久久久久久久视色,久久电影免费精品,中文亚洲欧美乱码在线观看,在线免费播放AV片

<center id="vfaef"><input id="vfaef"><table id="vfaef"></table></input></center>

    <p id="vfaef"><kbd id="vfaef"></kbd></p>

    
    
    <pre id="vfaef"><u id="vfaef"></u></pre>

      <thead id="vfaef"><input id="vfaef"></input></thead>

    1. 站長資訊網(wǎng)
      最全最豐富的資訊網(wǎng)站

      商業(yè)化前夜:大數(shù)據(jù)如何讓用戶更樂意掏錢?


      如何借助大數(shù)據(jù)能力使用戶樂意付費呢?本文筆者將結(jié)合實際項目經(jīng)驗,為大家解答這個問題。

      商業(yè)化前夜:大數(shù)據(jù)如何讓用戶更樂意掏錢?

      產(chǎn)品發(fā)展到一定階段,商業(yè)化是不可回避的問題。跟投資者只談情懷不掙錢,多少有點耍流氓。

      不過商業(yè)化這個命題太大,所以今天我們先來探討下,如何借助大數(shù)據(jù)能力,促進客戶付費,以下是項目上的一些思考。

      一、前言

      1. 前置背景:產(chǎn)品獲客之后,在轉(zhuǎn)化為付費用戶上遇到了挑戰(zhàn),在這種的情況下,我們所做的一些嘗試和思考;

      2. 適用對象:如果你也在思考,如何利用一些產(chǎn)品策略上轉(zhuǎn)化用戶,可以一起探討下,偏電商類產(chǎn)品;

      3. 內(nèi)容框架:分為三個部分,前期探索、暴露問題、解決思路。

      二、前期探索

      為了轉(zhuǎn)化用戶,我們在前期和算法同學(xué),做了一些嘗試,步驟主要為:找到目標(biāo)人群—-設(shè)計活動—-觸達用戶促進其轉(zhuǎn)化,以下還原了部分實操的過程。

      1. 找目標(biāo)人群

      根據(jù)業(yè)務(wù)經(jīng)驗,到數(shù)據(jù)庫中采集最可能轉(zhuǎn)化的高關(guān)聯(lián)維度客戶名單,創(chuàng)建白名單客戶標(biāo)簽。比如:基于客戶社會基本屬性的,年齡、性別、地域等維度;基于客戶交易特征的,是否持卡、是否有積分等

      2. 設(shè)計活動

      選出這類客戶可能喜歡的爆款,設(shè)計對應(yīng)的專題活動或者找到時令活動,進行內(nèi)容包裝

      3. 找客戶觸點

      進行客戶觸達,包括了app push、短信、微信后綴等渠道

      4. 分析數(shù)據(jù)

      采集觸達人群名單,再追蹤該批人群在最近3天內(nèi)的交易行為變化,分析出轉(zhuǎn)化漏斗

      三、暴露問題

      咋一看,上面整體思路看起來問題不大,但在實操過程中,其實問題重重,主要體現(xiàn)為如下三點:

      1. 人群找不準(zhǔn)確

      ① 怕腦袋式,以業(yè)務(wù)經(jīng)驗找到的單一維度人群,其實無法有效判斷用戶交易意向

      ② 人群劃分散亂,重疊性高,各行動小組無法區(qū)分,這其實就意味著無法有效管理、經(jīng)營

      2. 缺乏持續(xù)有效的轉(zhuǎn)化引擎

      問題主要出在兩個方面:不可持續(xù)和有效性難以衡量

      (1)持續(xù)性

      ① 采集數(shù)據(jù)找目標(biāo)人群太慢:拍腦袋式找目標(biāo)人群,每次篩選用戶,都需要大數(shù)據(jù)的同學(xué)采集一次。一方面人群名單是一次性,復(fù)用性低,另一方面,未能真正發(fā)揮算法同學(xué)專研模型

      ② 設(shè)計活動周期長:找到人群,策劃活動,設(shè)計頁面,活動上線,這樣的周期太長,時效性低,難以滿足

      ③ 手動觸達耗費時間:一次性活動觸達,每次活動對于運營的同學(xué)挑戰(zhàn)非常大,根本騰不出時間

      (2)無法衡量有效性

      ① 每次觸達的活動散亂,類似游擊戰(zhàn),無法持續(xù)觀察該策略是否有效

      ② 缺乏實驗性思維:未能形成整體的轉(zhuǎn)化監(jiān)控指標(biāo),觸達活動沒有留出對照組。

      3. 數(shù)據(jù)分析困難

      每個活動分析都需要采集數(shù)據(jù),分析時效性無法保證;各層級數(shù)據(jù)分屬于不同系統(tǒng),底層數(shù)據(jù)表未能進行關(guān)聯(lián)。

      四、解決思路

      前面做的一系列嘗試和暴露的問題,為我們接下來確定思路提供很好的基礎(chǔ)。我們回到本文主題,我們是怎么借助大數(shù)據(jù)的能力,讓用戶更容易成為我們的付費客戶的?

      在這里核心思路是:用更少時間找最易轉(zhuǎn)化的客戶拿最適合的offer觸動客戶。

      offer是什么?在這里解釋下,我們定義的范圍是包括了:功能性的產(chǎn)品優(yōu)勢(即為產(chǎn)品的虛擬價值)和讓利型的爆款活動(折扣、新戶禮包、爆款商品)。

      那具體的操作思路是如何呢?且看一步步分解。

      1. 找出自身優(yōu)勢

      很多時候,一個產(chǎn)品(平臺)的自身優(yōu)勢都是自己包裝出去的,但在市場/用戶端的反饋,是否真實如此?新戶為什么選擇了你的平臺?

      為了了解這個問題,我們做了兩個事情:

      ① 拉去過去一年,新戶首次轉(zhuǎn)化的訂單數(shù)據(jù):從數(shù)據(jù)中分析用戶轉(zhuǎn)化背后決策邏輯,得到的結(jié)果是比較明顯的,X%用戶是為了A,X%用戶是為了B….具體的數(shù)據(jù),我就不展開出來了。

      ② 調(diào)研用戶:對平臺的認知和第一次在平臺上購買的動機是啥?

      基于歷史海量數(shù)據(jù)和用戶調(diào)研,我們可以發(fā)現(xiàn)自身平臺對用戶的吸引力哪些方面

      2. 人群分層

      用戶轉(zhuǎn)化項目是一個teamwork,包括了:算法、商務(wù)、運營、產(chǎn)品。前面所說,如果無法劃分用戶,團隊就會比較混亂,缺乏目標(biāo)。這樣我們就無法很好經(jīng)營用戶。這里面我們采取了四象限分層,用戶對平臺認知和用戶偏好

      高傾向:對平臺產(chǎn)品有較高傾向度的人群,這個可以通過傾向模型進行篩選

      高認知:認知是以這個用戶與平臺的聯(lián)系密切程度進行劃分的,比如說產(chǎn)品購買斷點客戶,就是對平臺了解比較多的人群。對于剛注冊的新戶,那認知就非常低,需要先做認知教育。

      商業(yè)化前夜:大數(shù)據(jù)如何讓用戶更樂意掏錢?

      人群劃分僅是第一步,第二步就是要找出每種分群的用戶體量,可以先從用戶認知上進行劃分,比如說:斷點客戶、app活躍客戶、app注冊用戶、微信關(guān)注用戶等,然后再設(shè)定各分層的轉(zhuǎn)化目標(biāo),每個行動小組認領(lǐng)任務(wù)。

      3. 算法模型支撐

      業(yè)務(wù)對于算法上面的要求,其實為:設(shè)定一個業(yè)務(wù)目標(biāo),比如說:最有可能購買A類產(chǎn)品的用戶(注:這里的A類產(chǎn)品一定是要結(jié)合自身產(chǎn)品的優(yōu)勢進行設(shè)定的),然后算法同學(xué)會根據(jù)該業(yè)務(wù)目標(biāo)進行建模,包括:問題建模(指標(biāo)評估、樣本選擇、交叉驗證)、建特征工程、選擇模型、模型融合,再到最后的模型驗證。

      當(dāng)然,上面是一個完整的建模過程,在實際應(yīng)用中,都先是小步快跑。先用較為簡單的IV值預(yù)估,找出強關(guān)聯(lián)的客戶維度,給到業(yè)務(wù)方進行試用。

      4. 深挖場景的自動化經(jīng)營

      這部分,筆者認為是最為關(guān)鍵的一環(huán)了。用戶轉(zhuǎn)化的過程一定是:在一定的觸發(fā)場景,通過習(xí)慣的行為路線,獲取所內(nèi)容。在這里會分為三個部分:高頻場景挖掘、自動化策略支撐、策略執(zhí)行。

      (1)根據(jù)人群分層找高頻場景

      ① 了解用戶行為偏好。分為線上行為:活躍用戶在app上定期瀏覽某一頻道、某一個功能、搜某些內(nèi)容;線下行為:基于lbs,了解用戶出現(xiàn)城市

      ② 了解該批用戶的交易偏好:知道的行為偏好,下一步要了解用戶的交易偏好,什么才是他們喜歡的,需要投其所好。

      (2)自動化經(jīng)營策略

      手工設(shè)定的push,耗時耗力,根本無法支撐客戶轉(zhuǎn)化的需求。因此,你可以結(jié)合新客戶轉(zhuǎn)化的重點場景、路線,設(shè)定一些自動化策略,比如如下:

      ① 客戶斷點自動化挽回策略:曾經(jīng)瀏覽過/評論過/關(guān)注過/未使用券等等,都可以將該批客戶自動化采集出來,并進行定向召回,比如:最近3天瀏覽過某一款產(chǎn)品,可以給客戶一些利益點,然后進行觸達。

      ② 重點場景全鏈路埋伏策略:在用戶完成一個任務(wù)的前中后,進行轉(zhuǎn)化內(nèi)容埋伏,當(dāng)然優(yōu)先針對高傾向客群進行觸達,切勿過度打擾。

      ③ 此外還有:客戶離線設(shè)置T+x日觸達策略、客戶沉默設(shè)置讓利策略等等

      (3)策略執(zhí)行

      實驗設(shè)置對比維度可以為:渠道、客群、offer。這里強調(diào)一點就是,一定要明確整個策略的目標(biāo),留出對照組,否則后面數(shù)據(jù)難有說服力和無法評判該策略是否該持續(xù)固化下來。

      5.?數(shù)據(jù)分析

      這一部分,重點是將各節(jié)點的數(shù)據(jù)打通,實現(xiàn)基于每一個實驗的可視化分析、對照。這有賴于平臺自身的數(shù)據(jù)管理是否規(guī)范了,如果數(shù)據(jù)采集沒有規(guī)范,在很多情況下的分析還是很吃虧的。這里就不展開了,祝好~

      整個過程中,大數(shù)據(jù)輔助業(yè)務(wù)找出自身優(yōu)勢、建立模型找到高傾向客群以及在實驗數(shù)據(jù)分析上給到了較大的支撐,業(yè)務(wù)經(jīng)營更趨向精細化。在用戶轉(zhuǎn)化上,也更加嚴(yán)謹和具有章法。

      以上僅是一些階段性的思考,希望對你有幫助~

      附全文思考腦圖:

      商業(yè)化前夜:大數(shù)據(jù)如何讓用戶更樂意掏錢?

       

      作者:15年畢業(yè)于華南理工大學(xué),有運營和產(chǎn)品經(jīng)歷,現(xiàn)負責(zé)金融大數(shù)據(jù)產(chǎn)品:個性化推薦、意圖搜索,AI智能客服。個人微信公眾號:大雄背起行囊。

      贊(0)
      分享到: 更多 (0)
      網(wǎng)站地圖   滬ICP備18035694號-2    滬公網(wǎng)安備31011702889846號