|
本文整理自，诸葛io商业分析总监王洛在受邀出席由CDA主办的线下沙龙活动中发表的主题为《数据驱动用户增长》的分享。 电商企业的兴衰荣辱总能最先在运营数据方面窥见端倪，数据亦能在量化层面揭示电商生态的进化与成长。电商群雄逐鹿中原，数据驱动主宰沉浮。主讲人王洛通过丰富案例，教你如何精细化挖掘数据价值，激发产品创造性潜能，让数据不再是一堆数字，而为增长决策提供依据。 诸葛io商业分析总监王洛在现场分享 在这个消费升级的时代，只有通过大数据进行实时且深度的分析，才能把握住消费者不断变化的大趋势。讲到大数据，经常会强调“大”，但实际上大数据最根本的核心是“微数据”，即，每个用户的每个行为数据。只有对这些“微数据”加以采集和分析，才可洞察到趋势的变化，实时还原用户的真实画像，挖据更多用户价值，通过多种精准营销的方式，降低获客成本，最终实现业务良性增长。 1、增长是企业生存与发展的核心荷塘理论 一个池塘要长满荷叶，假设第一天你能看到1片荷叶，第二天你能看到2片荷叶，第三天你能看到4片荷叶，第四天你能看到8片荷叶，以此类推，每天以成倍的速度增长，问荷花铺满整个池塘的前一天，池塘里有多少荷花？ 无论多么大的荷塘，在长满整个荷塘前一天，一定是大于50%的面积，或者说，仅仅一天时间，就实现了以前无数天期望的成功！现实中，有很多人就在创造奇迹的头一天就放弃了，于是失败在成功的前一天。俗话说“行一百半九十”也是这个道理，行了90里路了，还有10里路往往是成功的关键，但有时候往往在最后关键的一步就放弃了。 根据荷塘理论，达到50%可能需要几年时间，很多创业公司往往不能坚持下来便放弃了，从1到2、4到N-1次方的过程是很痛苦的，如果没有科学的衡量与指导，很容易放弃。在营销中，前面的辛苦可能都是细小的铺垫或者造势，但最后的签约往往都是很短的时间就成功了，如果不能坚持下去可能就在成功一刻前就放弃了，因此唯有不忘初心，始终铭记目标，坚持到底！ 诺威格定律 诺威格定理是指“当公司的市场占有率>50% ，市场占有率无法再翻番了”。 诺维格定律，当企业的市场占有率大于50%时便很难再翻番了，因为另外50%的目标已不局限于现在的市场中，那么如何从现有的市场中寻找新的市场，如何继续增长呢？ 以“电商平台转战消费贷市场”为例 商品琳琅满目，旅行说走就走，人们对优质生活的渴望也日趋迫切。自从有了分期消费，人们便可以轻松买到心仪的商品，满足个人的需求。面对日益广阔的消费贷市场，银行、电商和互联网金融公司等各路机构纷纷对消费金融进行布局，推出特色产品。淘宝花呗，数据表明，信用卡使用率逐年上升，淘宝有大量交易流作为支撑，那么即可实现“自己借钱，钱在自己池子里赚”的操作。 2、增长的核心要素➤商业核心：持续的获得用户并实现盈利 1、用户：核心用户画像、渠道分布、获客能力 基于卓越的用户洞察能力，通过用户行为数据精准人群画像，通过精准流量渠道有针对性地筛选用户群体，推送定制化的推广信息有效提升了用户获取的精准度和转化率。 2、价值 在电商行业需要关注的五大关键指标中，注册率（访客转化） 首购、复购（业务转化） 购物车、购买留存（需求场景）尤为重要，针对不同的指标需要不同的运营策略。 3、利润 通过数据挖掘，针对核心指标精细化运营数据，不断优化运营成本：投放ROI（性价比） 客单价 毛利率（利润率）提升运营效率。 在战略上盲目的跟进 无法达到战术上的效果 某电商Q的运营部门，发现每次促销活动期间，搜索量很高，商品详情页点击率很高，但是转化成单率很低，即：看得人多，买的人少。 业务分析：因电商Q促销排期每次都与京东、天猫等大平台同步，那么用户在电商Q中的行为是不完整的购物流程，用户只进行了比价操作，查看单品页后立刻跳出，这个场景是不正常的，不是基于自然购物流程在使用产品的，因此电商Q的促销活动并未实现差异化的运营策略，导致活动失败，无法提高成单率。 ➤增长核心 产品差异化（价值认同）：从用户真实需求中挖掘差异点 购买目的性很强的用户，常常会使用搜索的方式进入所需商品的页面，对于这一类用户，就“直截了当”地推荐他们的目标商品；另一些用户喜欢“逛”，他们往往通过类目来选择商品，“比如先买吃的，再买喝的，最后买用的”。对于这类客户，可倾向于同时向他展示很多商品，特别是新品，满足其猎奇、“闲逛”的心理；而对于那些被促销页面吸引的用户，那么会向他们展示热推或促销的商品，以推动其购买。 总结来说，差异化是针对不同的用户群来操作的。 用户粘性（复购率、利润） 同样2个母婴类app，如果其中一个承诺下单后次日送达，那么仅凭即时性的物流配送服务，即可满足有此刚需的用户诉求。 需求场景挖掘&精细化运营（核心用户、效率最大化） 比如对于综合电商平台，可首先根据用户的购买金额和频次分4个大群，在用户大群的基础上，根据用户的浏览习惯，为其打上更为细致的“标签”。这种描绘用户个人信息及购买偏好的标签，多达成百上千个，比如，他是倾向于购买哪一类商品的？他的浏览行为是什么，是喜欢搜索还是用类目浏览？他喜欢在上班时间购物，还是在周末购物？购买的周期和收货的习惯又是什么？如此，在将客户抽象为一个个具体的标签后，企业便能有的放矢地进行营销。 ➤MVP和精益创业方法 假设->观察->洞察->行动->验证及反馈 MVP，即最小产品验证，如果设计一款产品，不会一开始就投入产品搭建，而是需要猜想用户最关注的关键点，并把它产品化，然后投放市场进行验证，验证过程中根据数据进行调整，每次迭代细化一个“点”，一步一步迭代将产品完善，也许最终的产品在不断验证迭代后，用户的需求也发生了改变，通过各种数据来证明市场并不是原来想象的情况，可能有更多的发展机会。MVP，即通过最少的时间成本换来最大的效益，既节省时间又节省人力物力。 延伸阅读： 3、增长背后的逻辑➤注意力（获客/召回）->体验（活跃/留存）->交易（转化） 寻找你的第一增长指标 产品生命周期的各个节点，需要关注不同的数据指标。控制产品节奏就如同篮球场上控制比赛节奏一样，比赛终究会打完，只需要我们在正确的时期做出正确的选择就好，切记：把握节奏，做该做的事。即，先积累用户，当用户量足够大时再研究变现方式。 ➤不同阶段对应不同的人群的需求的探索和满足 不同行业有不同的商业模式 对于电商行业来说，最核心的商业目标就是不断让用户产生交易行为，如果又想要用户，又想要利润，很可能这个产品无法同时满足两个需求，要么伤害用户，要么损失利润价值。 不同阶段的第一目标往往不同，在粗放阶段，产品可能有各种各样的问题，在迭代过程中以用户体验为主，可适当牺牲利润，当产品逐渐成熟，用户稳定后再将目标调整为变现：电商/O2O/企业服务的商业模式不同，在不同阶段选择不同定位。 企业增长经典的2A3R模型：产品不断获取新用户，让用户注册后持续使用产品，让老用户带来更多新用户，让用户为产品贡献价值（变现），每一步都需要数据支持，获取用户的量级，用户使用的频度，用户是否喜欢把产品分享给周围的人，整个产品能带来多少利润？ 4、流量时代结束 业务增长的挑战进入互联网+时代，业务增长的挑战： 1、高昂的推广获客成本，在手持设备匮乏的时代，移动互联网用户大多为IT精英，随着移动端用户量呈指数级的增长（一人多台手机），新用户的比例将越来越小，用户的获取成本也越来越高，那么获客质量的衡量尤为重要； 2、用户对服务体验的挑剔，对于用户来说，产品体验很重要，消费升级大趋势下的期望值提升，对体验过程和产品设计的高要求，此外，同质竞争如此激烈，如何差异化占领市场同样值得思考； 3、竞争激烈用户忠诚度低，用户付费习惯差，可选择服务多，活动和补贴难以真正留住用户。 4、数据浪潮的更迭，如果数据挖掘部门（BI）相对于业务部门是一个孤立的存在，那么沟通效率势必受到影响，信息不对称，需求排期而错过最佳运营时机，无法实现各部门高效分析智能决策。 5、数据智能决策平台在明确了数据对产品发展有积极意义后，那么该如何使用数据呢？数据驱动的复杂性往往让大多数企业望而却步：首先，数据采集关联清洗难度大，成本高；其次，分析维度单一，业务场景分析缺失；最后，数据的应用程度低，价值发挥不足万一。对传统企业来说，如何实现历史数据体系的过渡？如何将数据应用于业务指导？基于这个需求，企服大数据行业应运而生，数据智能决策——帮助企业在生产过程中搭建数据体系，不断挖掘价值增长点。 企业搭建数据采集分析平台是个门槛很高的行为，企业要内部协调技术等各个部门共同完成。而且通过企业自己做的统计报表看汇总数据，很难探索数据背后的原因。说的直白一些，以前的数据分析平台是预先算好的，很难满足各行业中不同企业的业务需求，所以企业要先确定用户所处的购买阶段，结合自身业务，随时挖掘、洞察用户的需求和痛点，做到自助式分析，快速出结果，并且快速的应用。 原来，企业大多使用CRM/SAT系统，现在企业更关注用户活跃、用户传播等数据，上图是诸葛io可以提供的：第一层数据集成，即整体业务数据的采集；第二层基础设施，第三层应用平台，第四层业务场景，第五层，通过分析总结出行业共性场景标准化，最终提供行业通用的解决方案。 一切数据基于用户行为，从流量开始经沉淀变为留存用户，在留存的过程中发生转化，转化后可能又产生新的流量，从而开始新一轮循环，以此作为数据挖掘的基础。 用户行为即标签，根据标签化的体系进行用户推荐，以亚马逊为例，通过丰富的推荐算法引导用户支付下单。标签要通过用户的每一次行为及自身的属性来定义，万不可人为干涉。 用户在产品中的每一个行为都是一个标签，同时用户本身固有的属性（年龄、性别、家庭状况、消费能力、购买力）构成用户完整的标签，基于标签将用户进行分组。
通过用户分组，可将行为跟踪细化到每一个用户，洞察用户行为特征，进而完善用户的全息画像。
数据驱动方法论·举例 研究某个用户群的行为，通过转化、留存、群体画像特征的分析，拆解单体用户行为来验证某一次运营活动/产品迭代的效果，是否对目标人群产生正向效果，对于电商APP来说，就是提高用户的注册率、购买率、客单价、复购率等指标。 |
|
|
