問題是,如何實現用戶價值模型?
??如何實現用戶價值模型
我們轉載的獨角喵喵老師文章隨便說說:為何大廠做不好跨境電商?,當中有提及到跨境電商不相信方法論
文章節選:
一,跨境電商不相信方法論
字節嘗試了至少三次,目前看起來勝算都不大。拼多多目前還看不出來,但風言風語也不少。“黑話大戶”阿里其實是做的最好的,但近年來趨勢也不樂觀。
那這不是很詭異嗎?按理說互聯網這些組織管理方法論最先進,但一復制到跨境電商就不work了,沒理由這么多北大清華海歸高材生干不過一堆專科生吧?
但事實就是這樣。專科生比北大清華強在哪里?不是英語更好方法論更高級,而是能在一個很細分的領域不斷鉆研。比如你讓一個清華畢業的同學去研究列支敦士登這個國家有啥網紅,他肯定是干不下去的,但是專科生可以。反之你讓一個專科生去研究人工智能最新技術他大概率也是干不下去的,但清華畢業的可以。
而且清華畢業的人普遍“聰明”,精通職場之道,懂得向上管理,他會知道費勁巴拉去一個個找列支敦士登網紅不如給領導寫一個“歐洲各國電商分析”大報告。所以大廠項目很多做到后面一看,業務沒啥起色,每個人都成了“xxx項目lead".
所以小貓一直有種感覺,就是跨境電商的管理優勢并不是什么所謂“科學方法論”的優勢,而是充分細化分工和強執行力的配合:因為我每個流程都很具體,所以我不需要那些虛的,你把分給你這塊執行到位就行。
這也可以解釋為什么在大廠里阿里是做的最好的:因為在被各種黑話洗禮之前,阿里鐵軍一直是以執行力著稱的。而天天大喊“組織管理學”的字節,是項目最容易半途而廢的。
其實從員工人數上來看也很有意思,跨境電商的王者Shein大概有小幾萬名員工(相關報道中說1-5萬都有,鑒于沒有可靠信息,暫估算2-3萬),銷售額超過200億美金,而互聯網王者字節營收600多億美金,有10萬人。
怎么理解呢?apple to apple的比較,兩者人效似乎差不多,但字節大部分的人和營收都來自互聯網,跨境應該只占很小一部分。而shein這么一個單一板塊已經占到了字節1/3的體量,不得不佩服。
某方面,跨境電商賣家的確更重視執行力多于方法論,??畢竟你告訴我用戶多有價值;
但如果無法落地,還是等同大家都知道ATM機柜存有現金,但都無法把錢轉化為自己的財富一樣??
所以用戶價值模型,關鍵不是如何論證,而是如何實現?
??面試題:把大象裝進冰箱,要幾個步驟?
很多人都應該有聽到過這個問題的回答:第一步打開冰箱;第二步,把大象塞進冰箱里;第三步,把冰箱關上。
然而這看似一個冷笑話謎語,本質考驗的是,答題者有沒有拆分問題細節的能力,一個帶有主謂賓的需求:
主語:你
謂語:放冰箱
賓語:大象
但實際上依然是很模糊需求——大象需要怎么放冰箱了?為什么要放冰箱了呢?
需求不清晰,所以真正的第一步,其實是需要梳理需求,而梳理的最好辦法是通過給主謂賓加上細分形容詞
為XX原因
放XX樣的大象
XX樣的冰箱
圖片來源:接地氣學堂
而組成以上細節的,則是關鍵數據指標——我們又該如何判斷,什么是好的關鍵數據指標呢?
??關鍵數據指標
常規的獨立站數據指標有哪些?
圖片來源:Jaron/Yoki制表
然而以上就是我們最需要關心的“大象”數據嗎?或者說,到底什么是有關鍵數據指標標準?
關鍵數據指標是比較性的
比較同一數據指標在不同時間段、用戶群體、競爭產品之間的表現,可以更好地洞察產品的實際走向;“本周的用戶轉化率比上周有所提升”顯然比“轉化率為 2% ”更有參考意義。
基于比較性,關鍵數據指標驅動改變——這是最重要的評判標準:我們采取什么的舉措導致指標的變化
跳出率/棄購率/轉化率/訂閱率/復購率/交叉購率/客訴率/互動率/送達率/觸達率
每次比率的變動,都是一次測試的結果,結果指引我們如何優化的路線,以及背后的底層邏輯:
圖片PNG格式轉變為WEBP,跳出率提升,原因——用戶讀取Web速度提升,使用體驗提高;
Web整體色調調整為粉色,女性用戶轉化率提升,男性用戶則相反,原因——女性對粉色體驗更好;
CTA按鍵改小5個像素,結果新增用戶訂閱率下降,原因——用戶對于CTA按鍵Miss了
從運營角度看,什么是關鍵數據指標?
某方面也取決于我們自己,有沒有學會根據數據確定一條做與不做的準繩,從而更有科學性決策。
一個好的數據指標之所以能改變商業行為,是因為它與我們的目標是一致的:
留存用戶,導向口碑傳播分享,有效獲取新用戶,最后創造營收。
結合本文主題——用戶價值,就會發現獨立站最好的關鍵數據指標,更應該是客戶體驗數據(而非流量數據):
跳出率——意味著產品/服務與目前測試用戶匹配程度
圖片來源:Jaron/Yoki繪圖
棄購率/轉化率/訂閱率——目前測試用戶意愿程度(不跳出但棄購,意味著產品/服務與用戶匹配,但存在其他因素所以不轉化;根據福格行為模型:動機/能力/促發場景,三者促發行為)
圖片來源:Jaron/Yoki繪圖
客訴率/互動率——客戶體驗管理程度,對客戶來說,響應速度及時不及時/產品是否送達,是滿足與否關鍵
圖片來源:Jaron/Yoki繪圖
觸達率/復購率/交叉購率——對客戶從滿足一次到滿足多次,普通用戶導向忠誠用戶,最后打造K因子模型
圖片來源:Jaron/Yoki繪圖
K因子模型——病毒營銷背后的核心關鍵點,另外有說法是病毒因子/病毒系數K-Factor,幾乎所有的增長黑客、用戶裂變和病毒營銷背后,都離不開它
圖片來源:Jaron/Yoki制表
表格中和病毒系數K值相關的三個要素和變量分別是:
Custs(0),即初始種子用戶Customer;
i,即每個用戶發送的邀請數量Invitation;
Conv%,即每個用戶邀請成功轉化率Conversion Rate;
計算K因子的公式非常簡單:將每個用戶的邀請數乘以邀請成功的轉換率,即:K = i * Conv%
從圖表數據可知,在初始用戶量為 10 ,K因子為 2 的情況下,在經歷 12 輪增長后,總用戶量從10變成了81910
K因子屬于用戶隱藏價值,某程度也展示我們用戶模型是否存在自增長:
0≤K<1:用戶不會自增長,不存在病毒營銷,因為平均每個用戶無法帶來另一個完整用戶,屬于亞線性增長
K≥1:用戶將以指數方式增長,也就是病毒式增長引擎,因為平均每個現有用戶發展一個或者多個新用戶,實現線性或者超線性增長
圖片來源:Jaron/Yoki繪圖
和過去文章不同的是,我們本次文章的示意圖,是從部分圖片拓展為全局,因為我們希望強調一點:
關鍵數據指標之間存在耦合現象
轉化率(訪客中真正發生購買行為的比例)是和購買所需時間(客戶需要花多長時間才能完成購買)相綁定;二者相結合可以告訴我們更多關于現金流的信息;
K因子的另外一個說法,病毒式傳播系數(Viral Coefficient,平均每個用戶邀請來的新用戶數)和病毒傳播周期(Ciral Cycle Time,用戶完成一次邀請所需的時間)共同推動產品的普及率;
當我們開始組合思考獨立站用戶模型背后的關鍵數字時,就會注意到關鍵數據指標背后隱藏著更重要的數據指標:GMV、周期性現金流,還有產品普及率
(來源:JaronTam)
以上內容屬作者個人觀點,不代表雨果跨境立場!本文經原作者授權轉載,轉載需經原作者授權同意。?