高频抓用户,低频做利润

iamsujie
2 评论 11375 浏览 82 收藏 6 分钟
🔗 B端产品需要更多地依赖销售团队和渠道合作来推广产品,而C端产品需要更多地利用网络营销和口碑传播来推广产品..

在做产品时我们需要考虑到“需求频次”的问题,现实中我们更喜欢的当然是需求频次高的产品功能,但是现实中这样的却少之又少,实际在考虑需求时,更多的时候需要把握的是高频低价和低频高价这两类。

大家都知道“高频打低频”,但现实中哪有那么多高频需求,我们也不能只看“需求频次”这一点,所以,再把这个在《人人都是产品经理2.0》中已经提到的话题梳理一番。

首先,频度是指产生需求频次的高低,不同的需求,频次差异会非常大。

有些需求每天都会出现一次甚至多次,比如外卖、出行;有的需求差不多每周出现一次,比如看电影;有的需求也许每个月出现一次,比如交水电费、还信用卡;有的需求每年出现一次,比如车险,出境游等……

同等条件下,我们当然更喜欢做频次高的产品功能。

我曾负责过天猫积分系统,当时有很多积分相关的消息要开发。

在产品的早期版本里,我做了一些简化:买家每次购物产生的积分变动消息,需要先做;而用户每年年底积分过期的提醒,可以缓缓,如果碰到可以先手动解决。

但是,有些需求的频次不是那么高,我们也愿意做,比如,有很多做婚庆市场的产品。

这是因为这些单次需求的复杂度高,而且单价也高,有很大的价值空间可供挖掘。虽说外卖需求的频次比较高,但每单通常只有20块左右。而婚礼,虽然一辈子只有一次,但背后的需求包含了很多点——拍婚纱照要几万,办酒席要几十万,蜜月旅行要几万;还需要买一些周边产品,小到喜糖,大到车和房,后者又至少有几百万的潜在市场价值。

我们可以画个简单的四象限图,如下,横轴从左到右表示需求频次从低到高,纵轴从下到上表示需求价值从低到高。

通常,频次很高的需求不太可能有太高的单次价值。理由很简单,类似每天一次、每次一千块这种需求,只能存在于极端小众的土豪市场,大众普遍没有这么强的消费能力,另一个角度,是这种优质需求早已经就被做完了,摊手。

再理解“高频打低频”,对也不对

于是,在上图的四个象限中,高频高价的需求极少,低频低价的需求不值得做。我们真正常见的是另外两个象限的需求,要么高频低价,要么低频高价,那么,这两种需求做起来有什么套路么?

常见的策略是:先利用高频低价的需求抓用户,因为高频场景和用户互动的机会多,而低价的轻决策场景可以降低用户进入门槛,容易拉新、引流;再用低频高价的需求做利润,因为单价高了,可以切分的蛋糕才大。之所以采取这样的先后次序,是因为必须有海量用户做基础,低频需求的总量才足够大。

换句话说,“高频打低频”只适用于早期瓜分用户的市场情景,随着时间的推移,低频需求的价值必须考虑起来

举几个例子:

汽车后市场(指买车以后产生的各种消费),用高频低价的洗车、加油等场景增加用户数,甚至通过补贴来抓牢用户,然后用低频高价的保险、保养、修车来赚取利润。

个人金融领域,先利用记账、小额理财等高频低价的场景拉新,然后在利用借贷这种低频高价的场景来赚钱。

医疗领域,先利用挂号、轻问诊来抓用户,再利用重疾险、生病相关消费来赚钱。

欢迎你的例子……

“需求频次*单次价值”,以后但凡想到频次的时候,都可以同步思考一下单次价值,一句话总结:高频抓用户,低频做利润

PS:当然,最后这一句总结也有其适用场景……

#专栏作家#

苏杰,人人都是产品经理专栏作家,前阿里巴巴产品经理。《人人都是产品经理》、《淘宝十年产品事》、《人人都是产品经理2.0》作者,现在做创业者服务,『良仓孵化器』创始合伙人,期待和同学们一起,用好产品改变世界。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash ,基于 CC0 协议

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. 写的很好。

    来自四川 回复
  2. 我创业在做贷款经纪人社区,高频做内容培训和交流,低频做交易。

    回复
专题
90699人已学习13篇文章
不论你是产品经理还是运营,都要具备数据分析基本能力。
专题
16774人已学习14篇文章
本专题的文章分享了拼团功能的设计指南。
专题
13295人已学习14篇文章
好的产品是对人性的窥视,无论是做产品,做运营,懂点心理学还是很有帮助的。本专题的文章分享了消费者心理学。
专题
12411人已学习12篇文章
LLM=Large Language Model 大语言模型,是一种基于深度学习的自然语言处理模型。它能够学习到自然语言的语法和语义,从而可以生成人类可读的文本。本专题的文章分享了大语言模型的知识。
专题
50441人已学习25篇文章
在产品初期,有什么方法能获取及维护高质量的种子用户呢?
专题
13345人已学习13篇文章
本专题的文章分享了产品经理数据分析方法论。