結(jié)合「用戶決策模型」,如何高效提升轉(zhuǎn)化率?

4 評(píng)論 18560 瀏覽 180 收藏 15 分鐘

本文作者曾將一個(gè)「非電商類產(chǎn)品」的整體轉(zhuǎn)化率提升了1倍以上,本片文章總結(jié)了作者當(dāng)時(shí)所實(shí)踐的方法,B、C端產(chǎn)品通用,與大家分享。(電商產(chǎn)品在這方面也可以看作是一種特例,也可以應(yīng)用此方法)。

關(guān)于轉(zhuǎn)化率的重要性,這里不再贅述了,相信點(diǎn)開文章的你一定了然于胸。

提到轉(zhuǎn)化率提升,自然少不了用戶細(xì)分、漏斗分析。

雖然網(wǎng)上也有不少關(guān)于漏斗轉(zhuǎn)化分析的討論,但較多的是討論如何做漏斗分析,對(duì)于如何去落地實(shí)踐落地,尋找提升轉(zhuǎn)化的方法,目前討論的還相對(duì)較少。

同時(shí),多數(shù)討論集中于電商產(chǎn)品,非電商類產(chǎn)品討論相對(duì)較少。

電商類產(chǎn)品由于其自身屬性的特殊性,其頁面訪問漏斗和用戶決策漏斗整體上匹配度比較高,優(yōu)化起來方向也相對(duì)比較明確些。

但對(duì)于非電商類產(chǎn)品,使用一般的頁面訪問漏斗來分析優(yōu)化產(chǎn)品,可能就沒有那么輕松了,下文會(huì)具體闡述。

本篇以非電商類產(chǎn)品為例,著重于討論如何結(jié)合「用戶決策模型」,通過系統(tǒng)化的方法,高效的去提升產(chǎn)品的轉(zhuǎn)化率,重點(diǎn)闡述實(shí)踐落地的方法。

整個(gè)方法可以拆解為以下4步,本篇將側(cè)重于第2、3步的介紹:

  1. 尋找北極星指標(biāo)
  2. 關(guān)注用戶決策漏斗
  3. 關(guān)注用戶決策模型
  4. 灰度發(fā)布 + A/B Test 驗(yàn)證方案有效性

01 尋找北極星指標(biāo)

北極星指標(biāo)也叫唯一關(guān)鍵指標(biāo)(OMTM,One metric that matters),是產(chǎn)品現(xiàn)階段最關(guān)鍵的指標(biāo)。

它應(yīng)該是與業(yè)務(wù)高度相關(guān)、且能直接衡量產(chǎn)品價(jià)值的大小,也就是可以衡量產(chǎn)品策略的優(yōu)劣。

類似于GMV,人均毛利率等這種指標(biāo)。北極星指標(biāo)不一定是一個(gè),但不宜過多。

關(guān)于北極星指標(biāo)的選取,網(wǎng)上討論文章很多,這里不再重復(fù)造輪子了。

我們需要結(jié)合自身的業(yè)務(wù),選取符合自身業(yè)務(wù)的北極星指標(biāo),用于評(píng)估我們的產(chǎn)品改進(jìn)是否正向。

北極星指標(biāo)也就是我們最終需要去提升的轉(zhuǎn)化率指標(biāo)。

02?關(guān)注用戶決策漏斗

所謂用戶決策漏斗,即是用戶在你的產(chǎn)品上完成最終目標(biāo)之前,需要依次做出的子決策漏斗。

關(guān)注用戶的決策流程漏斗,能幫助我們更好的找到方向。

其與傳統(tǒng)頁面訪問漏斗的主要區(qū)別在于,頁面訪問漏斗的關(guān)注點(diǎn)在產(chǎn)品自身,而用戶決策漏斗的關(guān)注點(diǎn)在用戶。

哪個(gè)更加有效,不言而喻。

這里我們以房產(chǎn)租賃類平臺(tái)來舉例說明,這類平臺(tái)一般線上不涉及到具體交易,大多終止于電話咨詢環(huán)節(jié)。

1. 我先來看看傳統(tǒng)的「頁面訪問漏斗」,大致是這樣的

這個(gè)漏斗的缺陷至少有以下兩點(diǎn):

1)當(dāng)我們過度關(guān)注頁面訪問漏斗時(shí),容易陷入到對(duì)當(dāng)前漏斗各個(gè)環(huán)節(jié)的優(yōu)化,忽視了對(duì)漏斗自身進(jìn)行優(yōu)化。

有時(shí)候產(chǎn)品流程本身設(shè)計(jì)的是有問題,或者存在更加高效的流程。如果專注于當(dāng)前的頁面流程漏斗,將很難發(fā)現(xiàn)此類問題。

2)如果只關(guān)注漏斗內(nèi)個(gè)別環(huán)節(jié)轉(zhuǎn)化率的提升,容易按下葫蘆起了瓢——顧此失彼。甚至有可能帶來負(fù)面效果,導(dǎo)致整體轉(zhuǎn)化率的下降。

比如第3步到第4步的轉(zhuǎn)化率提升,

或許是用戶更難找到自己滿意的房源了,所以只能去更多的查看房源;

又或許是用戶在列表頁看不到一些關(guān)鍵信息,只能點(diǎn)到房源詳情頁里去看,點(diǎn)進(jìn)去之后發(fā)現(xiàn)不滿意,又關(guān)掉了。

上述兩種情況,都提升了用戶的決策成本,肯定是有損轉(zhuǎn)化的。

所以,以這種漏斗導(dǎo)向來改進(jìn)產(chǎn)品,容易將產(chǎn)品帶進(jìn)死胡同。

畢竟為了完成目標(biāo),產(chǎn)品經(jīng)理容易各式各樣的方法都去嘗試,也許有不少能提升當(dāng)前環(huán)節(jié)的轉(zhuǎn)化率,但其中真正能提升漏斗整體轉(zhuǎn)化率的很可能沒有那么多。

剩下的那些無效調(diào)整,反而會(huì)增加用戶的決策成本。

2. 我們?cè)賮砜纯础赣脩魶Q策漏斗」,大致是這樣的

這個(gè)漏斗的優(yōu)勢(shì)至少有以下三點(diǎn):

1)用戶決策漏斗是按照用戶的決策流程來搭建的,因此,提升每個(gè)環(huán)節(jié)的效率都可以直接帶來整體效率的提升,為整體轉(zhuǎn)化率帶來正向影響。

2)頁面流程漏斗是依托于用戶決策漏斗而設(shè)計(jì)的。

為了匹配用戶決策漏斗,可以設(shè)計(jì)出很多種不同的頁面流程,當(dāng)前線上的頁面流程可以理解為只是所有備選方案中的一個(gè),顯然當(dāng)前這個(gè)流程可能不是最優(yōu)的。

因此,關(guān)注用戶決策漏斗是一個(gè)相對(duì)更優(yōu)的選擇。

3)當(dāng)我們聚焦于用戶的決策漏斗時(shí),我們能站在用戶的角度去思考,可以從更加本質(zhì)的層面去思考如何去提升轉(zhuǎn)化。

用戶決策漏斗中的一個(gè)決策環(huán)節(jié),可能會(huì)對(duì)應(yīng)著頁面漏斗中的多個(gè)頁面流程。

比如「找到平臺(tái)后訪問著陸」這個(gè)決策環(huán)節(jié),

用戶有可能決策在任何頁面,而不一定是我們預(yù)想流程中的首頁或者列表頁。也可能在樓盤頁、房源詳情頁、專題頁等等。

再比如「尋找合適的房源」這個(gè)決策環(huán)節(jié),

用戶有可能通過搜索、列表頁篩選來尋找房源,也能通過樓盤頁面來找特定樓盤的房源,還能通過詳情頁推薦/列表頁推薦來尋找算法推薦的房源等等。

有沒有發(fā)現(xiàn)當(dāng)聚焦于決策流程后,思路會(huì)開闊和清晰很多?

我們需要關(guān)注的核心點(diǎn)就是用戶在這個(gè)決策環(huán)節(jié)的轉(zhuǎn)化率。

一切能有助于提升用戶在這個(gè)環(huán)節(jié)的決策轉(zhuǎn)化率的都可以去做。

也許是對(duì)現(xiàn)有模塊的優(yōu)化,也許是打造一個(gè)新的模塊,對(duì)現(xiàn)有頁面流程做全新調(diào)整,只要能提升用戶在相應(yīng)決策環(huán)節(jié)上的轉(zhuǎn)化率,都可以去做。

03?關(guān)注用戶決策模型

對(duì)于第2點(diǎn)中提到的用戶的每一個(gè)決策環(huán)節(jié),思考這個(gè)問題:

用戶在該環(huán)節(jié)的決策模型是什么?

可以通過下面4個(gè)問題來大概評(píng)估用戶的決策模型:

  1. 用戶在當(dāng)前環(huán)節(jié),最重要的目標(biāo)是什么?
  2. 用戶為了完成其目標(biāo),需要完成的最重要的任務(wù)是什么?
  3. 哪些可能是激勵(lì)用戶「完成當(dāng)前環(huán)節(jié)并進(jìn)入下一環(huán)節(jié)」的主要因素?找出最重要的三個(gè)。
  4. 哪些可能是導(dǎo)致用戶「放棄當(dāng)前環(huán)節(jié)并離開」的主要因素?找出最重要的三個(gè)。

以上4個(gè)問題,可以結(jié)合自身對(duì)業(yè)務(wù)的理解,再結(jié)合業(yè)務(wù)調(diào)研、用戶調(diào)研的方式來收集結(jié)論。

完成上述幾個(gè)問題,一般就能有產(chǎn)品改進(jìn)的方向了。

我們?cè)僖浴笇ふ液线m的房源」這個(gè)環(huán)節(jié)為例:

  1. 用戶在這個(gè)環(huán)節(jié)最重要的目標(biāo)是找到匹配自身需求的房源(以下簡稱合意房源);
  2. 最重要的任務(wù)是,在篩選/搜索房源,查看房源信息;
  3. 較為容易的找到合意的房源、有較多合意的房源可供選擇、能較為輕松的判斷房源是否合意、房源都是真實(shí)且在租的,這些可能都是激勵(lì)用戶完成當(dāng)前環(huán)節(jié),進(jìn)入下一環(huán)節(jié)的重要因素;
  4. 篩選流程復(fù)雜、搜索召回結(jié)果差、信息架構(gòu)混亂,這些可能都是導(dǎo)致用戶放棄當(dāng)前環(huán)節(jié)并離開的重要因素。

我們?cè)俳Y(jié)合自身理解和調(diào)研情況,對(duì)各個(gè)因素設(shè)立影響權(quán)重,綜合下來便是用戶在該環(huán)節(jié)的決策模型。綜合用戶在各個(gè)環(huán)節(jié)的決策模型,就是用戶在你的產(chǎn)品上的整體決策模型。

接下來就是到具體的產(chǎn)品方案層面了。

我們結(jié)合用戶的決策模型,加強(qiáng)決策模型中的正向激勵(lì)部分的正面效應(yīng),減少?zèng)Q策模型中負(fù)面因素帶來的負(fù)面影響。

按照這個(gè)大的方向來開展,最終用戶的決策轉(zhuǎn)化自然能提升。

比如,針對(duì)「較為容易的找到合意的房源」這個(gè)因素,我們可以做千人千面,個(gè)性化推薦;針對(duì)「有較多合意的房源可供選擇」這個(gè)因素,我們可以去驅(qū)動(dòng)業(yè)務(wù)團(tuán)隊(duì)將更多的房源收錄到平臺(tái)類等等。

04 灰度發(fā)布 + A/B Test 驗(yàn)證方案有效性

在第3步中,針對(duì)用戶的某個(gè)決策環(huán)節(jié),我們?cè)u(píng)估出了用戶決策模型,并找到產(chǎn)品改進(jìn)的方向。

進(jìn)而我們可能會(huì)研究出幾套方案,并決定上線其中一套方案。

但究竟我們的方案有沒有效果?多個(gè)方案中哪個(gè)方案更優(yōu)呢?

很多時(shí)候我們很難明確一個(gè)方案上線后是否真的有效、或者多個(gè)方案里到底哪個(gè)更優(yōu)。

這時(shí)就需要祭出我們的神器「灰度發(fā)布」和「A/B Test」了。

1. 灰度發(fā)布,就是只對(duì)產(chǎn)品的一部分用戶上線新方案

灰度發(fā)布可以避免新的產(chǎn)品方案在被驗(yàn)證有效前,對(duì)太多用戶造成影響。

微信就經(jīng)常采用灰度發(fā)布來實(shí)驗(yàn)新功能,比如近期的視頻號(hào),剛開始就是灰度發(fā)布的。

如果我們只有一個(gè)備選方案,采用灰度發(fā)布,也就相當(dāng)于對(duì)新方案和當(dāng)前線上版本進(jìn)行了「A/B Test」。

2. 「A/B Test」就是對(duì)多個(gè)產(chǎn)品方案同時(shí)發(fā)布上線,然后根據(jù)數(shù)據(jù)反饋確定最終方案

也就是讓用戶來投票選擇。

它可以很大程度上避免我們的拍腦門決策。

網(wǎng)上對(duì)「A/B Test」的介紹已經(jīng)很多了,這里就也不再重復(fù)造輪子了。

需要注意的是「A/B Test」設(shè)計(jì)之初一定要考慮好后續(xù)的歸因,也就是能知道哪個(gè)地方的調(diào)整也可能帶來正向效果。

所以,方案有效性的驗(yàn)證方法就是,結(jié)合灰度發(fā)布和「A/B Test」,再依據(jù)我們的北極星指標(biāo)來評(píng)估判斷。

哪個(gè)方案能給北極星指標(biāo)帶來更多的增長,哪個(gè)方案就是優(yōu)勢(shì)方案。

在評(píng)估出優(yōu)勢(shì)方案后,也能進(jìn)一步驗(yàn)證究竟哪些是用戶在決策過程中更關(guān)注的因素,我們?cè)偃ハ朕k法持續(xù)的加強(qiáng)它即可。

如果我們的所有方案數(shù)據(jù)都不太理想,那就要考慮下是否是我們?cè)u(píng)估出來的「用戶決策模型」有問題,或者是產(chǎn)品方案沒有解決用戶真正關(guān)注的因素。

05?寫在最后

以上我們以房產(chǎn)租賃類平臺(tái)為例,介紹了提升轉(zhuǎn)化率的系統(tǒng)方法。

最后,我們?cè)賮砜偨Y(jié)下,整體上可以分為4大步:

  1. 尋找北極星指標(biāo)
  2. 關(guān)注用戶決策漏斗
  3. 關(guān)注用戶決策模型
  4. 灰度發(fā)布 + A/B Test 驗(yàn)證方案有效性

其中第1、3步的難度相對(duì)大些,第2步次之,前三步完成了,第4步一般可以水到渠成。

核心是要找對(duì)方向,找到用戶的決策漏斗和決策模型,以上兩點(diǎn)找準(zhǔn)后,產(chǎn)品方案自然就可以有效的設(shè)計(jì)出來了,再搭配灰度發(fā)布和A/B Test,產(chǎn)品轉(zhuǎn)化率的提升自然更加高效。

在實(shí)踐中,有時(shí)可能需要對(duì)用戶進(jìn)行細(xì)分,因?yàn)椴煌挠脩羧后w,其決策漏斗可能會(huì)有些差異。

這里為了闡述方便忽略了這一部分。

實(shí)際應(yīng)用中,我們?cè)诖_定用戶細(xì)分規(guī)則后,針對(duì)每個(gè)細(xì)分用戶群體,分別開展上述2、3、4步即可。

這套方法對(duì)于B、C端產(chǎn)品是通用的,B、C端只是客戶/用戶的決策漏斗和決策模型有所差異,本質(zhì)相通。

 

作者:候機(jī)搏發(fā)? 公眾號(hào):候機(jī)搏發(fā)(ID:houji2bofa)。

本文由@候機(jī)搏發(fā) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。

題圖來自Unsplash,基于CC0協(xié)議。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 非常有幫助

    來自廣東 回復(fù)
  2. yyds

    來自北京 回復(fù)
  3. 沒有過多的空話,都是好理解的方法論

    來自上海 回復(fù)
  4. 學(xué)習(xí)了!

    來自浙江 回復(fù)