微信扫码登录

其他登录方式

绑定手机号

注册

我同意用户协议

忘记密码

用户协议

绑定手机号

近期有不法分子打着爱盈利的旗号,制作“爱盈利”名称的App,并伪造爱盈利证件,骗取用户信任,以抖音点赞赚钱或其他方式赚钱为名义,过程中以升级会员获得高佣金为名让用户充值。
爱盈利公司郑重声明:我司没有研发或运营过任何名为“爱盈利”的APP,我司做任务赚钱类产品从没有让任何普通用户充值升级会员。我公司产品均在本网站可查询,请将网站拉至底部,点击“关于我们”可查看爱盈利相关产品与服务。
温馨提示:当遇到此类问题请拨打官方电话或添加官方微信,以免财产损失。爱盈利官网地址:www.aiyingli.com。
  • 推广与合作
X

一个电商案例为你详解数据驱动下的老客回头策略

来源:鸟哥笔记 18148

都知道拉老客比新人容易,可怎样做才能吸引老客回头?        

背景 

电商平台A,成立近10年,算不上行业TOP,但在细分领域也算有些头脸。今年不景气,APP日活从年初50万一路下跌,到现在,运营死乞白赖地拽着40万的底裤,老板绞尽脑汁地哄着投资人

开会。

“这样下去不行,得想想办法。”老板掐灭了还没燃掉一半的烟。

“谈几家合作平台,互换资源搞些流量?”

“投几个内容KOL,或者投点广告主?”

“加做几场促销吧,配合Push能涨点日活”

BD、市场、运营建言献策,老板沉默不语。18年移动端不景气,行业都在保存量,没人敢真金白金地大量做投放。促销或许可以止损,但要彻底解决问题,必须有新流量的进入。沉默了好一会儿,老板问:“这么些年在平台下过单的流失老客,大概有多少?”

“八九百万吧。”

“想想办法,把这些用户捞回来点。”

 方法

老板是对的,从经验看,流失老客召回一定比拉新成本更低,更精准,流量质量更好。

用什么触达?

八九百万的老客,曾经在注册、下单过程中留下了他们的手机号、姓名、地址等信息,触达他们并不难,最简单、高效、低成本的方式应该是短信

告诉他们什么?

发送什么样的短信,才能吸引他们回来呢?


一个电商案例为你详解数据驱动下的老客回头策略

就电商而言,一般有三种玩法:

1. 促销优惠,如:夏日爆款美妆全场3折起,SK-2神仙水仅售¥698,速抢手慢无! ;

2. 赠送优惠券,如:周末来临,送你88元美食神券,点击链接领取!

3. 商品领取,如:你太久不来,老板说我失职,送你价值59元ray面膜,快来领取!

第一种方法成本较低(仅需短信费用),但响应较差,一般用来配合促销活动,不适合老客召回。第二、三种方法在短信或Push中响应一般都不错。但作为非自营平台,优惠券意味着1:1的高补贴成本,同时,对于购买需求不明朗的流失老客,优惠券非刚需,吸引力有限。相对来说,“爆款商品免费拿”不仅通用性强,大规模采购的成本也更低。

所以,我们采用第三种方法:短信通知这些流失老客,回归免费领礼品。

吸引他们去哪?

去哪领?APP吗?

流失老客均为180天未访的用户,绝大多数已卸载APP,重新激活APP行为成本太高,不切实际。

不去APP,去哪?

在电商行业,“免费领”活动一般伴随着拼团、分享、砍价等社交玩法,通过裂变拉新进一步缓冲成本,如拼多多的助力砍价,每日优鲜的0元吃水果等。而社交裂变最好的温床,无疑就是小程序。A平台小程序作为在微信生态内的延伸,功能轻量齐全,作为承接老客回归的第一个据点,再合适不过。

一个电商案例为你详解数据驱动下的老客回头策略


综上,我们将通过短信通知流失老客回归有礼,将其引入小程序,并通过社交玩法生成一轮裂变。

活动流程如下:

一个电商案例为你详解数据驱动下的老客回头策略

上图流程中,无论是主态或客态、开团或参团,在其成团或失败后,都不意味着运营工作的结束。用户参与到这个阶段,我们已经拿到其微信OpenID与推送模板消息的权限,此时根据用户所处的状态,可针对性推送促销商品、优惠券或其他活动来促使、承接用户的进一步转化

一个电商案例为你详解数据驱动下的老客回头策略

活动背景和策划都已经很清楚,下面我们就聊聊,如何用数据追踪和评估活动效益。

数据

对于以上活动的效果数据评估,我们从四个维度进行:

  1. 响应数据

  2. 裂变数据

  3. 价值追踪

  4. 成本评估

这四个维度也基本适合用来评估所有微观运营活动下面我们逐一展开,并以前文活动为基础举例说明。鉴于商业规则,数据会有合理范围的修整。

1. 响应数据

响应数据,就是我们常说的“漏斗”假设我们在今日头条投放了一则广告,一段时间内,1000人点击了广告,200人点击后进行了注册,50人注册后根据提示下载了APP,最后只有10人在APP完成了消费转化。

在这里,从1000到10,就是一个简单的漏斗。任何一个活动,从触达后用户的首个特定动作发生到最终的转化,就是一个漏斗漏斗展示了一次活动的直接成效,并将成效分解到各个步骤,为结果提供每个层次的归因

下面是本次老客召回活动的转化漏斗:

一个电商案例为你详解数据驱动下的老客回头策略

“输入口令比例”较低,可能是因为短信文案不够锋利,商品选得不够诱人“分享链接人数”和“开团人数”两个环节比例都还不错,说明用户输入口令后,转发与开团的引导与流程清晰简洁,用户操作门槛较低

“成团率”综合为7.79%,低于行业水平。猜测可能是因为3人成团人数较多,难度太大,也可能是因为这些用户嫌麻烦,或是不愿意滥用自己的社交价值通过漏斗,我们既可以看出活动整体转化水平,也可以细究每一环节的数据表现,问题出在哪,一目了然

一个电商案例为你详解数据驱动下的老客回头策略

“问题出在哪”只是漏斗解决的第一个问题,更重要的是“如何解决”。以上是漏斗的“主干”,下面介绍漏斗的“枝干”对于“输入口令较低”的问题,我们猜测可能与文案、选品、发送时间等有关。选品为例,为了对比测试,我们在活动前为每组人群设置少量人数(5000人)的对照组,推送短信来验证对这个人群来讲,什么样的商品更有吸引力

一个电商案例为你详解数据驱动下的老客回头策略

显而易见,24岁以下用户更愿意免费拿到眼药水,面膜对于25~29、30~39岁用户更有吸引力;40以上用户则更倾向于牙膏我们发现,以上的表格包括的不仅是“选品”这一个变量,而是“年龄分层”和“选品”两个变量的交叉。在活动中,影响某一环节结果的变量往往数量繁多、相互纠缠,本活动为例,影响“输入口令比例”的因素,与其说是单个变量,不如说是“年龄与选品”、“年龄与文案”这样的变量组合,甚至是“年龄”、“选品”、“文案”、“发送时间”等所有相关变量的最优化组合

所以,漏斗的“枝干”,就是为了寻求各个变量的最优化组合。实操过程中,变量组合后会产生指数级增长,三五个变量就可能组合出上百种情况,一一测试是不切实际的。所以,变量最优化一定要建立在业务判断的基础上,比如该例,从业务经验出发,不同年龄的用户商品需求应该不一样,所以我们做了“年龄”与“选品”的变量测试;同样,我们认为“选品”和“短信发送时间”并无明确关联,所以就把“短信发送时间”作为单独测试的变量。无论是猜想的验证,还是洞见的挖掘,数据都一定只是业务的工具,而非业务本身

2. 裂变数据

在一次运营活动策划中,如果你没有把裂变作为整个活动的出发点,那起码也要把它作为一个关键的价值环节。无论是饿了么式的红包分享、拼多多式的助力砍价,还是每日优鲜的0元吃水果、携程的助力抢车票,亦或是近期朋友圈现象级的网易荣格心理测试、连咖啡的“我的咖啡店”,这些教科书级的活动或玩法,不论转化导向或传播导向,都是围绕“社交”这个价值点展开的。哪怕是微信生态以外的活动,如支付宝的春节集五福,社交性极强的“赠送福字”也是其活动参与转化的最核心来源。

一个电商案例为你详解数据驱动下的老客回头策略

活动之于投放,之所以有四两拨千斤的机会,靠得就是转发、分享、点赞等社交传播行为。说了这么多,无非是想论证,在运营活动越来越社交化的当下,“裂变数据”的追踪分析绝不是可有可无,逐渐成为评估活动成效的重要数据指标。

下面回归到我们的案例中。

从活动SOP图中可以看出,这次活动的裂变方式主要有2种:

  • 主态裂变:用户为了0元拿到商品,将活动分享到3个不同的群。群中成员看到链接,亦可分享3次获得0元开团机会,成为新的主态。

  • 客态裂变:主态用户开团后邀请新用户参团,邀请成功则完成一个客态裂变。

一个电商案例为你详解数据驱动下的老客回头策略

首轮裂变展示了短信推送用户带来的第一轮裂变效果,后续裂变指活动链接被短信推送用户分享到39859个群后,引发的不可控裂变。由于活动页埋点原因,后续裂变无法继续分层追踪,虽然这很有必要(不同年龄用户转发到的群很可能完全质量不同)。

分享次数和后续裂变中的开团数代表了主态裂变;参团人数代表客态裂变

从表格看,首轮+后续裂变共计分享到39859+13477=53336个群,然而,点开链接的仅有11211人,平均每个群仅有0.21人次点击,这是个非常低的数字,说明我们链接的表现形式、利益点都很可能存在大的问题

后续裂变相对于首轮裂变,在人均分享次数、参团人数比例、成团率上都有较大下降,一方面是因为两拨用户接触到的信息不同,另一方面是因为接收到短信的本就是A平台的老客,较为精准,而裂变产生的用户参差不齐无法定向,精准度较差

成团率低、参团人数少的问题,我们在前文也有分析。

综上,这次活动的裂变并不理想,分享环节的展示、选品、文案等方面都需要优化,如优化后依然不理想,可能整个活动的逻辑都要重新考虑。

3. 价值追踪

一个电商案例为你详解数据驱动下的老客回头策略

拿着响应和裂变数据,运营胸有成竹地进入老板办公室。他向老板提纲挈领地汇报了转化与裂变数据中的要点,并作出了业务层面的归因,还对下一步执行计划的优化提出了一些建议和安排。老板看着数据微微点头,同时思考着什么。这时小运营说了一句总结的话,惹怒了老板。“我觉得这次活动效果还可以,裂变的逻辑优化一下,可以大量做”一顿臭骂。

一个电商案例为你详解数据驱动下的老客回头策略

事实上,完成转化用户的价值追踪之前,不应该下任何结论

每一个用户的转化都意味着真金白银的成本和补贴,必须由后续购买所带来的利润填平。如果活动所带来的用户复购和活跃都极差,那么无论转化率多高,这个活动都是失败的。因为你的活动招来了一群让运营界闻风丧胆的人——羊毛党

强调一下,所谓的“转化”,并非只有完成了开团成团才算,在分享、注册、参团等任何环节蹦失的用户,只要与我们发生关系,都算转化,只是转化程度不同。为了提高用户转化后的后续表现,运营们通常会用push或短信的手段进一步激励。如该例中,对于开团成功、开团失败、参团成功、参团失败以及分享链接不足3次等用户,我们会根据其基于转化程度的行为倾向性在24小时内为其个性化推送优惠券、优惠商品、活动链接等,为的就是促进后续转化,尽力承接住这些用户。

价值追踪数据较为复杂,基于用户分层、时间分层、行为分层等,可以形成一个庞大的价值追踪体系。篇幅考虑,笔者为本例价值追踪做了简化,分以下两部分:

(1)关键价值追踪

一个电商案例为你详解数据驱动下的老客回头策略

这个表有3个要点:

1)追踪谁

当然是转化的新客。但是一定要分层追踪,除了短信推送的年龄分层,还要纳入转化程度的分层,这样才可以追踪到不同转化程度的用户间的价值差异如上表,我们可以看到“开团成团用户”相对于“开团未成团用户”有更高的复购频次;裂变用户各项价值均逊于推送人群

2)追多久

根据产品使用频率、用户生命周期来定。一般电商追踪至90天或180天,如因活动优化迫切需要结论数据支撑,可提供短期追踪数据。

3) 追什么

一定是追踪用户之于产品最关键的几个价值指标。对于自媒体可能是点击、转发、打赏;对于游戏可能是活跃、付费;而对于电商平台,自然就是GMV、订单数、客单价这些交易数据了。

至此,我们得出了每个分层用户在不同时间段贡献了多少GMV,再乘以平台交易费率,很容易算出平台获得的利润。通过这些利润,我们一方面可以直观判断出不同分层用户价值,另一方面可以通过与成本的对比,判断活动的效益,决定活动是否可以产品化或规模复制在产品相对简单,活动规模较小的情况下,以上价值追踪基本可以证明活动价值。但是如果产品生态复杂,用户消费行为多样,那就有必要对用户行为做分层追踪

(2)行为分层追踪

在同一个产品中,不同用户基于不同的行为,为平台贡献了不同的价值,共同构建一个完整的生态。

一个电商案例为你详解数据驱动下的老客回头策略

我们以最具代表性的UGC内容平台知乎为例,其用户行为及对应价值大概划分如下:

一个电商案例为你详解数据驱动下的老客回头策略

相对于知乎,电商平台的生态可能更为复杂

电商生态中,并不是只有“买”和“卖”那么简单。搜索购买型用户贡献了大部分GMV,是平台生存的基础;喜欢“逛”的用户热衷于发现式购物,除了贡献可观的GMV之外,还通过点击、停留等行为反馈了不同主题banner、模块以及商品的热度,从而为运营工作指明方向;那些热衷于拼团和助力砍价的用户,聚集在微信中通过传播劳动换取平台的优惠,为平台不断引入新的流量;甚至目前大多数电商平台,都引入了攻略、评测等内容子生态,而喜欢写评测心得的用户就是这个子生态的核心支撑。

因此,我们不能仅根据购买力判断用户价值,也就是说,不能因为活动吸引来的用户买得不够多,就定性活动失败。因为这些用户,很可能贡献着其他重要的生态价值。

一个电商案例为你详解数据驱动下的老客回头策略

从数据看,这次活动所带来的用户在开团、助力砍价、关注服务号等方面比较突出,说明用户多聚集在微信小程序中,有着不错的传播价值,猜测可能是由于活动玩法为拼团,所以带来的流量或多或少有点羊毛属性,这也降低了我们对其复购价值的期望。这些用户更适合在小程序中为平台进行外围传播

4. 成本数据

“成本数据”和“价值追踪”是活动的阴阳两面。价值与成本的差值,基本代表了整个活动的初步收益。

就本次活动而言,成本主要产生在3个地方:短信成本,流失老客触达短信约为0.03元/条;免费商品补贴成本,所有开团成团订单,都需要付出约20元的商品成本;后续激励补贴;用户转化后,我们可能会推送些优惠券促进复购,优惠券是这个过程中的主要成本。

在第三步我们追踪到复购总GMV,乘平台费率得出利润,再减掉以上三条成本之和,得到的就是活动利润。

成本数据逻辑简单,唯一值得注意的是是否要分层。不同分层的用户价值不同,所消耗的成本也不一样,如果用同样的分层追踪价值和成本,就可以计算不同分层的ROI,找出盈亏平衡点,选择性推送以提高整个活动的收益。但多数时候,基于用户名单有限、数据埋点等限制,基于分层ROI优化很难实现。所以,分不分层,视业务情况而定。

最后,奉上思维导图:

一个电商案例为你详解数据驱动下的老客回头策略

作者:吕晨龙

文章来源:鸟哥笔记

【转载说明】   若上述素材出现侵权,请及时联系我们删除及进行处理:8088013@qq.com

评论

相关文章推荐

SELECT dw_posts.ID,dw_posts.post_title,dw_posts.post_content FROM dw_posts INNER JOIN dw_term_relationships ON (dw_posts.ID = dw_term_relationships.object_id) WHERE 1=1 AND dw_posts.ID not in (218163) AND(dw_term_relationships.term_taxonomy_id = 410 ) AND dw_posts.post_type = 'post' AND (dw_posts.post_status = 'publish') GROUP BY dw_posts.ID ORDER BY RAND() LIMIT 0, 5

京ICP备15063977号-2 © 2012-2018 aiyingli.com. All Rights Reserved. 京公网安备 11010102003938号