运营增长从 0 到 1 打造企业数字化运营闭环( 五 )


运营增长从 0 到 1 打造企业数字化运营闭环
本文插图
在设定目标时 , 结合客户的属性、行为偏好、价值标签、进行人群筛选;方案策划上可以参考历史活动不同方案的活动效果 , 进行活动方案的评估和调优;效果评估的环节 , 希望能够实时性地洞察活动触达面积以及最终的转化与业务贡献:在触达的客户中 , 有多少用户因为不感兴趣而直接关掉了活动落地页 , 又有多少用户按照引导流程完成了最终转化 , 整个流程都是可以通过数据访问量、转化率等指标去做衡量 。
以某在线教育企业为例 。 该教育企业需要进行活动效果评估诊断活动问题环节 , 迭代活动设计提升用户复购率 。
分析现状:由于补贴有成本 , 只有用户能够在整个生命周期内产生的价值大于补贴金额 , 平台才能提升收益 , 因此要观察用户的复购情况 。
发现问题:参与抢购的用户里有一批用户复购率很低 。 通过用户分群发现 , 购买首节课程的用户复购率偏低 。
分析原因:推测是因为购买首节后 , 如果想继续购买 , 则需要付全款购买全部打包课程 , 对用户来说其实是多付了钱 。
改进方案:对活动进行优化 , 凡是买了首节课程的用户 , 再购买全套课程时 , 都可以减免首节费用 。
效果验证:迭代后 , 成功让分群中的用户复购率翻了一倍 , 同时也有效地提升了整体的付费转化和 GMV 。
(四)数据驱动内容运营
内容运营的重点是找到对的人、用对的方式、送达对的信息 , 通过三者的不断调优 , 找到最合适的、高效的运营策略 。
运营增长从 0 到 1 打造企业数字化运营闭环
本文插图
整体上 , 需要对每一类信息进行完整的管理 , 从对应的目标人群画像出发设置适用的信息 。 对业务整体的掌控也需要站在战略角度分析 , 以评估内容运营的优化空间 。
以某电商企业为例 。
分析现状 。 平台每日发放大量优惠券 , 但由于优惠券品类众多 , 统一发放的形式造成券打开率不到 1% , 券核销率仅为 15%+ , 由优惠券带来的业务价值收益过低 。
制定策略 。 圈定用户:40 岁以下女性 , 近一周浏览口红商品但未下单的用户 , 推送口红类活动(Push 或霸屏页) 。
设定目标 。 1 天内完成支付;次要目标 1 天内加购物车 , 1 天内浏览商品详情 , 看整体的活动转化率 。
效果验证 。 券打开率提升 10 倍 , 从 0.4% 到 4%;券核销率提升 5 倍:从 16% 到 80%;每天有 60 多场营销活动 , 在后台自动触发;价值提升 10 倍计算过程 。
全量推:推 10 W人 , 打开 400 人 , 转化 60+ 人 , 平均每单 70+ 元 。 全量推送带来转化 4500 元 。 ——10 W人带来 4500 元
精细推:推 2W 人 , 打开 800 人 , 转化 640 人 , 平均每单 70+ 元 , 精细化推送带来转化 45000 元 。 ——2 W人 带来 45000 元
1/5 的推送人群 , 带来 10 倍价值收益 。 最终 , 实现了个性化运营、实时效果评估、降本增效的三大目标 。
总体上 , 在数据分析应用的方向 , 常见痛点为:数据基础弱、现有数据工具难以满足分析需求、数据分析深度不够、数据洞察到业务难落地 。
4、数据产品化应用
数据产品化应用 , 可以分为产品内和产品外应用 , 如下为业务智能全景图:通道+粒度+时效性细分 。
运营增长从 0 到 1 打造企业数字化运营闭环
本文插图
有效运用数据分析挖掘用户特征与行为偏好 , 并将实时数据打通到业务流中 , 实现在产品站内信息展示、站外信息触达差异化、个性化 , 最终实现运营自动化、智能化 。 结构化来看 , 数据流结合业务流 , 可实现业务智能化 。