結合「用戶決策模型」,如何高效提升轉化率?
本文作者曾將一個「非電商類產品」的整體轉化率提升了1倍以上,本片文章總結了作者當時所實踐的方法,B、C端產品通用,與大家分享。(電商產品在這方面也可以看作是一種特例,也可以應用此方法)。
關于轉化率的重要性,這里不再贅述了,相信點開文章的你一定了然于胸。
提到轉化率提升,自然少不了用戶細分、漏斗分析。
雖然網上也有不少關于漏斗轉化分析的討論,但較多的是討論如何做漏斗分析,對于如何去落地實踐落地,尋找提升轉化的方法,目前討論的還相對較少。
同時,多數討論集中于電商產品,非電商類產品討論相對較少。
電商類產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,優化起來方向也相對比較明確些。
但對于非電商類產品,使用一般的頁面訪問漏斗來分析優化產品,可能就沒有那么輕松了,下文會具體闡述。
本篇以非電商類產品為例,著重于討論如何結合「用戶決策模型」,通過系統化的方法,高效的去提升產品的轉化率,重點闡述實踐落地的方法。
整個方法可以拆解為以下4步,本篇將側重于第2、3步的介紹:
- 尋找北極星指標
- 關注用戶決策漏斗
- 關注用戶決策模型
- 灰度發布 + A/B Test 驗證方案有效性
01 尋找北極星指標
北極星指標也叫唯一關鍵指標(OMTM,One metric that matters),是產品現階段最關鍵的指標。
它應該是與業務高度相關、且能直接衡量產品價值的大小,也就是可以衡量產品策略的優劣。
類似于GMV,人均毛利率等這種指標。北極星指標不一定是一個,但不宜過多。
關于北極星指標的選取,網上討論文章很多,這里不再重復造輪子了。
我們需要結合自身的業務,選取符合自身業務的北極星指標,用于評估我們的產品改進是否正向。
北極星指標也就是我們最終需要去提升的轉化率指標。
02?關注用戶決策漏斗
所謂用戶決策漏斗,即是用戶在你的產品上完成最終目標之前,需要依次做出的子決策漏斗。
關注用戶的決策流程漏斗,能幫助我們更好的找到方向。
其與傳統頁面訪問漏斗的主要區別在于,頁面訪問漏斗的關注點在產品自身,而用戶決策漏斗的關注點在用戶。
哪個更加有效,不言而喻。
這里我們以房產租賃類平臺來舉例說明,這類平臺一般線上不涉及到具體交易,大多終止于電話咨詢環節。
1. 我先來看看傳統的「頁面訪問漏斗」,大致是這樣的
這個漏斗的缺陷至少有以下兩點:
1)當我們過度關注頁面訪問漏斗時,容易陷入到對當前漏斗各個環節的優化,忽視了對漏斗自身進行優化。
有時候產品流程本身設計的是有問題,或者存在更加高效的流程。如果專注于當前的頁面流程漏斗,將很難發現此類問題。
2)如果只關注漏斗內個別環節轉化率的提升,容易按下葫蘆起了瓢——顧此失彼。甚至有可能帶來負面效果,導致整體轉化率的下降。
比如第3步到第4步的轉化率提升,
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鍵信息,只能點到房源詳情頁里去看,點進去之后發現不滿意,又關掉了。
上述兩種情況,都提升了用戶的決策成本,肯定是有損轉化的。
所以,以這種漏斗導向來改進產品,容易將產品帶進死胡同。
畢竟為了完成目標,產品經理容易各式各樣的方法都去嘗試,也許有不少能提升當前環節的轉化率,但其中真正能提升漏斗整體轉化率的很可能沒有那么多。
剩下的那些無效調整,反而會增加用戶的決策成本。
2. 我們再來看看「用戶決策漏斗」,大致是這樣的
這個漏斗的優勢至少有以下三點:
1)用戶決策漏斗是按照用戶的決策流程來搭建的,因此,提升每個環節的效率都可以直接帶來整體效率的提升,為整體轉化率帶來正向影響。
2)頁面流程漏斗是依托于用戶決策漏斗而設計的。
為了匹配用戶決策漏斗,可以設計出很多種不同的頁面流程,當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,顯然當前這個流程可能不是最優的。
因此,關注用戶決策漏斗是一個相對更優的選擇。
3)當我們聚焦于用戶的決策漏斗時,我們能站在用戶的角度去思考,可以從更加本質的層面去思考如何去提升轉化。
用戶決策漏斗中的一個決策環節,可能會對應著頁面漏斗中的多個頁面流程。
比如「找到平臺后訪問著陸」這個決策環節,
用戶有可能決策在任何頁面,而不一定是我們預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」這個決策環節,
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。
有沒有發現當聚焦于決策流程后,思路會開闊和清晰很多?
我們需要關注的核心點就是用戶在這個決策環節的轉化率。
一切能有助于提升用戶在這個環節的決策轉化率的都可以去做。
也許是對現有模塊的優化,也許是打造一個新的模塊,對現有頁面流程做全新調整,只要能提升用戶在相應決策環節上的轉化率,都可以去做。
03?關注用戶決策模型
對于第2點中提到的用戶的每一個決策環節,思考這個問題:
用戶在該環節的決策模型是什么?
可以通過下面4個問題來大概評估用戶的決策模型:
- 用戶在當前環節,最重要的目標是什么?
- 用戶為了完成其目標,需要完成的最重要的任務是什么?
- 哪些可能是激勵用戶「完成當前環節并進入下一環節」的主要因素?找出最重要的三個。
- 哪些可能是導致用戶「放棄當前環節并離開」的主要因素?找出最重要的三個。
以上4個問題,可以結合自身對業務的理解,再結合業務調研、用戶調研的方式來收集結論。
完成上述幾個問題,一般就能有產品改進的方向了。
我們再以「尋找合適的房源」這個環節為例:
- 用戶在這個環節最重要的目標是找到匹配自身需求的房源(以下簡稱合意房源);
- 最重要的任務是,在篩選/搜索房源,查看房源信息;
- 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、房源都是真實且在租的,這些可能都是激勵用戶完成當前環節,進入下一環節的重要因素;
- 篩選流程復雜、搜索召回結果差、信息架構混亂,這些可能都是導致用戶放棄當前環節并離開的重要因素。
我們再結合自身理解和調研情況,對各個因素設立影響權重,綜合下來便是用戶在該環節的決策模型。綜合用戶在各個環節的決策模型,就是用戶在你的產品上的整體決策模型。
接下來就是到具體的產品方案層面了。
我們結合用戶的決策模型,加強決策模型中的正向激勵部分的正面效應,減少決策模型中負面因素帶來的負面影響。
按照這個大的方向來開展,最終用戶的決策轉化自然能提升。
比如,針對「較為容易的找到合意的房源」這個因素,我們可以做千人千面,個性化推薦;針對「有較多合意的房源可供選擇」這個因素,我們可以去驅動業務團隊將更多的房源收錄到平臺類等等。
04 灰度發布 + A/B Test 驗證方案有效性
在第3步中,針對用戶的某個決策環節,我們評估出了用戶決策模型,并找到產品改進的方向。
進而我們可能會研究出幾套方案,并決定上線其中一套方案。
但究竟我們的方案有沒有效果?多個方案中哪個方案更優呢?
很多時候我們很難明確一個方案上線后是否真的有效、或者多個方案里到底哪個更優。
這時就需要祭出我們的神器「灰度發布」和「A/B Test」了。
1. 灰度發布,就是只對產品的一部分用戶上線新方案
灰度發布可以避免新的產品方案在被驗證有效前,對太多用戶造成影響。
微信就經常采用灰度發布來實驗新功能,比如近期的視頻號,剛開始就是灰度發布的。
如果我們只有一個備選方案,采用灰度發布,也就相當于對新方案和當前線上版本進行了「A/B Test」。
2. 「A/B Test」就是對多個產品方案同時發布上線,然后根據數據反饋確定最終方案
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。
網上對「A/B Test」的介紹已經很多了,這里就也不再重復造輪子了。
需要注意的是「A/B Test」設計之初一定要考慮好后續的歸因,也就是能知道哪個地方的調整也可能帶來正向效果。
所以,方案有效性的驗證方法就是,結合灰度發布和「A/B Test」,再依據我們的北極星指標來評估判斷。
哪個方案能給北極星指標帶來更多的增長,哪個方案就是優勢方案。
在評估出優勢方案后,也能進一步驗證究竟哪些是用戶在決策過程中更關注的因素,我們再去想辦法持續的加強它即可。
如果我們的所有方案數據都不太理想,那就要考慮下是否是我們評估出來的「用戶決策模型」有問題,或者是產品方案沒有解決用戶真正關注的因素。
05?寫在最后
以上我們以房產租賃類平臺為例,介紹了提升轉化率的系統方法。
最后,我們再來總結下,整體上可以分為4大步:
- 尋找北極星指標
- 關注用戶決策漏斗
- 關注用戶決策模型
- 灰度發布 + A/B Test 驗證方案有效性
其中第1、3步的難度相對大些,第2步次之,前三步完成了,第4步一般可以水到渠成。
核心是要找對方向,找到用戶的決策漏斗和決策模型,以上兩點找準后,產品方案自然就可以有效的設計出來了,再搭配灰度發布和A/B Test,產品轉化率的提升自然更加高效。
在實踐中,有時可能需要對用戶進行細分,因為不同的用戶群體,其決策漏斗可能會有些差異。
這里為了闡述方便忽略了這一部分。
實際應用中,我們在確定用戶細分規則后,針對每個細分用戶群體,分別開展上述2、3、4步即可。
這套方法對于B、C端產品是通用的,B、C端只是客戶/用戶的決策漏斗和決策模型有所差異,本質相通。
作者:候機搏發? 公眾號:候機搏發(ID:houji2bofa)。
本文由@候機搏發 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。
非常有幫助
yyds
沒有過多的空話,都是好理解的方法論
學習了!