如何让业务在短期内核心数据增长近40%

如何透过业务目标和业务阶段,发现并定位到业务Magic Number和北极星指标,成为驱动业务增长拐点的必经之路。

编者按:本文作者:友盟+经授权发布产品壹佰

当业务逐渐成熟,对数据的需求,从基础的DAU、启动次数等上升到能影响业务发展的“关键环节”,对应的数据分析方式、思考过程和解法都随之改变。如何透过业务目标和业务阶段,发现并定位到业务Magic Number和北极星指标,成为驱动业务增长拐点的必经之路。

由10年大数据分析和客户服务经验的讲师,通过真实客户案例来看北极星指标的定位和应用,分享如何让业务在短期内核心数据增长近40%。

可以说几乎每一家成功的互联网企业都经历了这个数据基建历程,并且积累了深厚的数据分析与价值挖掘能力。这个历程大致可以分为五个阶段。

第一阶段是关注DAU这样的总量数据,简言之就是有流量。第二阶段开始关注粗放的运营效果,也就是转化,包括留存、付费这样的结果数据,到了第三阶段,随着运营手段的细化,企业开发者开始致力于优化转化路径,这个时候就涌现出来的关键环节临界值这样的概念,比如Magic Number等等,关键环节和临界值往往是业务突破的难点,因此也就出现了“北极星”指标这么个方法。

等到攻克了“北极星”指标,业务发展就有了更多的方向与可能,此时企业也积累了大量的数据分析经验,开始按照预期规划形成自己的目标衡量体系以及数据方法论体系。

在这五个发展阶段中友盟+发现,大部分客户在第三和第四阶段中都会投入大量的精力和人力,去尝试、选择甚至是测试数据分析的效果

我们选择了一个友盟+的资深客户:某影视App,它的数据分析案例,来展现我们的企业开发者如何利用友盟+的产品和工具完成了自己的数据分析进阶突破之路。

案例背景

某影视App是一家聚合类视频平台,以提供热门影视资源为主要内容,核心业务也就是为用户推荐他们想看的片子,这个核心业务的考核指标显而易见就是播放量,那么如何提升播放量呢,无非也就是从影响内容和影响用户两方面入手,于是从数据分析和指标建构的角度来看,出发点就变成了提升播放量,而内容和用户则是两个业务抓手。有了播放量这个指标,就要让它落到实际业务中去,那么第二步的工作就是指标拆解。

image

指标拆解

前面提到了我们业务抓手是内容和用户两方面,那么这个指标顺着这个逻辑拆解,就成为与用户和内容相关三个细分指标,用户数、用户播放率以及人均播放影片数。

image

接下来就要通过友盟+的U-App产品对用户数、用户播放率以及人均播放影片逐一分析,探索他们与结果指标的关系,最终该影视App发现了两个结论:

第一个结论:与人均影片播放量有关,也就是说留存用户与非留存用户在看片数量上有一个明显的临界值,当用户看片超过一定数量,就会提升留存率。

第二个结论:与用户播放行为有关,每当1%的无播放用户转化为有播放用户,那么整体的留存率就会提升0.3%。

image

有了这两个方向,业务思路也就通畅了,我们可以首先考虑引导客户播放片子,再通过精细化运营提升用户播放片子的数量,最终促成用户留存、规模与影片播放量的双重提升,基于这个业务思路,该影视App将当时的北极星指标设置为有播放用户比例,那么再次对焦两个抓手,也就是成为了内容分发和播放转化。

首先来看播放转化,与众多内容型产品一样,该影视App有着诸多内容入口,比如说频道、搜索、筛选、推荐,首页流、排行榜等等,那么是不是所有入口的效率都应该优化呢?还是用户有特别的偏好习惯了某一个路径,那么该影视App在U-App中设计了一个自定义漏斗,统计分析各个模块的转化效果。image.gif

image

通过数据对比发现,搜索页和播放页是用户曝光最多的两个模块,其次这两个模块也是有播放用户与无播放用户之间差别最大的两个模块,那么也就是说,有播放用户与无播放用户之间的行为差异主要就发生在这两个场景,两条链路中。

那么问题来了,我们分别会问一下,第一在搜索场景下,是什么原因导致用户搜索了却不播放片子呢,是没有搜到感兴趣的结果吗?第二个问题,在播放页中又是什么原因影响了用户体验了,导致了这临门一脚的转化失败呢?

接下来我们做一轮详细的对比,首先无播放用户更倾向于使用自主搜索,也就是直接搜索自己想要的片源。

其次,通过再次使用自定义漏斗,对比无播放用户和有播放用户的转化链路我们发现在产生搜索结果和点击搜索结果两个步骤中,两群体之间产生了明显的差距,也就是无播放用户如果搜不到想看的内容,大概率会选择离开,很少会点击推荐的搜索结果。

因此想要提升搜索链路的播放转化率要么能够提供给用户想要的片源,要么说服客户点击推介的片源。

image

鉴于内容资源扩充需要的成本更高,并且不能百分之百满足用户的任意需求,因此解决问题的焦点就在于后者,仅说服用户点击推荐的片源,于是我们就定义了两个关键指标,搜索有结果率以及搜索结果点击率,搜索有结果可以是用户想要的结果,也可以是相关结果或者是推荐的内容。

优化改进

想要提升搜索有结果率和搜索结果点击率首先要解决有结果,该影视App主要在这几个方面做了改进:

首先尝试引导用户需求,比如在搜索框提供默认的搜索词,我们假设用户想给小朋友找个动画片,或者想给小朋友找一个《猫和老鼠》,但是一看默认搜索词是《小猪佩奇》,用户可能随手就点了搜索,因为给小朋友看,进入了《小猪佩奇》的结果页面,这样就降低了用户找不到片源的风险,同时也为他提供了其它选择。

那么对于选择主动搜索的用户,该影视App在搜索框页面增加了搜索历史、热搜词,热搜词的涨跌趋势,用户看到这些提示词也有可能会改变想法,选择一个热门的片源来看,这样也降低了搜索无结果的风险,同时提升了播放的可能性。

如果用户最终依然选择输入自己想看的片源,那么结果就变的不可预期,首先该影视App在搜索结果优化了UI设计,让界面变得更加友好,在搜索无结果页面这个风险最大的分支上,设置了求片源的入口,一方面获取用户想要看的片子,然后根据后台数据扩充相应的资源,另一方面通过用户期望降低了负面的影响,让用户体验到产品服务的用心,避免因为需求得不到满足而流失。

image

优化结果

通过这一轮的优化,默认搜索词的搜索次数增加了3倍,搜索比例提升了2.5个百分点,其实是提升了搜索有结果的保障率。

整体搜索数据峰值提升了30%,也就是说用户对于搜索链路的改进接受度提高,认为这个入口能够满足需求,再来看播放链路的优化,播放页的临门一脚失败在哪里,通过细分分析发现,用户进入播放页却不播放片子的主要原因是因为当下处于非Wifi环境,因此该影视App在界面上增加了一套提示,提醒用户当下处于非Wifi环境,可以先收藏影片,等到网络条件允许时再播放。

image

提示用户收藏就意味着后续还有播放的可能,即便用户忘记也可以通过各种提示引导用户做后续播放。

image

从内容分发角度考量,该影视App也对播放链路做了一系列优化,这些优化主要集中在筛选页上,包括增加猜你想搜、搜索结果预先加载、UI界面优化等形式,增加了播放页的曝光机会,进而提升筛选页的播放贡献率。

image

经过以上优化筛选页进入播放页的比例从48%提升到54%,峰值达到了54.7%,此影视App选择了暑期优化前后的数据对比,筛选页贡献的播放数提升了36%,经过优化搜索链路和播放链路,该影视App提供的提升了有播放用户比例这个北极星指标,解锁了新的增长空间。

image

image

经验总结

以上经验大致可以总结为几个步骤:

第一步,分析业务特点、业务需求和业务抓手。

第二步,确立核心业务指标,对指标进行拆解、与业务抓手相关联。使用分析工具逐一分析指标与结果数据的关联关系,确立北极星指标。

第三步,设置指标转化漏斗,分析各链路的实际情况和优化空间。

第四步,锁定优化方向,制订并实施优化策略。

第五步,通过数据对比ABTest,观察优化前后的效果,指导策略调优。

第六步,通过北极星指标数据变化,验证优化策略的效果,直致目标达成。

以上通过一个具体实例给大家介绍了数据分析在策略优化上的作用和方法。通常企业也会给开发者准备了通用数据看板和行业数据看板,大家可以酌情选择适合自己的自定义工具,帮助企业开发者从整体上观察核心指标的变化和结果,形成从看板到细分再到特定业务分析的分析逻辑。

0条评论 添加新讨论

登录后参与讨论
Ctrl+Enter 发表