引流量。期间在短视频下方添加了对应商品的购物链接。用户点击后,会被引导至第三方购物平台。
之后,直播电商浪潮席卷而来,抖音抓住机遇,大力支持博主直播带货。
当用户习惯了在短视频之间购物时,抖音已经完成了用户的心理教育,并立即宣布撤消所有外部链接,全面推广内部购物平台——抖音Shop。
短视频种草、直播带货、小店销售种草抖音号购买:如何在现有的庞大用户群里挖掘新的价值点?,抖音电商至此初具规模。
然而,抖音的电商体系潜伏着一个巨大的缺陷——退货率居高不下。
抖音积累依然薄弱,缺乏对商家的监管体系种草抖音号购买,以及对用户的评价参考体系和售后服务体系。电商是建立在短视频内容之上的,也存在隐患。消费者往往基于对博主的信任进入直播间,被过滤后的商品打动,冲动购买,然后发现自己拿到的商品与买家秀严重不符,一气之下提出退货.
在黑猫投诉方面,关于抖音的投诉超过10万起,其中大部分是退货、退款纠纷。
大量退货意味着商家只能亏本赚钱。此外种草抖音号购买,他们还需要支付昂贵的坑位费,这让商家在选择抖音主播合作时要谨慎。一位女装商家表示,去年双十一在天猫的退货率为50%,拼多多的退货率为40%,抖音的退货率高达60%。“顾客退一件,卖五件,没有利润。”
业务资源的流失对抖音电商来说是致命的打击。
退货率高其实是所有直播电商的通病,淘宝直播也深感不安。某中小健康家居品牌负责人表示,天猫旗舰店日退货率为3%-5%。一旦上直播间,回头率会上升到15%-20%。但淘宝和天猫有丰富的商家资源做后盾,比抖音更能抗风险。
如何解决这个问题,抖音将目光投向了小红书。
短视频弱,抖音重图文
销售的最后是种草。
种草生动地说明了内容电商如何影响消费者的心智,就像在消费者心中种下一颗种子。消费者刷完品牌内容后,激发了潜在的消费需求和冲动。可能他们不会马上下单,有需求的时候自然会倾向于选择自己熟悉的品牌。这个过程就像一棵草从地里破土而出。
传统电视广告的作用类似,不同的是,与广告主和观众相比,博主和粉丝的关系类似于人际互动,种草成功率更高。
品牌找博主做广告,博主在平台上创作内容,粉丝通过平台下单,平台从中拿走佣金,形成种草环节的闭环。
如果平台缺少任何链接,则必须由他人控制。淘宝没有种草的能力,所以虽然抖音退出了淘宝外链,但淘宝却无法离开抖音流量池,每年给抖音送上亿,只为目的抖音在信息流中嵌入淘宝广告。
同样的,抖音如果不做电商,只能把自己的平台流量引到其他地方,白白给别人做婚纱。
所以现在淘宝在做种草内容,抖音在布局电商。
博主种草的方式分为短视频和图片两种,恰好分别是抖音和小红书的优势。
抖音的痛点也是短视频草的痛点。
消费者选择购物往往不是出于对博主的忠诚,而是在短视频渲染下的冲动消费,“down”后很容易后悔,导致抖音电商陷入低复购率和高回报率的困境。
面对图文内容,用户似乎更愿意静下心来阅读、收藏收藏再观看,对博主和平台的忠诚度更高。小红书的流量转化模型已经得到了市场的验证。研究表明,图文并茂的商品退货率仅为短视频的六分之一。
抖音有意补充图文、短视频内容,形成“短视频+图文+直播”的生态护城河。
不过,在图文植草领域,小红书已经是天花板了,抖音网上“探秘”能否长出一片绿色草原还有待观察。
站内部分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。请联系我们,一经核实立即删除。并对发布账号进行永久封禁处理.
本文网址:/show-14-2983.html
复制