​Hi wiki主客观双数据用户增长实践
最新资讯 • 行业资讯数据运营客户案例
3844
2019-8-23
摘要:
作者:刘顺炬 Google Analytics 认证分析师 本文为「人人都是产品经理」社区和友盟+联合举办的“2019「友盟杯」数据分析大赛”中获奖作品。说明:文中数据已进行脱敏处理。

1、产品背景及方法论介绍

Hi wiki App致力于打造全球最大的艺术品交易拍卖平台,并不断完善升级中。截止2019年4月,注册用户达200万人,同时日活30w+。


• 使用受众爱好艺术品的收藏人员,专业从事艺术品交易的商家

• 使用场景移动手机端

 产品情况网上交易、在线拍卖二大模块人气旺盛

• 网上交易类似于淘宝交易模式,用户直接下单购买付款即可

• 拍卖突破地域的限制,采用线上拍卖,高效便捷,随时随地都能参与

• 商业模式注册会员及拍卖手续等


我们团队长期从事用户增长工作,沉淀了一套自己的用户增长方法论——基于设计思维的主客观数据用户增长模型,我们认为数据不是目标,而是依据、准绳。我们目标是通过主客观数据发现定义问题,从而优化产品体验以达到用户增长。数据的出现,是让体验设计师有了更好的工具,实现自己的目标,服务好产品的每一个用户。

基于设计思维的主客观数据用户增长模型

方法论核心:

• OKR(Objectives and Key Results):引领团队朝着一个目标前进;

• 分解思维:拆解目标,定义关键场景、核心数据指标;

• 设计思维:研究、定义、设计、验证;

• 主客观数据结合:客观数据呈现现象,主观数据发现根因;

• 实验导向:验证设计是否正确。


同样我们在Hi wiki中也使用该方法论进行用户增长,定义产品核心目标—北极星指标,并进行分解形成最小化场景及核心数据指标,利用主客观数据发现定义问题,团队多方合作碰撞创新设计优化方案,最后数据验证。Hi wiki最终用户注册转化累计提高了37.32%

2、 定义北极星指标及产品关键场景
定义北极星指标关乎产品的成败,最有名的案例是脸书和其竞争对手的故事。所以在这一个环节,我们非常小心谨慎地进行,召集Hi wiki产品所有利益相关人士进行创新工作坊,梳理产品发展脉络及未来对产品的期许,共同定义产品北极星指标——GMV=用户量*转化率*客单价*复购率,这也是电商行业最常用的指标及增长公式。

这一个指标及公式不是一层不变的,可以根据产品的发展阶段及时调整,最重要的是产品所有部门都是认可这一指标的。接着我们对核心指标进行拆解,拆解至最小的数据指标及对应的场景。如下图

从场景分解结果可以看出,只需要提升注册、下单购买、拍卖三个场景的数据,则北极星指标GMV自然就会上升,我们首先关注注册场景。


3、 提升用户注册转化
对注册场景的进行一步的拆解,探索注册转化率影响因素。我们可以发现渠道、落地页、注册流程是影响注册转化率的核心因素,呈一个标准的漏斗图形,渠道流量越多越好,质量越高越好;落地页跳出率尽可能的低,将用户留存下来;留下用户后,尽量让用户高效完成任务;如果每一个环节都做到最佳,那么注册转化率自然就提升。接下来需要优化这三场景,渠道、落地页、注册流程,首先定义出每个场景的目标。找到最优渠道,降低落地页跳出率,用户能高效完成任务及找到自己喜欢的功能。



(1) 第一阶段:渠道优化
根据前面拆解,我们在思考什么样的渠道才是最优的,最终经过大量的讨论,定义了一个渠道评估模型,依然是通过主客观数据结合,从流量、质量、效益、满意度、社会化分享等维度量化渠道质量。过滤劣质渠道,对优质渠道加大资源投入。该模型最大的特点在于加入了主观数据,保证评估模型全面科学客观的。



客观数据可以采用友盟+移动统计U-App进行数据采集,其最大的优点是有社会化分享数据,数据较完善。主观数据我们采用了精准调研系统,可以针对不同渠道来的用户进行调研。最后整理数据得出下图:


分析:

1) 华为应用市场、App Store访客质量、效益以及分享数、满意度均比其他渠道要高,我们可以增加渠道广告投放资源;

2) 腾讯应用宝虽然访客数高,但是访客参与度以及效益低,可能是存在机器刷量的情况,我们需要进一步的通过数据验证;从设备、操作系统、地域等多维度排除是否存在恶意刷流量的情况,刷流量的一个很重要的特点是集中性。有可能是设备集中在某一些型号或者是操作系统,也可能集中存在某一些地域。


Nexus 4、MX4 Pr、小米、OPPO R9s、vivo X7跳出率都接近100%,极有可能是机器刷流量。需要再进一步论证,根据前面筛选出高跳出率的设备,新建用户分群


进一步分析,查看该群组的用户档案,我们发现存在大量相同ID,基本可以判定该渠道是存在机器刷流量的情况,我们及时向运营团队汇报了这一现象,建议停止该渠道的广告投放,将资源投放给优质渠道。

(2)第二阶段:落地页优化找到最优渠道后,我们继续关注落地页场景优化。落地页最关键的是降低跳出率,将买来的流量留存下来,我们使用LIFT模型优化落地页。这是一个已被反复论证科学可行的优化方法,我们团队略试不爽,最终将落地页的跳出率降低到了45.32%



根据模型我们需要要做以下几件事:

• 找到对用户有价值的点

• 找到用户关心的内容

• 删除掉用户不需要的内容

• 制作紧迫感

• …

同样,我们采用主客观数据的方法去发现用户有价值的点以及找到用户关心的内容。使用U-App页面访问路径、自定义事件、自定义事件等功能功能模块帮助我们找到对用户有价值的,用户关心的内容。

1) 使用用户页面访问路径功能,我们发现大量用户都喜欢点击进入热门拍品排行榜虽然热门排行榜在首页很不明显的位置,但是其点击量依然很高;

2) 首页的banner是一些官方精品艺术品推荐,但是很少用户点击进入推荐的,排序位于末尾;

3)通过自定义事件,更加详细了解页面的点击情况,用户都在关注什么?我们一直认为会有很多用户点击banner,事实点击率很低;

4)首页黄金位置用户点击率也很低。


我们团队进行了大胆假设,小心求证的过程:

• 基于数据发现,用户具有围观心理,对排行榜很关心,希望看到大家都在关注什么艺术品;

• Banner本来是艺术精品推荐,结果点击率很低,很有可能是用户看到banner的设计习惯性地认为是广告。

• 黄金位置的内容,点击率低可能用户不喜欢该模块的内容。

我们通过对用户发起调研,求证以上假设是否正确。最后调研的结果反馈我们的假设很正确。大多数用户都以为banner是广告,习惯性的抵触。用户非常希望知道大家最近关注的艺术品,用户对最新艺术品界的最新资讯很感兴趣。

当得到了以上信息后,我们再根据LIFT模型对落地页进行优化。将用户关心的内容(排行榜)替换了黄金位置点击率较差的内容,把转化潜力最好的内容放在那里,不浪费曝光的黄金位置。

我们快速进行落地页设计优化,并输出了多个版本进行A/B Test。
1. 优化banner的设计,增加文案,尽可能地与广告区分开,告诉用户这不是广告;
2. 提升排行榜的位置,放在黄金位置,让它更清晰;

3. 在首页的商铺展示文案, “大家都在关注这个艺术品,还有X人正在浏览此艺术品品”制造焦虑感。吸引用户点击进入查看详情;

4. …

1. 此次试验运行周期为1周,在对试验数据进一步分析后,得到了科学可信的数据结果。
2. 实验版本1胜出,本次日均样本量达到1000人次,其中试验版本在各类藏品的点击率转化数据上都有不同程度的提升,最高增长幅度达到101.07%(最低也98.22%)

上线后,进行环比数据分析,页面跳出率降低了28%,达到了45.32%的历史最好的跳出率,其他一些访客质量指标也随之提升,例如:平均访问时长,注册转化,这就是数据的蝴蝶效应。

(3) 第三阶段:注册流程优化最后进行注册流程的优化,我们需要继续对注册流程优化进行拆解,找到影响注册流程转化的影响因数,寻找优化空间。


我们设计团队走查了Hi wiki App,发现其注册流程相对来说很简化,提升的空间并不是很大,所以我们先从行为的维度寻找转化的空间,假设是否做了某些行为的用户更容易转化,那么我们可以加强产品的新手引导等。

第一步:建立了注册转化监测漏斗。


第二步:一键存为人群


第三步:分析已转化与未转化的用户在关键事件的行为差异


我们发现已转化用户使用功能e的频率远高于未转化用户,我们大胆假设功能e很好解决用户的痛点并吸引用户注册。我们在系统后台抽取了几个已转化用户样本作为访谈对象进行用户访谈,访谈结果很好地验证我们的假设。
我们对功能e再次进行了优化升级,并在新用户进入App时,加强新手引导,引导用户在最短时间内就能体验功能e直击用户痛点,让用户感受到产品的魔力。

新版本上线后,最终我们又将注册转化率提升上了一个新台阶。

(4) 第四阶段:总结
在渠道、落地页、注册流程优化三个场景不断优化,我们最终将注册转化率累计提升了百分之37.32%。这是一个漫长的过程,从前期的定义北极星指标到设计优化,我们团队不断的讨论碰撞,经历了无数的失败,才换来这样的结果。做用户增长并不是一蹴而就的事情,需要长期的数据积累、经验积累,才能慢慢探索出属于你自己产品的增长方法。我们一直秉承着主客观数据用户增长的方法论,客观数据告诉我们现象,主观数据告诉我们现象背后的真相。让我们更好地洞察问题,对问题进行追根溯源。

关注我们
  • 友盟全域数据 前沿的行业数据新风向
  • 友盟数据服务 报告/干货/App/Web数据查询