市场营销之最小化增长实践分享

本文以业务场景为例,阐述数据驱动的思路及价值。

本文整理自向日葵保险增长团队负责人罗玲在数据巡展·广州站上的题为《市场营销之最小化增长实践分享》的发言。

向日葵保险增长团队负责人 罗玲

数据产品、报表架构师、报表开发、开发猿、BI负责人、数据分析师,这些都是我的标签,现在我的角色是增长黑客(Growth Hacker),我们的工作就是搭建一个自上而下的指标体系,逐渐将增长黑客的理念落地到项目中。


一、漏斗分析思维

漏斗模型不仅仅可以运用在数据运营的工作中,更是对于业务整体流程的梳理与再明确。这也可以说是工作中必不可少的技能之一。

用户分群、用户画像,用户行为分析,从海量用户中“淘金子”,即漏斗(筛出目标且有价值的用户)。正如现代管理学之父所说的“你无法衡量的话就无法提高”。

海量访客进入官网直到最核心的产品详情页,再到购物车,可以看到2次转化过程,从访客-产品页的转化率21%,“漏”下来10316人,其中与1062人到达的购物车,整体转化率2.1%。

反过来看说明什么?100人中才留下2个到达购物车的用户,此刻必须将“精细化运营”提上日程,尽快提高转化率。精细化运营可横向或纵向分析每一个场景,找到可增长的关键点。

1、纵向分析法

从纵向看,转化环节可再细分:从访客-产品页,从产品页-购买点击数-购物车的人数,从购物车-完成支付的人数,支付之后同样可以再进一步细分,比如:首次支付-第二次支付的周期,进而实现持续支付,这也是一个用户漏斗,找到最终为公司带来更多价值的客群。每个细分转化率从20%中抽出14%,其中是否存在可优化的空间?访客进入到产品是对整个产品设计的感知,用户体验是否要区分新老用户,为新用户提供产品价值方面的引导,而针对老用户,可以根据其历史行为进行喜好推荐。另外,支付环节如果体验不顺畅,很可能导致某个很有购买意向的用户放弃支付而离开,总之,通过精细化运营找到优化关键点,每优化一个环节,将带来整体转化率的大幅度提升。

2、横向分析法

从横向看,转化路径是相对固定的,但横向分析需要拆分,当前用户所在平台、所处环境、所在地域等属性,需要从横向分析角度做纵向转化分析,看不同人群间有哪些不同行为特征/属性特征,针对不同人群,采取相对应的运营策略/产品体验。


二、SEM中的增长实践

以SEM为例,SEM,即搜索引擎投放,从曝光到点击最终转化的这一流程,就是SEM所关注的。

SEM报表平台

SEM准备阶段,在明确项目目的的前提下,考虑以下3点:

1、关键词

针对关键词,常用的分析维度有公司、城市、设备、产品、地域等。此外,值得强调的还有一个是用户的需求阶段,也可作为词的分类,放到它的单元或者计划中,用户的需求阶段指,用户了解产品的阶段:

-用户熟悉阶段:产品是什么,能干什么?

-用户成交阶段:A产品的价格?产品的差异板块、定制化内容等

2、投放

先说一下落地页,一般情况下,都会把PC端和移动端分开,因为他们使用环境和用户体验不同,需要从转化目标上对落地页进行区分。

投放会涉及到地域、时间的选择,比如是工作时间?还是流量高峰期进行投放。另外,关于品牌曝光度,某些行业至少有10000个词才能达到一定的曝光量,最后得到最终的转化。这里我建议两点,一、我们要保持品牌词的曝光度,品牌词的曝光度意味着我们要把一些信息普及到用户的习惯中,保证一定的排名,二、针对品牌词的投入,我建议放松。

3、效果

除了从物料层面做准备,工具类报表也要同步准备,包括项目目标:关键目标、引领新目标,围绕关键目标将涉及细分运营报表:从实时报表,再到细分渠道,细分关键词以及对落地页进行分类的报表。根据常用的分析思路,首先确定整体转化率,影响转化率的关键指标有哪些?比如:曝光,消费,展示,点击,再到流量,整个的转化率及成本评估,总之实时跟踪效果,及时根据数据调整推广策略。

关键词的效果有4个评估维度:高曝光高转化,高曝光低转化,低曝光低转化,低曝光高转化,另外落地页优化的策略可根据产品形态,产品转化形式以及转化目标来考量,比如:针对单个物料的优化方向,可通过A/B测试来衡量,单个物料通常涉及到颜色或者传达给用户的信息量多少,这些都会影响新用户登录后的首次转化率。

关键词效果统计  数据来源:诸葛io新零售demo虚拟数据

说明:根据投放的关键词、创意、内容等维度衡量各个渠道的获客表现。

SEM项目中的每个环节都需要评估指标,而利用工具可以帮助我们实现最优化的效果,从流量再最终的价值用户,包括整个项目的投入产出比,每个环节都有增长空间,通过精细化的数据发现每个环节的增长点,从数据准备,到报表架构,到报表开发,再到前期架构推广词,再到落地页跟进,借助高效的辅助工具最终实现了最小化迭代的目标:2周时间,获客增长率超过200%。


三、“协同+” 让数据驱动管理提效

很多企业认为,每天自己的业务中会产生很多报表、汇报,所以他们的企业就“数据驱动”了。事实上,无论这些报告结构多么严谨,里面讲了多么美丽的故事,他们也不过是在回顾过去。他们可能会描述一次上周的销售量下降,但是,他们并没有解释这次销售量下降的原因以及接下来如何去做。而且,有的时候,如果这个报告根本没有被阅读,甚至更糟糕的是,被看过后完全置之一旁,那么这份报告没有对企业产生任何价值,无法清晰地指出如何做才能面对业务中的挑战和际遇。

所谓的“数据驱动型”企业,更倾向于关注数据、验证假设、衡量策略和不断迭代。“你有数据支撑吗?”应该是一个每个人都敢问,每个人都随时准备回答的问题。

1、数据分析有门槛?

越来越多的企业已经认识到数据的重要性,并设立了BI(数据分析部门),数据分析师作为数据最原始的用户。

他们的工作是要基于数据去提问并解答正确的问题,去理解业务并将他们的建议提供给决策者,而不是仅仅出一份报告或者分析结果放在老板的桌子上。

为了达到以上目的,他们通常需要接受专业的培训、掌握准确的技能、提供良好的支持,还需要企业在组织架构上更加高效,要与业务部门合作共同制定目标。

那么问题来了,数据常有,但数据分析师难求,对于初创型企业或者中小企业,如何让每个人快速get数据分析能力呢?

2、人人可用的数据驱动平台

一个数据驱动公司需要将数据尽可能的公开化,并给员工提供一个便利的途径让他们接触数据和高效使用数据的方法,将数据嵌入到流程中,并让员工有权利基于数据做决策。在数据驱动型企业中,员工是“双语”的,他们可以听得懂“用数据讲业务”,也能听得懂“用业务讲数据”。

诸葛io权限分发

诸葛io看板模块

说明:根据角色:产品、运营、市场等,添加日常数据指标,让每个岗位都明确该岗位的核心指标。


总结:

企业才是大数据的主角! 掌握大数据分析利器,发掘企业大数据宝藏,是企业应对明天挑战的必然选择。回归到企业管理的大命题上,公司最难解决的部分正是人浮于事和权责不明导致运营效率低。把数据系统连接起来,其中流动的多维数据既是数据化的成果,同时也成为精细化运营的起点。

文/诸葛君 微信公众号 诸葛io(ID:zhugeio1)欢迎添加微信:zhugeio2016一起探讨交流

0条评论 添加新讨论

登录后参与讨论
Ctrl+Enter 发表