深圳做网站网络营销公司排名,企业网站用免费程序,网站建设的需求和目的,注册过域名后怎么建设网站在实际的业务中#xff0c;大多数人可能只会遇到以下一种或几种常见的场景#xff0c;并且对于各个细分场景#xff0c;所需要解决的问题和关注重点都是不一样的。 场景一#xff1a;你刚加入一个成熟产品的用户增长部门#xff0c;会发现业务当前有非常全面详实的用户和业… 在实际的业务中大多数人可能只会遇到以下一种或几种常见的场景并且对于各个细分场景所需要解决的问题和关注重点都是不一样的。 场景一你刚加入一个成熟产品的用户增长部门会发现业务当前有非常全面详实的用户和业务数据但由于个人缺少数据分析的经验面对一堆数据除了能简要了解到产品基本情况不知如何从数据中挖掘出更有价值的信息。 待解决问题面对大量数据不知如何入手分析。所需的能力各种可以从数据分析中找到增长线索的方法论。场景二你熟练掌握了基本的数据分析技能能够基于现有数据找到增长线索你想针对某些关键指标的异常情况进行分析但不知道哪些数据相关性高如何将多维度的数据关联分析。 待解决问题有明确的问题需求但不知如何有效拆解数据问题。所需的能力基于目标行为的拆解用户路径的方法。场景三拆解完用户路径后发现目标的转化路径中有部分数据缺失无法有效支撑你的分析。 待解决问题如何快捷有效的收集缺失的数据。所需的能力制定数据采集方案。场景四需要的数据采集到位后发现数据统计混乱每次查询和分析数据的效率成本都很高。 待解决问题数据如何高效可视化呈现降低查询使用的成本。所需的能力创建数据仪表盘。
诊断上述的工作场景大多数增长人的工作顺序可能是
数据分析→用户路径拆解→收集数据→搭建仪表盘
基于数据驱动用户增长可以分为以下五个步骤 对大多数增长从业者来讲最重要的是先掌握一套数据分析方法从现有数据中快速找到增长线索取得一些增长业绩再反过来检查数据埋点、统计等地方有没有问题。当掌握了数据分析方法但所在的公司or负责的业务没有基础数据也无从下手才需要思考如何拆解用户路径、数据采集。而数据仪表盘则是为了提高查询效率支持数据分析工作快速、准确开展。
一、分析数据多维度数据分析
从数据分析中寻找增长机会可分为“宏观”和“微观”两个角度。
宏观在基础数据中找到较大的增长机会。微观对比精细化的用户数据进行分析挖掘相对隐蔽的增长线索。
无论所在的公司是否有用户的精细化数据都可以通过从整体的角度进行数据分析找到增长乏力点。然后再考虑要不要分析更精细的数据。
案例某内容类APP产品
本节将会围绕北极星指标和全链漏增长模型通过一个案例数据虚拟展开关于宏观数据分析的分享。
北极星指标指导增长工作方向最重要的指标也可以理为业务现阶段的唯一重要的指标。制定北极星指标时需要在服务于业务的长期健康增长下同时考虑商业目标和用户价值。全链漏斗增长模型是把影响北极星指标的主要细分指标梳理梳理出来并标注转化率。通过模型可以将北极星指标细化拆解从中找到增长的机会点。
案例场景刚刚入职一家内容类APP负责用户增长公司没有完善的后台数据系统无法通过详细的用户行为埋点数据如何找到一些增长的线索。
公司现有后台可提高的数据指标下载量、注册量、登录量、平均阅读时长、基本用户信息。
第一步构建全链漏斗增长模型 从转化漏斗可发现
拉新转化率较高新用户下载到注册的转化率为70%新用户下载转化率不错。老用户活跃度低当月活跃老用户占总注册用户数的10%老用户活跃较低。活跃用户主要靠新用户补充。用户感知的产品价值较低当月人均阅读时长较低远低于行业均值。
第二步分析历史趋势。观察趋势、异常点、拐点。 从历史数据中发现
拐点2019年11月下载到注册完成的转化率从71%开始大幅度下降发送了什么趋势2019年10月人均阅读时长提高了一倍。因为那个时间段增加了内容社区版块。
第三步按获客渠道分解。
在了解了现状和历史数据情况后可通过获客渠道对数据进行维度分解。 公众号的新用户下载转化率一直维持在63%-71%左右。2019年11月份开始抖音广告转化率仅有10%-15%因此导致了总体转化率下降。
第四步了解用户的基本属性特征。根据APP收集的用户信息画出分布饼图。 通过年龄、性别、城市、职业等发现
18-2525-30的用户占比最大。职业白领和大学生为主。
第五步了解用户的基本活跃度 发现
超过80%的活跃用户每月登录少于4次但每月登录4次以上的用户有接近80%的用户为18-25岁的大学生用户群体
总结
新用户下载到活跃的转化率尚可老用户活跃度低人均阅读时长低于行业均值。公众号转化率远高于抖音广告。18-25岁的大学生用户群活跃度较高。
通过增长线索制定应用策略的两个方向
在通过数据分析得到增长线索后可以通过取长补短的方式来制定增长策略
取长强化增长在已经显出成功信号的方向上继续加强。补短修补漏洞找到整个业务漏斗中流失问题最严重的环节通过策略降低流失。
继续针对上述案例进行分析。假设发现
公众号来源的新用户质量高 对应策略取长。增加公众号的内容数量提升公众号的内容质量。大学生用户活跃度高 对应策略取长。进一步分析大学生的获客渠道来源。通过用户问卷了解大学生感兴趣的内容和功能。加强对应的产品体验。来自抖音广告的新用户转化率低 对应策略补短。找到漏斗转化率低的原因测试提升转化率。老用户活跃度和留存率低 对应策略补短。进一步分析活跃和留存曲线找到用户流失最大的问题。
1.1.用户分群 用户数据通常可以分为两类一类是用户属性数据另一类是用户行为数据。用户属性数据代表的是用户自身基本信息和状态包括天然特征和行为提醒的特征一般是较为固定不会轻易改变的。而用户行为数据是用户产品内的行为轨迹代表了用户和产品的互动模式通常可通过各种方式影响数据。用户分群驱动增长主要通过设定分群维度和应用分群结果这两个步骤来实现。
1.1.1.设定分群维度
在任何产品中都会存在用户的各种属性以及行为如何在这些属性和行为中选择最初的分群维度主要可以按两类维度类型进行分群。一类是按照用户属性进行分类。另一类是按照用户行为进行分类。
用户属性用户天然的属性和特征不会轻易的改变。 获客渠道可推测用户兴趣的属性年龄性别城市家庭。可推荐用户经济状态的属性设备类型号城市职业。用户行为用户在产品生命周期的关键行为。 生命周期的关键行为新老用户。用户活跃程度RFM付费情况是否付费功能使用增长模型增长模型中的某个变量在不同人群中差异较大。 贷款额度互金类产品。客单价滴滴打车。价位SaaS。
在一些初创团队的产品可能会才用不分群的方式虽然数据分析简单但对用户一视同仁导致很对增长的线索无法被发掘错过增长机会。与这类公司反差明细的是一些巨型企业会使用千人千面的分群方式。这种方法需要技术和算法的支持。而且分析出的结果需要有对应的运营和产品资源配合在绝大多数公司并不适用。在大多数公司中维度分群是从实际业务问题出发从1-2个维度进行简单分群。当用户量达到一定数量级后可选择3-5个维度进行多元组合分群。
1.1.2.应用分群结果
通过用户分群得到分群结果主要可以分为两种应用方向以获取用户为分隔点在获取用户之前可以通过结果优化精准拉新的策略。在获取用户之后可以通过结果提高精细化运营的产品体验。
精准拉新
对现有用户进行分群找到高质量的用户群从而进一步定位高质量用户的获客渠道或者广告。选择高质量用户将这类用户特征上传渠道平台通过算法找到类似的用户。
精细化产品运营体验
产品算法支持的千人千面的商品和内容推荐等针对不同群组进行不同的运营动作。包括Push推送促销活动等。
1.1.3案例分析
这里通过一个某潮品电商产品的用户分群案例来分享一下如何运用用户分群进行增长策略的置顶。
选择重点的属性和行为维度进行组合分群针对不同的分群制定对应策略方案仅为供参考不具有真实性1.2.用户行为
行为分析是通过详实的用户行为数据描述出用户在产品中真实的路径和互动情况。针对用户行为分析的结果通过产品或运营的方式引导用户改变用户行为的轨迹和模式让用户更好的从产品中获得价值。用户行为驱动增长主要通过明确分析对象和选择分析方法这两个步骤来实现。
1.2.1.明确分析对象
用户行为可分为两类关键用户行为一类是一次性或低频行为另一类是周期性行为。
一次性或低频行为代表着用户为使用产品打下基础的重要行为。例如下载App、完成注册、输入身份信息、充值等。周期性行为代表着用户使用产品功能的核心行为。例如下单、点赞、阅读、观看视频等。
在产品中用户产生的行为很多。准确找到这两类关键用户行为的方式可分为两类
从数据中验证在实际数据中通过路径分析找到关键转化路径通过比较行为频次找到高频行为发现任何遗漏的行为。从业务中出发从关键转化路径中或高频的周期性行为中寻找并确认关键行为。
1.2.2.选择分析方法 通过用户行为分析解决的本质问题可以归纳为两类问题
转化问题一般通过分析用户行为路径让更多的用户执行某种行为走上正确的路径。留存问题一般通过针对周期性行为的分析让用户更多的更持久的执行某种行为养成正确的习惯。
1.3.用户行为路径分析漏斗分析 漏斗分析是事先设定的若干个关键节点的转化路径中简单直观的显示同一群用户从每一步到下一步的转化率。通过转化率的高低快速判定出大多数用户是否遵循了产品设定的路径在行进并可查出流失最高的关键节点是哪个。
漏斗分析是大家非常熟悉的一种分析方法常用的漏斗分析方法有以下两种
通过全链漏斗中找寻用户流失点和增长机会。通过AARRR各个环节的细分漏斗寻找用户流失点和增长机会。 获客新用户注册漏斗激活新用户激活漏斗留存关键周期性行为漏斗。推荐老带新用户转化漏斗。变现下单漏斗、投资漏斗等。
1.4.用户行为路径分析路径分析
路径分析是显示用户从每一步到下一步的转化率。通过发散性分析方式确定大多数用户的实际行为路径。通过路径分析可得到
确定用户在产品内实际路径和走向与产品期望的主路径的区别点。确定用户的实际主流路径。发现一些事先不为人知的路径。
常见的思考方向
用户实际路径和产品设计期望的路径有什么不同 新用户进入首页后的实际路径有哪些最喜欢去哪些页面如何引导用户回到主流路径迅速到底核心功能以某个行为为终点的路径到达某个功能的路径里哪条最主流 用户哪些路径可触达该行为如果想提升触达该行为的转化率先从哪条路径入手最容易提升以某个行为为终点的路径用户偏离预设的路径后实际走向是什么 用户到达行为对应的页面如商品详情页后为什么没有触发行为(点击支付)用户去了其他什么路径如何避免这类用户偏离预设的路径
这里小编根据一个模拟的案例某二手车交易平台来简述一下如何运用用户路径分析找到增长线索。 第一步明确目标提高销售额。
第二步假设根据用户路径分析发现有两条主要路径
启动App-搜索商品-提交订单-支付订单启动App-未支付订单-搜索相似商品-取消订单
第三步分析数据发现线索
第一条用户路径用户提交订单后大约75%的用户会完成支付而 25%的用户未支付。第二条用户路径目标商品已经加入订单但未最终敲定因此在打开App后直奔“未支付订单”。但是第二条路径中发现部分用户会再次“搜索相似商品”根据这一行为可判断客户可能存在比价行为。表明价格一定程度上影响了这部分用户的支付欲望这是一批“价格导向”的客户。
第四步提出方案
对此该电商运营人员采取针对性措施
“未支付订单”“超过 30 分钟则自动取消。将支付页面附近放置优惠券领取。
当该新版本上线后再次通过用户路径分析模型
发现由于30分钟的时间限制有更多的用户愿意在提交订单后立即支付订。同时未支付订单大大降低说明在支付页面附近放置优惠券的方式会刺激对价格敏感的客户。
1.5.用户行为路径分析轨迹细查
轨迹细查是按时间排列一系列行为展示单个用户的实际行为路径。通过聚焦性分析寻找单个用户的实际行为路径中的异常或者规律。
常见思考方向
某类用户流失了TA流失前都做了什么事情有哪些异常某个功能的优化或Bug是否影响了用户轨迹出现了哪些异常
将2.2.2.的二手车交易平台案例场景沿用到本节中如下 1.6.周期性行为分析留存分析
留存分析是通过用户留存数据分析确定产品的留存健康程度。对比不同用户组的留存率找到改善留存的增长线索。
通过留存分析来优化增长的思考方向可以从以下几个问题入手
产品的留存能力如何 首次登陆的用户有多少会留存下来。哪个时间段年内留存最严重产品的留存率和行业平均值相比如何产品内的留存率是否有差异 不同产品功能的用户留存率的差异。不同获客渠道的用户留存率的差异不同用户属性的用户留存率的差异。
1.7.周期性行为分析频次分析
频次分析是通过用户使用产品或某个功能的频次分析确定用户习惯的健康程度。
通过频次分析来优化增长的思考方向可以从以下几个问题入手
观察使用频次的分布规律优化产品和运营策略甄选高价值用户并对应调整资源分配和运营策略。针对不同渠道用户特征的用户对比使用频次分布情况实时调整运营策略。
留存分析和频次分析小编在之前的文章都有分享在这里就不做过多的赘述了。
二、理解数据梳理用户行为路径
梳理用户路径的意义新项目开启时需要明确北极星指标和增长模型之后还需要进一步加深对用户和产品认知的颗粒度。需要快速结合产品功能、业务逻辑梳理清楚用户行为路径为后续的确立指标、数据埋点、数据分析奠定基础。
2.1.梳理用户行为路径的方法
梳理核心路径 根据北极星指标构建转化漏斗。转化漏斗一般为设定的用户主路径。细化核心路径 将核心路径中加入更多的漏斗步骤理想形态是拆到不能再细化为止。加入其他重要路径 梳理重要的产品功能和业务逻辑描绘主漏斗之外的重要行为路径。找到路径之间的关系。
2.2.案例某电商类APP
小编通过针对电商类的产品简要分享一下如何梳理用户行为路径。
第一步梳理核心路径 第二步加入其他重要路径 第三步输出用户行为路径图 三、监测数据增长仪表盘 增长仪表盘是指通过数据指标来代表公司的业务漏斗并实时监测公司的经营状况。可以通过仪表盘快速扫描各个重要的指标从而知道公司目前的经营状况的变化。
如果没有增长仪表盘每次想要看指标都要到各个看板去查询指标。无法及时发现某些出现异常的数据指标。而有了增长仪表盘不过可以解决上述问题还可以通过纵观数据发现指标之间的相互影响对比不同维度的关键指标。发现增长机会。
在有些公司中产品可能仅是通过了活跃用户和新增用户的趋势来监测产品增长。这种情况可能无法准确的解释产品的增长态势变化情况和原因。因为新增活跃仅关注产品增长的拉新方面无法全面监测产品增长情况。活跃用户数仅是一个结果并不能清晰的显示新增、留存、流失的用户数量。那么如何更全面跟准确的监测产品的增长情况呢这里可以用净增用户和净增指数来衡量产品的增长情况。
净增用户仪表盘观大盘评估用户增长的总体态势和健康度。细分指标仪表盘品脉络监测所有对增长有影响的细分指标。
3.1.净增用户仪表盘
净增用户仪表盘是通过显示用户流入、流出和净增的情况来把控产品的用户增长的总体态势和健康度。净增用户仪表盘通过净增用户和增长指数这两个个指标来全面真实的监测增长情况。
3.1.1.净增用户计算真正净增加的活跃用户数。 3.1.2.增长指数衡量公司增长是否健康。 增长指数 1用户流入 用户流出活跃用户正净增长。增长指数 1用户流入 用户流出活跃用户达到峰值。增长指数 1用户流入 用户流出活跃用户负净增长即净流失。
3.1.3.搭建和应用净增用户仪表盘
结合净增用户和增长指数就可以搭建一个净增用户仪表盘。如下图所示 用户流入 新增活跃用户本周首次活跃。流失回流用户上周不活跃本周活跃。用户流出 流失用户上周活跃本周不活跃。
通过上图的净增用户仪表盘观察产品的增长态势可发现以下问题
好消息该产品目前用户仍处于正净增长。增长指数月1.25。坏消息用户流失比较严重。1.25的增长指数意为着每拉回6个新增或回流用户将流失5个老活跃用户。典型的拆了东墙补西墙的案例。
通过上述问题制定解决方案的思路如下
如果用户留存率低思考产品是否没有达到PMF是否还有提升留存的空间如果用户留存率不低但流失用户绝对值大是否是用户基数大进入衰退期工作中时常会遇到将多个产品业务模块的用户活跃或新增趋势对比后发现很类似无法区分哪个业务趋势更好时也可以通过对比这些业务模块的净增用户仪表盘的趋势来判断增长趋势。如下图案例 在产品业务一与产品业务二的活跃用户新增趋势基本相同时通过净增用户仪表盘的趋势对比可发现
产品业务一的增长指数 1已经出现净流失。产品业务二的增长指数为1.2仍处于正净增长好于产品业务一。
3.2.细分指标仪表盘
细分指标仪表盘通过是显示增长模型中所有关键细分指标来监测所有对增长有影响的细分指标。工作中常常备用与发现和解释异常情况、提升对业务的认知程度、针对目标业务进行下钻。
细分指标表盘主要有两个部分组成
指标 北极星指标增长模型中的指标关键细分指标和漏斗关键路径、关键行为。维度用户的关键分群维度。 渠道来源新老用户设备类型、地域、性别等。
搭建细分指标仪表盘可以通过以下四个步骤完成 这里小编通过模拟社交类产品的细分指标仪表盘来具体说明一下。
第一步梳理用户路径 第二步制定关键指标
多种形式搭配如数字比例变化量趋势图维度分解后选一个合适的时间段将指标和目标进行比较指标指标最好有明确的负责人
第三步添加分解维度
客户端iOS, Android网页获客渠道用户性别年岭组 ・所在地
第四步组装增长仪表盘。
四、收集数据制定埋点方案
制定数据采集方案是数据驱动用户增长的第二步。没有用户行为数据数据颗粒度不够也就难以发现业务指标变化背后的原因从而难以发现增长线索。通过数据埋点追踪用户行为可以用数据描述用户在产品中的行为轨迹也构成了指标仪表盘和分析数据的基础。
增长团队经常面临的问题
没有详细用户行为数据无法进行比较细致的数据分析。做过用户行为的埋点但不准确无法使用。不能满足分析需求。
埋点的目的是追踪所有的用户关键行为。
4.1.确定埋点数据指标
常见的两种需要数据埋点的情况
已有基本埋点只需进行缺失的数据埋点。如从头埋点采集用户行为数据分级分步由主到次。
埋点需要记录的信息
行为本身event用户做了什么操作行为的属性property who谁参与了这个行为设备ID用户ID等。when行为发生的时间。where行为发生的地点。how用户参与这个行为的方式设备型号版本号等。what根据行为类型细化更多情况商品名称、价格、数量、query词等。
4.2.制定事件埋点方案
制定事件埋点方案是产品运营的基本技能之一这里小编就不做过多的分享了。简单总结几点埋制定埋点方案是常见问题
埋点的常见问题一思路不清事无巨细。 问题现象什么都想埋点导致上线时间晚且埋点过多对产品负担较大影响用户体验。避免建议 从重点出发如从北极星指标增长模型和重要问题出发规划埋点计划。从问题出发带着需要解决的问题和分析目标通过数据解读进行埋点规划。埋点的常见问题二事件命名格式不统一 问题现象同一个事件存在多个名字。因为版本迭代导致前后版本命名不同等。避免建议统一规定事件结构和命名规范做好文档管理定期更新。埋点的常见问题三错过重要的事件或属性 问题现象因为突发情况导致的某路径或环节数据异常但未针对这个路径进行埋点。避免建议埋点前从问题出发想清楚为了回答哪些问题要追踪哪些事件事件需要哪些分支路径和环节。发现错漏后逐渐补齐。埋点方案常常分为前端客户端埋点和后端服务器端埋点两类方向。
前端埋点主要是记录用户端操作行为如点击事件页面打开事件等。
埋点方法通过客户端代码进行埋点。优点真实记录产品内用户行为和路径不需要请求服务器数据。缺点不能记录业务结果网络加载慢时可能导致数据不完整更新埋点时需要进行版本更新界面视觉交互修改时可能需要更新对应埋点。
后端埋点主要记录用户特征变化及前端操作导致的业务结果如付款成功交易失败等。
埋点方法通过从接口调用后端数据。优点实时性好产品界面改变不需更新埋点。能够收集不在APP内发送的行为记录最终的结果数据相对更准确。缺点不能收集不需调用接口请求服务器的数据。例如用户的按钮点击事件。
4.3.埋点案例
小编在此通过一个携程的登录页面埋点来简要说明一下如何埋点。 因对登录功能进行埋点所以需要记录如下信息
行为event 注册流程各个节点的转化率。第三方登录流程各个节点的转化率。验证码登录流程各个节点的转化率。密码登录流程各个节点的转化率。密码找回流程各个节点的转化率。用户从登录页面直接退出的点击次数行为的属性property who用户设备ID用户ID用户使用的产品版本号用户手机号的国家号段(国内国外)。when用户操作各个流程的服务器时间用户登录成功的服务器时间。how用户登录时的产品版本号。what根据行为类型细化更多情况商品名称、价格、数量、query词等。五、综合案例分析
小编通过携程的特价酒店这个业务模块来分享一下如果通过增长仪表盘找到业务增长机会。首先将参考数据案例数据进行可视化处理得到特价酒店模块的转化指标细分仪表盘如下图 用户行为路径图
将携程的特价酒店模块进行用户行为路径梳理可以得到以下路径。 5.1.寻找增长线索
通过细分指标仪表盘的数据情况可以发现一些数据异常的地方。具体如下
搜索功能用户路径 搜索结果页-酒店详情页转化率仅为21%低banner位用户路径 酒店详情页-点击酒店预订按钮转化率为38%较低开始结账-付款成功转化率为8%很低。猜你想去用户路径 酒店详情页-点击酒店预订按钮转化率为30%较低开始结账-付款成功转化率为20%低。路径转化对比 banner位用户路径的酒店详情页-付款成功的转化率最低。业务路径占比 业务渗透占比从高到底排序为首页搜索 城市地标 banner位。是否登录用户转化率对比 未登录与已登录用户在【点击酒店预订按钮-开始结账】的转化率为53%和75%差值22个百分点。根据路径分析在用户点击酒店预订按钮时判断该用户是否登录。
根据上述问题总结可能的增长线索如下
在搜索路径中搜索结果页-酒店详情页转化率仅为21%。流失了14200人流失巨大。总转化中后开始结账-付款成功转化率为31%流失了2200位付费意向高的高价值用户流失巨大。
在banner路径中开始结账-付款成功转化率为8%。流失了920位高价值用户占该阶段总流失的42%。在猜你想去路径中。开始结账-付款成功转化率为22%。流失了780位高价值用户占该阶段总流失的32%。
在猜你想去的路径中酒店详情页-点击酒店预订按钮转化率为30%。流失了3500位有明确订房意义的用户。用户点击酒店预订按钮触发开始结账的转化率需完成登录操作的用户比不需要完成登录的用户低22个百分点。
5.2.制定增长策略
5.2.1.搜索路径优化策略 搜索结果转化率的低的原因可能是
产品功能策略
搜索结果并未满足用户的需求。
搜索query词分词算法不精确。搜索结果排序算法不精确。携程的酒店物料库内容不够丰富。
鉴于携程目前的产品阶段优化难度搜索结果排序优化 搜索词算法优化 酒店物料库丰富优化。因而这部分策略为优化搜索结果酒店列表排序算法。
运营文案策略
搜索结果的酒店优惠价并未达到用户的心理预期价格。
酒店优惠价格超出了用户可承受的最高价格。酒店的优惠差值(原价-优惠价)并未激起用户继续了解的欲望。
优化难度提高优惠差值对用户的刺激 降低酒店优惠价格。
优化策略在结果页显示酒店原价及优惠最大差值通过视觉交互刺激用户完成下一步转化。
5.2.2.结账路径优化策略 结账路径总体转化低的原因可分为两个方向进行分析
产品功能交互
在点击酒店预订页的【去支付】按钮后进入该页面需先选择支付通道后再点击确认支付。
秉承着尽量简化主流程中的非必要行为的原则在保障安全合规性的前提下可将该操作优化为进入该页面默认选择上次支付的路径或推荐路径减少用户流失的可能。
部分进入该页面的用户离开后会浏览其他酒店可能的用户存在比价行为的心理。
因而可在该页面加入【限时30分钟内完成支付】通过为用户营造紧迫感的心理状态刺激用户完成支付流程。
业务路径分析
通过业务路径转化率对比漏斗分析图可发现
产品功能对完成支付流程的影响小于业务路径对其影响。 在酒店预订页、订单确认页、确定支付页产品设计完全相同的情况下节点转化率因业务路径来源不同而差异较大。拥有明确酒店预订目标的用户完成支付流程的概率高于其他类型。即 使用搜索功能的用户完成支付流程的概率远高于通过banner和猜你想去查阅酒店信息完成支付的用户。通过点击banner进入触发支付流程并完成支付的用户转化率最低。可能的原因
统计点击banner的用户特征对这类用户根据地域消费能力出行次数等进行用户分群。对不同类的用户群进行定制化的banner详情页展示即根据用户群围绕banner的推广主题展示不同的酒店搜索结果。
5.2.3.猜你想去的订单转化优化策略 该功能的产品设计本质是基于酒店搜索功能通过推荐的城市类query词引导用户进行快速搜索。该业务功能的订单转化率低的原因可能是
提供的query词对应搜索结果与用户的查询需求不匹配。提供的query词不精确增加的搜索功能的用户使用流程增加用户行为阻力造成流失。 如用户原本需求是查询北京朝阳大悦城附近酒店。通过”猜你想去“的query词(北京)进入地标附近酒店页后查看多个酒店详情页但并未找到满足需求的酒店用户需要下翻页面或重新搜索才可获取精准结果。该流程中造成用户流失。
对应策略
收集使用进入特价酒店的用户的用户属性和行为数据对用户进行更精准的分群分析。并基于携程网的大数据推荐功能对用户进行更精准个性推荐的地标query词。因为该功能是搜索功能的延伸功能而搜索功能的转化率远高于该功能可将使用该功能用户群引导至使用搜索功能。可先通过A/B测试对该策略进行测试。对比是否提高了特价酒店的整体订单转化率和付费转化率。
转载于:https://coffee.pmcaff.com/article/epk0dPpeky
