盲盒实战分享与总结 | 如何用盲盒让转化率翻倍?

3 评论 6202 浏览 53 收藏 15 分钟

编辑导读:童年时,我们沉迷于玩具;长大后,我们沉迷于盲盒。有网友戏称,怎么被割韭菜的总是那波人。盲盒经济的发展让企业纷纷开展相关的产品和功能,那么,如何用盲盒让转化率翻倍呢?本文作者从三个方面展开分析,希望对你有帮助。

一、盲盒实战结果:新客转化率提升100%

“2021年7月21日,盲盒功能上线,该功能转化率为大盘新客转化率的4倍;7月23日开始,为盲盒功能导入更多流量,稳定后整体新客转化率提升近100%。”

多少从事C端或增长的产品经理,都期望着自己的某个需求,能让产品核心指标的增长能出现上图一样的曲线。幸运如我,在今年7月通过设计一个游戏化的盲盒需求,让平台新客激活首日转化率翻倍。

其实在更早的时候,我自己从盲盒背后给用户带来的价值角度出发,总结了盲盒能有效的“三个要素”;在实战过程中,我自己也秉承这三个要素来进行设计,最终确认有效后,在此与大家分享。

二、盲盒有效的三要素

首先,我们先将这里要讲的盲盒做一个简单的定义:“盲盒是一种将一组商品提供给用户参考,用户以一个固定的价格购买,随机获得其中任意一个或多个商品的交易模式”。

网上有许多人在讲盲盒的原理和逻辑,但鲜有人能讲清楚其背后的本质。

关于盲盒为什么会有效?有人说盲盒利用了好奇心;有人说是因为有隐藏款;还有人说是因为商家在炒作等等。但这些对盲盒的拆解都过于抽象和表面,无法帮助理解盲盒背后的逻辑,也就无法将其灵活运用在各位自己的业务中。比如,如果说认为盲盒是利用了好奇心,那么什么是好奇心?为什么好奇心能提升用户动机?如果这些想不明白,其实就并没有真正理解盲盒的价值。

本文从盲盒如何提高用户的感知价值出发,提出“盲盒有效的三要素”如下:

  • 要素1:选择无关紧要;
  • 要素2:放大期望收益;
  • 要素3:保底收益为正。

笔者认为当上述三个要素同时满足时,才是做到了盲盒的核心。此时,在盲盒模式包装下,相比于原始的交易模式,用户对交易的感知价值将被显著地放大,从而将促成更多的交易行为。

要素1:选择无关紧要

首先,盲盒的模式几乎剥夺了用户做选择的权利。用户无法选择自己想要的具体商品,只能随机从一组中获得一个,但这不一定是坏事。

“做选择”这件事情,在大多数情况下,是能给用户带来价值的。拿买衣服举例:用户可以从不同样式的衣服中,选择一件自己喜欢的样式;又或者,用户可以从不同的尺码中,选择适合自己的尺码。在这种场景下,“选择”本身是有价值的,也是至关重要的,也就不适用于盲盒模式。

但还有一些情况下,用户存在“选择困难”,又或者选择本身是不重要的。或者用一个公式来说:

当用户“做选择所要付出的精力成本>=通过选择获得的收益” 时,我们称之为“选择本身不重要”。盲盒经济也必须要在这种情况下才能适用。例如,用户需要从20种相似口味的糖果中选择一个时;又或者,当用户需要“丢硬币”做选择时,这些场景则可以适用盲盒。因为此时剥夺用户选择的权利,并不会给用户带来损失,甚至能带来价值。

*实战策略建议:在选品时,需要做到有普适性,从而达到选择无关紧要的效果。此外,商品不能太过重要,例如买房或买车这种场景,哪怕具有普适性,因为选择过于重要,而不适用于盲盒。一个相对成功的例子时:某电商产品中做的服装盲盒,为了达到普适性,只是将同一个款式的不同颜色作为盲盒的商品组合,而不是跨越很多不同的款式,这样的设计就符合做盲盒的这个条件。

要素2:放大期望收益

如果只是因为“选择无关紧要”而做出的盲盒,还远远不够。光这样给用户也带来不了什么额外的价值:为什么要买你的盲盒呢?我自己丢硬币买不行吗?

因此,盲盒要有效,还需要放大用户的期望收益!这也是盲盒让用户提高感知价值的核心。

常见的策略是:增加隐藏款。必要时还可以通过商家炒作,提升隐藏款的价值,从而提高用户对购买盲盒的期望收益。

从数学的角度来说可以这么理解:例如盲盒中有10个普通商品,用户对商品的平均感知价值是50元。因此,当盲盒卖50元时,假设用户对盲盒的感知价值是正态分布的,将会有一半的用户选择购买盲盒。如果增加了1%的概率获得隐藏款,而隐藏款通过商家炒作后,价值是10000元。那么用户此时对购买盲盒的感知价值变为:(99%*50 + 1%*10000)= 49.5 + 100 = 149.5 元!

通过隐藏款,直接从原先的50元感知价值提升到了149.5元! 那些对盲盒本身感知价值偏低的用户,因为隐藏款的存在,使得感知价值>感知成本。因此也会愿意购买盲盒,这也就是转化率能提升的原因。

*实战策略建议:增加具有普适性或标准价格的隐藏款,放大用户预期收益。一方面可以通过炒作来放大隐藏款的价值;另一方面也可以选择一些标品,例如1%的概率获得 iPhone13pro。此外,关于中奖概率有时也可以不用说明,用户会本能根据过往经验,猜测一个概率来估算自己的预期收益。总之,只要有隐藏款的存在,用户感知价值就会放大。

要素3:保底体验为正

第三个要素:即保底体验不能低于预期。

这一点其实也是因为用户会在潜意识里估算购买的期望收益。例如,一个餐饮盲盒中如果有个商品有辣椒,那么对于不吃辣的用户而言,这个产品的预期收益就是0元。最终用户潜移默化会在心里进行一个估算:

购买盲盒的预期收益 = A商品预期收益*A商品获得概率 + B商品预期收益*B商品获得的概率 +……

当某个商品的预期收益为0时,将极大的降低用户对购买盲盒的整体预期收益,从而降低转化。

*实战策略建议:在选品时,不要选择对用户可能预期收益过低的商品。例如在可能有男士购买的盲盒中加入口红;或在女士购买的盲盒中加入男士内衣。

小结

以上三个要素,核心都是降低用户购买时的决策成本,同时提高用户对购买盲盒的感知价值。这背后的逻辑是,只有当用户“感知购买获得的收益”>“感知购买付出的成本”时,用户就会做出购买行为。

盲盒核心还是在于,通过概率游戏和信息不透明(商品不透明或概率不透明),让用户在购买时产生过高的预期收益,从而促使更多的购买行为。

三、实战案例分享

从数学或逻辑层面来看,以上三个要素只要做到了,用户的期望收益就会得到放大,就会有更多的用户进行购买。但是在实战设计需求的过程中,还有两个困难点

  1. 如何有效地将这些信息传递给用户?
  2. 如何让用户信任你?

因为用户不一定愿意花时间来了解你盲盒活动里的商品,也更不愿意花时间去仔细计算期望收益。因此在产品设计过程中,尽量要让用户处于系统1来进行判断,让产品设计更直观地传达出期望收益很大的用户感知。这样才能最大化转化率。

这里与大家简要分享一下我关于盲盒的实战经验。当时的背景是:我们是一个综合类电商平台,我们在产品中会给每个新用户提供了上千款免费商品作为新人礼品供选择,但是转化率依然不是很理想。

这一点也让我们产品团队很苦恼:明明东西已经免费了,但是还是有大量的用户不购买。

我们认为可能的原因是:

  • 用户对App不够信任 ;
  • 用户购买需要付出额外的选择成本、以及填写收货地址和支付信息的成本,这些成本过高导致不购买。

为了解决这个问题,一方面我们增加了更多关于信任的元素,例如展示他人的评价、平台的承诺。同时也优化了支付流程用户填写信息的效率,但效果甚微。

最后我们决定还是从感知价值这个角度出发,通过盲盒来提升用户对我们新人福利的感知价值,从而提高转化率(当时还没有其他电商平台将盲盒的形式用于新客转化)。

我在实际设计盲盒活动的过程中,主要的思路如下:

  1. 降低选择成本,确保保底体验为正:因为本身是给新人的福利,太多免费商品让用户选择,可能反而是件耗费用户心智的事情,因此采用盲盒的形式,去掉用户的选择成本。选择了一批普适性且具有吸引力的商品(电动牙刷、墨镜等)。
  2. 扩大期望收益:将苹果手表和耳机作为隐藏款奖励。这类商品价格相对大众都知道,便于用户在潜意识中计算期望收益。同时不告诉用户中奖概率,用户本能可能认为十个商品中得到苹果手表的概率是10%,但实际上是0.1%。
  3. 营造合理性:天下没有免费的午餐,用户不信任平台的原因可能是:为什么你要免费给我送东西,是否是要盗取我的个人信息?因此我采用了抽奖的形式(这也是拼多多惯用伎俩),让用户好不容易“抽”中这个领取盲盒的机会。
  4. 营造稀缺感:告知用户领取盲盒机会难得、限时30分钟、每个用户仅可领取一次等等术语。

将上述的设计思路串联起来,在产品设计时做成一种类似讲故事的效果,用户看完这个故事后,对领取奖品的期望价值大大提升。最终,盲盒在上线后取得了显著的成功,也就是本文开头所分享的数据(这里基于对公司业务保密的原因,不宜公开原型图,请见谅)。

关于盲盒的分享暂时到此结束了,希望对大家有所帮助。也欢迎大家在评论区与我沟通讨论。

#专栏作家#

爱学习的Keyda,人人都是产品经理专栏作家。主要专注在线教育和电商类产品增长,擅长游戏化设计,定期分享产品设计和思考。

本文原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

专栏作家

爱学习的Keyda,人人都是产品经理专栏作家。主要专注在线教育和电商类产品增长,擅长游戏化设计,定期分享产品设计和思考。

本文原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 想知道是哪个产品,学习体验下

    回复
    1. +1

      来自浙江 回复
  2. 这个底层逻辑分析非常有价值,感谢提供了分析思路,受益匪浅

    来自广东 回复