|
1 企業(yè)增長的第三極 親密業(yè)務(wù)已初見成效 今天的內(nèi)容圍繞著如何通過數(shù)據(jù)驅(qū)動精準(zhǔn)的用戶轉(zhuǎn)化。 從整個(gè)行業(yè)的角度來講，尤其是品牌零售行業(yè)，目前線下的、實(shí)體的用戶數(shù)量增量占到整個(gè)業(yè)務(wù)的70%。平臺、電商類型的用戶數(shù)量增量可能占到了整體的20%，但是還有10%左右的量來自于哪里？ 我們判斷10%的業(yè)務(wù)來自于服務(wù)增量，包括會員服務(wù)、智能產(chǎn)品、線下終端賦能等方面。  當(dāng)然，用戶數(shù)量的增長也離不開場的增量、貨的增量。
這樣類型的業(yè)務(wù)，我們定義為企業(yè)的親密業(yè)務(wù)。親密業(yè)務(wù)是品牌自己運(yùn)營的陣地，例如剛才說到的社群，還有小程序、APP、公眾號、企業(yè)微信號等。 提到親密業(yè)務(wù)，有一個(gè)背景信息不得不提，就是去年風(fēng)刮特別大的一個(gè)詞——私域流量。 流量更多的是“流動”的這個(gè)“流”，但是我們現(xiàn)在講的“留”，指的是真正留存下來的用戶。我們可以看到領(lǐng)先企業(yè)的親密業(yè)務(wù)，已經(jīng)初見成效了。 我們認(rèn)為這10%的用戶數(shù)量增量，就來源于我們所謂的親密業(yè)務(wù)，未來會發(fā)展為企業(yè)增長的第三極。 2 用戶精準(zhǔn)轉(zhuǎn)化的五個(gè)玩法 轉(zhuǎn)化本身是分階段的，因此用戶轉(zhuǎn)化的具體玩法具有多樣化的特征。例如用戶的注冊后的轉(zhuǎn)化與瀏覽后的轉(zhuǎn)化就需要有不同的應(yīng)對策略。 不同的轉(zhuǎn)化情境中，會面臨一些不同的挑戰(zhàn)，也對應(yīng)著相應(yīng)的核心指標(biāo)。  轉(zhuǎn)化進(jìn)階策略概覽 今天的分享包括五大類型轉(zhuǎn)化玩法，包括漏斗轉(zhuǎn)化玩法、實(shí)時(shí)轉(zhuǎn)化玩法、業(yè)務(wù)歸因轉(zhuǎn)化玩法、商品關(guān)聯(lián)轉(zhuǎn)化玩法、個(gè)性化轉(zhuǎn)化玩法。 接下來，將在分享中為大家逐一拆解玩法的落地步驟，并輔以案例解讀。 漏斗轉(zhuǎn)化玩法 漏斗轉(zhuǎn)化玩法，被大量應(yīng)用到電商、品牌零售的場景中，甚至已經(jīng)延伸到了地產(chǎn)、汽車等行業(yè)中。 購物流程漏斗運(yùn)營策略的核心是，對購買轉(zhuǎn)化5個(gè)主要步驟：“啟動——瀏覽——加入購物車——提交訂單——支付訂單”的流失和成功轉(zhuǎn)化情況進(jìn)行綜合分析。 并進(jìn)一步通過分析不同商品分類、不同人群、不同場景值類型、不同活動等，多維度分析轉(zhuǎn)化情況找到短板，針對性的優(yōu)化運(yùn)營策略，提升轉(zhuǎn)化率。 下面我們就來看一下這個(gè)玩法具體的分解步驟。
以我們服務(wù)的新零售烘焙的客戶為案例，客戶有自建的微信小程序。小程序使得客戶將線上和線下聯(lián)動起來，用戶通過線上下單，送達(dá)的方式有自提、送貨上門等方式，是一個(gè)電商類型的小程序。 電商類型的小程序，最關(guān)注的一個(gè)點(diǎn)就是轉(zhuǎn)化率。在使用數(shù)據(jù)驅(qū)動提升轉(zhuǎn)化之前，該品牌的用戶從啟動這個(gè)小程序，到瀏覽商品詳情頁，再到加購物車、提交訂單、支付訂單，整體的路徑的轉(zhuǎn)化率是9.78%。  那我們怎樣幫助客戶將轉(zhuǎn)化率提升到12%呢？ 首先，通過易觀方舟智能運(yùn)營工具，分析某一個(gè)轉(zhuǎn)化漏斗之下，不同細(xì)分維度用戶的轉(zhuǎn)化情況。例如，我們分析小程序的場景值、商品的名稱、優(yōu)惠活動的名稱，這些都可以針對不同類型的用戶做進(jìn)一步的分析。 根據(jù)我們的用戶分群策略，我們?nèi)タ葱率值囊粏斡脩?，新手?日轉(zhuǎn)化二單的用戶分別的情況。通過面向用戶群的轉(zhuǎn)化情況進(jìn)行短板分析，幫助我們的客戶找出可以優(yōu)化的環(huán)節(jié)，進(jìn)行運(yùn)營策略方面的調(diào)整。
第二步，我們針對幾個(gè)核心的用戶轉(zhuǎn)化路徑進(jìn)行分析。一個(gè)是用戶就瀏覽商品詳情頁后，將商品加入購物車之后再支付。另一個(gè)是立即轉(zhuǎn)化、立即購買，即用戶在商品詳情頁完成購買和支付的情況。 繼續(xù)剛才的例子，我們分析客戶的后臺數(shù)據(jù)。過去30日，點(diǎn)擊“立即購買”轉(zhuǎn)化的用戶整體轉(zhuǎn)化率為5.43%，而點(diǎn)擊“加入購物車”購買的用戶整體轉(zhuǎn)化率為9.78%。 這組數(shù)據(jù)說明，用戶可能更傾向一次性不僅只購買一樣商品，所以更多人選擇點(diǎn)擊“加入購物車”而非“立即購買”，建議增加組合類商品。 對應(yīng)到按照“商品名稱”維度細(xì)分轉(zhuǎn)化漏斗，發(fā)現(xiàn)轉(zhuǎn)化率Top3商品均為限時(shí)優(yōu)惠價(jià)格類商品，從這一點(diǎn)可分析出用戶可能更愿意一次性購買更多限時(shí)價(jià)格優(yōu)惠商品，可增加限時(shí)優(yōu)惠類類商品組合提升整體轉(zhuǎn)化率。 
第三步，在分析轉(zhuǎn)化漏斗中轉(zhuǎn)化率的情況之后，我們還會進(jìn)一步分析轉(zhuǎn)化趨勢。  分析思路是，從建立好的轉(zhuǎn)化漏斗中，查看轉(zhuǎn)化趨勢，選擇第三步“加入購物車”-第四步“提交訂單”。 轉(zhuǎn)化時(shí)間的中位數(shù)，為1分鐘左右，意味著用戶在將某一個(gè)商品加進(jìn)購物車后，又回到商品頁面瀏覽其他商品的時(shí)長約為1分鐘。 那么如何提升這部分的時(shí)長就是接下來要提升的重點(diǎn)，提升瀏覽時(shí)長則意味著提升增購的概率，提升客單價(jià)是在該節(jié)點(diǎn)下可以考慮優(yōu)化的方向。 相應(yīng)的，我們提供在這個(gè)環(huán)節(jié)的優(yōu)化思路。首先，增加飲品類商品的SKU數(shù)，或提升商品組合套餐的比例，從而提升客單價(jià)。 第二個(gè)方式，我們推薦客戶在購物車頁面下增加“猜你喜歡/為你推薦”板塊，增加連帶購買率，來提升單筆用戶客單價(jià)。
利用分布分析和留存分析，可以更好的幫助客戶利用對的時(shí)間和渠道驅(qū)動用戶轉(zhuǎn)化。  左：分布分析/右：留存分析 通過分布分析，發(fā)現(xiàn)新手二單用戶偏愛使用小程序的時(shí)間段，并將其作為策略實(shí)施的主要時(shí)間段。我們發(fā)現(xiàn)14點(diǎn)-18點(diǎn)是新手二單用戶使用的高峰時(shí)間段，在此時(shí)間段內(nèi)易與新手用戶喜愛的蛋糕類、下午茶類商品相匹配。 借助留存分析，發(fā)現(xiàn)新手二單用戶在前三日的留存較高。 建議在第一次購買的三日內(nèi)，每天14點(diǎn)-18點(diǎn)給新手一單用戶推送“蛋糕/下午茶優(yōu)惠活動”或“蛋糕/下午茶優(yōu)惠券”，促進(jìn)新手一單用戶的再次下單。 實(shí)時(shí)轉(zhuǎn)化玩法 實(shí)時(shí)轉(zhuǎn)化玩法是指，我們根據(jù)目前活動的效果，及時(shí)調(diào)整活動策略，從而提升這個(gè)環(huán)節(jié)的轉(zhuǎn)化率。 以一個(gè)典型的場景為例，用戶將商品加入購物車后，當(dāng)下未支付。大部分用戶會遺忘或者失去購買興趣，按照業(yè)內(nèi)經(jīng)驗(yàn)值，能回到購物車?yán)^續(xù)完成購買的轉(zhuǎn)化率不到3% 。 如果給將加車未購用戶發(fā)送精準(zhǔn)推送，能一定程度上促進(jìn)購物車轉(zhuǎn)化，至5%左右，轉(zhuǎn)化率提升一倍。以下為加購物車轉(zhuǎn)化的玩法。 針對這樣的場景，我們有不同的玩法，基于易觀方舟的方法論，我們總結(jié)出了實(shí)時(shí)轉(zhuǎn)化玩法的四部曲，使得用戶能精準(zhǔn)轉(zhuǎn)化。 
首先，我們要去篩選不同類型的用戶，完成精細(xì)化的分群。 第二步，我們要制定相應(yīng)的策略，然后去選擇合適的方式去觸達(dá)用戶。觸達(dá)方式的選擇上我們可以利用A/B test，基于測試的結(jié)構(gòu)評估活動策略，然后在此基礎(chǔ)上進(jìn)行迭代。 在這個(gè)案例中，我們將用戶分為兩種類型。 第一類，所有加購物車未付款用戶。對應(yīng)滿足篩選的條件即當(dāng)日內(nèi)所有有加入購物車動作且支付成功次數(shù)等于0的用戶。在易觀方舟中將其保存為動態(tài)分群，滿足以上條件的用戶能實(shí)時(shí)加入分群中。 第二類用戶，將某件商品加入購物車未付款用戶。對應(yīng)滿足篩選的條件即選定時(shí)間段內(nèi)有將某款商品加入購物車動作且支付成功次數(shù)等于0的用戶。  下一步的操作，將更多地從運(yùn)營策略層面進(jìn)行。
針對第一類，所有加購物車未付款用戶，我們主要考慮，用戶加購后多長時(shí)間后運(yùn)營介入，會有比較好的轉(zhuǎn)化效果。 因此，我們提出兩種優(yōu)化策略。 策略1：針對目標(biāo)人群，在加購后X小時(shí)，通過易觀方舟智能分析（UBA）產(chǎn)品中的間隔分析，制定具體間隔時(shí)長，給沒有支付動作的用戶推送購物提醒。 策略2：針對目標(biāo)人群，在加購后1-2天沒有支付動作，推送領(lǐng)取率/使用率最高的優(yōu)惠券。 針對第二類用戶，將某件商品加入購物車未付款用戶。 我們考慮，對加購后1小時(shí)沒有支付動作的用戶推送購物提醒。如果用戶還是沒有完成支付，那么在加購1-2天后，用戶會受到包含該商品的促銷活動推送。
觸達(dá)方式的層面，我們可以進(jìn)行多項(xiàng)的選擇，利用組合拳提升轉(zhuǎn)化效率。利用易觀方舟智能運(yùn)營（EA）產(chǎn)品可以輕松地實(shí)現(xiàn)這部分需求。  另外易觀方舟智能運(yùn)營（EA）產(chǎn)品中的核心的功能，也是客戶經(jīng)常使用的增長策略，即用A/B test去不斷地測試得到什么樣的時(shí)間間隔推送給用戶消息更合適，以及哪一類優(yōu)惠活動或哪種優(yōu)惠券發(fā)給用戶后的效果更好。利用A/B test，我們還可以測試內(nèi)容、展現(xiàn)形式、文案等等。
通過設(shè)定相應(yīng)的觸發(fā)條件和動作，我們就設(shè)置了一組完整的策略。  A/B test支持多組策略同時(shí)進(jìn)行，如果A策略勝出了，客戶可以將其保存為一個(gè)正式的活動策略，直接觸達(dá)給用戶，節(jié)省運(yùn)營人員時(shí)間，這也平臺一站式產(chǎn)品的一大優(yōu)勢。
前面的內(nèi)容，更多的是在講如何通過人工的方式去做運(yùn)營策略。對于運(yùn)營人員來說，這無疑是一項(xiàng)繁瑣又艱巨的工作。 那有什么方法幫助我們一勞永逸呢？易觀方舟智能運(yùn)營（EA）產(chǎn)品中，有一項(xiàng)核心的功能叫做workflow，也就自動化工作流。這個(gè)功能幫助客戶解決運(yùn)營人手不足或是工作量龐大的難題。  回到剛才的案例中，同樣是把回到購物車完成轉(zhuǎn)化的這部分用戶，將他們的轉(zhuǎn)化率從3%提升到5%。其實(shí)完全可以通過上圖的方法，直接一鍵生成后續(xù)的動作，然后一鍵投放。 上圖中呈現(xiàn)的流程，首先就是篩選，針對我們剛才提到的用戶群。完成用戶分群，之后我們可以在一個(gè)小時(shí)之后，“趁熱”發(fā)送一個(gè)優(yōu)惠提示。如果用戶沒有點(diǎn)擊推送，我們就在兩天后，再進(jìn)行一次送券刺激。 業(yè)務(wù)歸因轉(zhuǎn)化玩法 第三個(gè)玩法，就是業(yè)務(wù)歸因轉(zhuǎn)化玩法。業(yè)務(wù)歸因轉(zhuǎn)化可能對應(yīng)到功能、商品、或是某一項(xiàng)業(yè)務(wù)。首先我們需要定義不同業(yè)務(wù)之間、不同功能之間、不同商品之間的關(guān)聯(lián)度。 這里要用到功能間關(guān)聯(lián)度TGI計(jì)算公式，找到各功能間的關(guān)聯(lián)度，支持交叉營銷、精準(zhǔn)轉(zhuǎn)化的策略下發(fā)（商品/品類間關(guān)聯(lián)度TGI同理） 。 TGI（Target Group Index）指數(shù)，是反映目標(biāo)群體在特定研究范圍內(nèi)強(qiáng)勢或弱勢的指數(shù)。 功能間關(guān)聯(lián)度TGI洞察方式，以A功能和B功能關(guān)聯(lián)度TGI探尋為例。這個(gè)公式的算法，即功能間關(guān)聯(lián)度TGI，等于B功能人群TGI除以A功能平均TGI。 功能間關(guān)聯(lián)度TGI的值以1為基準(zhǔn)，值<1則意味著兩個(gè)功能關(guān)聯(lián)度低，值>1則意味著兩個(gè)功能關(guān)聯(lián)度緊密， TGI的值大小與兩個(gè)功能關(guān)聯(lián)緊密度呈正相關(guān)。功能間關(guān)聯(lián)度TGI加總數(shù)值越大的功能人群，越是平臺中的核心人群，在其他的功能中活躍度越高。
以功能關(guān)聯(lián)度TGI為例，首先，我們要算功能平均TGI。 功能平均TGI的核心是，針對于相同的用戶群，分析用戶訪問不同功能具體的分布情況。我們挑選出訪問量中前十的重點(diǎn)功能，然后去計(jì)算點(diǎn)擊了這部分功能的人群除以總的活躍人數(shù)。 通過方舟事件分析發(fā)掘不同Icon功能用戶活躍分布及活躍占比（即功能平均TGI） 。 下一步，將訪問不同功能的用戶保存成分群，在案例中就是保存了十個(gè)類型的用戶群，以做進(jìn)一步的分析。
第二步就是要算功能人群TGI。繼續(xù)前面的例子，在下圖中左欄是保存的十個(gè)用戶分群，上方是不同類型的產(chǎn)品功能。 例如，我們分析停車?yán)U費(fèi)的人群每天去簽到的比例是多少。用到的算法是用停車?yán)U費(fèi)人群在簽到功能中的活躍用戶數(shù)，除以停車?yán)U費(fèi)整體的人群數(shù)，得到的結(jié)果即停車?yán)U費(fèi)人群在簽到功能之下的TGI。 根據(jù)上圖，然后我們看到這個(gè)比例是0.24。
第三步，我們來看怎么將不同Icon的功能間關(guān)聯(lián)度TGI。核心就是通過提到的兩個(gè)步驟，第一步是B功能人群的GTI去除以A功能人群的TGI，然后用剛才講到的以1為基準(zhǔn)的原則，判斷關(guān)聯(lián)度的大小。 接下來，我們要做的事情，就是搭橋、交叉、使杠桿。 第一步是搭橋，從功能間關(guān)聯(lián)度TGI來看，停車?yán)U費(fèi)功能和其他功能關(guān)聯(lián)度明顯偏低，需要搭橋牽線，引導(dǎo)停車?yán)U費(fèi)人群在線上參與更多功能的使用。 具體策略可參考：進(jìn)一步分析停車?yán)U費(fèi)人群中有兌換行為的用戶的兌換商品偏好，將這類商品更多的曝光和推送給未兌換的停車?yán)U費(fèi)人群。我們可以在停車?yán)U費(fèi)功能頁面的空白處，留出一些相對應(yīng)的推薦位，引導(dǎo)停車?yán)U費(fèi)人群跳轉(zhuǎn)到其他功能上。 第二步是交叉，例如，分析結(jié)果是“我的活動”、“我的消息”、“我的券包”、“我的訂單”四個(gè)功能之間功能關(guān)聯(lián)度TGI高于3。 這代表著這代表著這四個(gè)功能有著緊密的關(guān)聯(lián)性，若將四個(gè)功能聯(lián)動交叉營銷，效果更優(yōu)。 第三步是使杠桿，通過功能間關(guān)聯(lián)度TGI加總值可以看出“我的活動”、“查看訂單”功能人群是目前小程序平臺中的核心人群。 將該功能作為杠桿，基于更多資源曝光和推廣，擴(kuò)大杠桿功能使用人群數(shù)，能有效的提升平臺整體轉(zhuǎn)化效果。 通過這樣的分析流程，我們幫助客戶找到交叉營銷、精準(zhǔn)轉(zhuǎn)化的抓手，實(shí)現(xiàn)通過數(shù)據(jù)驅(qū)動策略的產(chǎn)出，這就是業(yè)務(wù)歸因轉(zhuǎn)化的玩法內(nèi)容。 商品關(guān)聯(lián)轉(zhuǎn)化玩法 第四個(gè)玩法是商品關(guān)聯(lián)轉(zhuǎn)化玩法，核心在于促進(jìn)關(guān)聯(lián)商品銷售，解決冗余庫存，降低損耗率。 繼續(xù)以我們服務(wù)的客戶，一個(gè)烘焙行業(yè)的新零售企業(yè)為例。商品關(guān)聯(lián)轉(zhuǎn)化玩法的框架其實(shí)也對應(yīng)著三個(gè)步驟。 第一步是發(fā)現(xiàn)商品，發(fā)現(xiàn)哪些是潛在的爆品，哪些是要進(jìn)行淘汰的商品。 第二步是匹配匹配關(guān)聯(lián)性商品 ，分析兩組/多組商品被一同購買的概率，找到高關(guān)聯(lián)性的商品，制定爆款組合 。 第三步是形成關(guān)聯(lián)性商品閉環(huán) ，分析組合商品被購買的次數(shù)是否高于單獨(dú)爆款商品的購買次數(shù)，及時(shí)調(diào)整商品間的組合，形成關(guān)聯(lián)商品銷售的閉環(huán)。
在發(fā)現(xiàn)商品時(shí)，我們可以通過事件分析找到具有高分享屬性的商品，將其作為關(guān)聯(lián)商品組合中的爆款基礎(chǔ)商品。 通常的分類方式是將商品分為高分享商品（前20%）、中分享商品（中間50%）、低分享商品（后30%）。 對于平臺來說，購買毋庸置疑是一個(gè)非常重要的點(diǎn)，通過圈選高分享，意味著我們篩選出的商品在轉(zhuǎn)化之后，很多消費(fèi)者還選擇去分享這個(gè)商品。意味著這個(gè)商品可能正是平臺的爆款，或者潛在爆款。 例如，分享次數(shù)前五名的商品，這些爆款可以作為關(guān)聯(lián)商品組合中的基礎(chǔ)商品。而底部分享次數(shù)最少的商品，我們需要結(jié)合具體的銷售數(shù)據(jù)，考慮要不要對產(chǎn)品進(jìn)行淘，或是迭代、優(yōu)化等操作。
第二個(gè)步驟是在剛剛按照分享次數(shù)為商品分類的基礎(chǔ)上，考慮如何匹配關(guān)聯(lián)性商品。 可以基于商品關(guān)聯(lián)度，然后去找到這樣一個(gè)商品的組合。這里我們也給出了三個(gè)策略建議，首先是將兩個(gè)高分享屬性的商品結(jié)合起來，做一個(gè)大的爆款商品。在這個(gè)策略中，我們更多的以一個(gè)限量供應(yīng)來吸引消費(fèi)者，制造熱點(diǎn)。 第二個(gè)策略，就是把高分享和中分享商品結(jié)合，然后打包售賣。在這個(gè)捆綁策略中，我們通過推出這樣的商品組合，以高分享的爆款商品帶動中分享商品的銷售。 第三個(gè)策略，我們把中分享屬性的一些商品進(jìn)行打包，以低價(jià)、優(yōu)惠等方式推給用戶。 在計(jì)算商品之間的關(guān)聯(lián)度時(shí)，有一個(gè)簡單的公式，就是某個(gè)商品組合的購買次數(shù)占總商品購買次數(shù)的比例。 舉個(gè)例子，比如說有一個(gè)小程序，小程序每天產(chǎn)生一百筆訂單。如果同時(shí)購買了兩個(gè)大爆款，就是說爆款產(chǎn)品A和B同時(shí)被消費(fèi)者購買的次數(shù)是80。就意味著，A和B兩個(gè)商品成組合后，商品關(guān)聯(lián)度是80%。
第三步，我們要驗(yàn)證，剛剛產(chǎn)生的商品組合是不是被市場所接受，進(jìn)一步推測商品組合是否能有一個(gè)好的銷售成績。 這時(shí)我們要用到關(guān)聯(lián)預(yù)測度的計(jì)算公式。其實(shí)就是看組合商品被購買了這個(gè)次數(shù)是不是高于它單獨(dú)被購買的這個(gè)次數(shù)。 舉例來說，我們服務(wù)客戶烘焙新零售企業(yè)，其小程序共有100筆訂單，購買金桔檸檬茶的次數(shù)是50，購買福袋的次數(shù)是70，購買金桔檸檬茶+福袋的次數(shù)是80，那么提升度是80% /（70%*50%）=2.3>1，因此金桔檸檬茶+福袋的組合方式能夠?qū)崿F(xiàn)收益最大化。 如果計(jì)算的結(jié)果小于1，就說明商品組合預(yù)測出的銷量不會特別好。這時(shí)我們就要考慮這個(gè)組合是否需要取消或是替換某一件商品。通過下圖的流程，我們就實(shí)現(xiàn)了商品組合的迭代和優(yōu)化。 個(gè)性化轉(zhuǎn)化玩法 第五個(gè)玩法，即個(gè)性化轉(zhuǎn)化玩法。 現(xiàn)在很多的企業(yè)都想要做到千人千面，但真正實(shí)現(xiàn)起來并不是件容易的事情。 以我們服務(wù)客戶的經(jīng)驗(yàn)來談，并不是所有行業(yè)都要像電商類平臺一樣做到千人千面。對于很多客戶的業(yè)務(wù)來說，將自己的核心用戶分為6類甚至3類，就能滿足精細(xì)化運(yùn)營的需求，實(shí)現(xiàn)比較好的用戶轉(zhuǎn)化效果。 我們就是通過AM分群模型，幫助客戶進(jìn)行的上述操作，下面我們具體看一下其應(yīng)用。
AM分群模型中，A代表的是用戶的活躍度，即action；M代表是通過用戶的消費(fèi)頻率或者客單價(jià)等去定義用戶的成熟度。 所以，AM分群模型，是有關(guān)用戶是活躍度與成熟度的模型。橫軸的活躍度分為3部分，縱軸分為2部分，由此把用戶分為6類。即下圖所示，用戶可以分為快速上手用戶、低頻高質(zhì)用戶等6類。 不同類型的用戶，對應(yīng)不同的成長路徑及優(yōu)化方向，確認(rèn)之后我們就能開始下一個(gè)階段的進(jìn)展工作。 下一步的問題是，我們怎樣去確定A和M的劃分值呢？這里需要通過數(shù)據(jù)分析來解決。
AM模型的應(yīng)用可以通過事件和分布分析確定橫軸“月啟動次數(shù)”，縱軸“月訂單實(shí)付金額”的模型劃分值 。 還是以我們服務(wù)的客戶為例，拆解一下具體的操作步驟。 Step 1：先通過方舟“事件分析”：查看到客戶的數(shù)據(jù)如下，過去30日，小程序人均啟動次數(shù)和人均支付成功次數(shù)均在2次以上，故設(shè)定AM分群模型的橫軸確定為月啟動次數(shù)，第一個(gè)劃分值為2次；過去30日，用戶ARPU值為44元，設(shè)定AM分群模型的縱軸為月消費(fèi)金額，具體劃分值還可根據(jù)分布分析再次驗(yàn)證。 Step 2：再通過方舟“分布分析”：過去30日，對“用戶啟動小程序的次數(shù)”以及“用戶支付訂單的次數(shù)”做默認(rèn)區(qū)間的分布分析，發(fā)現(xiàn)用戶月啟動次數(shù)在1次到3次區(qū)間的用戶占到近90%，所以橫軸“月啟動次數(shù)”的第一個(gè)劃分值定為2次合理；過去30日，對“用戶訂單支付金額”按默認(rèn)區(qū)間做分布分析，發(fā)現(xiàn)單次用戶消費(fèi)均值在“5-10元”、“10-20元”和“20-50元”的用戶是最多的，占到整體訂單的近60%，其中“5-10元”的用戶對應(yīng)到月度ARPU值為44元，故月啟動次數(shù)5次為較合理的第二個(gè)橫軸劃分值；與此同時(shí)，還可分析出“月消費(fèi)50元”可定義為縱軸劃分值。
通過AM分群模型，我們把用戶分成了有結(jié)構(gòu)、有層次的6類，并對應(yīng)剛才提到的不同成長路徑，制定獨(dú)特的運(yùn)營策略。 （1）對于月消費(fèi)50塊錢、啟動小程序2次以下的新手用戶，如何轉(zhuǎn)化為一個(gè)快速上手用戶。我們的運(yùn)營動作可以是，通過優(yōu)惠券激勵(lì)、購物任務(wù)激勵(lì)等方式，促使這部分用戶完成增購。 （2）第二個(gè)轉(zhuǎn)化新手用戶的方式，是提升用戶跟平臺的一個(gè)活躍度、黏著度。通過新手簽到任務(wù)等方式提升用戶活躍度，快速讓該部分用戶再次啟動小程序，將用戶轉(zhuǎn)化為低頻低質(zhì)的用戶類型。 （3）這一步，低頻低質(zhì)的用戶可以繼續(xù)向上成長，通過儲值活動優(yōu)惠、拼團(tuán)等方式促進(jìn)低頻低質(zhì)用戶快速增購/復(fù)購從而成為低頻高質(zhì)用戶。 （4）低頻高質(zhì)用戶，如果能成功促活，就可以成為高價(jià)值用戶。通過促進(jìn)用戶消費(fèi)賬號儲值、付費(fèi)會員、商品組合、好友推薦獎勵(lì)等方式，促進(jìn)低頻高質(zhì)用戶向高價(jià)值用戶轉(zhuǎn)移 。 （5）針對高活低質(zhì)用戶，即用戶經(jīng)常來到平臺中，但是又很少成單的情況。這部分用戶可以通過大額滿減活動、優(yōu)惠活動促進(jìn)他們向高價(jià)值用戶轉(zhuǎn)移。 3 私域留量親密業(yè)務(wù)的兩大法寶 講解完用戶精準(zhǔn)轉(zhuǎn)化的五個(gè)具體玩法之后，相信大家對于親密業(yè)務(wù)促進(jìn)企業(yè)用戶數(shù)量增長都有了更深的理解。 現(xiàn)在我們簡要地總結(jié)一下，如何從更宏觀的視角上認(rèn)識并著手開展自己企業(yè)的親密業(yè)務(wù)。我們認(rèn)為，將私域留量親密業(yè)務(wù)做大做強(qiáng)有以下兩大法寶——一靠裝備、二靠方法。 一靠裝備 易觀方舟全場景私域用戶運(yùn)營 剛才的玩法中，我們已經(jīng)展示了易觀方舟是如何在業(yè)務(wù)上幫助客戶的。 從更高的層面來看，易觀方舟提供的全場景私域用戶運(yùn)營解決方案，有三個(gè)核心優(yōu)勢。
易觀方舟產(chǎn)品體系總體架構(gòu) 二靠方法 企業(yè)親密業(yè)務(wù)運(yùn)營的五字訣 有了工具之后，能不能夠真正地用好工具，這個(gè)時(shí)候就要靠方法，同樣對應(yīng)到三大關(guān)鍵的法則：
總結(jié)一下今天分享的內(nèi)容，我們圍繞數(shù)據(jù)驅(qū)動用戶精準(zhǔn)轉(zhuǎn)化，展開了以下道、器、法三方面的內(nèi)容。 將知識應(yīng)運(yùn)到運(yùn)營工作的實(shí)踐中去，希望能給大家?guī)砉ぷ餍噬系奶嵘驼J(rèn)識上的延展。 |
|
|
