盲盒實戰分享與總結 | 如何用盲盒讓轉化率翻倍?

3 評論 6341 瀏覽 53 收藏 15 分鐘

編輯導讀:童年時,我們沉迷于玩具;長大后,我們沉迷于盲盒。有網友戲稱,怎么被割韭菜的總是那波人。盲盒經濟的發展讓企業紛紛開展相關的產品和功能,那么,如何用盲盒讓轉化率翻倍呢?本文作者從三個方面展開分析,希望對你有幫助。

一、盲盒實戰結果:新客轉化率提升100%

“2021年7月21日,盲盒功能上線,該功能轉化率為大盤新客轉化率的4倍;7月23日開始,為盲盒功能導入更多流量,穩定后整體新客轉化率提升近100%?!?/p>

多少從事C端或增長的產品經理,都期望著自己的某個需求,能讓產品核心指標的增長能出現上圖一樣的曲線。幸運如我,在今年7月通過設計一個游戲化的盲盒需求,讓平臺新客激活首日轉化率翻倍。

其實在更早的時候,我自己從盲盒背后給用戶帶來的價值角度出發,總結了盲盒能有效的“三個要素”;在實戰過程中,我自己也秉承這三個要素來進行設計,最終確認有效后,在此與大家分享。

二、盲盒有效的三要素

首先,我們先將這里要講的盲盒做一個簡單的定義:“盲盒是一種將一組商品提供給用戶參考,用戶以一個固定的價格購買,隨機獲得其中任意一個或多個商品的交易模式”。

網上有許多人在講盲盒的原理和邏輯,但鮮有人能講清楚其背后的本質。

關于盲盒為什么會有效?有人說盲盒利用了好奇心;有人說是因為有隱藏款;還有人說是因為商家在炒作等等。但這些對盲盒的拆解都過于抽象和表面,無法幫助理解盲盒背后的邏輯,也就無法將其靈活運用在各位自己的業務中。比如,如果說認為盲盒是利用了好奇心,那么什么是好奇心?為什么好奇心能提升用戶動機?如果這些想不明白,其實就并沒有真正理解盲盒的價值。

本文從盲盒如何提高用戶的感知價值出發,提出“盲盒有效的三要素”如下:

  • 要素1:選擇無關緊要;
  • 要素2:放大期望收益;
  • 要素3:保底收益為正。

筆者認為當上述三個要素同時滿足時,才是做到了盲盒的核心。此時,在盲盒模式包裝下,相比于原始的交易模式,用戶對交易的感知價值將被顯著地放大,從而將促成更多的交易行為。

要素1:選擇無關緊要

首先,盲盒的模式幾乎剝奪了用戶做選擇的權利。用戶無法選擇自己想要的具體商品,只能隨機從一組中獲得一個,但這不一定是壞事。

“做選擇”這件事情,在大多數情況下,是能給用戶帶來價值的。拿買衣服舉例:用戶可以從不同樣式的衣服中,選擇一件自己喜歡的樣式;又或者,用戶可以從不同的尺碼中,選擇適合自己的尺碼。在這種場景下,“選擇”本身是有價值的,也是至關重要的,也就不適用于盲盒模式。

但還有一些情況下,用戶存在“選擇困難”,又或者選擇本身是不重要的?;蛘哂靡粋€公式來說:

當用戶“做選擇所要付出的精力成本>=通過選擇獲得的收益” 時,我們稱之為“選擇本身不重要”。盲盒經濟也必須要在這種情況下才能適用。例如,用戶需要從20種相似口味的糖果中選擇一個時;又或者,當用戶需要“丟硬幣”做選擇時,這些場景則可以適用盲盒。因為此時剝奪用戶選擇的權利,并不會給用戶帶來損失,甚至能帶來價值。

*實戰策略建議:在選品時,需要做到有普適性,從而達到選擇無關緊要的效果。此外,商品不能太過重要,例如買房或買車這種場景,哪怕具有普適性,因為選擇過于重要,而不適用于盲盒。一個相對成功的例子時:某電商產品中做的服裝盲盒,為了達到普適性,只是將同一個款式的不同顏色作為盲盒的商品組合,而不是跨越很多不同的款式,這樣的設計就符合做盲盒的這個條件。

要素2:放大期望收益

如果只是因為“選擇無關緊要”而做出的盲盒,還遠遠不夠。光這樣給用戶也帶來不了什么額外的價值:為什么要買你的盲盒呢?我自己丟硬幣買不行嗎?

因此,盲盒要有效,還需要放大用戶的期望收益!這也是盲盒讓用戶提高感知價值的核心。

常見的策略是:增加隱藏款。必要時還可以通過商家炒作,提升隱藏款的價值,從而提高用戶對購買盲盒的期望收益。

從數學的角度來說可以這么理解:例如盲盒中有10個普通商品,用戶對商品的平均感知價值是50元。因此,當盲盒賣50元時,假設用戶對盲盒的感知價值是正態分布的,將會有一半的用戶選擇購買盲盒。如果增加了1%的概率獲得隱藏款,而隱藏款通過商家炒作后,價值是10000元。那么用戶此時對購買盲盒的感知價值變為:(99%*50 + 1%*10000)= 49.5 + 100 = 149.5 元!

通過隱藏款,直接從原先的50元感知價值提升到了149.5元! 那些對盲盒本身感知價值偏低的用戶,因為隱藏款的存在,使得感知價值>感知成本。因此也會愿意購買盲盒,這也就是轉化率能提升的原因。

*實戰策略建議:增加具有普適性或標準價格的隱藏款,放大用戶預期收益。一方面可以通過炒作來放大隱藏款的價值;另一方面也可以選擇一些標品,例如1%的概率獲得 iPhone13pro。此外,關于中獎概率有時也可以不用說明,用戶會本能根據過往經驗,猜測一個概率來估算自己的預期收益??傊?,只要有隱藏款的存在,用戶感知價值就會放大。

要素3:保底體驗為正

第三個要素:即保底體驗不能低于預期。

這一點其實也是因為用戶會在潛意識里估算購買的期望收益。例如,一個餐飲盲盒中如果有個商品有辣椒,那么對于不吃辣的用戶而言,這個產品的預期收益就是0元。最終用戶潛移默化會在心里進行一個估算:

購買盲盒的預期收益 = A商品預期收益*A商品獲得概率 + B商品預期收益*B商品獲得的概率 +……

當某個商品的預期收益為0時,將極大的降低用戶對購買盲盒的整體預期收益,從而降低轉化。

*實戰策略建議:在選品時,不要選擇對用戶可能預期收益過低的商品。例如在可能有男士購買的盲盒中加入口紅;或在女士購買的盲盒中加入男士內衣。

小結

以上三個要素,核心都是降低用戶購買時的決策成本,同時提高用戶對購買盲盒的感知價值。這背后的邏輯是,只有當用戶“感知購買獲得的收益”>“感知購買付出的成本”時,用戶就會做出購買行為。

盲盒核心還是在于,通過概率游戲和信息不透明(商品不透明或概率不透明),讓用戶在購買時產生過高的預期收益,從而促使更多的購買行為。

三、實戰案例分享

從數學或邏輯層面來看,以上三個要素只要做到了,用戶的期望收益就會得到放大,就會有更多的用戶進行購買。但是在實戰設計需求的過程中,還有兩個困難點

  1. 如何有效地將這些信息傳遞給用戶?
  2. 如何讓用戶信任你?

因為用戶不一定愿意花時間來了解你盲盒活動里的商品,也更不愿意花時間去仔細計算期望收益。因此在產品設計過程中,盡量要讓用戶處于系統1來進行判斷,讓產品設計更直觀地傳達出期望收益很大的用戶感知。這樣才能最大化轉化率。

這里與大家簡要分享一下我關于盲盒的實戰經驗。當時的背景是:我們是一個綜合類電商平臺,我們在產品中會給每個新用戶提供了上千款免費商品作為新人禮品供選擇,但是轉化率依然不是很理想。

這一點也讓我們產品團隊很苦惱:明明東西已經免費了,但是還是有大量的用戶不購買。

我們認為可能的原因是:

  • 用戶對App不夠信任 ;
  • 用戶購買需要付出額外的選擇成本、以及填寫收貨地址和支付信息的成本,這些成本過高導致不購買。

為了解決這個問題,一方面我們增加了更多關于信任的元素,例如展示他人的評價、平臺的承諾。同時也優化了支付流程用戶填寫信息的效率,但效果甚微。

最后我們決定還是從感知價值這個角度出發,通過盲盒來提升用戶對我們新人福利的感知價值,從而提高轉化率(當時還沒有其他電商平臺將盲盒的形式用于新客轉化)。

我在實際設計盲盒活動的過程中,主要的思路如下:

  1. 降低選擇成本,確保保底體驗為正:因為本身是給新人的福利,太多免費商品讓用戶選擇,可能反而是件耗費用戶心智的事情,因此采用盲盒的形式,去掉用戶的選擇成本。選擇了一批普適性且具有吸引力的商品(電動牙刷、墨鏡等)。
  2. 擴大期望收益:將蘋果手表和耳機作為隱藏款獎勵。這類商品價格相對大眾都知道,便于用戶在潛意識中計算期望收益。同時不告訴用戶中獎概率,用戶本能可能認為十個商品中得到蘋果手表的概率是10%,但實際上是0.1%。
  3. 營造合理性:天下沒有免費的午餐,用戶不信任平臺的原因可能是:為什么你要免費給我送東西,是否是要盜取我的個人信息?因此我采用了抽獎的形式(這也是拼多多慣用伎倆),讓用戶好不容易“抽”中這個領取盲盒的機會。
  4. 營造稀缺感:告知用戶領取盲盒機會難得、限時30分鐘、每個用戶僅可領取一次等等術語。

將上述的設計思路串聯起來,在產品設計時做成一種類似講故事的效果,用戶看完這個故事后,對領取獎品的期望價值大大提升。最終,盲盒在上線后取得了顯著的成功,也就是本文開頭所分享的數據(這里基于對公司業務保密的原因,不宜公開原型圖,請見諒)。

關于盲盒的分享暫時到此結束了,希望對大家有所幫助。也歡迎大家在評論區與我溝通討論。

#專欄作家#

愛學習的Keyda,人人都是產品經理專欄作家。主要專注在線教育和電商類產品增長,擅長游戲化設計,定期分享產品設計和思考。

本文原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

專欄作家

愛學習的Keyda,人人都是產品經理專欄作家。主要專注在線教育和電商類產品增長,擅長游戲化設計,定期分享產品設計和思考。

本文原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

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. 想知道是哪個產品,學習體驗下

    回復
    1. +1

      來自浙江 回復
  2. 這個底層邏輯分析非常有價值,感謝提供了分析思路,受益匪淺

    來自廣東 回復