浅谈渠道运营及同期群数据分析法

3 评论 18627 浏览 142 收藏 11 分钟

尽管不同产品类型存在截然不同的运营手法,但终归是为用户规模服务,谈到用户规模就离不开三大运营指标,即开源、促活、节流。本篇主要分享笔者在渠道运营方面的心得。

客户开源:渠道投放&渠道管理

讲到客户开源,就饶不开渠道推广,常规的投放类型有信息流、SEM、应用商店跟大大小小的广告平台,具体投放策略视产品类型及目标用户而定,这里隐去不谈。

通常我们渠道投放过程分为两个阶段:

  • 一是投放前的准备;
  • 二是投放过程中的策略调整。

阶段一:投放前准备

  • 了解产品的特性以及目标用户群体的基本特征;
  • 结合产品特性基于对用户有利特征进行排序;
  • 提炼产品相对竞品的优势特征;
  • 了解手头固有渠道投放情况。

投放前对内的工作主要目的是:

  1. 便于自己快速了解自家产品和业务,了解投放对象类型,提炼制作推广物料的基础素材;
  2. 了解手头固有的投放情况,依据渠道的比重,判断当前的工作核心。

笔者拿P2P理财产品做简单的分析案例:

首先我们知道的P2P理财客户,显性特征是具备一定积蓄,并且愿意尝试具有一定风险的投资理财,隐性特征是客户投资决策周期长。

基于这些特征,我们再深入去研究客户投资行为决策路径,不难会发现:让用户举棋不定最大的因素,大都是“安全吗?靠谱吗?不会踩雷吧?”

至此,我们找到了客户于我们的有利特征。下一步就是提炼产品的优势特征,在与一众竞品比对后,我们钦定了“1500万投资用户”、“安全稳健运营8年”这样几组字眼,用以来打消客户疑虑,引导用户首次投资破冰。

阶段二:投放中期的渠道管理

首先,我们先来观察以下这几个典型的渠道数据。

  1. 渠道2、渠道3每天带来1000多名用户,投资率20%;
  2. 渠道1每天新增900名用户,投资率8%;
  3. 渠道4、渠道5每天新增200名用户,投资率19%;
  4. 渠道6每天只有180名新客,投资率9%。

是不是发现什么规律?

没错,无论是渠道有多少,我们都可以简单地按照“量级(注册数)”、“质量(转化率)”两个维度,做一个渠道类型分布图。

像下面这样:

  • 第一象限:渠道2、3属于优质渠道,客户质量又高,流量又大。通常头部渠道需要重点维护,除了保持优质的渠道合作关系外,还需要持续提高渠道的收入,挖掘渠道潜力。
  • 第二象限:渠道1质量比较差,但是客户流量大,排除渠道本身的客户质量问题(例如假量或用户画像有差异),渠道1依然具备成为头部渠道的潜力。所以我们需要调整渠道投放策略,力求更精准地找到目标客群。
  • 第三象限:将渠道6放到最后一个讲,因为它质量又差,流量又小,可以说难堪大用。在这里,我们需要评估渠道是否还具有投放价值,是否放弃渠道,以节省人力物力。但具体情况还是因渠道对象而异,在这里不深入分析。
  • 第四象限:渠道4、5的质量比较高,但带来的流量相对偏小。该类渠道主要策略则是加大渠道的投放,并且在加大投放的过程中,要持续关注渠道质量的变化。(如果渠道本身对我们进行控量,则可以考虑怎么优化出价策略跟投放计划,找到双方都满意的方式,确保渠道起量)

通过上述的渠道管理办法,匹配渠道管理措施,就能为产品带来更多、更优质的客户规模。

事实上,渠道管理与监控并不难,难的是怎样去调优投放策略,达成业绩目标,高手还是菜鸟,全看这一步。特别是在推广预算有限的情况下,真的真的很考验个人能力,毕竟要把推广的每一分钱花在刀刃上。

二、数据管理:同期群分析法(亦称群组数据)

我们先通过一张关系来了解渠道与运营的职责分布:

简单点讲,渠道运营负责流量引入,对引入的数量和质量负责,其中运营完成制定一整套的用户转化方案。流量价值高低与渠道运营、产品运营有关,前者获取客户,后者游说客户,以实现流量价值最大化。

分析渠道新客行为指标,笔者在这里推荐群组数据分析法。

定义:相同时间内具备相似特征的群体即同期群,将用户进行同期群划分后,对比不同同期群组用户的相同指标就叫同期群分析。

价值:群组报表可以显示不同渠道、不同特征的客户在T+N天内的首投率走势,为渠道投放策略、产品迭代、运营营销效果提供关键性的参考依据。

这里提供一个我们常用的群组数据报表格式:

由上面的数据报表中可以看到:包括渠道大类、渠道标签、投资产品类型在内,我们对注册客户进行了不同维度的归类划分。右侧则代表不同的时间进程下,不同细分客群的首投人数。

下面笔者举几个真实的运营场景案例,让大家更好地理解群组数据的价值。

场景1:观察产品迭代后的用户行为变化

柱状表示当天注册总数,折线表示注册用户当日投资率,不同颜色则代表不同类型渠道

我们产品4月上线一个新版本,主要是对产品首页引导布局进行改造。但新版上线后,通过群组数据发现大部分渠道用户的T+0首投率均以5%的幅度下滑,效果显著低于预期。

随即分析客户在APP中行为路径,发现新版设计中,因为某个新功能造成客户蹦失比例变高,随后对该步骤进行改进优化,最后降低整体蹦失用户的比例,顺利将用户的首投率提升2个百分点。

流量的有效转化不应当只是渠道质量的问题,产品、运营环节对客户转化的影响也至关重要,缺一不可。

场景2:判断渠道的真实质量

观察上面这组留存率数据,我们不难发现:A渠道用户第六周的留存率数据,显著低于B渠道,问题出在哪呢?

进一步分析,可以看出A渠道数据走势,并不符合正常客户的留存走势(即前期用户大幅度流失,后期则趋于稳定值),表现出断崖式的下降。

我们调取A渠道客户的前端数据做分析发现:来自A渠道的客户只在下午4点登录APP保持活跃,且没有产生任何内容消费的动作,维持着一个“高留存率”的假象,显而易见的虚假流量,随后我们停止该渠道的合作。

在渠道假量日益猖狂的今天,我们需要在更精细的数据层面上,去监控渠道作弊现象,降低渠道误判的概率。特别是社交型、UCG型产品,这类产品更加关注客户活跃及7日留存行为数据,恰恰这种行为也是最容易造假的。

上述两个案例,都是在讲群组数据在渠道运营过程中,在业务层面上所起到的决策作用。当然作用远不止于渠道运营,无论是存量用户的生命周期管理,还是新客的精细化营销推荐策略,都需要利用群组报表,本篇不逐一列出。

总而言之,通过群组数据完整掌握客户的行为规律与偏好,需要我们先量化数据,挖掘增长点,最后再去增长数据,是精细化运营的不二法器。

 

本文由@陈川 原创发布于人人都是产品经理。未经许可,禁止转载

题图作者提供

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. 首先感谢作者。提出一些个人观点,有些概念表述不清,如:1.群组数据报表分析法。2.UCG,笔者想说的应该是UGC。excel透视图或图标制作还需要提高啊。

    来自广东 回复
  2. 感谢笔者,学习了~

    来自广东 回复