如何应用漏斗模型辅助数据诊断与决策?
副标题[/!--empirenews.page--]
先讲个例子,来自肖恩埃利斯的《增长黑客》: 一家食品商店App的增长团队发现了一个问题:App上线后,通过各种推广,短时间内就获得了19万用户,但是到最终在App内完成购买的用户只有不到7000人。 是App的体验不好?商品不够有吸引力?其实很多产品也会有这样的问题,好不容易吸引来用户之后,如何让他们真正开始持续使用,激活他们? 于是,这个增长团队梳理出了用户从下载打开到最终购买的整个体验路径,提炼出5个关键步骤,分别是:
然后列出这段时间,每个步骤的实际人数,和对应的转化率: 数据和对应的转化率的结果很直观,团队成员发现:
有了这个数据其实就能很清楚的看出:商品本身或者App的体验没什么问题,能正常支付的用户大部分还是完成购买了,但是添加支付工具的和结算体验却存在障碍。团队需要尝试让用户能更轻松的结算。同时,考虑新增用户搜索量不高,还得尝试鼓励初访者搜索和浏览更多商品,比如设置特惠卖场界面、改进引导文案等等。 当然,这是一个很简化的虚拟案例,但是我们仍然可以从中看出他们是如何应用数据发现和诊断问题的,在这里面用到的很重要的一个工具就是“漏斗模型”。 漏斗模型及常用应用模型所以,什么是漏斗模型? 漏斗模型,aka漏斗分析、转化率分析,基本上是做所有分析时都或多或少会用到的工具。 我在网上搜漏斗分析时,出来的文章或内容大多和互联网运营或者数字营销有关。但其实漏斗模型应用的地方非常广泛,包括但不限于:
当然除了开头举的那个用户体验流程的例子,漏斗模型还有其他很多种应用。比如: 品牌认知-行为漏斗在衡量品牌知名度的时候通常会用三个指标:
关于这几个指标基于心理记忆的解释,也可以参考之前这篇《品牌的生理和心理基础》中的部分内容。 关于行为漏斗,根据行业/品类的不同特性,可以设置成各种指标,逻辑相关即可。可以用“以前用过-现在在用-最常用”,也可以是“以前买过-最近半年买过-最近1个月买过”,情况目的不同,搭建不同的指标。 可以通过抽样调研问卷的方式获得数据(认知这种比较心理层面的指标,主要还是靠问卷。不过行为指标,有监测数据会比用户回忆更准一些),并对品牌/产品进行诊断。 比如这个例子: AB两个品牌在一波营销过后,A品牌广泛意义上虽然知名度高,但是很少有人能主动想起来A,有可能是A品牌虽然广告到处打,但是宣传的内容太平淡,没有亮点,人们看完很快就忘了。 B品牌则可能是宣传内容很不一样,大家看到B的宣传后印象深刻,但是由于媒体渠道选的不好,覆盖的人群不够,所以整体知名度要更弱一些。 AARRR漏斗除了前面提到的食品商店App的具体例子,其实包括黑客增长本身的核心模型AARRR其实也是一个漏斗: AIDA漏斗营销中经典的AIDA(或者AIDAS等等变种)也可以通过收集对应的数据,套用漏斗模型进行分析,广泛应用于快消品、耐消品: 利润漏斗财务分析三张表中的利润表其实也是一个漏斗,净利润率告诉我们漏斗是比较直(中间损耗少,收入更多转化为盈利,效益好)、还是比较斜,所以净利润率表示效益。 (编辑:源码门户网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |