?
伴隨著企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程的加速及用戶行為分析理念的深入,各種各樣的數(shù)據(jù)分析模型,比如事件分析、漏斗分析、留存分析等,早已成為企業(yè)日常運營不可或缺的“小助手”。
作為大數(shù)據(jù)分析與營銷科技服務(wù)提供商,神策數(shù)據(jù)在過去 6 年累計服務(wù)了 30 多個行業(yè)的 1500+ 企業(yè),在這個過程中我們逐漸意識到,數(shù)據(jù)分析只是企業(yè)數(shù)字化轉(zhuǎn)型過程中的一環(huán),要想讓數(shù)據(jù)真正對企業(yè)產(chǎn)生價值,應(yīng)該將基于數(shù)據(jù)流的決策、行動與反饋統(tǒng)統(tǒng)加入進(jìn)來,也就是基于數(shù)據(jù)流的企業(yè)運營框架 SDAF,即 Sense(感知)、Decision(決策)、Action(行動)、Feedback(反饋),形成一個完整的業(yè)務(wù)價值產(chǎn)出閉環(huán)。
當(dāng)我們進(jìn)一步思考,為什么 SDAF 是個環(huán),而且是多個持續(xù)不斷的環(huán)呢?這時候我們會發(fā)現(xiàn),這是因為普遍存在兩個痛點:一是目標(biāo)不精確,可能會導(dǎo)致行動失準(zhǔn)、產(chǎn)出失效;二是手段不精確,可能會導(dǎo)致最終產(chǎn)出小于投入。這不僅是因為我們自身的認(rèn)知有限,用戶本身也十分“善變”。
也正是因此,神策數(shù)據(jù)推出 A/B 測試,結(jié)合用戶行為分析,為企業(yè)帶來應(yīng)對用戶變化的解決方案,最大化提升價值產(chǎn)出與效率,持續(xù)優(yōu)化、持續(xù)迭代,給用戶帶來更好的體驗“寵愛”。
那么,我們?nèi)绾螒?yīng)用行為分析和 A/B 測試,達(dá)到良好融合、最大化提升價值產(chǎn)出的效率呢?用通俗的話語進(jìn)行描述,那就是:“像投資人一樣找杠桿,像科學(xué)家一樣做試驗。”而要找到杠桿,首先得理解我們的目標(biāo)是什么。如果從用戶行為的角度來描述目標(biāo),可以分為一次性行為和周期性行為。
一次性行為:我們希望用戶盡可能發(fā)生單個目標(biāo)行為,且這類行為通常非常關(guān)鍵,可以為后續(xù)的產(chǎn)品使用打下堅實基礎(chǔ),常見如用戶注冊、首單支付、實名認(rèn)證等等。這類行為對應(yīng)著我們的業(yè)務(wù)目標(biāo)是“轉(zhuǎn)化”,即讓更多用戶沿著正確路徑達(dá)成目標(biāo)事件。
周期性行為:我們希望用戶盡可能多次發(fā)生某個行為,或者發(fā)生的程度更深,通常是體現(xiàn)產(chǎn)品核心價值的行為,常見如支付訂單、瀏覽內(nèi)容等等。這類問題通常對應(yīng)的業(yè)務(wù)目標(biāo)是“參與度”或“留存”,即讓用戶更多更深入地做某件事情。
接下來我們將基于神策數(shù)據(jù)提出的 SDAF 運營框架,詳細(xì)為大家介紹 A/B 測試與用戶行為相結(jié)合的應(yīng)用實踐。
Sense:使用行為分析模型,感知用戶行為
對于用戶的一次性行為,我們的業(yè)務(wù)目標(biāo)是讓更多的用戶沿著正確的路徑做某個事情?？梢酝ㄟ^以下模型進(jìn)行觀測:
漏斗分析:嚴(yán)格規(guī)定的路徑上,用戶流失情況如何?
路徑分析:用戶群體的實際行為路徑如何分流?
行為序列:用戶個體的實際行為路徑如何跳轉(zhuǎn)?
對于周期性的行為,我們的業(yè)務(wù)目標(biāo)是讓用戶更多更持久地做某件事,并形成習(xí)慣。可以通過以下模型進(jìn)行觀測:
留存分析:用戶行為的發(fā)生在時間上的持續(xù)性如何?
分布分析:用戶行為的發(fā)生頻次(強度)如何?
Decision:基于觀測數(shù)據(jù),正確使用數(shù)據(jù)做決策
只有數(shù)據(jù)是很難產(chǎn)生價值的,所以完成了 Sense 之后,需要做進(jìn)一步的解讀與決策。我將數(shù)據(jù)應(yīng)用總結(jié)為以下三點:
1.有限還原場景。從抽象過的、框架化的角度還原用戶的整個決策過程,比如通過漏斗分析、用戶路徑分析,就可以描繪用戶的整體行為情況。
2.做為診斷依據(jù)。感知用戶行為,通過時間或分類維度的橫向豎向比較,可以大致確定是否存在問題。
3.進(jìn)行杠桿排序。知曉當(dāng)前哪個比較重要,哪個暫時不那么重要,雖然問題可能很多,但事兒還得一件一件干。
除此之外,比數(shù)據(jù)應(yīng)用重要的事情是知道事情怎么做?要描述好這個事情,我通常會列出兩張表。
第一張表叫做:為什么?如果我們對于要解決的問題有更準(zhǔn)確的認(rèn)識,解決起來的效果當(dāng)然是較好的,因此可以從動力、阻力、時機等角度羅列可能的原因,并做一些主觀上的排序。
第二張表叫做:怎么辦?針對于這些具體原因,我們可以列出可能的方案或者方案的方向。最終使用 ICE 模型(Impact 影響范圍、Confidence 自信程度、Ease 實現(xiàn)難易)進(jìn)行主觀排序,確定最近的一段時間,我們要做的試驗是什么。
比如針對電商場景,我們可以梳理出電商的核心路徑,并找到核心路徑上的薄弱環(huán)節(jié),或者杠桿指標(biāo),并進(jìn)一步定位我們的關(guān)注點。
當(dāng)定位到某個問題頁面或者模塊之后,我們會進(jìn)一步列出為什么和怎么辦。比如我們在數(shù)據(jù)分析中診斷出某電商的輪播圖模塊存在轉(zhuǎn)化問題,該模塊靠后的幾張廣告的滲透率急劇下降,且經(jīng)評估我們認(rèn)為該模塊的重要度比較高,我們就可以進(jìn)一步針對其列出以下列表:
Action:基于業(yè)務(wù)決策,實施 A/B 測試
當(dāng)我們已經(jīng)有了比較具體的試驗方向,就可以進(jìn)一步設(shè)計試驗本身的細(xì)節(jié),去羅列出試驗實施的幾個要素:
試驗的假設(shè):我們所認(rèn)為的目標(biāo)和手段之間的因果關(guān)系。(改動什么會影響什么?原因是什么?)
試驗的變量:具體的改動元素,通常是單一元素,方便歸因。
試驗的指標(biāo):評估試驗成敗的指標(biāo)及其相關(guān)指標(biāo)。
試驗的受眾:具體實施試驗的用戶對象。
Feedback:分析試驗數(shù)據(jù),獲取反饋與認(rèn)知
“反饋”的字面含義,指的是我們從試驗結(jié)果中獲得的直接結(jié)論,即各試驗組是否有差異,哪組策略更好或是更壞。而“認(rèn)知”卻是更深一層的,即我們學(xué)到的、可以被沉淀的知識。
比如在我司客戶的某個電商場景中,對于奢侈品的圖片加上各種相關(guān)標(biāo)語的大圖版本,從數(shù)據(jù)上來看轉(zhuǎn)化率是更差的,這是“反饋”。而奢侈品類產(chǎn)品的大圖中加上標(biāo)語,對用戶來說受到了注意力干擾,影響到體驗產(chǎn)品的美感,這是“認(rèn)知”。
在統(tǒng)計學(xué)中講到,“即使數(shù)據(jù)上存在顯著差異,我們無論接不接受新的方案,都是有概率犯錯誤的。”也就是說,反饋可能是錯誤的。更要命的是,即使我們得到的反饋是對的,也可能在認(rèn)知上犯錯誤。比如我們錯誤的認(rèn)為,奢侈品的大圖上不加標(biāo)語是更好的,但實際上,只是不能只加優(yōu)惠政策類標(biāo)語,因為這看起來會很山寨,影響客戶的信任度,恰當(dāng)添加標(biāo)語也可以提升信任度。
基于反饋,我們可以判定最近的試驗是否有效,基于認(rèn)知,我們也可以沉淀更多可累積的經(jīng)驗。
就像企業(yè)一直追求的精細(xì)化運營,其背后就是這種聚沙成塔式累積的效應(yīng),能夠幫助我們累積得更多,走得更遠(yuǎn)!如果你對神策的 A/B 測試感興趣。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
