中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

文章主要跟大家介紹的是，資訊類產(chǎn)品如何從0到1搭建召回體系。

現(xiàn)代管理學(xué)之父彼得·德魯克曾說過一句名言：商業(yè)的目的在于創(chuàng)造和留住顧客。

“創(chuàng)造”顧名思義就是帶給用戶“啊哈時(shí)刻”，讓顧客更快接觸核心功能，接下來就可以開始在此基礎(chǔ)上打造一臺高速增長列車，實(shí)現(xiàn)用戶增長。

但是有一部分人壓根就沒在車上，或者中途下車了，這個(gè)時(shí)候就需要另一種方式，即用戶增長的手段來留住用戶，也就是我們今天將要介紹的流失用戶召回體系。今天就來介紹一下，資訊類產(chǎn)品如何從0到1搭建召回體系。

召回體系分為5個(gè)部分，具體內(nèi)容如下圖：

用戶增長體系5步圖：

1. 發(fā)現(xiàn)問題
2. 提出想法
3. 預(yù)期效果
4. 測試
5. 復(fù)盤分析

這5步便是一個(gè)完整的用戶增長體系，不斷地循環(huán)1-5步，時(shí)間長短最好定在1到2周之內(nèi)，我們稱之為用戶增長周期。

增長團(tuán)隊(duì)則需每個(gè)周期召開一次會議，對上個(gè)周期的測試進(jìn)行復(fù)盤分析，發(fā)現(xiàn)問題并提出新的想法，最后決定下個(gè)周期應(yīng)該進(jìn)行的測試。

一、發(fā)現(xiàn)問題

發(fā)現(xiàn)問題階段要認(rèn)真思考幾個(gè)問題：

1. 現(xiàn)在流失情況？
2. 有沒有必要做用戶召回？
3. 新增用戶獲客成本是多少？
4. 召回用戶應(yīng)該花多少錢？

首先要了解目前的流失狀況，在啟動召回計(jì)劃前要知道總流失用戶數(shù)，每月新增流失用戶數(shù)，流失用戶時(shí)間分布等等?？梢匀缦聢D，反應(yīng)出流失用戶大盤情況。

藍(lán)色柱狀圖代表新增流失絕對值，紅色曲線是新增流失比。

新增流失比=新增人數(shù)/流失人數(shù)

通過這個(gè)比值可以看出流失的速率超過新增速率，且流失絕對值上漲，多半是處在渠道放量期，通過這個(gè)圖我們可以了解現(xiàn)在渠道的基本狀況。

緊接著我們來討論下一個(gè)問題，是否有必要對流失用戶進(jìn)行召回。

有的公司不對用戶做召回，比如：一些互金公司，他們在拉新時(shí)候已經(jīng)給新用戶補(bǔ)貼很多錢，由于一個(gè)用戶生命周期里營銷費(fèi)用是有限的，所以不會在流失用戶身上花更多的錢。這是金融類產(chǎn)品過高的獲客成本所致。

通常來說，金融類產(chǎn)品的平均獲客成本在100-500元/人之間，統(tǒng)籌考慮，互金公司會把運(yùn)營側(cè)重點(diǎn)放到預(yù)流失階段，而不是流失。

話說回來，資訊類平臺的獲客成本大約在5-30元，相對價(jià)格較低，有較富裕的運(yùn)營費(fèi)用去支持流失用戶召回。

貝恩公司的費(fèi)雷德里克·瑞克赫爾德曾經(jīng)做過研究，用戶留存率每提高5個(gè)百分點(diǎn)，利潤就會提高25-95個(gè)百分點(diǎn)。

綜上所述，資訊類平臺的流失用戶召回計(jì)劃一定要做，不僅要做，還要周期性得做。

最后，來分析召回用戶應(yīng)該花多少錢。

之前介紹互金篇時(shí)講過一個(gè)方法，即按照用戶生命周期貢獻(xiàn)價(jià)值來分配召回用戶成本（召回成本=用戶生命周期貢獻(xiàn)成本-市場成本-運(yùn)營成本）。

這種方法適用于電商、互金等行業(yè)，但對于資訊等其他行業(yè)來說其生命周期貢獻(xiàn)價(jià)值并沒有上述兩種行業(yè)那么清晰，因此不能用該公式直接計(jì)算。

對于資訊平臺，在召回初期如何設(shè)定召回成本，就用到了魔法數(shù)字。

據(jù)行業(yè)數(shù)據(jù)統(tǒng)計(jì)，獲取一個(gè)新用戶的成本是維護(hù)老用戶成本的5倍，換而言之，維護(hù)老用戶的成本是新用戶的1/5，這是成本下限。

根據(jù)流失用戶的流失時(shí)長，一些流失時(shí)間比較長的用戶，換種思路其實(shí)就等于新增用戶，所以上限成本等于新增用戶的獲客成本。

這里新增用戶獲客成本取行業(yè)平均值15元（包括信息流、應(yīng)用商店等），那么我們的召回成本區(qū)間就有了，如下所示：

召回體系的增長實(shí)驗(yàn)開始前的成本區(qū)間初步定下來了，至于在區(qū)間內(nèi)多少錢合理，在召回率和成本之間如何平衡，根據(jù)后期實(shí)驗(yàn)和復(fù)盤分析不斷改進(jìn)完善，找到召回最優(yōu)成本。

二、提出想法

提出想法是為第四階段的測試做準(zhǔn)備，根據(jù)用戶質(zhì)量、觸達(dá)工具、短信文案、獎(jiǎng)勵(lì)禮物、落地頁等等模塊進(jìn)行拼接實(shí)驗(yàn)。如下圖：

根據(jù)我們的想法將用戶分類A1、A2、A3……AN；觸達(dá)手段B1、B2、B3……BN；短信文案C1、C2、C3……CN。

這樣下來，總共有N x N種方案進(jìn)入儲備庫，但是公司資源有限，不可能將所有想法付出實(shí)踐，如何將諸多的想法排列優(yōu)先級，這就用到了肖恩指定的“ICE評分體系”，整理第二階段的想法。

ICE分別代表impact（影響力）、confidence（信心）和ease（簡易性）。

舉個(gè)例子，如下圖：

目前有N種方案，但是我們資源只允許同時(shí)進(jìn)行3種實(shí)驗(yàn)，那么我們按照ICE打分，最終按照分?jǐn)?shù)由高到低選取3種方案進(jìn)行實(shí)驗(yàn)測試。

三、預(yù)期效果

我看過很多用戶增長實(shí)驗(yàn)，都忽略了預(yù)期效果這一步，覺得用戶增長實(shí)驗(yàn)就是快速的迭代實(shí)驗(yàn)、復(fù)盤而忘記了實(shí)驗(yàn)之前對效果的預(yù)估，這是一種錯(cuò)誤做法。

方向錯(cuò)誤，高效的執(zhí)行便是災(zāi)難。

所以我們要在做之前對現(xiàn)狀指標(biāo)進(jìn)行拆分分析，以召回用戶為例，我們要在實(shí)驗(yàn)前知道自然回流用戶（非測試手段，流失后自然回歸的用戶）的各項(xiàng)指標(biāo)，以及拆分各類用戶的自然回流指標(biāo)，制定預(yù)期目標(biāo)。如下圖：

上圖顯示了流失用戶自然回流的數(shù)據(jù)，這個(gè)數(shù)據(jù)怎樣解讀呢？

就是說連續(xù)30天未登錄，我們認(rèn)定為流失用戶，這些用戶在沒有接觸到任何短信、PUSH等召回實(shí)驗(yàn)策略時(shí)，自然回流的比率如上圖綠色一列。

再將這些用戶分類，按照流失前有過某些行為進(jìn)行分類，因?yàn)?strong>流失前不同行為，也決定著自然回流和實(shí)驗(yàn)召回的難易度，例如：我們看到前會員用戶的自然回流就要高于其它行為。

有了自然回流數(shù)據(jù)，在此基礎(chǔ)上制定目標(biāo)就順理成章，這樣一來，實(shí)驗(yàn)前也有了具體的目標(biāo)方向。

四、測試

測試階段就是將第二步的想法賦予實(shí)踐，策略都已經(jīng)制定好，同步驟二，我們會將實(shí)驗(yàn)分成3組：

• 測試組一：A1+B1+C1+D1+E1，
• 測試組二：A1+B3+C1+D1+E1，
• 測試組三：A1+B3+C1+D1+E3。

將流失用戶進(jìn)行抽樣分組，保證3組樣本的均勻和一致性。接下來就到了具體實(shí)施環(huán)節(jié)：

• A：篩選高質(zhì)量用戶（可根據(jù)RFM或行為模型等方法）；
• B：觸達(dá)工具準(zhǔn)備，若短信需要手機(jī)號，PUSH需要IMEI、IDFA，活動需要用戶ID；
• C：短信文案編寫，通過法務(wù)確認(rèn)；
• D：禮品的發(fā)放形式、時(shí)間等，比如禮品是在回流用戶點(diǎn)擊短信進(jìn)入APP時(shí)發(fā)送，還是T+1的方式發(fā)放等等；
• E：短信鏈接、PUSH點(diǎn)擊后，所進(jìn)入的落地頁面。

萬事俱備，JUST 搞 IT！

五、復(fù)盤分析

復(fù)盤是用戶增長體系的最后一步，同時(shí)也是最關(guān)鍵的一步，決定著下一個(gè)增長周期的走向，所以要多維度立體式的分析數(shù)據(jù)，一套好的復(fù)盤體系必將事半功倍。

下面就來說一下復(fù)盤分析，復(fù)盤分析腦圖如下所示：

接下來我們就按照腦圖，一步步順下去，利用復(fù)盤分析評價(jià)活動優(yōu)劣、發(fā)現(xiàn)問題以及制定下一個(gè)增長周期的策略。

1. 花了多少錢？

第一個(gè)環(huán)節(jié)，即發(fā)現(xiàn)問題環(huán)節(jié)中，我們制定了召回費(fèi)用，3元，這個(gè)價(jià)錢是按照經(jīng)驗(yàn)來判斷的。至于是否真的合理，那就要在復(fù)盤分析這一步進(jìn)行驗(yàn)證。

實(shí)際召回成本=觸達(dá)工具（短信、PUSH）+獎(jiǎng)勵(lì)成本+后期運(yùn)營成本，比如：短信費(fèi)0.3元，獎(jiǎng)勵(lì)積分花費(fèi)3元，用戶召回后又在平臺參加返利活動，那么算下來召回成本=0.3元+3元+1.7元=5元。

至于這個(gè)價(jià)格是否合理，那么咱們來算筆賬：如果單純的考慮登錄成本的話，1個(gè)新增用戶進(jìn)入平臺需要15元，后期1年內(nèi)會帶來12次登錄，也就是說平均登陸費(fèi)用是1.25元。

召回用戶，會在召回后登錄3.7次，那么算下來也就是1.35元登錄一次。

這么算來，召回老用戶的登錄成本也就大于新增成本，如此看來，召回成本就要適當(dāng)?shù)慕档?，把?jiǎng)勵(lì)成本降低到2.625元以下，即召回總成本4.625元以下為合理價(jià)格。

2. 實(shí)驗(yàn)效果如何？

上甘特圖列出了各個(gè)實(shí)驗(yàn)的召回率、回流質(zhì)量、召回成本、策略和實(shí)施時(shí)間。下圖氣泡圖可以更為直觀的看出活動的好壞。

橫坐標(biāo)代表召回率，縱坐標(biāo)代表召回后的質(zhì)量，圓的直徑代表召回成本。

可以看出D、E、F使用率較好，分析一下活動矩陣便知，影響召回率的主要因素是測試矩陣的A列，也就是用戶分類，A1代表高質(zhì)量用戶，所以召回率會比較好。

這里也驗(yàn)證了我們的假設(shè)，流失前質(zhì)量高的用戶越容易召回，且召回后的質(zhì)量不會太差，反之，觀察到A、C、G屬于A3類低質(zhì)量用戶，其召回率和召回后的質(zhì)量也比較差。

當(dāng)然假設(shè)與實(shí)際結(jié)果完全相反的情況時(shí)有發(fā)生，那么此時(shí)，我們就會調(diào)整策略，重新制定測試矩陣。

比如：我們計(jì)算出來的高質(zhì)量用戶實(shí)際的召回率和召回后的質(zhì)量都很差，反而中質(zhì)量用戶兩項(xiàng)表現(xiàn)都很好，那么就要繼續(xù)深挖，看什么變量與召回率和召回后的質(zhì)量相關(guān)性較高，在下一個(gè)測試周期我們就會將用戶按照新的模型方法重新進(jìn)行分類。

后續(xù)產(chǎn)出情況（召回質(zhì)量）：

后續(xù)產(chǎn)出情況（召回質(zhì)量）在氣泡圖中已經(jīng)展示過，就是觀測召回用戶的后續(xù)表現(xiàn)，將有效行為、留存、核心行為等指標(biāo)進(jìn)行量化后的結(jié)果，在這里按照1-5分打分，分?jǐn)?shù)越高代表后續(xù)表現(xiàn)越好。

RFM分析：

正常情況下的用戶分類都會用到RFM模型，通過流失前的流失時(shí)長（Recency）、登錄頻率（Frequency）、流失前的有效行為（Monetary），把用戶分類高、中、低質(zhì)量用戶。

RFM中的M本來是金額，但是這里我換成了有效行為，因?yàn)橘Y訊類產(chǎn)品的金融屬性比較低。

通過上述的氣泡圖，召回質(zhì)量分析也可以驗(yàn)證RFM模型分類的合理與否，不斷地修正用戶分類模型。

3. 后期如何改進(jìn)？

從上述的甘特圖，氣泡圖，召回質(zhì)量和RFM等分析中，能挖掘出很多有價(jià)值的信息與問題，好的地方怎么更好，差得地方如何改進(jìn)。

• 從運(yùn)營角度分析，用戶分類、召回成本、觸達(dá)手段選擇、文案的選擇、禮物的選擇等等是否合理。
• 從產(chǎn)品角度出發(fā)，召回用戶首次打開APP的落地頁面選擇、點(diǎn)擊短鏈到打開APP的等待時(shí)長等等是否有優(yōu)化空間。從技術(shù)角度出發(fā)，用戶增長體系能否自動化等。

到此為止，一個(gè)用戶增長周期的所有步驟都已經(jīng)完成了，我們就把今天整個(gè)用戶增長體系的流程捋一捋：

用戶增長體系：

1. 發(fā)現(xiàn)問題
2. 提出想法
3. 預(yù)期效果
4. 測試矩陣
5. 復(fù)盤分析
6. ?1,2,3,4,5,1,2,3,4,5,1,2,3,4,5,1,2,3,4,5……

從0到1搭建用戶增長體系就介紹完畢了，在這里想告訴大家，增長是一點(diǎn)一滴細(xì)小的成功堆積出來的，每一次測試都是一次學(xué)習(xí)進(jìn)步的機(jī)會，不斷地學(xué)習(xí)和改進(jìn)，獲得更多的成功，最終形成壓倒性的優(yōu)勢。

作者：姜頔。碩士畢業(yè)于日本早稻田大學(xué)，前人人貸高級數(shù)據(jù)分析師，現(xiàn)易車網(wǎng)數(shù)據(jù)分析專家。主要負(fù)責(zé)數(shù)據(jù)運(yùn)營和用戶增長。

本文由 @姜頔 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議