指南|快速搭建指标体系指南( 三 )


比如用户是喜欢历史的、还是喜欢地理的?是有内容偏好的、还是进行泛阅读的?不同用户标签标记都会影响后续的运营分组测试 。
以上就是我们数据准备过程的一个概述 。
在划分领卡用户后 , 就可以进行用户测试 , 通过回收数据、复盘数据实现测试迭代 。 在这个过程中 , 我们使用了 GrowingIO 智能运营平台 , 测试有无内容偏好对购买转化率的影响 。
此外 , 我们还测试了用户触达时点对转化率的影响——是在会员卡有效期内做触达效果更好 , 还是失效后的效果更好?如果是失效后的效果更好 , 是失效后的 15 天内 , 还是 4 周后?
通过测试 , 我们洞察出在用户领取会员卡 0-15 天内做触达得到的付费转化率最高 , 业务部门快速将这个结论落地于文案设计的实践中 。
比如在文案中设置紧迫性的语言提示 , 要求用户必须当日领取会员权益、或是在三天内兑换会员 , 以达到提升转化效果的目的 。
通过结合测试结论与业务实践 , 我们帮助客户实现了两大跨越:
第一 , 付费转化率达提升 58% 。
第二 , 构建了完整的用户标签体系 , 助力平台精细化运营 。
通过获取用户行为数据 , 可以测试不同因素对付费转化的影响 。 充分利用运营的持续性 , 进一步通过回收用户数据不断调整和迭代影响因素测试 , 实现用户精细化运营 。
2.3 智能模型运营
人治阶段的运营以经验导向为主 , 可以通过收集数据、标签用户 , 完成用户精细化运营 。 相较于基础版的全局运营 , 极大地提升了整体运营效果 。 但在长期运营中 , 人治的方式在效率上还有所欠缺 。
因此在搭建指标体系的第三个阶段 , 我们可以通过智能运营模型 , 实现“黄金铺位”的管理和分发 , 进一步提升运营效率 。
指南|快速搭建指标体系指南
文章图片

下面我们将通过一个案例 , 分享智能推荐的实操 。 在该项目当中 , GrowingIO 与头部电商合作 , 帮助客户汇总用户的行为数据 , 并做出以下成果:
第一 , 丰富了用户的特征列表 。 通过 GrowingIO 采集用户行为数据 , 商城可以设置基于商品标签的推送逻辑 , 动态调整推送商品 。
比如 , 当我们发现用户对“水杯”类产品浏览次数增加却没有下单时 , 可以判断用户有购买该产品的需求却没有找到理想款式 。 于是通过商品标签的推送逻辑 , 在用户浏览页推送款式、功能、价格相近的水杯 , 缩减用户搜索时间 , 提高商品成交率 。
其次 , GrowingIO 通过强大的用户标签体系 , 帮助平台构建基于用户属性的推荐模型 。 通过整合用户行为数据 , 可以为每位用户贴上标签 , 并进行深入化的应用 。
比如 , 一个用户的标签为:20-25岁 , 女性 , 白领阶层 , 单身…最近购买了某品牌的连衣裙 。 那么具有相似标签的用户群体 , 我们推断她们有很大的可能在该时间段产生相似的需求 , 并基于此做出相应的推荐 。 基于用户属性推荐的商品列表 , 能够唤醒用户潜在消费需求 , 扩大电商的 GMV 。
第二 , 实时调整运营场景动作 。 通过收集用户行为数据 , 我们可以洞察用户推荐接受偏好 。 推荐弹窗是平台商品推荐的方式 , 也是激发用户购买兴趣的首发页 , 研究推送方式对推荐点击率的影响非常必要 。
用户接触推送弹窗可以分为主动点击和被动点击两种 。 通过追踪平台上用户的弹窗点击行为 , 可以区分出高弹窗点击兴趣和低弹窗点击兴趣两种类型用户 , 根据用户的动作偏好设计浏览页 。
比如年轻的用户群体可能喜欢主动点击弹窗 , 那么我们就可以提高弹窗在年轻用户浏览页中出现的频率 , 吸引用户点击 。
当我们发现某类群体对弹窗的态度相对被动时 , 就需要及时调整页面的推送动作 , 提升用户体验感 。
通过智能化运营 , 该电商平台实现了推荐位点击率 10%的提升 。 值得注意的是 , 推荐位点击只是一个中间效果 , 不能将其看成是关键指标 , 最终还是需要围绕电商平台的成交量指标去做转化 。
目前 , GrowingIO 与该电商平台的合作还在持续进行 , 如果还有机会 , 期待和大家分享进一步的结果 。
综上可知 , 搭建指标体系是一个 5×3 的一个推进过程 , 也是企业逐步提升运营效率和效果的过程 。
3. 指标体系搭建的实操流程
3.1 6 大核心模块
前面的部分和大家分享了指标体系的搭建阶段和搭建环节 , 明确了相关的指标模块、场景模块以及数据要求 。 这部分我们会带大家进入一个真实的指标搭建情景 , 提供实操的建议 。
我们把指标体系的搭建过程做了一个去行业化的整理 , 保留了以下 6 个比较核心的模块 。
指南|快速搭建指标体系指南
文章图片

在全局统一运营阶段 , 我们需要核心打通的有三个环节 。 第一个就是渠道的数据打通 , 明确用户的渠道来源 。 第二个是各个渠道的分发效率 , 它的转化表现如何 。 第三个是监控转化效率 , 也就是打通访问数据和效果数据 。


推荐阅读