抖音集团数据指标体系分析与增长实践
今天分享的主题是指标体系分析与增长实践。火山引擎是字节跳动旗下的云服务平台,把字节发展过程中积累的一些经验,通过增长方法、技术、工具和能力开放给外部企业,帮助企业在数字化转型过程中实现持续增长。火山引擎包含的产品多种多样,今天介绍的是两个数据产品,一个是行为分析平台(DataFidner),一个是 A/B 实验平台(DataTester)。
增长实际上是一个老生常谈的话题了,大家都很熟悉,但在实践过程中仍然有很多的疑问。比如指标体系应该怎么搭建,如何通过数据分析找到关键瓶颈,找到之后又应该怎么做等等。今天就是针对这些问题来进行分享。
主要内容包括以下四大部分:
1. 构建指标体系 – 用一个实际案例说明如何搭建指标体系并找到瓶颈
2. 设计策略增长优化 – 找到之后如何做出针对性的优化策略的方法论
3. 指标增长思路 – 再次回归到客户案例,验证效果
4. 抖音集团案例实践
01
构建指标体系
首先来介绍一下指标体系的构建。
1. 指标拆解思路
数据方案设计完毕了,交给开发同学去埋点,并且做好了数据校验上线之后,我们就可以在产品中配置对应的指标看板,这样就可以一目了然的观察数据的波动和异常。这里可能会有一些问题,比如数据天天看每天都差不多怎么办?以及看出了异常,但是不知道怎么做下一步的分析。
我们再回到最初构建的指标拆解模型。图中数据已经做了脱敏,可以明显地看到哪个指标有优化的空间,非常明显是外卖业的抵达率,这就相当于总流量的不到 10%,所以很多流量白白浪费了,所以我们要针对这块进行优化。另外,新用户的激活率 20%,也有很大的用户空间。
找到了瓶颈之后,接下来就要看如何提升这个指标。
02
设计策略增长优化
这一章节就来介绍非常核心的部分,指标设计、策略、增长优化。
1. Lift 模型
最终我们的目的就是让用户对我们的产品产生行动力,不管是让用户注册、点击、浏览、收藏、分享还是付费,都是要让用户去行动。
用户的动力就等于他在页面感知到的好处,减去感知到的成本。比如上文提到的外卖返现业务,着陆页投放的核心主旨是新用户注册就可以领 99 元无门槛优惠券,在这个场景里,用户感知到的好处就是 99 块无门槛优惠券,需要付出的成本就是输入手机号并且输入验证码,然后注册成为用户。E 乘以 F 的幂次方,指的是展现的信息,与用户进来这个页面时候的预期是否相吻合。比如我进来的时候,通过前一个页面进来的时候我想看到的就是无门槛优惠券,但进来之后有很多繁杂的规则,那么就不符合我的预期,这时就可能起了一些反作用。所以当呈现给用户的信息越符合用户的预期,并且信息的聚焦度越高,那么用户的行动力就会越强。
接下来具体介绍上面提到的六个原则。
3. 相关性
相关性,就是确保页面的内容和用户希望看到的内容相关,也就是你的价值主张是否与用户诉求密切相关。一个很好的案例就是这个公司的定期投资的功能。
上图中列出了项目初始版的文案,以及优化版的文案。我们可以很明显地看到,初始版的文案实际上跟用户几乎是没有什么关联性的。优化迭代后的文案把好处和成本描述得非常清晰,用户就会很明显的感知到我需要付出的成本,以及它能给我带来的好处是否划算。
4. 清晰度
清晰度是最容易出优化文案的,改一个文案,改一个图片,改一个图标,改一个按钮的颜色非常的简单,可能带来意想不到的效果。另外需要注意的一点是,文案不要有歧义,要做到真诚、清晰地表达,减少用户的认知成本。
5. 注意力
焦虑感是用户转化路径上的双刃剑。
一方面,不得不说某些情况下焦虑感确实促进转化,比如商家常常贩卖焦虑,容貌焦虑、财富焦虑等等。
但另一方面,贩卖焦虑也很容易引起反感,反而形成一些负面作用。比如当你的产品给用户一种不可靠的感觉,或者是本身产品功能缺失,或者是让用户填写一些敏感信息的时候,用户可能就会选择放弃。
7. 紧急度
针对外卖页抵达率 7% 的瓶颈,我们在火山引擎 A/B 测试(DataTester)中开了 3 个实验,第一个实验是针对入口,去提供更加醒目的外卖页的入口 tab,原版本的入口 tab 是饿了么和美团外卖的图标,只有图标没有文字。优化后的版本,一个是以红包的形式,加文案“外卖返现”,二是加 1 个汉堡加可乐,加上点外卖的文案。通过这样的调整来提高外卖 tab 的点击率,从而提升外卖页抵达率。
这并不是需要大团队才能做的工作,其实只要 3~5 个人就可以了。而且如果成熟度比较高的产品,像火山引擎的 A/B 测试这样的产品,会非常高效。
4. 小结
最后总结一下我们的整个体系。首先我们会去搭建一个小的增长团队,也就是虚拟小组,比如产品、数据分析开发就可以了。之后,同步一下增长黑客的认知,我们整理出北极星指标,指标差异拆解完之后,通过数据看板去比对增长瓶颈到底在哪里,哪个指标是现阶段最紧迫要提升、要优化的。聚焦这一领域去做 A/B 测试,定期去做实验数据分析,然后去设计更多的实验方案。
第一个案例是懂车帝,他希望能够提升短视频的播放量,实现整体用户的促活。我们把播放量拆成了播放人数和人均播放次数。播放人数可以按照不同的入口拆解,最终找到的瓶颈是首页推荐流量非常大,但是播放量比较低。我们也参考了同类竞品,加入了组卡形式。然后发现整个的提升效果非常明显。
人均播放次数这边是按照不同的模块去拆解,用所有模块的播放次数加起来,发现新用户下滑 feed 流模块的人均播放次数最低。我们就猜想根据前期的验证,加入新引导提示可能会有比较大的提升。
上面两个产品的策略,都通过火山引擎 A/B 测试来验证过,策略上线后最终播放量提升了 300%,实验效果非常明显。
懂车帝的第二个实验,希望在不影响未登录用户的情况下提升登录率。转化漏斗的定位问题是触发登录率过低,需要给未登录的用户增加登录引导。增加了登录引导之后,通过路径图可以看到,用户没有按照我们既定给他设计的产品路径走,通过这个用户路径我们就可以找到是加入登录引导,可能会对实验流程更好。所以这个时候就采取 A/B 实验,在每个入口尝试不同的引导方式,最终实验出来一个最佳的方案,登录率提升将近 10%,这也是一个非常可观的提升。
2. 案例二 抖音
再来看抖音的案例,也是希望提升登录率,登录率又按照不同的用户群体去拆分,发现中老年群体的登录率低于大盘,所以这个时候需要对这块做一个整体优化。根据中老年群体的登录率,我们又找到了其登录转化漏斗发现最大的流失环节是在同一隐私条例这块。
与其他的产品对比,也发现它的提醒没有那么直接,所以我们在这里去尝试对未点击同意条例直接提交用户,进行一个弹窗非常明显的提示,这个提示就是增加清晰度,经验证是有效的。结果就是大盘整体提升 0.5%,虽然只是 0.5%,但是因为抖音的体量是非常大的,所以 0.5% 的数据用户量已经是百万级别的,所以效果也是非常明显的。
3. 总结
总结一下,先构建指标的增长体系,再找到瓶颈,然后再去设计增长策略、迭代方案,再通过 A/B 实验找到最佳的那个效果,不断循环。
作者 | 鲍文霞 火山引擎资深数据分析师,服务过众多互联网、金融、政府以及内容媒体等多行业客户,帮助客户规划数据应用需求以及数字化体系搭建、数据设计方案交付实施。并为多家头部客户做深度咨询项目,数据洞察以及决策优化,实现数据驱动深度实践。
本文来自作者:运维笔记ywbj,不代表小新网立场!
转载请注明:https://www.xiaoxinys.cn/644506.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。