商业化前夜:大数据怎么让用户更乐意掏钱?
本文摘要:怎么借助大数据能力使用户乐意付费呢?本文笔者将结合实践项目经历,为我们解答这个问题。产品开展到一定阶段,商业化是不可回避的问题。跟投资者只谈情怀不挣钱,多少有点耍流氓。不过商业化这个命题太大,所以今天我们先来评论下,怎么借助大数据能力,促进

怎么借助大数据能力使用户乐意付费呢?本文笔者将结合实践项目经历,为我们解答这个问题。

产品开展到一定阶段,商业化是不可回避的问题。跟投资者只谈情怀不挣钱,多少有点耍流氓。

不过商业化这个命题太大,所以今天我们先来评论下,怎么借助大数据能力,促进客户付费,以下是项目上的一些考虑。

1. 前置布景:产品获客之后,在转化为付费用户上遇到了应战,在这种的状况下,我们所做的一些尝试和考虑;

2. 适用对象:假如你也在考虑,怎么使用一些产品策略上转化用户,可以一同评论下,偏电商类产品;

3. 内容框架:分为三个部分,前期探究、暴露问题、解决思路。

二、前期探究

为了转化用户,我们在前期和算法同学,做了一些尝试,步骤主要为:找到方针人群 -设计活动 -触达用户促进其转化,以下复原了部分实操的过程。

1. 找方针人群

依据事务经历,到数据库中采集最可能转化的高关联维度客户名单,创建白名单客户标签。比如:基于客户社会根本属性的,年纪、性别、地域等维度;基于客户交易特征的,是否持卡、是否有积分等

2. 设计活动

选出这类客户可能喜欢的爆款,设计对应的专题活动或者找到时令活动,进行内容包装

3. 找客户触点

进行客户触达,包括了app push、短信、微信后缀等渠道

4. 分析数据

采集触达人群名单,再追踪该批人群在最近3天内的交易行为变化,分析出转化漏斗


咋一看,上面全体思路看起来问题不大,但在实操过程当中,其实问题重重,主要体现为如下三点:

1. 人群找禁绝确

① 怕脑袋式,以事务经历找到的单一维度人群,其实无法有用判断用户交易意向

② 人群划涣散乱,堆叠性高,各举动小组无法区分,这其实就意味着无法有用管理、运营

2. 缺乏继续有用的转化引擎

问题主要出在两个方面:不可继续和有用性难以衡量

(1)继续性

① 采集数据找方针人群太慢:拍脑袋式找方针人群,每次筛选用户,都需要大数据的同学采集一次。一方面人群名单是一次性,复用性低,另外一方面,未能真正发挥算法同学专研模型

② 设计活动周期长:找到人群,策划活动,设计页面,活动上线,这样的周期太长,时效性低,难以满足

③ 手动触达消耗一次性活动触达,每次活动关于运营的同学应战十分大,底子腾不出时间

(2)无法衡量有用性

① 每次触达的活动散乱,类似游击战,无法继续观察该策略是否有用

② 缺乏实验性思维:未能构成全体的转化监控指标,触达活动没有留出对照组。

3. 数据分析困难

每一个活动分析都需要采集数据,分析时效性无法保证;各层级数据分属于不同体系,底层数据表未能进行关联。

四、解决思路

前面做的一系列尝试和暴露的问题,为我们接下来确定思路提供很好的基础。我们回到本文主题,我们是怎么借助大数据的能力,让用户更容易成为我们的付费客户的?

在这里核心思路是:用更少时间找最易转化的客户拿最合适的offer触动客户。

offer是什么?在这里解释下,我们界说的规模是包括了:功用性的产品优势(即为产品的虚拟价值)和让利型的爆款活动(扣头、新户礼包、爆款商品)。

那详细的操作思路是怎么呢?且看一步步分解。

1. 找出本身优势

很多时分,一个产品(平台)的本身优势都是自己包装出去的,但在市场/用户端的反馈,是否真实如此?新户为何选择了你的平台?

为了了解这个问题,我们做了两个事情:

① 拉去以前一年,新户初次转化的订奇数据:从数据平分析用户转化背后决策逻辑,得到的成果是比较显着的,X%用户是为了A,X%用户是为了B .详细的数据,我就不打开出来了。

② 调研用户:对平台的认知和第一次在平台上购买的动机是啥?

基于前史海量数据和用户调研,我们可以发现本身平台对用户的吸引力哪些方面

2. 人群分层

用户转化项目是一个teamwork,包括了:算法、商务、运营、产品。前面所说,假如无法划分用户,团队就会比较紊乱,缺乏方针。这样我们就无法很好运营用户。这里边我们采纳了四象限分层,用户对平台认知和用户偏好

高倾向:对平台产品有较高倾向度的人群,这个可以通过倾向模型进行筛选

高认知:认知是以这个用户与平台的联络亲近程度进行划分的,比如说产品购买断点客户,就是对平台了解比较多的人群。关于刚注册的新户,那认知就十分低,需要先做认知教育。

人群划分仅是第一步,第二步就是要找出每种分群的用户体量,可以先从用户认知进步行划分,比如说:断点客户、app活跃客户、app注册用户、微信重视用户等,然后再设定各分层的转化方针,每一个举动小组认领使命。

3. 算法模型支撑

事务关于算法上面的要求,其实为:设定一个事务方针,比如说:最有可能购买A类产品的用户(注:这里的A类产品一定是要结合本身产品的优势进行设定的),然后算法同学会依据该事务方针进行建模,包括:问题建模(指标评价、样本选择、交叉验证)、建特征工程、选择模型、模型交融,再到终究的模型验证。

当然,上面是一个完好的建模过程,在实践应用中,都先是小步快跑。先用较为简略的IV值预估,找出强关联的客户维度,给到事务方进行试用。

4. 深挖场景的主动化运营

这部分,笔者认为是最为要害的一环了。用户转化的过程一定是:在一定的触发场景,通过习惯的行为道路,获取所内容。在这里会分为三个部分:高频场景发掘、主动化策略支撑、策略执行。

(1)依据人群分层找高频场景

① 了解用户行为偏好。分为线上行为:活跃用户在app上守时阅读某一频道、某一个功用、搜某些内容;线下行为:基于lbs,了解用户呈现城市

② 了解该批用户的交易偏好:知道的行为偏好,下一步要了解用户的交易偏好,什么才是他们喜欢的,需要投其所好。

(2)主动化运营策略

手工设定的push,耗时耗力,底子无法支撑客户转化的需求。因此,你可以结合新客户转化的重点场景、道路,设定一些主动化策略,比如如下:

① 客户断点主动化挽回策略:早年阅读过/评论过/重视过/未使用券等等,都可以将该批客户主动化采集出来,并进行定向召回,比如:最近3天阅读过某一款产品,可以给客户一些利益点,然后进行触达。

② 重点场景全链路匿伏策略:在用户完成一个使命的前中后,进行转化内容匿伏,当然优先针对高倾向客群进行触达,切勿过度打扰。

③ 此外还有:客户离线设置T+x日触达策略、客户沉默设置让利策略等等

(3)策略执行

实验设置比照维度可认为:渠道、客群、offer。这里强调一点就是,一定要明确整个策略的方针,留出对照组,不然后边数据难有说服力和无法评判该策略是否该继续固化下来。

5.?数据分析

这一部分,重点是将各节点的数据打通,完成基于每个实验的可视化分析、对照。这有赖于平台本身的数据管理是否规范了,假如数据采集没有规范,在很多状况下的分析仍是很吃亏的。这里就不打开了,祝好~

整个过程当中,大数据辅助事务找出本身优势、建立模型找到高倾向客群以及在实验数据分析上给到了较大的支撑,事务运营更趋向精密化。在用户转化上,也更加严谨和具有章法。

以上仅是一些阶段性的考虑,期望对你有协助~

附全文考虑脑图:

 

作者:15年毕业于华南理工大学,有运营和产品阅历,现负责金融大数据产品:个性化引荐、意图查找,AI智能客服。个人微信大众号:大雄背起行囊。

本文由@大雄 原创发布于人人都是产品主管。未经答应,禁止转载

题图来自Unsplash,基于CC0协议


你好,讨教一个问题。我自己也是做大数据的,现在感遭到,现在简直每一个公司都是选用这样类似的个性化运营策略,那么,你的转化率提高了,我的转化率也提高了,但用户就这么多,实践上我们都没有提高,只是处在均匀水平,只是你不这么做的话,你会低于均匀水平。
那么?怎么破局呢?


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。