数极客首页

利用数据思维来提升一款产品的转化率

以前我们关注的是因果关系,而数据思想
更多关注的是相关性。

对任何一款产品来说转化率都是最中心
的指标,转化率的上下
直接决议
着一款产品的成败。而转化率指标拆解下来能够

分为产品指标和用户指标。产品指标关注的是流程和页面等PV、UV这些细分指标。用户指标关注的行为和动作等下载量、点击量、分享量、转化量等,无非都是盘绕
这个复合指标来效劳

我们经常会关注的转化率,如注册转化率、置办

转化率等,这些转化率与运营息息相关。注册转化率能够

权衡
我们网站获取用户的才干

,置办

转化率能够

权衡
我们的营收才干

,那么我们应该怎样
去进步
一款产品的转化率呢?

其实影响转化率的有外部以及内部的三大关键要素
、外部是渠道流量、内部是用户营销、和内部网站/APP体验。

渠道流量

渠道流量是我们从外部获取而来。用户营销是对进来的用户中止

运营和营销工作。网站/APP体验是能够

经过
内部产品、设计、工程等部门来优化,也属于内部要素

渠道流量的转化能够

有两个数据思绪
方向去做,渠道的优选和量化,我们做活动营销普通
都会尽量坚持
足够多的渠道,当然渠道也分等级的,这时分
我们就要对这些渠道中止

选择

,保管

质量高的渠道淘汰劣质渠道。

经过
漏斗剖析

对比

每个渠道最终
的转化率,我们能够

看到最终
4个渠道的质量是比较

差的,这时分
我们就要把这些劣质的渠道给淘汰了。

OK,经过上面的步骤后,我们曾经
选择

好投放渠道之后就要对这些渠道量化中止

资源分配以抵达

效果最大化。比如

,目前有5个渠道可选,在预算有限的状况

下,怎样
去分配投放比例呢?以前我们都是靠直觉和阅历

拍个脑袋决议
投放比例,往常

我们依托
数据思想
来量化每个渠道的转化率找到最优投放战略

  1. A代表上面是用户的质量很好,不过量很低的渠道,基于这种状况

    我们能否
    应该加大投放力度。

  2. B是用户质量好数据量
    也多的渠道,是一个最佳优选的投放渠道。
  3. C无论是从数据量
    还是质量上都是最差的渠道,理应被淘汰出局
  4. D是这种状况

    数据量
    多不过质量很差的渠道,这时我们应该思索

    一下能否
    去优化一下渠道,比如

    文案,关键字、落地页设计等,进步
    知道

    流量质量。

用户营销

用户营销是对用户进来我们的网站/APP之后,对用户中止

一系列的运营活动,拉新、激活、唤醒等,经过
这些活动刺激用户重复

置办

进步
每个用户的ARPU值,从而进步
最终的转化率。

  1. 经过
    目的
    用户的用户画像继而确认投放渠道因而

    获取用户。

  2. 在第一条的基础

    之上,找到了目的
    用户之后完成
    精准营销计划

    ,经过
    对这些用户中止

    激活、唤醒等精密

    化运营战略

在此通常的做法是对用户的价值度中止

等级划分,而对用户价值度中止

分级普通
都是运用
RFM模型。

该机械模型R代表用户最近一次距往常

的置办

行为时间、F代表置办

的总体频率,M花了多少钱三项。经过
树立
RFM模型,我们能够

把用户分为8类。

那么对用户的价值度分类之后,我们在做营销活动时,就不直接面向全体用户了,对这些用户打上标签之后,完好

能够

完成
精准化营销目的,比如

:我要做一次高额物品活动,这样我就能够

直接面对高潜力用户推送活动,由于
这样的用户更有可能置办

高额物品。假定

我做的是小额物品满减满送推送活动,我就直接面向生动

小金额用户,刺激他们重复

置办

,进步
ARPU值。

除了这些,还有其他的分类方式

,当然,要分别

自己

的业务场景来中止

划分,比如

区域、性别、偏好等。

优化网站/APP体验

一个网站或则是APP的体验怎样
会影响到用户最终的置办

转化率,把用户进来后的每个环节拆解下来,每个节点都要做相应的数据监控以及剖析

每个环节用户的行为动作等,这些关键要素
包括但不只
限于,新手指引、支付环节的流利
性、页面能否
简约
和操作能否
容易?图片质量怎样
?看起来能否
明晰
?以及搜索的匹配能否
精准?

1.新手指引:比如

某社区网站,新手进来的留存率太低,由于
用户进来之后没有做任何的引导,招致
用户的学习本钱
太高,一下就流失掉了。

2.支付环节的流利
性:
有时分
客户想置办

物品,最终
由于
支付环节太复杂而选择放弃置办

3.页面简约
和操作:
像有些大型的购物网站,页面操作按钮就会特别多,有时分
他们会影响到最终的置办

转化。

4.图片质量:图片质量对一个用户的置办

决策影响是十分

大的。这里举个栗子,Airbnb当时的成交量还是很小的时分
,经过
延聘
专业摄影师上门给房子拍摄精巧
图片之后,成交量立刻

蹭蹭的往上涨。

5.搜索能否
精准:
比如

我在一个购物网站上搜索苹果手机,最终
搜索出来的是真苹果,其结果就是严重影响到用户体验。

在这里我们其实能够

经过
漏斗剖析

,发现每个环节的转化率,然后再经过
用户行为分群等不同维度来细查每个用户的行为,比如

:某电商购物网站“把物品放进去购物车没有支付“的用户中止

分群之后细查每个用户之后发作
的一切
行为,最终发现中间支付环节有个BUG,招致
用户无法支付,最终影响到置办

转化率,这些都是需求
经过
数据追踪细细探查出来的。

总结

从上面这三个维度的方向去思索

怎样
进步
转化率,渠道的选择

、用户的精准营销、以及最终
的用户体验等去做深化
剖析

数据剖析

最主要的第一
是数据思想
,从前期的数据采集到数据处置
再到最终
的数据解释贯串
其中。

最终
在这里我再举个数据思想
的典型案例:

  • 国外某社区,当时新用户的黏性十分

    差,之后经过
    用户的行为对比

    分群之后发现新进来的用户关注5个人以上的比没关注够5个人的留存率高十分

    多。在这里我们先不用管它细致

    是什么缘由
    构成

    这种结果,我们要做的就是引导新用户进来之后关注5个人以上就行了,最终
    经过
    这个引导社区的整体新用户留存率增长了许多倍。

作者:博弈(微信号 fu_yongcheng),90后,连续创业者,擅长数据剖析

,现任某企业运营合伙人

来源:人人都是产品经理

链接:http://www.woshipm.com/data-analysis/451261.html

发表评论

评论已关闭。

相关文章