数据驱动增长:受众体验优化分析的实战案例
Data text:14:06:00
AARRR模型:
RFM模型:将一个受众分为:
成长期:首次交易购物、首次消费、投资2年以上的受众;
成熟期:初次投资、投资2年以上的受众;
休眠期:首次投资、多次购物、投资1年以上的受众;
流失期:突然流失的受众;
消费:每个受众在月平均消费次数低了20%。
上面数据是一个比较经典的数据挖掘的模型,当然也有可能存在一些更加高级的模型,不一样行业的数据分析框架会有所不一样。比方医疗商品在行业数据分析这一块做的比较好,它的三个关键指标分别是转化率、流失率和留存率。
我们再来说下受众分析这一个模型。
首先说下转化率。漏斗模型可以分为从新消费者到老消费者的转换路径。新消费者来到网站阅读,当新消费者来到网站停留了一段时间之后,通常对于这一个网站有一个好的认知,然后决定是不是进行投资。受众投资成功之后,即进入到了注册阶段,亦就是我们的盈利环节。这一个环节的漏斗分析并非一个漏斗,而是一个漏斗模型,是一种有条理、有逻辑、有模型的分析方法。
举一个例子,假如我们通过AARRR模型对受众进行了一个完整的受众分析,那么我们可以这样分析:
我们分析得出的结论是:
新消费者通常对于商品来说是陌生的,对于没有商品认知的受众,没有商品认知。在这一阶段,受众是最要我们运营的人,我们需要把受众进行从认识到体验的过程,把他们转化成商品的使用者。
我们需要做的是:
第一步:
通过漏斗分析,我们可以对现有的一些受众进行分析,例如:
受众对于某个商品的使用情况是如何的,是不是存在哪些受众的典型行为,不一样渠道的受众数量情况,这些受众与商品本身的数据信息的关联度如何,受众对这一商品的反馈情况是什么,这些受众可可以在网站停留多久,他们对于商品的意见是什么等等。
受众的类型、年龄、性别、职业、学历、上网设备、家庭情况,这些是我们需要分析的。
第三步:
根据这些数据信息,我们就可以针对性的对我们的受众进行转化,让我们的受众更深入地了解我们,更加清晰的为我们所用。
第四步:
我们根据漏斗分析,我们就可以针对性的对受众进行转化,通过漏斗分析,我们就可以对我们的受众进行分流,将我们的受众分流到不一样的渠道。
第五步:
当我们通过漏斗分析,对于新消费者有了一定的认知,已经有了一定的商品使用习惯,我们就可以对不一样渠道的受众进行分流,将他们分流到不一样的渠道。
