2020-01-16 19:41:08 | 人氣(422) | 回應(0) | 上一篇 | 下一篇
推薦 1 收藏 0 轉貼0 訂閱站台

選對發力點,增長再也不是老大難



    內容來源:由msup主辦的第八屆全球軟件案例研究峰會(簡稱:壹佰案例)上,亞馬遜高級總監徐霄鵬進行了以“未來可以預測:如何選擇增長發力點”為主題的精彩分享。筆記俠作為合作方,經主辦方和講者審閱授權發布。

    (筆記達人:張望)

    [封面設計 & 責編:子墨]

活動筆記•產品運營

本文優質度:★★ ★ ★ ★+口感:原味山核桃

筆記君邀您閱讀前,先思考:

    什麼是用戶未來價值?
    如何引導用戶跨品類消費?
    低價值行為一定沒有投資價值嗎?為什麼?

國內的互聯網公司大多數都是跑馬圈地快速增長,再漸漸轉入精細化運營和產品設計工作;而國外則是一上來就追求盈利和精細化運營,用非常嚴謹的方式去驅動。


今天,我嘗試為大家分享一些相關實踐。

一、用戶未來價值

1.AB測試難以湊效

在傳統運營中,我們如果想知道某個行為對未來的影響,只需要用控制變量法對對等而又不同的流量進行測試,然後對比結果就可以得到答案,我們稱之為AB測試。


但在現實的複雜環境中,尤其是在電商領域,傳統的AB測試很難奏效,原因有三:

① AB測試具有時效性

我們在用控制變量法時會切出兩份對對等而又不同的流量,然後對這兩份流量進行數據對比之後才能知道變量引發的結果是什麼樣的。一般情況下,一個月的時間就夠了。

但事實上,有些產品功能我們是無法知道確切的生效時間的,比如“心愿單”的功能。


用戶把商品加入心愿單後,往往會到“紀念日”才進行購買,但我們無法確切的知道這個“紀念日”是一周後還是一年後,他可能一個月內就有數據變化,也可能一年後才有。這樣的話,對數據進行檢測就會很困難。




② AB測試要求變量單一

電商不僅僅是賣貨,也要做互聯營銷,要做品牌合作,以及與服務相關的一些銷售。同時,這一切業務背後的業務激勵手段也都是千變萬化的。

而要進行AB測試,就需要變量的單一性。但顯然,電商領域的變量不具備這個特點。


③ AB測試要求流量一致

AB測試要想取得預期效果,切出來的流量必須具有相同的用戶畫像,這樣才能控制單一變量。但電商領域的用戶量級典型的都是千萬級,至少也是百萬級,海量用戶呈現出非常強烈的不同特性,很難進行完全一致的切分。

比如,切出來的兩份對等流量,一份北京用戶多,一份上海用戶多,那帶來的結果肯定也有失偏頗。

尤其是當電商平台的一個迭代可能同時會引發上百個功能的更新時,整個流量會被切得非常細碎,並且疊加在一起時不同用戶看到的是完全不同的功能的排列組合,它產生的影響也很難測准。


2.如何計算用戶價值?

如何計算用戶的 未來價值呢? 我們用以下三步:

第一,海量的用戶信息可以從不同維度進行量化,這樣就定義了每一個用戶的標籤。

比如從消費能力維度來說,有的用戶每月的花費在0-1000元之間,有的用戶是1000-2000元之間,有的用戶是2000-3000元之間等。假如我們有10個這樣的維度,就可以建立起一個十維的坐標系,在這個坐標系下每個用戶就可以用一個點來表示。


對於像京東淘寶這樣的公司來說,以億為單位的每個人在這個空間里都是一個點,裡面總有一些用戶的十個維度的特徵都非常接近,那他們代表的點就會聚合成一簇,類似於我們的星系。我們稱在同一個簇的一群人互為雙胞胎。


第二,只針對兩類數據進行測算。

一是用戶行為產生的價值,比如購買會員就是一個高價值的行為,簽到則是一個低價值的行為;二是所遇事件對他產生的影響,比如用戶遭遇了訂單延遲等等。

我們知道雙胞胎的用戶特徵是非常相似的,但裡面總會有一些人會發生一個行為,如購買會員。

這時候,我們就會統計各雙胞胎在後面一年裡的消費狀況,然後通過掃描整個系統的數據,就能看到在不同簇中的雙胞胎購買會員前後的貢獻差異。在此基礎上,這樣我們再計算一個加權平均值,就可以核算出一個行為產生的價值了。


第三,核算執行度。

得到測算結果後,我們會有一個驗證期,在這個階段我們會看測算的結果和實際數據之間的差值,也就是通過不斷的校驗來確定過去預測的準確性。我們也會看到,進行測試的時間不同、人群不同,出來的結果也會有所差異。

我們稱預測結果與實際結果的匹配情況為執行度,只有當執行度高於某個值的時候,我們才認為這個預測是值得參考的。


使用這3步法,我們基本上就可以看到,我們所做的每一件事上在未來會有什麼樣的影響。

對此,我想告訴大家的是:

我們不僅要看眼前,還要看更遠的未來,這個未來需要我們給它界定一個範圍,比如說半年或者是三年,這就是未來價值。

當我們有了未來價值之後,在整個系統里也就有了明確努力的方向了。

比如說品類,我們會發現不同品類對平台的價值是不同的,這就需要我們對用戶進行跨品類引導。通常情況下,在綜合電商平台上用戶只有進行跨品類消費才會對這個平台更加忠誠和穩定。


那麼,我們要如何引導用戶跨品類消費呢?

首先要明確的是:訴求不同,對用戶的引導就不同。

回到剛才提到的高價值行為的測算,我們用在品類上,我們就可以去看不同的品類的用戶下一個訂單他的長遠的價值是什麼,而並不是訂單本身。


為當一個用戶下了一單之後,新客這邊能體現他轉化了,老客這邊又能體現他再一次被激活,也就增大了存留的可能性。

如果我們想要增加消費頻次,就需要引導過去只買數碼和家電的用戶來購買生鮮產品;如果我們想要增加毛利,就可以引導只買生鮮的用戶去買美妝產品……


獲客也一樣,比如說有個用戶發起一次拼團,最終肯定有機會獲客。這個過程中,用戶可能寫了一次評論,但這個評論本身就提升了整個商品的營銷機會,又會有不一樣的價值。

事實上,在每一個領域,都會對應到不同的行為,關鍵是在各個領域裡,如何有針對性地運用整個價值測算。


二、高價值行為優先投入,

低價值行為有效引導

實踐中,我們會標記每一個關注的行為,得到一個相關列表,然後在系統中進行掃描,針對每一個行為我們都可以掃描出它的價值。


這個價值分兩種,一種是銷售額,一種是利潤。當然,這兩者是完全分開的。

此時,我們會看到所有項目背後都可以帶來一個數值,然後根據這些數值進行排序。同時,我們會給這些未來價值設置一個門檻,高於一定數值的就是高價值行為,這才是資源應該優先投入的地方。




但低價值行為就一定沒有投資價值嗎?未必。

我們以簽到為例,如果一個用戶只簽到一次,那對平台的價值幾乎為0。但是,如果他簽到100次,就等於提升了全站的流量,乘以轉化率的話,很可能會提升全站的銷售額。

除此之外,還要考慮這100次是集中在1個月發生,還是平均分布在12個月發生,因為這兩種情況的價值是不一樣的。比如你每天瀏覽每個網頁很多次,但一天未必下好幾單。


所以我們希望用戶以一個合適的頻率來進行簽到,這就是我們所說的參與等級。

比如參與等級1是指每個月發生4次以下,參與等級2指每個月發生5-8次,參與等級3指每個月發生9-12次等,往後以此類推。

我們可以認為在同一個等級內部,用戶的價值是比較接近的。如果我們在運營的過程中把足夠多的用戶從參與等級1提升到參與等級2,這樣的提升對銷售額來說就是巨大的促進。

除此之外,我們還應該關注一個叫做“ 魔法數字”的數據。




我們發現,用戶留存跟一些行為有一定的關聯。比如:

一個用戶來到平台之後從沒下過單,那他流失的可能性就很大;當他下了一單後,留存率肯定高於沒下過單的用戶;下兩單的,留存率又會大於下一單的。

但是,到了一定程度之後,我們會發現留存率會逐漸趨向於一個穩定值。比如一年在京東下單50次的用戶和一年在京東下單52次的用戶,留存率幾乎沒有差別。


這就相當於超過某個訂單數之後,留存率就會比較穩定。這個訂單數我們只稱之為掛點訂單數,也就是前面提到的“魔法數字”。

回到高價值行為本身,我們發現有這樣一些特定的行為: 當它持續發生的時候,就會成為高價值行為。

為什麼這麼說呢?因為這並不是典型的線性關係,不是1次是1塊,100次就是100塊,而是1次1塊,100次可能就是1萬塊。

這樣的行為我們稱之為互動行為,典型的像瀏覽商品、看評論、收藏等等。


稍微小結一下:

第一,我們要去看每個行為或者事件,會產生什麼樣的價值;

第二,掃描整個系統的行為或者事件,隨後對於行為和事件的全局進行價值測算和排序,獲得最值得投資的行為,然後細分到各個領域中最該引導用戶做的事;

第三,我們要鼓勵的留存和增長的相關行為,其實就是將那些特殊的、但高頻發生就會變成高價值行為的低價值行為再拉出來,重新進行引導。


三、精細化運營

互聯網下半場的精細化運營,就是根據不同人、不同業務在不同時候以非常差異化的方式使用不同策略,來達到我們的商業目的。

比如我們可以簡單地把用戶分為三類:會員,非會員和非顧客;然後再根據消費頻次進一步劃分為細分的區間。

1.非顧客

對於非顧客,有可能是難以觸達的用戶,也可能是註冊過會員但是沒有購買過的訪客,還有可能是只下過一兩單的低價值流失客,抑或是曾經下單非常多的高價值流失客。此時,運營的重點就是喚回高價值流失客。


2.非會員

非會員也有也有多種情況,比如剛剛註冊的用戶下了第一單,我們就可以引導他快速下滿6單達到高留存率的魔法數字。

而對於高頻購買的非會員來說,我們進一步分析,可能有些人對價格不敏感,也不在意會員享受到的權益。

還有一部分人認為買了會員之後實際用到的權益還是比不上會費等等,每個人的想法都不一樣。

對於高頻的非會員,我們可以做月度會員,來確保他可以更快地來買會員,把會員從一年一次交費,變成一季一次交費,甚至一月一次交費,這樣的話有很多人可能顧慮會小很多,因為花的錢會少。

但是,從這些現象背後我們可以看到:要想不流失高頻的非會員,想辦法讓他購買會員是最穩妥的方式;中頻用戶則是要增加消費頻率才能提高留存率,比如把只在京東平台上購買數碼產品和家電的用戶引導到生鮮品類上。


3.會員

當然,會員也會有幾種特殊情況,比如對價格不敏感的用戶在下第一單的時候就會購買會員,但是,不乏在買了會員之後的一整年裡都沒下過單的用戶。

所以,在會員這個群體中,我們更應該關注的是如何讓低頻和中頻的用戶提高購買頻率。但在具體操作上,也是有區別的。

對於中頻會員,我們常用的提頻方法是引入周期購。


比如你是一個習慣喝牛奶的消費者,一般來說你喝牛奶的頻次也是一定,那麼你購買牛奶的周期也是一定的,喝完之後還是會重複的購買。

所以, 周期購是鎖定用戶未來消費的關鍵手段。

對於低頻會員,我們做的很多工作不是直接引導他下單,而是引導他來跟整個體系互動。

比如說電商會做有粘性的內容,像導購文章、網紅直播等等。

看到這些內容,用戶可能不會下單,但是會去看文章、看視頻,甚至有的人可能每天都會去看,通過這些內容來提升用戶的整個參與等級,就是行之有效的手段。


4.延伸運用

每個動作行為背後都會有相應的價值,但有時候用戶的動作是組合形的。

以流失模型為例:

我們可以調取數據,看流失用戶在流失前的若干個月做過哪些動作,最終導致用戶的流失。


這樣,我們就會知道哪些行為組合起來會很危險,我們自然就會設計相應的引導動作來規避這些行為。

有時候,行為價值本身也是負的,比如體驗一次配送延遲,用戶會是什麼心情?

所以,我們在整個系統掃描里會發現按價值排序後,出現的一串負價值,也是要特別注意的。更為關鍵的是,如何規避這些產生負價值的行為,這也是很多立項的一些依據。

今天的分享到這裡就結束了,謝謝大家。-----(筆記俠)


台長: 聖天使

我要回應 本篇僅限會員/好友回應,請先 登入
TOP
詳全文