用户在应用市场的评分评论对于关键词排名、榜单排名等都有很大影响,并且是用户评判一个产品的主要参考依据,因此提升评分、增加好评是增长工作的重要一环。那我们该如何通过产品策划的力量,让用户主动为产品献出五星好评呢? 一、用户的范围——Who 首先,我们要对用户进行过滤。站在用户的角度,首先一定是要有所体验,才会对产品有自己的判断,在这个基础上我们才可以去进行引导。因此,我们要定义好评引导的覆盖人群。 比如我提供一个思路: 用户愿意留存下来多次使用,那大概率上他对我们的产品会比较认可,故我们设定条件:t天内登录过n次的用户才会触发好评引导,如此一来我们可以基本过滤掉非活跃用户和新用户。 二、合适的场景——Where&When 在设定了用户范围之后,在什么场景出现引导很大程度上决定了最终的效果。 场景分为"场"和"景"——也就是我们在什么位置、什么情景下引导? 1. 引导位置 对于位置,业界广泛采用的都是屏幕中央的弹窗,也有案例是插入feed流内(如下图)。 经过评估发现:feed流内嵌入的方式虽然降低了打扰,但较难控制出现时机且需要用户主动触发,而弹窗虽然粗暴但若安排合适效果是最好的,故还是推荐采用弹窗的形式。 2. 引导情景 至于情景,首先我们的目的是让用户打好评,所以要在用户最爽的时刻进行引导。于是,我们可以挖掘出所有用户可能会感到爽的情景,比如:Tinder会在你配对成功的欣喜瞬间弹出引导(当时的我正沉浸于第一次配对成功的惊喜中,于是很自然地给了个好评)。 这里在不同的产品形态下会有不同的情况,我举几个较为通用的例子: 用户进行分享(分享是衡量内容质量和用户活跃的重要指标,用户愿意分享往往说明得到了满足); 用户得到奖励(例如等级提升、获得礼物等,同样是一个情绪上的爽点); 用户主动多次发布内容(侧面说明用户对社区氛围和产品本身认可)。 在情景的基础上,具体的引导时机也需要注意。由于引导是强有力的阻断式弹窗,所以我们不能使用户的正常操作受到影响,也就是不能阻断用户的操作链路,而是需要见缝插针。 比如分享的链路是:点击分享——选择分享渠道——跳转到相应页面——进行分享(有可能在这里就结束了,用户不再回到App内)——回到App。如果用户分享后回到了App,那就已经经历了一个完整的链路,这时候我们给他弹窗既不会阻断任何操作,又比较自然。 这里举一个bad case: 下厨房在点击进入App时,就会立即出现好评引导弹窗。用户点开菜谱App,通常是需要做菜却不知道怎么做,首先这个情景下用户的时间是很宝贵的,其次一进入App就弹出好评引导非常生硬,用户完全没有理由去给你好评。 我提供一个场景建议:用户根据菜谱学做了一道菜,酒足饭饱后躺在沙发上把美美的作品图片上传到菜谱的分享区,这个时候用户是满足的且有了分享的欲望,此时出现引导更容易获得用户认可。 三、引导的设计——What 虽然我们已经确定了引导的面向人群、出现场景,但在引导的设计上还有一些功夫可以做。 这里的设计包括两点:引导形式、文案和设计。 1. 引导形式 在引导形式上,是直接询问用户是否愿意给好评呢,还是同时提供吐槽的机会?毕竟虽然精心设计了用户范围和触发场景,但无法保证所有用户都是满意的。 这里还可以耍一点小心机,先内置一个打分系统,在用户打出低星时,表达歉意并给出反馈入口,在打高分时再请用户前往应用市场给好评,讲差评消灭在App内部。 比如:之前我们的产品评分已达到4.5分,所以我们需要更多的5星好评才能继续提升评分,所以我鸡贼地设定为当用户给出5星时,才会给跳转应用市场的提示及入口。 2. 文案和设计 文案和设计也会影响到用户感知和最终效果。 文案可以正经,也可以是卖萌或是祈求,如果是海外产品还要考虑不同的语言习惯(比如:东南亚用户会喜欢emoji表情),这里需要结合实际用户群体定制。 在设计上,需要和设计师配合。比如下图,是用emoji表情代替了评星,活泼生动的画面让人耳目一新。 四、频控策略 这里再次点名批评下厨房,我至少拒绝过五次评分邀请,但每次打开他还是孜孜不倦地弹出弹窗请我评分。作为一个用户,我对如此粗暴无理的做法非常厌恶,而对于产品而言如此操作非但没有达到目的还极大影响了用户体验。 所以,在完成所有设计之后,我们需要对好评引导加上频控。 对于已经给出好评或反馈意见的用户,我们已经达到了我们的目的,用户也配合了我们,自然不应该再次打扰。 对于不愿意给出意见的用户,我们也要充分尊重用户的意愿。具体做法可以是加上一个"不再弹出"的选项,也可以是在用户拒绝或关闭后,在同一个版本内或一段时间内不再出现引导,待产品体验有很大提升后再找机会请求用户。 原本好评引导就是我们请求用户完成的行为,需要用户的帮助和配合,千万不能因为这个引导反而伤害了用户感情。 五、其他注意点 1. 自然引导 有少数产品会给出一些奖励来吸引用户给好评。 首先,不建议用这种方式促进好评。一是我们无法获取到用户真实的评价情况用于判断,二是我认为好评引导应该是一个自然的行为,只是我们在合适的时机去引导用户促成行为。 其次,可能有违规风险。比如对于出海产品,Google Play就有严格的规定,不允许强制、利诱用户给好评,违规可能会导致产品被下架。 2. 数据统计 在设计完整个好评引导策略后,我们最好将数据埋点做得更细致些,具体到每个触发条件下。 如此一来,我们可以很方便地看到不同条件下的引导效果并进行后续调整。若某条件下的引导效果非常好,我们可以尝试放宽限制以获取更多好评;若某条件下的引导转化效果很差,那我们需要衡量在这个条件下是对用户的打扰更多,是否需要保留。 最后附上本文的Mindmap作为结束: