数极客首页

大数据如何让用户更乐意掏钱?

如何借助大数据能力使用户乐意付费呢?本文笔者将结合实际项目经验,为大家解答这个问题。 大数据如何让用户更乐意掏钱?

不过商业化这个命题太大,所以今天我们先来探讨下,如何借助大数据能力,促进客户付费,以下是项目上的一些思考。

一、前言

1. 前置背景:产品获客之后,在转化为付费用户上遇到了挑战,在这种的情况下,我们所做的一些尝试和思考;

2. 适用对象:如果你也在思考,如何利用一些产品策略上转化用户,可以一起探讨下,偏电商类产品;

3. 内容框架:分为三个部分,前期探索、暴露问题、解决思路。

二、前期探索

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:找到目标人群—-设计活动—-触达用户促进其转化,以下还原了部分实操的过程。

1. 找目标人群

根据业务经验,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:基于客户社会基本属性的,年龄、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

三、暴露问题

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

1. 人群找不准确

① 怕脑袋式,以业务经验找到的单一维度人群,其实无法有效判断用户交易意向

② 人群划分散乱,重叠性高,各行动小组无法区分,这其实就意味着无法有效管理、经营

2. 缺乏持续有效的转化引擎

问题主要出在两个方面:不可持续和有效性难以衡量

(1)持续性

① 采集数据找目标人群太慢:拍脑袋式找目标人群,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 手动触达耗费时间:一次性活动触达,每次活动对于运营的同学挑战非常大,根本腾不出时间

(2)无法衡量有效性

① 每次触达的活动散乱,类似游击战,无法持续观察该策略是否有效

② 缺乏实验性思维:未能形成整体的转化监控指标,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系统,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适合的offer触动客户。

offer是什么?在这里解释下,我们定义的范围是包括了:功能性的产品优势(即为产品的虚拟价值)和让利型的爆款活动(折扣、新户礼包、爆款商品)。

那具体的操作思路是如何呢?且看一步步分解。

1. 找出自身优势

很多时候,一个产品(平台)的自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?新户为什么选择了你的平台?

为了了解这个问题,我们做了两个事情:

① 拉去过去一年,新户首次转化的订单数据:从数据中分析用户转化背后决策逻辑,得到的结果是比较明显的,X%用户是为了A,X%用户是为了B….具体的数据,我就不展开出来了。

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?

基于历史海量数据和用户调研,我们可以发现自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,如果无法划分用户,团队就会比较混乱,缺乏目标。这样我们就无法很好经营用户。这里面我们采取了四象限分层,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系密切程度进行划分的,比如说产品购买断点客户,就是对平台了解比较多的人群。对于刚注册的新户,那认知就非常低,需要先做认知教育。

大数据如何让用户更乐意掏钱?

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,可以先从用户认知上进行划分,比如说:断点客户、app活跃客户、app注册用户、微信关注用户等,然后再设定各分层的转化目标,每个行动小组认领任务。

3. 算法模型支撑

业务对于算法上面的要求,其实为:设定一个业务目标,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自身产品的优势进行设定的),然后算法同学会根据该业务目标进行建模,包括:问题建模(指标评估、样本选择、交叉验证)、建特征工程、选择模型、模型融合,再到最后的模型验证。

当然,上面是一个完整的建模过程,在实际应用中,都先是小步快跑。先用较为简单的IV值预估,找出强关联的客户维度,给到业务方进行试用。

4. 深挖场景的自动化经营

这部分,笔者认为是最为关键的一环了。用户转化的过程一定是:在一定的触发场景,通过习惯的行为路线,获取所内容。在这里会分为三个部分:高频场景挖掘、自动化策略支撑、策略执行。

(1)根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上定期浏览某一频道、某一个功能、搜某些内容;线下行为:基于lbs,了解用户出现城市

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)自动化经营策略

手工设定的push,耗时耗力,根本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、路线,设定一些自动化策略,比如如下:

① 客户断点自动化挽回策略:曾经浏览过/评论过/关注过/未使用券等等,都可以将该批客户自动化采集出来,并进行定向召回,比如:最近3天浏览过某一款产品,可以给客户一些利益点,然后进行触达。

② 重点场景全链路埋伏策略:在用户完成一个任务的前中后,进行转化内容埋伏,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

实验设置对比维度可以为:渠道、客群、offer。这里强调一点就是,一定要明确整个策略的目标,留出对照组,否则后面数据难有说服力和无法评判该策略是否该持续固化下来。

5. 数据分析

这一部分,重点是将各节点的数据打通,实现基于每一个实验的可视化分析、对照。这有赖于平台自身的数据管理是否规范了,如果数据采集没有规范,在很多情况下的分析还是很吃亏的。这里就不展开了,祝好~

整个过程中,大数据辅助业务找出自身优势、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,业务经营更趋向精细化。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思考,希望对你有帮助~

附全文思考脑图:

大数据如何让用户更乐意掏钱?

给大家推荐我国新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是首款支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是数据分析软件领域首款应用定量分析与定性分析方法的数据分析产品

发表评论

评论已关闭。

相关文章