原创智能优化,原创度检查,一键采集,文章组合(本次聊聊设计增长活动的流程及如何搭建一套可持续优化的用户模型)

　　原创智能优化,原创度检查,一键采集,文章组合(本次聊聊设计增长活动的流程及如何搭建一套可持续优化的用户模型)

　　小编介绍：要想做好产品或服务，就需要掌握用户的需求，找到客户的痛点，对症下药，这样转化率才会经常提升。所以如何建立一个用户模型是很重要的，然后根据得到的用户画像进行设计和规划，实现有效的转化。本文重点介绍设计增长活动的过程以及如何构建可持续和优化的用户模型。推荐有兴趣的小伙伴阅读。

　　每一次营销活动所产生的每一次产品功能和转化都会伴随着损失，而这些损失也是企业的成本和潜在用户。我们可以通过一定的产品设计和精细化的运营策略，多次挖掘用户价值。

　　在设计增长项目时，我们通常需要建立一套相应的用户转化模型。当用户画像落入此模式时，会自动触发相应的产品策略进行多重激励，最大限度地提高转化的可能性。这一次我们将谈谈设计增长活动的过程以及如何建立一套可持续和优化的用户模型。欢迎大家一起讨论。

　　一、定义增长方案

　　本文以一位注册过但从未下过单的用户为例，分享如何设计一个从0到1的成长计划设计流程，目的是提高一单的转化率（本次不解释如何定义增长方向）。

　　二、构建用户模型1. 为什么要构建用户模型？

　　通过构建用户模型来设计产品解决方案，可以帮助我们获得以下几点：

　　比如本次活动可以沉淀的规则有：

　　2. 如何建立用户模型

　　在确定了业务目标和用户类型之后，需要建立详细的用户模型，比如用户活跃度、购买力、渠道、注册时间等维度，因为在同一个活跃度策略下，不同活跃度维度下的用户仍然是可能对业务目标产生不同的影响，以便找到各个因素与最终转换的关系，以便后续优化有针对性。

　　因此，我们需要根据实际业务属性构建一套用户模型，并不断优化模型。例如，对于本次注册但未购买的目标用户，为了验证活动与最终转化之间的关系，我们要建立一个用户模型。设置活动模型，流程如下：

　　(1） 模型参数设计

　　在这里，我们需要明确我们的用户和目标：

　　然后我们计划以活动为初始模型方向，将活动的组成部分定义为三个因素：登录次数、停留时长、最近是否登录。具体如下（可根据实际需要定义更多或不同的组件。 Dimension ，因人而异，此处不展开）。

　　然后确定每个参数的评价规则（根据历史数据，选择合适的基线，不断优化调整），统计每个类别的用户数，选择合适的受众。

　　是否需要在活动分类的基础上叠加其他分组标签，如：获客时间、获客渠道……

　　分析用户登录后的行为数据，如浏览页面、产品等（为下一步制定激励计划做准备）。

　　(2）模型方案设计

　　根据以上参数设计模板，抓取相应人数后，即可进行模型的具体设计。这里需要根据实际情况来定义各个维度的高/低标准。比如我们统计了这批用户的以下行为，然后定义登录次数≥2次为高，最近三个月的登录行为高，停留时长≥20min为高；因为不同的业务属性和数据表现会带来不同的判断标准，所以这里是根据自己的业务。只需定义适当的标准。

　　最后分别统计模型中8个组的用户数，用于审核各组的用户画像，衡量最终的转化效果，作为下一步优化的参考。

　　三、方案规划/实验设计

　　在规划阶段，我们可以从以下几个维度梳理出核心思想：

　　此外，我们可以通过数据分析和用户研究梳理出以下问题：

　　其次，可以根据实际业务属性，进行数据调查分析：

　　在这里，我们仍然可以根据实际情况整理其他维度，最终根据数据结果确定我们的增长计划（也可以添加用户研究、问卷调查等环节）。

　　（因为我们做的是跨境独立站e-mall，而我们国外用户只有email作为*敏*感*词*），我们这次的活动计划是通过email的形式给这些目标用户发送激活礼包，包括两张优惠券，引导逛商场，刺激订单。

　　（网络商城）关于产品设计，属于产品经理的日常工作，这里不再赘述。这次主要分享成长项目设计的流程和一些细节。活动流程图 产品方案设计部分属于产品经理需要的日常工作，这里不再赘述。这次主要分享成长项目设计的流程和一些细节。

　　A/B 实验设计 A/B 测试一般应用于以下四类需求：

　　A/B实验设计的核心思想：

　　分析设置a/b测试的活动，合理安排优先级；选择1-3组，设定可验证指标，完成参考组和对照组的实验设计；整理出符合实验可验证指标的数据采集要求。

　　实验环节设计 活动业务流程确定后，可根据实际需要找到可实验的流程节点。这里我们最终决定在两个地方做AB测试实验：邮件推送的优惠策略和事件落地页的商品推荐，并设计了实验可验证的指标，如下图：

　　顺便解释一下各个指标的含义：

　　用户流量分配 确定在哪里做AB测试后，就要考虑如何分配流量。流量分配有两种形式：

　　互斥分离法： - 如果两个实验的结果相互干扰，建议使用互斥分离法（当然，如果有足够的流量数据）。

　　交叉分裂法——如果两个实验的结果互不干扰，则可以使用交叉分裂法（在我们的项目中，选择了交叉分裂法）。

　　实验设计细节以本案例为例，最终我们将实验内容确定为两个：

　　首先，为了验证客单价低的用户对本次活动的敏感性，我们计划再给一组用户发放一张低门槛的全减优惠券，所以在邮件中设置了第一个A/B实验到达用户：

　　实验组：90-15、60-10、19-3 三张满折优惠券；

　　对照组：90-15、60-10 2 全优惠券。

　　二、为了验证什么样的产品推荐策略对用户的最终转化影响大，我们计划在事件落地页设置第二个A/B实验：手动配置产品和基于用户行为的策略推荐产品：

　　实验组：个性化策略选择；

　　对照组：操作人工选择。

　　四、建立指标体系

　　构建数据指标体系的维度可以很多，也可以很深。主要目的是为以后的优化提供数据支持。不同的业务形式和不同的方案设计需要根据实际情况构建指标体系。以下是我们这次活动的指标体系，参考以下四个维度：

　　1. 基于业务流程的漏斗转化

　　采集每个环节都需要哪些基础数据，定义了各个环节的转化指标和计算公式，以及各个环节转化数据的历史基线（如有）。

　　2. 基于A/B测试的实验数据

　　两个实验分别建立了直接指标和间接指标，以及直接指标和间接指标的计算公式。

　　3. 基于用户模型的行为数据

　　按用户组统计用户基本行为数据，按用户组统计各环节转化数据。

　　4. 基于活动的日常监控数据

　　单个用户的基本用户行为数据，每个链接的小时/日趋势数据。

　　最后为本次活动搭建了较为完善的数据指标体系。

　　总结：以上是一个成长项目的孵化过程。在规划一个项目的时候，除了考虑项目本身是如何实现的，还要提前规划好后期项目如何优化，提前准备好相应的数据，建立指标体系。，使我们能够以数据驱动的形式不断培育和优化一个项目，从而产生最大的项目价值。

　　本文由@产品经理的学习之路原创发表，人人都是产品经理，未经允许禁止转载

　　题图来自Unsplash，基于CC0协议