GrowingIO增長分析(UBA)中增長模型的設計初衷,是幫助企業(yè)簡單方便地分析用戶行為,實現(xiàn)業(yè)務增長。隨著企業(yè)增長模式從粗放式經(jīng)營轉(zhuǎn)為精細化深耕,精準解決某一業(yè)務場景需求的分析模型成為企業(yè)使用UBA工具的新需求。
本季度GrowingIO分析云產(chǎn)品聚焦真實業(yè)務場景,推出了新的增長模型——首復間隔分析,可用于分析用戶全生命周期內(nèi)任意事件首次和N次之間的間隔,發(fā)現(xiàn)轉(zhuǎn)化規(guī)律,做好用戶生命周期劃分,從而指導業(yè)務人員在合適的時間點做好營銷動作觸達用戶,達到業(yè)務更快增長的目的。
首復間隔模型可以通過“再轉(zhuǎn)化比例分析”和“間隔分析”兩張曲線圖直觀呈現(xiàn)轉(zhuǎn)化趨勢和間隔分布,同時該分析模型內(nèi)部還自帶資深運營專家搭建的經(jīng)驗模型,可智能解讀出分析報告,幫助業(yè)務人員快速發(fā)現(xiàn)轉(zhuǎn)化和運營的關鍵節(jié)點,找到不同階段顧客的最佳營銷時機。
(資料圖)
例如在購買場景中,為了提升復購率,業(yè)務人員需要分析用戶從新用戶轉(zhuǎn)化為忠誠用戶的購買次數(shù)、每次復購的間隔是多久,以及找到用戶流失的時間點,及時挽回用戶。
如上圖所示,在實際分析時,業(yè)務人員根據(jù)需要設置好轉(zhuǎn)化事件(在該場景下轉(zhuǎn)化事件應為“購買”)、首次追溯期、轉(zhuǎn)化窗口期、目標用戶等基本信息,即可獲取分析曲線圖。
“再轉(zhuǎn)化比例分析”曲線示意圖
如圖,可以看到所有首購用戶中有多少人完成了二次購買,二次購買的用戶又有多少完成了三次購買,以此類推。
當曲線完整呈現(xiàn)后,即可發(fā)現(xiàn)用戶完成N次(上圖是4次)購買后,N轉(zhuǎn)N+1的比例趨于穩(wěn)定,那么購買N次就是用戶和企業(yè)建立穩(wěn)定忠誠度的閾值。
同時,首復間隔分析可統(tǒng)計從首購開始,每次購買之間的間隔時長分布。通過分布概率來界定每一次轉(zhuǎn)化的黃金時間,如超過黃金時間后還未再次購買,這部分用戶大概率會流失。
“轉(zhuǎn)化間隔分析”統(tǒng)計示意圖
從上圖的曲線走向不難看出,首購到二購的轉(zhuǎn)化中,第二周到第四周為轉(zhuǎn)化的關鍵時期,即最佳引導時間。也就是說,業(yè)務人員需要在這兩周內(nèi)進行充分營銷,如推送短信、優(yōu)惠券等促進更多首購用戶二購,讓他們盡量按照該路徑進行轉(zhuǎn)化,才能降低用戶流失率、提升復購率。
除了購買場景,首復間隔分析還提供包括訪問、頁面瀏覽、廣告點擊等在內(nèi)的多個事件的轉(zhuǎn)化分析,緊貼業(yè)務場景,幫助企業(yè)一環(huán)貼一環(huán)地促進用戶價值提升。
案例一:某護膚品牌潛客首購轉(zhuǎn)化率提升20%,客單價提升10%+
某高端草本護膚品牌成立50余年,擁有上千萬會員資產(chǎn)、全國線下專柜250+。
在進行線下專柜會員代運營時,GrowingIO對其購買場景進行首復間隔分析后發(fā)現(xiàn):潛客注冊成會員后第二天會迎來購買高峰,然后逐漸下滑,在第7天和第30天會有兩個更為明顯的滑坡。
為提升潛客首購轉(zhuǎn)化率,我們制定了以下運營策略:在會員注冊第7天、第30天發(fā)送“禮遇”信息,如以企微/短信邀請到柜體驗護理項目、贈送到店領取的小樣券等方式觸達會員,引導首購轉(zhuǎn)化觸達會員。其中第30天的“禮遇”優(yōu)惠強度高于第7天。
同時,該運營項目還設置了對照組,企業(yè)的業(yè)務人員基于過往經(jīng)驗向用戶推送“禮遇”信息。
經(jīng)測試,按照首復間隔分析結(jié)果推出的運營策略進行營銷后,潛客7天用戶整體購買轉(zhuǎn)化率高于對照組20%,客單價提升10%+,潛客30天觸達購買轉(zhuǎn)化率高于對照組10%。
案例二:某乳企復購率提升9%,客單價提升17元+
某大型國有乳品企業(yè)其中一個飲料品牌擁有20W+會員,存量會員近6W。在服務過程中,GrowingIO首先清晰劃分了用戶的生命周期節(jié)點,并給出關鍵動作,如下圖所示:
然后再針對每個生命周期節(jié)點逐一進行分析。比如在進行復購分析時,通過首復間隔分析的統(tǒng)計圖我們得出了以下結(jié)論:
在復購間隔達到流失臨界點N時,包含此間隔天數(shù)且繼續(xù)發(fā)生復購行為的人數(shù)不足3%,且最大復購間隔等于N天的消費者不足1%,由此判定首轉(zhuǎn)二的購買間隔≥N天為流失分界點。
2、購買間隔0天和購買間隔1天的復購占比存在大幅下跌,由此判斷促進復購的節(jié)點應在購買后第2天。而為了達成持續(xù)復購,需在不同節(jié)點連續(xù)促購3次。
基于以上結(jié)論,GrowingIO幫助該企業(yè)重新制定了會員運營策略:
按照關鍵動作節(jié)點在首次購買后的不同節(jié)點對新客進行短信、公眾號、服務號等在內(nèi)的多個渠道的營銷觸達,推送滿減優(yōu)惠復購券包;
對購買次數(shù)達到持續(xù)復購標準的用戶進行日常監(jiān)測,并進行積分推送,如發(fā)放會員月卡、券包,通過智能運營(MA)進行個性化推薦等等;
對沉睡人群通過智能運營(MA)發(fā)送營銷短信,同時導出價值客戶營銷線索,安排人工/AI回訪;
4、對流失人群除了重復執(zhí)行沉睡人群的運營策略外,還會發(fā)低門檻大額滿減券在私域觸達進行召回。
最終,該企業(yè)的復購率提高了9%,流失召回率提升0.5%,客單價提高17元+,有效提升了會員質(zhì)量。
目前GrowingIO增長分析(UBA)有二十大分析模型,隨著企業(yè)全方位構(gòu)建數(shù)字化能力進程不斷深入,針對特定場景的分析需求也會逐漸增多。
未來GrowingIO的分析模型將更加充分考慮實際業(yè)務場景,并不斷降低使用門檻,縮短業(yè)務人員的分析成本,促進業(yè)務增長。
標簽: