調研復盤:以統計學為基礎,我對在線教育平臺做了一次調查

12 評論 12398 瀏覽 89 收藏 15 分鐘

本文是一次調研復盤,作者對自己公司的在線教育平臺做了一項深度研究,對平臺用戶的購課率、影響用戶購買在線課程的因素做了一次深入的調查和梳理,過程種設計到非常有價值的統計調研知識,與大家分享。

前段時間筆者對自己公司的在線教育平臺做了一項深度研究,主要方向是探究影響用戶購買在線課程有哪些因素,以及這些因素的影響程度如何,希望以此結果指導平臺的運營方向。

這篇研究我花了幾個月的時間,采用了以統計學為基礎的商業研究方法,最后的研究成果也寫成了一篇論文。這里簡單給大家分享一下核心的內容。

本次調研分為三步:

  1. 通過問卷調研收集信息;
  2. 通過數據分析出哪些因素會影響用戶的購買;
  3. 通過分析結果能給運營策略帶來哪些指導和改進。

下面將對每個環節進行詳細敘述:

一、 通過問卷調研收集信息

在問卷設計階段,根據前人理論研究+運營經驗總結+用戶深度訪談,最終建立了一個簡單的模型,提出了8個有可能影響用戶購買課程的假設因素,包括:

  1. 感知有用性——用戶對學習課程產生效果的預判;
  2. 感知信任——對平臺和老師的信任程度是否影響;
  3. 感知成本——課程定價是否有影響;
  4. 感知風險——風險因素:比如買了沒時間聽課之類會浪費;
  5. 社會影響 ——廣告和媒體宣傳、朋友推薦等;
  6. 使用習慣——有沒有用過在線課程類似產品,有沒有知識付費習慣;
  7. 時間匹配——線上課程時間與在校時間是否沖突;
  8. 內容質量 ——課程內容設計和課程質量。

每個假設影響因素我設計了3-5道題目,最終形成一共有39道選擇題的用戶問卷。

關于問卷設計體系我在之前一篇文章里寫過,這里就不再復述了,有興趣的可以去另一篇文章里面看:《如何設計在線教育用戶調研問卷?借助消費行為學理論

問卷設計好之后,通過我們產品的APP、微信公眾號等渠道投放,最終收集了637份問卷。經過數據清洗,最終從回收的637份答卷中,共獲得有效數據樣本536份。

接下來,我們就要開始對回收問卷的數據進行分析了。分析之前,我們需要先思考一下本次研究的目的。我們需要通過問卷和數據分析來解決以下三個問題:

  1. 這些假設因素哪些有影響?哪些沒影響?
  2. 有影響的因素,哪些影響程度更高?
  3. 不同畫像的用戶對這些因素影響有什么差異?

二、通過SPSS數據分析驗證假設因素影響的有效性和程度

?首先對問卷的第一部分進行描述性統計分析,大概了解這次調研的用戶畫像是怎樣分布的?最終統計分析如下:

在本次526份樣本數據中,從未購買過在線課程的人數、購買過低價體驗課的用戶、與購買過正價課的用戶比例為10:6:5,與我們平臺的用戶購買數據總體結構接近;樣本中初中生、高中生、初中生家長、高中生家長四個角色用戶占比分別為:39.0%、32.8%、3%、25.2%,也與平臺總體用戶畫像結構接近(初中生家長人數略少)。

說明本次樣本結構比較接近總體的結構,能證明樣本的代表性誤差較小,調查準確性高。

接下來,用SPSS軟件對問卷的第二部分先進行數據的探索性因子分析和信度效度分析,來檢驗問卷數據的可靠性,并可以根據分析結果合并一些假設因素。

然后再用多元回歸分析,來檢測幾個假設影響因素的顯著性。由于篇幅原因,我這里不對分析過程詳細講解,只說一下結果:通過因子分析,最終把8個假設因素合并為7個,其中“感知有用性”和“感知信任”合并為“感知價值”。

通過SPSS的多元回歸分析,最后7個影響因素的顯著性數據如下:

以上結果顯示, 真正有影響的因素只有3個:

  1. 感知價值(課程效果預判+用戶對平臺和老師的信任)
  2. 社會影響(廣告媒體宣傳+同學朋友口碑推薦)
  3. 內容質量(課程設計和課程質量)

這3個因素對用戶購買在線課程意愿影響顯著,且這三個影響因素的Beta值分別為感知價值0.215、社會影響0.157、內容質量0.334。

可知影響程度由強到弱依次為:內容質量>感知價值>社會影響。

感知成本、感知風險、用戶習慣、時間匹配四個因素對用戶購買在線課程意愿影響并不顯著。

這個結果一開始有點出乎我們的意料,但我們初步分析后認為也是合理的:用戶其實對我們課程的定價并不敏感,由于我們平臺在線課程的價格相對于線下補習班和其他競品相比,價格是比較低的,家長和學生所付出的成本相對較低,因此課程定價,在提升購買率層面不用太過于糾結;

對風險因素,因為在線課程產品使用方便、價格低廉、投入時間靈活、可以隨時隨地收聽或關閉,因此無論是從對比成本還是效果收獲上,用戶普遍沒有什么風險,因此風險因素也可以不考慮。

對于時間因素,雖然在線課程都是直播課,但是如果沒時間看直播也可以看回放,很多用戶在時間無法匹配卻又想購買課程的情況下,依然會選擇購買在線課程。因此課程排期的具體時間也不用做太多運營調整。

那我們接下來要重點說說,已經驗證出的三個有效影響因素,在運營策略上應該如何改進。

?三、運營指導建議

指導建議不僅要根據數據分析結果,更要對標自己平臺現有的長短板,結合現有問題一起討論運營改進策略。

1. 感知價值的運營改進

(1)通過課程策劃包裝提升用戶價值感知

在用戶購買課程前,讓用戶最直觀感知課程價值——是課程的包裝。包括課程的主題、課詳頁文案和視覺,均應更加重視用戶對課程有用性和信任的感知。

例如,從課程主題策劃上,平臺現有課程的策劃較為傳統,與線下教學類似??梢葬槍τ脩魧υ诰€課程輕巧靈活的特點,將課程主題策劃的更加精致,避免一個課程想講的內容過多。

每節課一定要解決一個問題,并在課程標題中讓用戶感受到通過購買一節課程,能夠解決這個問題或學習到一個知識點,提升用戶對該節課的價值感知;

(2)提升用戶對授課老師專業度的認可

用戶對平臺在線課程的價值感知也體現在授課老師的認可,可以從以下兩個方面進行操作:

首先對全職老師增加培訓及考評機制,促使授課老師提升內在專業性;對兼職邀請老師提升其學歷背景、教學經歷、知名度等門檻;

其次在課程頁面設計上,盡可能多的展示授課教師的專業性,增加老師頭銜,背景介紹,個人特色,成功案例等。

(3)關注用戶效果反饋,包裝成功案例

跟蹤學生在聽課后的成績是否有提升。比如對聽課后成績得到大幅度提升,或中高考中取得好成績的用戶,打造成案例,展示給更多用戶看,提升用戶對課程的價值感知。

2. 內容質量的運營改進

(1)打造課程體系專業性和特色

專業的課程體系能幫助學生系統的學習知識,將知識點關聯,舉一反三,有效提升學習效果。并呈現給用戶,因此設置一套符合線上課程特色的課程體系,并全面展示給用戶,能夠有效提高用戶對在線課程的內容質量感知。

傳統學校的教學經過教研工作者常年研究積累,已有非常完整的教學課程體系。但是線上課程由于網絡教學松散、靈活的特點,普遍缺乏較為嚴謹的課程體系。

因此課程體系和課程設計上,教研團隊應該更多研究線上教學的特點,比如加入數據統計和分析,深入開發線上用戶和線上教研的課程。

(2)提升課程內容質量監管

本研究的結論表示,在線課程的內容質量,對用戶的購買意愿影響顯著。因此,在課程內容的設計和質量的把控上,需要管理上進一步提升,可以借助數據考核:比如出勤率、完課率、作業完成率等多維數據分析,綜合評價老師的課程質量。

在內容質量監管方面,結合目前市場上其他平臺的在線課程產品現狀,確實存在內容質量良莠不齊,宣傳與實際內容反差較大的情況。因為在線課程這類虛擬產品的內容質量概念相對于實物產品較為抽象,目前行業也沒有統一的質量標準。

因此,想長久發展的平臺,更應結合實際管理經驗和數據分析,擬定一套內部內容質量管理體系,確保在線課程這種虛擬商品也有較好的內容質量監管方式。

3. 提升社會影響的運營策略

本研究的結論表明,社會影響對用戶購買意愿有顯著的正向影響。在管理上結合實際情況,在課程運營推廣方面給出以下三點管理建議:

(1)巧妙借力學校和老師

出于權威性和信任感,老師和學校對學生的社會影響至關重要。因此,平臺線上課程產品如果能深入學校,建立與校方的合作,通過學校和老師推薦課程,讓學生使用和購買在線課程是非常完美的方案。

但在實際操作中,因為監管嚴格,學校對補課等話題非常敏感,一般不會同意直接推薦。但可以曲線救國,比如結合學校自身需求,策劃為學校定制的免費公益課,促使學生免費體驗線上課程產品。再進一步通過其他線上運營策略,讓用戶進行轉化。

(2)策劃運營活動,促進學生和家長間的相互傳播

社會影響中也包含同學之間的相互影響和家長之間的相互影響,提升社會影響對用戶的影響,可以從促進學生和家長間的傳播為主要目的,策劃線上活動,如利用微信、H5活動等進行拼團購買在線課程、推薦同學購買課程送代金券等活動。

目的使用戶影響身邊的同學一起購買在線課程,通過提升社會影響因素的作用,進一步提高用戶購買意愿。

(3)選擇合適的媒體和廣告宣傳

本研究的已經論證社會影響因素對用戶購買意愿有顯著影響。在本次測量題項中,社會影響包含了媒體和廣告投放等環境影響。而我們的平臺由于專注做好口碑,以前甚少進行廣告投放。

因此本次研究后建議,可以提升媒體宣傳投放的規劃和預算,進行精準投放,提高社會影響因素對用戶購買在線課程的影響。

總結

借助統計學和商業研究分析方法得出的調研結果,相對更科學和嚴謹,可以避免憑經驗和拍腦袋得出的結論出現的誤差。

但其實類似的分析可以有更深入的延展:例如還可以分析這幾個因素的影響,對不同畫像下的用戶,會有什么不同?

更深度的分析,可以對用戶進行更加精準的分層運營,由于篇幅原因本文不做更多贅述,有興趣的下篇再更新分層運營用戶的數據分析方法。

 

本文由 @路易絲 原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 好奇得出顯著性結果之前,有做過F檢驗,R方以及共線性檢驗嗎

    來自上海 回復
  2. 這篇文章很贊,讓我了解到了統計學對調研的一部分重要性,用科學的方法。之后是要學習一下統計學方面的知識了。

    來自河南 回復
  3. 有一個問題沒太明白:

    既然是做了回歸,那么因變量的數據是如何得到的呢?
    也就是說,所謂的“用戶購買在線課程的意向”是怎么得到數據的?

    如果是通過問卷收集到的,那么就會有下一個問題:能夠有意愿做問卷的人,是不是本身就帶有很強的購買意向?那么樣本的代表性就會受到質疑。

    如果是跟蹤這些用戶后來的購買行為,那么只會有兩種結果:購買或者不購買,這樣就成了分類問題而不是回歸問題。

    如果是通過某種算法算出來的,那這種算法是否涉及到了解釋變量?

    來自北京 回復
    1. 這個問題很棒,我回答一下。首先數據來源,是通過問卷收集到的,調查題項中最后一項是關于因變量“購買意愿”的4個問題。
      其次關于樣本代表性,由于我們這個平臺的特殊性(核心業務是查分和成績報告,還有很多其他的功能),而線上課程只是產品中的一個業務分支。問卷是通過平臺上的廣告位以及獎品等方式吸引用戶填寫,有意愿做問卷的人可以認為是平臺的活躍用戶,但與其是否有意愿購買課程沒有直接關系。且從樣本描述性分析中的“購買歷史”能看出,有將近一半的用戶從未購買過課程,即使購買過的用戶中,使用深度也不一樣。因此填寫問卷的用戶并非都有很強的購買意向。

      來自安徽 回復
  4. 您的分析思路真的很棒啊,有社群可以交流嗎?

    來自北京 回復
    1. 暫時沒有社群哈,我公眾號:1week

      來自安徽 回復
    2. 好的,謝謝

      來自北京 回復
  5. 怎么數據清洗,是那些沒有意義的數據不考慮進去吧?那沒有意義的是不是答非所問類型?

    回復
    1. 對,簡單的例子,你問他身高,他回你他吃了早飯。

      來自重慶 回復
    2. 收集來的問卷可以進行多種方法清洗,第一遍可以根據問卷星記錄的作答時間,例如作答時間低于1分鐘可以默認是胡亂寫的,沒經過思考的答卷可以作廢;另外選項全部相同的也可以篩除(選項內可以設置一些反向題)

      回復
  6. 期待數據分析過程更詳細的分享??!

    來自上海 回復
    1. 測試

      回復