數據驅動，如何提高產品轉發率

在具體展開今天的內容之前，不得不先提來自矽谷增長黑客的海盜模型。這個模型適用的行業非常多，是用戶跨生命周期的一個增長模型。

第一步，我們會比較關注獲客。獲取用戶之後，接下來的步驟是激活——如何把一個潛在的用戶，變成你的客戶。之後是如何留存，有了留存才有轉化的前提。有了留存才有了轉化和變現，變現之後我們還希望這些用戶能幫我們做推薦。

從這個模型裡面，我今天抽出四點跟大家交流，包括：用戶的獲取，以及從整個運營模型中的商品、用戶、產品三個角度進行分析。

一、用戶獲取：通過 UTM 監測渠道

對於用戶的獲取，有幾個方面的東西需要去關註：

第一，是渠道的評估體系。這個很多公司已經在做，或者過往也做了很多工作，但是可能做得比較粗獷。怎麼才能做到更體系化，精細化?

第二，流量已經貴了成本已經很高了，怎麼定義惡意流量?

第三，怎麼把外部渠道來源關聯到網站和App行為中，怎麼打通這些數據?

(一)用 UTM 搭建渠道監測體系

我們先從一個全面精細化的體系說起，這個是一個 UTM 的追蹤方式。這個方式來自谷歌，通過UTM標準體系化，把我們在所有的渠道，不管是線上線下，很細微地監控起來。

所以，利用這樣體系化的方式，我們能獲得到具體的營銷效果。比如你可以知道，在微信投的100篇文章，不同關鍵詞、不同內容的文章所帶來的效果如何。這樣一來，長期的監測和對比還能反向幫助營銷去衍生內容，根據結果去判斷內容應該怎麼產生，怎麼迭代。

(二)如何識別流量作弊渠道

這是我們某一個合作夥伴的渠道分析案例，他全面使用了UTM體系。

比如我們看排名前十的渠道，從第6名到第10名，在單獨間夜數量都很大，流量很高;但是當我們切入到訂單提交的時候，數據斷崖式地下降，所以非常甄別出來這是有問題的渠道。

另外有一個案例，某客戶發現他們有些主要投放的跳出率非常高，接近100%。那麼我們可以做一組分析，把所有跳出的用戶IP、訪問頻次，包括進一步能看到的特徵——點擊了什麼，做了什麼操作分析。最後發現看全是一個網端的，那麼很有可能這就是一個作弊的渠道。

二、商品優化：提前判斷商品流量

引流到自己的平台之後，怎麼利用好這個流量，這就飽含了商品運營的方法體系。這裡面有兩個事情非常關鍵，一個是怎麼把流量跟資源和商品匹配;第二是如何基於用戶行為數據。

以前很多航空公司和酒店去做營銷決策的時候，是根據業務數據和訂單數據採取措施;但根據這個結果再採取措施已經遲了，現在的行為數據可以提前告知用戶的興趣度。

商品運營最早起源於電商，如果懂電商的商品運營，那會看得非常明顯，很多電商App首頁一進來是圖片和廣告的互動，每天都要換，做生鮮的甚至一個小時就要換一次。這三個平台完全不同，但他們背後的邏輯和思路一模一樣——流量進來之後，怎麼通過數據實現個性化推薦，而且還要及時切換不同的商品推薦，因為這個位置非常貴。

那我們做什麼?第一，對比不同的廣告位、不同的活動、不同的商品，最終轉化和波動是怎麼呈現的。根據這些數據結果切換品類，如果我是一個 App 的運營，我一定需要這樣的數據。這樣我可以結合我的業務經驗和庫存，調整貨品的運營。

當然我們還需要更實時的數據，活動的趨勢是怎麼變化，如果往下跌了我可以馬上知道。

另外，旅遊行業有各種各樣篩選商品的方式，各種各樣的標籤——商圈、價格區間、類型偏好等等。如果這些行為數據如果可以採集下來，都可以幫助我們判斷：

商品可以往哪個地方落地;

用戶最喜歡房間可能是哪些;

他們會在什麼時間出現預訂的高峰;

有哪些目的地，或者那些種類的商品客戶根本不關注?

根據這些信息可以提前去做相應的營銷策略。我們反過來看以前，通過訂單的數據再來獲得這些信息，已經遲了。

三、產品優化：用戶購買路徑及搜索優化

除了運營，產品層面怎麼做優化?我們最近服務了很多酒店航空公司，很多客戶自己也承認，在用戶體驗這個事情上，跟 OTA 差的不是一點半點。有一句評價是這麼說的：」這些OTA沒有房子沒有飛機，但是把業務做起來了，因為他們抓住了用戶。」

(一)用戶購買路徑的優化

用戶體驗該怎麼提升?有很多地方可以去做，比如用戶的購買路徑、酒店的列表頁、詳情頁、訂單填寫頁等等，如果打通會員體系，我們還能實現更多營銷和運營。

這是以酒店為例，典型轉化路徑——從渠道到落地頁，到註冊，到搜索需要的商品，到結果，到購買，到支付，到復購，這個流程是業務方的邏輯，如果我是App的產品經理，這是我背後的邏輯。

在業務方的邏輯基礎上，這張圖通過數據還原用戶真正在網站App裡面的購買行為路徑，多少人走這條路，多少人走那條路。通過這個路徑還原，我可以發現有多少人走的是我根本不想讓他走的路。案例中有30%的用戶走了差不多10步步驟，那麼路徑越長，轉化率會越低。作為一個產品經理，我希望知道用戶體驗的真實感受，哪些地方可以做優化和調整。這些，數據都可以算出來。

(二)通過搜索和篩選提升轉化率

前段時間和酒店探討的一個話題是，一個訪客購買之前，究竟會看多少次產品詳情頁?

如果效率越低，客戶找到他要的SKU時間越長，它的數據一定會越大。對訪客來說，購買之前平均下來大概有6-8遍。而下單客戶，平均下來會比訪客多0.5個頁面，因為用戶決策需要看的詳情頁更多。所以，如果我們想提高用戶轉化效率，還有哪些地方可以去做?

搜索和篩選項可以用來為用戶縮短時間，但是當我們用上了熱圖分析，下圖中我們可以看到一個問題，篩選項用戶基本不用，說明這個頁面的篩選功能的效率很低，不能幫用戶解決問題。

另外搜索中還會存在的問題是，使用一些篩選條件之後，出來的結果找不到你要房間。我自己平常使用的也經常會出現這樣的情況。比如我在北京，搜了上海徐家匯的酒店，但是這依然呈現的是北京的酒店，可能邏輯是基於地理位置來的，不是基於用戶搜索來的。

再談一個搜索，比如我希望尋找附近的酒店，在搜索框中輸入「外婆家」，出來的列表和搜索標籤沒有任何關聯，這就很可能說明他沒有關注搜索的熱度，去把對應產品標籤去做匹配。同時用OTA，搜索同樣一個詞「外婆家」，你可以看到很多酒店標籤，都打上了。最終我們還是要通過行為數據去給用戶推薦有高度相關性的結果。

這些很多都是細小的問題，但都是需要我們用心去解決的產品路徑問題。

四、用戶整合：打通線上線下數據

最後我們再說用戶運營，怎麼把行為數據跟業務數據打通做用戶運營?

(一)用戶行為數據和會員體系打通

結果數據相對是滯后的，當下的行為數據更可以反映用戶的趨向，這兩個數據要很好結合。結合這個之後，基於會員體系、商品傾向、決策階段來做差異化的用戶運營。

我們可以利用一些基本的模型去跟會員體系打通。基於產品的偏好，用戶活躍度，基於不同的決策階段，比如已經提交訂單的，已經訪問了很多SKU，但是一直沒有加入購物車等等，這些都應該有不同的方式對待。而且一旦跟線下數據做打通，基於ID、郵箱或者簡訊和電話號碼，還能夠進行相應的運營。

(二)鏈家網如何打通線上線下數據

最後再講一個鏈家的案例，一個高度重視服務的線下行業如何用數據驅動。

鏈家數據線上線下的打通和切換做得非常好。前端我們會去幫他們採集用戶各個平台上的行為數據，那線下通過經紀人採集了很多用戶的身份證號、電話、其它子類信息等等。

我們做了關聯之後，它能夠做什麼?以前經紀人，帶著客戶看2-3次房子才搞清楚客戶預算是多少，想買多少戶型，想買什麼位置。但是通過採集線上的行為數據，可以做到把獲知他們的預算、戶型朝向偏好等，導給鏈家線下系統對接。

左邊顯示的數據是用戶到首頁去搜房，從首頁到房間的詳情頁的轉化率，是47.8%。還有另外一條路徑，通過首頁的功能地圖找房再進到詳情頁是77.2%。 結合用戶量對比，搜房是248K，地圖找房18K，所以可見地圖找房轉化率高但是使用率偏低。

鏈家根據這個數據馬上做了改版，把這個功能放大，而且在很多位置可用。改版之後再做數據對比，到詳情頁的訂單量總體轉化率從47.8%提升到52.5%。這個轉化率的提升，就是產品經理做了一個小時數據分析，工程師做了3個小時的版本改動，效果非常顯著。