从零搭建增长框架:企业增长之路-下篇
内容转载自:Sherryyyyy
在用数据驱动增长的解决方案中,我们将其概括洞察场景化、核心增长指标确定、优化转化、A/B测试迭代寻找突破口阶段。上篇将洞察场景化,核心增长指标确定,做好了后期增长迭代的基础。
一、优化转化率:分析引擎体系建设,提升转化率
以前我们认为,分析引擎体系可以在实践中不断迭代。但是在具体实践中得到的结果改变了我们原有的认知。建设分析引擎应该先规划好再去做。因为一旦规划和引入策略框架后,我们的业务也会随之调整。建设分析引擎时一定要先基于模型、分析引擎的概念进行宏观设计,再进一步指导微观业务。
1)建立分析用户引擎推荐模型
W网络的分析引擎下图所示,我们建立了用户模型、营收模型、行为模型和产品模型等模型,这些体系为我们后期的分析提供了非常大的帮助。而且当我们有了模型,未来的增长实验要沉淀什么、要分几个步骤,都将有据可循。
整体来看,W网络的分析引擎经历了六个阶段的发展:
- 以数据展示趋势、同环比为主的纯报表分析;
- 以用户流量的漏斗分析为主的精细化分析;
- 从用户的生命周期寻找增长点的数据模型分析;
- 在数据模型基础上进行人群分层的增长策略分析;
- 增加时间维度形成更多维度的多因子增长策略分析;
- 把时间波动趋势和用户流量波动相结合的趋势分析与预测。
数据分析其实就是解魔方的过程:一开始是一阶魔方,就像一个骰子;然后是二阶魔方,魔方的一面有四个方块;然后是三阶魔方,一面升至九个方块。我们不停地增加维度去拆解它。基于人的主观判断,一般人就玩到三阶魔方,厉害的人可以玩到四阶魔方。再往上更高阶的魔方就更难了,所以说未来一定是基于模型的方式来驱动整个分析引擎体系的建设,因为它的整个决策都是非常可观的。
2) 优化增长驱动的用户推荐算法引擎
如何对推荐的效果、推荐的参数等调整,就基于整个增长框架的不断调优,最终形成增长闭环,才能更好的提升转化率。
举一个交叉推荐模型的例子
我们从用户的行为特征,包括用户特征、影片特征、上下文特征等出发,抽象出模型进行推荐。过去我们在做交叉推荐模型的时候,往往在模型处理与策略调优这一环节停下。但是现在我们继续往下走,借助模型实现自动化策略的下发与沉淀。
在智能化推荐的过程中还有很多单独的分析模型可以拆解出来,赋能独立的业务。我们拆出四个模型:付费潜力预测模型、产品包预测模型、折扣敏感预测模型和营收预测模型,分别回答重点关注哪些人群、适合什么样的策略、使用什么价格、预期收益如何这四个问题。拆解出来后就可以实现产品投放的全自动化运营。通过实际测试,我们发现机器的推荐效果会比人推荐好很多。
3)关注用户全生命周期,利用交叉推荐模型,提升转化率
数据和模型等计算和推荐的切实执行,让我们的增长实验让流量再生。只有建设与数字化增长范式相匹配的组织架构,才能保障增长顺利落地,并持续为业务赋能。
当组织体系足够敏捷时,便形成了企业级敏捷。团队间的弹性、适应性会变得更强,小步快跑的增长实验也拥有了更多的空间。弹性组织为企业未来的发展方向提供可能,这也是增长的价值。
二、A/B测试快速迭代发现产品迭代突破口
W网络公司的会员产品的核心指标是购买会员转化率,会员运营团队遇到的问题是付费页面的转化率较低,多次调整落地页素材后,仍然找不到优化的方向。了解该影视会员产品的用户流转地图后,决定进行A/B测试为快速迭代做准备。
1) A/B测试策略“脑暴”
在A/B测试中,我们将用户平均分为四组:
实验用户组:将A组作为对照组,对B组方案强调“折扣”要素、对C组方案强调“会员权益”要素、对D组方案强调“活动紧迫性”要素,对每组人群下发不同的付费页面,对比四组人群的付费转化率差异,找到影响转化的关键要素。
测试方案:我们发现,对照组的方案信息堆砌,所有权益、折扣信息分散在页面各处,没有集中火力触达用户。而三个测试方案分别聚焦折扣信息、权益信息和紧迫性信息。
2)数据对比实验四组人群的付费转化率
从数据展示中,得到影响付费转化率的文案要素——紧迫性,也就是说强调活动优惠的时效性,营造紧迫氛围,会更有利于刺激用户转化。
在此基础上,我们还从本次A/B测试中得到了一些用户洞察,例如:
- 新功能更新会导致新用户付费转化率下降。
- 活动对新用户的付费驱动力下滑。
- 低价并不是万能,高价带来的付费用户的占比更高,且一年后解约率更低。
通过这些洞察,W网络公司开展了多项A/B测试,这也是付费转化率提升了超过90%的秘诀
三、总结
洞察场景化、核心增长指标确定、优化转化、A/B测试迭代寻找突破口阶段这四个阶段构成了一个循环,企业增长需要不断地在这些阶段之间循环,以持续优化产品并推动增长。
每个阶段都依赖于前一个阶段的输出,并且每个阶段的成果又为下一个阶段提供输入。通过这种迭代和数据驱动的方法,团队可以更有效地实现产品增长和业务目标。
本文地址:http://sunnao.cn/archives/120
以上内容源自互联网,由运营助手整理汇总,其目的在于收集传播生活技巧,行业技能,本网站不对其真实性、可靠性承担任何法律责任。如发现本站文章存在版权问题,烦请提供版权疑问、侵权链接、联系方式等信息发邮件至candieraddenipc92@gmail.com,我们将及时处理。