如何借助大數(shù)據(jù)能力使用戶樂(lè)意付費(fèi)呢？本文筆者將結(jié)合實(shí)際項(xiàng)目經(jīng)驗(yàn)，為大家解答這個(gè)問(wèn)題。

產(chǎn)品發(fā)展到一定階段，商業(yè)化是不可回避的問(wèn)題。跟投資者只談情懷不掙錢(qián)，多少有點(diǎn)耍流氓。

不過(guò)商業(yè)化這個(gè)命題太大，所以今天我們先來(lái)探討下，如何借助大數(shù)據(jù)能力，促進(jìn)客戶付費(fèi)，以下是項(xiàng)目上的一些思考。

一、前言

1. 前置背景：產(chǎn)品獲客之后，在轉(zhuǎn)化為付費(fèi)用戶上遇到了挑戰(zhàn)，在這種的情況下，我們所做的一些嘗試和思考；

2. 適用對(duì)象：如果你也在思考，如何利用一些產(chǎn)品策略上轉(zhuǎn)化用戶，可以一起探討下，偏電商類產(chǎn)品；

3. 內(nèi)容框架：分為三個(gè)部分，前期探索、暴露問(wèn)題、解決思路。

二、前期探索

為了轉(zhuǎn)化用戶，我們?cè)谇捌诤退惴ㄍ瑢W(xué)，做了一些嘗試，步驟主要為：找到目標(biāo)人群—-設(shè)計(jì)活動(dòng)—-觸達(dá)用戶促進(jìn)其轉(zhuǎn)化，以下還原了部分實(shí)操的過(guò)程。

1. 找目標(biāo)人群

根據(jù)業(yè)務(wù)經(jīng)驗(yàn)，到數(shù)據(jù)庫(kù)中采集最可能轉(zhuǎn)化的高關(guān)聯(lián)維度客戶名單，創(chuàng)建白名單客戶標(biāo)簽。比如：基于客戶社會(huì)基本屬性的，年齡、性別、地域等維度；基于客戶交易特征的，是否持卡、是否有積分等

2. 設(shè)計(jì)活動(dòng)

選出這類客戶可能喜歡的爆款，設(shè)計(jì)對(duì)應(yīng)的專題活動(dòng)或者找到時(shí)令活動(dòng)，進(jìn)行內(nèi)容包裝

3. 找客戶觸點(diǎn)

進(jìn)行客戶觸達(dá)，包括了app push、短信、微信后綴等渠道

4. 分析數(shù)據(jù)

采集觸達(dá)人群名單，再追蹤該批人群在最近3天內(nèi)的交易行為變化，分析出轉(zhuǎn)化漏斗

咋一看，上面整體思路看起來(lái)問(wèn)題不大，但在實(shí)操過(guò)程中，其實(shí)問(wèn)題重重，主要體現(xiàn)為如下三點(diǎn)：

1. 人群找不準(zhǔn)確

① 怕腦袋式，以業(yè)務(wù)經(jīng)驗(yàn)找到的單一維度人群，其實(shí)無(wú)法有效判斷用戶交易意向

② 人群劃分散亂，重疊性高，各行動(dòng)小組無(wú)法區(qū)分，這其實(shí)就意味著無(wú)法有效管理、經(jīng)營(yíng)

2. 缺乏持續(xù)有效的轉(zhuǎn)化引擎

問(wèn)題主要出在兩個(gè)方面：不可持續(xù)和有效性難以衡量

（1）持續(xù)性

① 采集數(shù)據(jù)找目標(biāo)人群太慢：拍腦袋式找目標(biāo)人群，每次篩選用戶，都需要大數(shù)據(jù)的同學(xué)采集一次。一方面人群名單是一次性，復(fù)用性低，另一方面，未能真正發(fā)揮算法同學(xué)專研模型

② 設(shè)計(jì)活動(dòng)周期長(zhǎng)：找到人群，策劃活動(dòng)，設(shè)計(jì)頁(yè)面，活動(dòng)上線，這樣的周期太長(zhǎng)，時(shí)效性低，難以滿足

③ 手動(dòng)觸達(dá)耗費(fèi)時(shí)間：一次性活動(dòng)觸達(dá)，每次活動(dòng)對(duì)于運(yùn)營(yíng)的同學(xué)挑戰(zhàn)非常大，根本騰不出時(shí)間

（2）無(wú)法衡量有效性

① 每次觸達(dá)的活動(dòng)散亂，類似游擊戰(zhàn)，無(wú)法持續(xù)觀察該策略是否有效

② 缺乏實(shí)驗(yàn)性思維：未能形成整體的轉(zhuǎn)化監(jiān)控指標(biāo)，觸達(dá)活動(dòng)沒(méi)有留出對(duì)照組。

3. 數(shù)據(jù)分析困難

每個(gè)活動(dòng)分析都需要采集數(shù)據(jù)，分析時(shí)效性無(wú)法保證；各層級(jí)數(shù)據(jù)分屬于不同系統(tǒng)，底層數(shù)據(jù)表未能進(jìn)行關(guān)聯(lián)。

四、解決思路

前面做的一系列嘗試和暴露的問(wèn)題，為我們接下來(lái)確定思路提供很好的基礎(chǔ)。我們回到本文主題，我們是怎么借助大數(shù)據(jù)的能力，讓用戶更容易成為我們的付費(fèi)客戶的？

在這里核心思路是：用更少時(shí)間找最易轉(zhuǎn)化的客戶拿最適合的offer觸動(dòng)客戶。

offer是什么？在這里解釋下，我們定義的范圍是包括了：功能性的產(chǎn)品優(yōu)勢(shì)（即為產(chǎn)品的虛擬價(jià)值）和讓利型的爆款活動(dòng)（折扣、新戶禮包、爆款商品）。

那具體的操作思路是如何呢？且看一步步分解。

1. 找出自身優(yōu)勢(shì)

很多時(shí)候，一個(gè)產(chǎn)品（平臺(tái)）的自身優(yōu)勢(shì)都是自己包裝出去的，但在市場(chǎng)/用戶端的反饋，是否真實(shí)如此？新戶為什么選擇了你的平臺(tái)？

為了了解這個(gè)問(wèn)題，我們做了兩個(gè)事情：

① 拉去過(guò)去一年，新戶首次轉(zhuǎn)化的訂單數(shù)據(jù)：從數(shù)據(jù)中分析用戶轉(zhuǎn)化背后決策邏輯，得到的結(jié)果是比較明顯的，X%用戶是為了A，X%用戶是為了B….具體的數(shù)據(jù)，我就不展開(kāi)出來(lái)了。

② 調(diào)研用戶：對(duì)平臺(tái)的認(rèn)知和第一次在平臺(tái)上購(gòu)買(mǎi)的動(dòng)機(jī)是啥？

基于歷史海量數(shù)據(jù)和用戶調(diào)研，我們可以發(fā)現(xiàn)自身平臺(tái)對(duì)用戶的吸引力哪些方面

2. 人群分層

用戶轉(zhuǎn)化項(xiàng)目是一個(gè)teamwork，包括了：算法、商務(wù)、運(yùn)營(yíng)、產(chǎn)品。前面所說(shuō)，如果無(wú)法劃分用戶，團(tuán)隊(duì)就會(huì)比較混亂，缺乏目標(biāo)。這樣我們就無(wú)法很好經(jīng)營(yíng)用戶。這里面我們采取了四象限分層，用戶對(duì)平臺(tái)認(rèn)知和用戶偏好

高傾向：對(duì)平臺(tái)產(chǎn)品有較高傾向度的人群，這個(gè)可以通過(guò)傾向模型進(jìn)行篩選

高認(rèn)知：認(rèn)知是以這個(gè)用戶與平臺(tái)的聯(lián)系密切程度進(jìn)行劃分的，比如說(shuō)產(chǎn)品購(gòu)買(mǎi)斷點(diǎn)客戶，就是對(duì)平臺(tái)了解比較多的人群。對(duì)于剛注冊(cè)的新戶，那認(rèn)知就非常低，需要先做認(rèn)知教育。

人群劃分僅是第一步，第二步就是要找出每種分群的用戶體量，可以先從用戶認(rèn)知上進(jìn)行劃分，比如說(shuō)：斷點(diǎn)客戶、app活躍客戶、app注冊(cè)用戶、微信關(guān)注用戶等，然后再設(shè)定各分層的轉(zhuǎn)化目標(biāo)，每個(gè)行動(dòng)小組認(rèn)領(lǐng)任務(wù)。

3. 算法模型支撐

業(yè)務(wù)對(duì)于算法上面的要求，其實(shí)為：設(shè)定一個(gè)業(yè)務(wù)目標(biāo)，比如說(shuō)：最有可能購(gòu)買(mǎi)A類產(chǎn)品的用戶（注：這里的A類產(chǎn)品一定是要結(jié)合自身產(chǎn)品的優(yōu)勢(shì)進(jìn)行設(shè)定的），然后算法同學(xué)會(huì)根據(jù)該業(yè)務(wù)目標(biāo)進(jìn)行建模，包括：?jiǎn)栴}建模（指標(biāo)評(píng)估、樣本選擇、交叉驗(yàn)證）、建特征工程、選擇模型、模型融合，再到最后的模型驗(yàn)證。

當(dāng)然，上面是一個(gè)完整的建模過(guò)程，在實(shí)際應(yīng)用中，都先是小步快跑。先用較為簡(jiǎn)單的IV值預(yù)估，找出強(qiáng)關(guān)聯(lián)的客戶維度，給到業(yè)務(wù)方進(jìn)行試用。

4. 深挖場(chǎng)景的自動(dòng)化經(jīng)營(yíng)

這部分，筆者認(rèn)為是最為關(guān)鍵的一環(huán)了。用戶轉(zhuǎn)化的過(guò)程一定是：在一定的觸發(fā)場(chǎng)景，通過(guò)習(xí)慣的行為路線，獲取所內(nèi)容。在這里會(huì)分為三個(gè)部分：高頻場(chǎng)景挖掘、自動(dòng)化策略支撐、策略執(zhí)行。

（1）根據(jù)人群分層找高頻場(chǎng)景

① 了解用戶行為偏好。分為線上行為：活躍用戶在app上定期瀏覽某一頻道、某一個(gè)功能、搜某些內(nèi)容；線下行為：基于lbs，了解用戶出現(xiàn)城市

② 了解該批用戶的交易偏好：知道的行為偏好，下一步要了解用戶的交易偏好，什么才是他們喜歡的，需要投其所好。

（2）自動(dòng)化經(jīng)營(yíng)策略

手工設(shè)定的push，耗時(shí)耗力，根本無(wú)法支撐客戶轉(zhuǎn)化的需求。因此，你可以結(jié)合新客戶轉(zhuǎn)化的重點(diǎn)場(chǎng)景、路線，設(shè)定一些自動(dòng)化策略，比如如下：

① 客戶斷點(diǎn)自動(dòng)化挽回策略：曾經(jīng)瀏覽過(guò)/評(píng)論過(guò)/關(guān)注過(guò)/未使用券等等，都可以將該批客戶自動(dòng)化采集出來(lái)，并進(jìn)行定向召回，比如：最近3天瀏覽過(guò)某一款產(chǎn)品，可以給客戶一些利益點(diǎn)，然后進(jìn)行觸達(dá)。

② 重點(diǎn)場(chǎng)景全鏈路埋伏策略：在用戶完成一個(gè)任務(wù)的前中后，進(jìn)行轉(zhuǎn)化內(nèi)容埋伏，當(dāng)然優(yōu)先針對(duì)高傾向客群進(jìn)行觸達(dá)，切勿過(guò)度打擾。

③ 此外還有：客戶離線設(shè)置T+x日觸達(dá)策略、客戶沉默設(shè)置讓利策略等等

（3）策略執(zhí)行

實(shí)驗(yàn)設(shè)置對(duì)比維度可以為：渠道、客群、offer。這里強(qiáng)調(diào)一點(diǎn)就是，一定要明確整個(gè)策略的目標(biāo)，留出對(duì)照組，否則后面數(shù)據(jù)難有說(shuō)服力和無(wú)法評(píng)判該策略是否該持續(xù)固化下來(lái)。

5.?數(shù)據(jù)分析

這一部分，重點(diǎn)是將各節(jié)點(diǎn)的數(shù)據(jù)打通，實(shí)現(xiàn)基于每一個(gè)實(shí)驗(yàn)的可視化分析、對(duì)照。這有賴于平臺(tái)自身的數(shù)據(jù)管理是否規(guī)范了，如果數(shù)據(jù)采集沒(méi)有規(guī)范，在很多情況下的分析還是很吃虧的。這里就不展開(kāi)了，祝好~

整個(gè)過(guò)程中，大數(shù)據(jù)輔助業(yè)務(wù)找出自身優(yōu)勢(shì)、建立模型找到高傾向客群以及在實(shí)驗(yàn)數(shù)據(jù)分析上給到了較大的支撐，業(yè)務(wù)經(jīng)營(yíng)更趨向精細(xì)化。在用戶轉(zhuǎn)化上，也更加嚴(yán)謹(jǐn)和具有章法。

以上僅是一些階段性的思考，希望對(duì)你有幫助~

附全文思考腦圖：

作者：15年畢業(yè)于華南理工大學(xué)，有運(yùn)營(yíng)和產(chǎn)品經(jīng)歷，現(xiàn)負(fù)責(zé)金融大數(shù)據(jù)產(chǎn)品：個(gè)性化推薦、意圖搜索，AI智能客服。個(gè)人微信公眾號(hào)：大雄背起行囊。