前言
每一個產品功能、每一次營銷活動所產生的轉化都會伴隨著流失_而這些流失也是企業的成本和潛力用戶_我們可以通過一定的產品設計和精細化運營策略來進行多次挖掘用戶價值。在設計增長項目時_我們通常需要針對性地搭建一套對應的用戶轉化模型_當用戶畫像落到該模型下_就會自動觸發相應的產品策略進行多次激勵以達到最大轉化的可能。本次聊聊設計增長活動的流程及如何搭建一套可持續優化的用戶模型_歡迎大家一起討論。
PART01
定義增長場景
本文以注冊但從未下過單的用戶為例_分享一下如何從0到1設計一場提升首單轉化率為目的的增長方案設計流程。
PART02
搭建用戶模型
1、為什么要搭建用戶模型？
通過搭建用戶模型來設計產品方案_可以幫助我們獲得以下幾點_
2、如何搭建用戶模型
確定了業務目標和用戶類型之后_接下來需要建立細化用戶模型_比如用戶的活躍度_購買力、渠道、注冊時間....等等各種維度_因為同樣的活動策略下_不同活維度下的用戶仍然可能對業務目標產生不同的影響_為了能找到各個因素與最終轉化之間的關系_以便后續能針對性的進行優化_所以我們需要根據實際業務屬性搭建一套用戶模型_并對該模型進行不斷的優化_例如_對本次以注冊未購買用戶為目標用戶_為了驗證活躍度與最終轉化的關系_我們準備搭建一套活躍度模型_流程如下_
這里需要明確我們的用戶及目標_
用戶_注冊未購買
目標_首單轉化率
然后我們打算先以活躍度為初步模型方向_定義了活躍度的組成維度分別為登錄次數、停留時長、近期是否登錄這三個因素_具體如下（可以根據實際需求定義更多或不同的組成維度_因人而異_這里不做拓展）
l_然后確定每項參數的評定規則（基于歷史數據_選擇合適的基線_不斷優化調整）_
l_統計每個分類的用戶人數_選擇適當的投放人群
l_是否需要在活躍度分類基礎上疊加其他分組標簽_如_獲客時間、獲客渠道……
l_分析用戶的登陸后行為數據_如瀏覽頁面、商品等（為下一步設置激勵策劃做準備）
根據上面的參數設計模板_將對應的人數抓取后_可以進行模型的具體設計了,這里需要根據實際情況定義好每個維度的高/低標準_例如我們統計了這批用戶的如下行為進而將登錄次數≥2次定義為高_最近三個月有登錄行為為高_停留時長≥20min的為高；由于不同的業務屬性、數據表現會帶來不同的判斷標準_所以這里根據自身業務去定義合適的標準就好。
最后分別統計出模型中8個小組的用戶數_用于復盤各個小組的用戶畫像對最終轉化效果的衡量_進而為下一步優化做參考；
PART03
方案策劃/實驗設計
在方案策劃階段_我們可以從以下幾個維度來梳理核心思路_
- 分析渠道數據_選定合適的投放渠道
- 分析用戶數據_選定合適的投放人群范圍
- 分析商品和激勵投放數據_選定合適的投放激勵策略
- 分析漏斗數據_設計合適的用戶轉化引導路徑
另外我們可以通過數據分析、用戶調研等方式梳理以下問題_
1._策略對象是誰？他可能對什么感興趣？
2._可以提供那些優惠類型？那種最具有吸引力？
3._怎樣設置優惠使用條件？及如何計算ROI？
4._是否需要設置優惠門檻？門檻如何設置？有效期怎樣設置？優惠組合怎么設置？....
5._不同的用戶畫像是否設置不同策略
6.如何選擇用戶組？怎樣得到假設驗證？
7._不同策略的投放路徑和內容？
8.投放渠道如何選擇？投放內容如何展示？
其次可以根據實際的業務屬性_進行數據上調查和分析_
1._目前有哪些銷售占比較大的優惠類型？
2._分別含促銷活動的首購訂單占比
3._首購訂單優惠力度（優惠金額/訂單金額）
4._首購訂單商品價格區間分布
5._首購訂單商品價格區間分布
6._首購商品銷量及對應單價（在售商品_按銷量排序）
7._注冊未購買用戶_注冊時獲得的優惠情況？
8._的優惠力度和核銷情況如何？
9._不含促銷活動的首購訂單占比
10._用戶瀏覽過哪些頁面/商品？
這里仍可以根據實際情況進行其他維度的整理_最后根據整理的數據結果_（也可以再增加用戶調研、問卷調查等環節）來確定我們的增長方案。（由于我們做的是跨境獨立站電子商城_且我們國外的用戶只有郵箱這一種觸達手段_~_~!）所以我們這次的活動方案是打算給這批目標用戶以郵箱形式投放激活禮包_內含兩張優惠券_引導訪問商城并刺激下單。（web商城）關于產品方案設計這塊屬于產品經理日常工作這里就不展開贅述了_此次主要分享關于增長項目設計的流程及部分細節。
活動流程圖
關于產品方案設計部分屬于產品經理需求落地的日常工作_這里就不展開贅述了_此次主要分享關于增長項目設計的流程及部分細節。
A/B實驗設計
A/B測試一般應用在下面四類需求上
A/B實驗設計的核心思路_
- 分析可設置a/b_test的活動環節_合理排列優先級
- 選擇1-3組_設定可驗證指標_完成參照和對照組實驗設計
- 梳理滿足實驗可驗證指標的數據采集需求
實驗環節設計
在確定了活動業務流程之后_可以根據實際需求找出可做實驗的流程節點。這里我們最終確定了先以郵件推送的優惠策略和活動落地頁的商品推薦兩個地方做AB測試實驗_并設計了實驗可驗證指標_如下圖_
順便解釋一下各類指標的含義_
直接效果指標_該實驗影響的最直接的指標_用來決策實驗是否符合預期_一個實驗只能設置一個直接效果指標。
間接指標_實驗影響的間接指標_可以有多個間接指標進行輔助性參考。
正向指標_實驗有可能間接提升的指標。
負向指標_實驗有可能導致下降的指標_視具體實驗而定_不一定必須有該指標。
用戶流量分配
確定好在哪里做AB測試之后_要考慮流量如何分配的情況。流量分配有兩種形式_
1.互斥分離法__如果兩個實驗之間的結果存在互相干擾的情況_是建議用互斥分流法（當然也得流量數據足夠的情況下）
2.交叉分流法_如果兩個實驗之間的結果并不會存在相互干擾_可以使用交叉分流法。（我們的項目就選擇了交叉分流法）
實驗設計細節
以該案例為例_最后我們確定的實驗內容為兩個_
1.為了驗證低客單價用戶對本次活動的敏感度_我們打算其中一批用戶多發放一張低門檻滿減券_所以在觸達用戶的郵件內設置第一個A/B實驗_
實驗組_90-15、60-10、19-3三張滿減券
對照組_90-15、60-10_兩張滿減券
2.為了驗證什么樣的商品推薦策略對用戶的最終轉化影響大_我們打算在活動落地頁設置第二個A/B實驗_人工配置商品和基于用戶行為的策略推薦產品_
實驗組_個性化策略選品
對照組_運營人工選品
PART04
搭建指標體系
搭建數據指標體系的維度可以很多_也可以很深_主要目的是為了為以后優化做數據支撐_不同的業務形態_不同的方案設計都需要根據實際情況針對性的搭建指標體系。
下面是我們本次搭建活動指標體系_參考以下四個維度_
1、基于業務流程的漏斗轉化_
每個環節需要采集哪些基礎數據、定義每個環節的轉化指標及計算公式、每個環節的轉化數據歷史基線（如果有）
2、基于A/B_test的實驗數據_
兩個實驗分別設定的直接指標和間接指標、直接和間接指標的計算公式
3、基于用戶模型的行為數據:
按用戶分組統計用戶行為基礎數據、按用戶分組統計每個環節的轉化數據
4、基于活動日常的監控數據_
單用戶的用戶行為基礎數據、每個環節的小時/日趨勢數據
最后針對本次活動搭建了一套較為完善的數據指標體系_
以上是一個增長項目的孵化流程_我們在策劃一個項目的同時_除了要考慮項目本身如何實現_還要提前規劃一下后期項目該如何優化_并提前做好相應的數據準備和搭建指標體系_這樣我們才能地將一個項目通過數據驅動的形式_不斷地深耕和優化_產生最大的項目價值。
作者_張一文_增長產品經理_策略產品經理_分享產品經驗。
