随着流量红利的消失,企业为追求更高的 ROI,企业运营重心已经被迫从拉新流量转移至存量用户——对用户进行精细的分群,并配以细分的运营策略,将合适的产品精准推送给用户。 精细化运营是流量红利结束后的生存法则,是面向 ROI 和细分策略的体系化运营方案。我们不妨用四组词来定义精细化运营,分别是:量入为出、各取所需、物尽其用、伺机而动。 图 1 四组关键词定义精细化运营 量入为出:无论是运营效果还是投放效果,产出情况决定我们的投入。A/B Test 保证运营活动在大范围投入之前,预知方案的好坏。 各取所需:根据用户群体画像制定差异化的运营策略,个性化推荐、个性化推送是常用的运营方式。 物尽其用:在投入资金、人力后,所做的事情是否比其他事情更具有价值?比如坑位运营、优惠券,效果是否符合预期。 伺机而动:一次运营活动不可能让 100% 的用户实现转化,应该寻找合适机会对其进行二次触达,直到其按照运营的预期发展。 四大场景讲述精细化运营 注:以下产品配图均来自神策分析,为避免商业机密,图片所涉数据均为虚拟。 场景 1:某超商小程序的用户分析运营 某超商有一款进店小程序,他们希望通过小程序实现两个目的: 一是提升活跃度,即根据顾客的购买商品的记录,对其进行精准营销,让顾客能够经常消费; 二是提升购买转化率,比如线下支付通常需要推销员人工进行商品推荐,而通过小程序挑选商品则可以直接看到相关推荐商品,从而提升客单价。 在运营角度上,就是通过 ROI 实现更高效率的用户运营,提升用户的访问频率和购买转化率。其运营分析主要分为两个步骤: 第一步,确定北极星指标,基于指标拆解象限图 基于提升活跃度和购买转化率的目的,运营团队将北极星指标定义为用户 3 月访问天数、用户总消费金额。 通过使用 2 个北极星指标建立起"用户四象限",将北极星转化为用户标签,把用户划分成了 4 个群体,分别是高频高价值、低频高价值、高频低价值、低频低价值。 图 2 基于北极星指标拆解象限图 第二步,对不同的用户群体,采取不同的运营策略,明确运营目标。 1. 高频高价值:是企业的头部客户,是重点的用研对象和门店体验邀请对象。 2. 低频高价值:该群体是潜在高价值客群,还不是产品的忠实用户。因此是重点的品牌宣传和交叉营销对象,以期建立品牌忠诚度转变为高频高价。 3. 高频低价值:是最庞大的长尾群体,可让其野蛮生长,但同时做好预警机制,一旦发生大量迁移,立刻进行分析,进行运营干预。 4. 低频低价值:可让其自生自灭,不做针对性运营。 最终效果是——在运营预算不变的情况下,提升了整体运营效果。用户活跃度整体提升 10%,用户消费转化提升 5%。 除此之外,企业还可以根据用户生命周期阶段分层运营,提升用户在成长通道的流转。 图 3 精细化运营流程图 场景 2:某二手奢侈品电商的新用户流量运营 某二手奢侈品电商对平台流量运营时发现,平台经常会有阶段性的流量暴增,针对新用户的流量运营是运营团队的核心运营目标。 团队通过渠道流量分析后发现,其 70% 的新用户主要来源于两个渠道:抖音和 B 站。 经过用户分群及漏斗分析对用户群体进行下钻分析,发现抖音渠道的流量转化率和复购率都比较好;而 B 站则不然,虽然加购较多但是转化较少。 图4 数据分析发现,B站渠道加购高,转化低(图片来源:神策分析) 图5 数据分析发现,B站渠道加购高,转化低(图片来源:神策分析) 虽然两个渠道从效果上有较大差异,但是从流量效果上来说,B 站是不能放弃的重要营销渠道,因此运营人员将重要精力放在此渠道的新流量的运营上。 由于 B 站渠道0-17 岁用户占比达 37.55%,18-25 岁的用户占比为 29.96%,因此运营人员判断该渠道用户较为年轻,对奢侈品有需求,但经济购买能力有限。 于是经过内部沟通,在平台上增加了快时尚品牌,针对 B 站渠道的用户制作专门的落地页。通过完美的内部承接,渠道的用户转化率迅速上升。甚至该企业根据用户群体的特点,将产品定位从"奢侈品"改为"时尚品",实现了数据驱动商业决策的改变。 场景 3:知识付费企业的优惠券效果评估 优惠券的使用是企业精细化运营常用的手段。理想优惠券发放带来的效果是,合理的补贴率(小于 20%)、用户较高的使用意愿、促成较高的销售量、多元化的使用方向、效果长期——持续的用户活跃和用户购买。 图 6 理想优惠券发放的效果 因为影响优惠券的发放活动效果的因素很多,运营人员可以通过该指标体系来评估效果,如图。 图 7 优惠券运营的指标体系 一家知识型付费企业经常会给用户发放一些优惠券,经过分析发现"好友邀请券"使用频率非常高。 好友邀请券是由老用户发给朋友,当朋友成为平台用户后,两人都会各得到一张券。然而,尽管该券被高频使用,但是带来转化率非常低,复购率仅为 6%,远低于其余券 20-30% 的复购率。 运营团队通过用户路径分析以及用户调研,发现"好友邀请券"的发放者主要是 KOL,他们会在开新课之前给学员发券,让学员减少课程支付成本。在这种场景下券的使用者对平台几乎没有什么认知,复购率很低也是情理之中了。 图 8 70% 以上的邀请券由 KOL 使用 因此,运营人员不得不暂时关闭了该券。那么,"好友邀请券"该如何发放?运营团队尝试了两种方式: 第一种方式:用户加购——提交订单——给券——支付成功。 在这种方式中,给券的环节是在用户提交订单、支付成功之前,经过小范围内试用,发现最终效果并不好,因为它极大干扰了用户的购买流程:用户在支付前看到优惠券,需要转给朋友并当朋友注册后才能投入使用,这样无疑延长了用户的购买时间。 第二种方式:用户加购——提交订单——支付成功——给券。 在这种方式中,老用户在支付完成会拿到一张优惠券,此时可进行分享该券,新用户在老用户下次购买前注册新用户即可,如此既然不会干扰购物流程,同时还可以督促老用户的复购。 最终企业选择了第二种方式,经过数据监测,该券的使用量下降了 50%,但是复购率和 ROI 都提升了 50%。 场景 4:某电商企业的坑位运营 坑位归因,顾名思义,是将产品最终收益的功劳分配给转化路径中各个不同的坑位上。 坑位的核心目的是"流量引导",当流量流入在线产品(如电商、在线教育等)后,运营人员需要引导其完成购买任务,以实现流量价值最大化。 坑位运营的第一目标是促进转化。促进转化相关的因素包括坑位设计、曝光量、产品体验、素材吸引力。量化指标见下图。 图 9 坑位运营的相关衡量指标 某电商运营人员希望全面了解各坑位的运营状况,从而找到优化重点。我们不难发现,不同坑位的贡献度差异很大,具体发现: 1. 大专题页面导入用户流量高,但转化率相对较低,要么优化该页面的转化率,要么将用户流量导向其它页面更为合理。 2. 并非越排序靠前的位置,贡献越高,不符合常见的规律。前 30 位的坑位收入贡献占比只有 50.02%,低于另外常见客户的 60-70% 的值,有较大提升空间。 目前,在神策归因分析上线后,在神策分析进行参数设置后,首页各坑位的运营情况一目了然。通过归因分析还可以针对不同的优化点进行深度下钻分析,查看每一个优化点对应的细分表现,例如查看不同的"大专题活动",通过带来的贡献收入进行"大专题活动"的优化等。 坑位运营的分析思路 1. 坑位点击次数、人数和渗透率 通过各类坑位的点击次数、各类坑位的点击人数知道当前产品中流量规模最大坑位类型。通过各类坑位的渗透率,要评估用户使用坑位的意愿。 2. 坑位人均点击次数和 CTR 用户对坑位的使用意愿,不能单纯从点击次数上分析,因为不同的坑位由于所在页面和页面所处的位置不同,得到的曝光量也不同。因此需要使用更科学的 CTR 进行评估。 CTR = 坑位点击次数/坑位曝光次数,能够更好的表达用户在看到一个坑位后愿不愿意去尝试或使用。 点击率越高,表示坑位和素材吸引用户的能力越强;人均日使用次数越高,表示用户有将该坑位作为寻找目标商品的重要途径。 3. 归因分析 成单贡献分析其实是一种典型的归因分析,将订单成交归于不同的坑位,并分析不同坑位带来的贡献,也就是订单量或订单金额的占比分布。 基于归因分析的结果,能看出不同坑位带来的订单量和 GMV 的绝对数和占比分布,从而对坑位的成单贡献进行评估。占比越大,成单的绝对贡献越高。 4. 坑位贡献原因分析 将归因模型中的目标转化,分别改为商品详情页浏览、加入购物车、提交订单详情、支付订单详情,就可以得到这些坑位在流量落地、意愿达成、促成有效订单以及最终支付各环节的贡献情况。 以上流程中,任意一步出现问题都可能导致坑位的成单贡献不同,因此要定位问题所在,提升坑位效果。 5. 坑位内容分析 前面分析的所有指标,都是对不同类型的坑位进行的分析,除此此外,还可以对某一类坑位中的具体内容素材进行评估和分析,包括各 icon 的点击人数、次数,各 icon 的人均点击次数、点击率,各 icon 带来的订单量、GMV 等。 6. 坑位留存和全站留存 对坑位的使用进行留存分析,能够知道用户对各类坑位使用的粘性,一定程度反映该功能的友好程度和有效性,是否能给用户带来良好的体验,包括能否帮他找到感兴趣的商品等。 涉及功能点:留存分析、日留存、周留存。 以上是电商精细化常见的运营场景,精细化运营能够帮助企业更了解用户、了解企业的投放效果、了解用户的销售额。