編輯導語：想要做好産品或服務，說到底需要掌握用戶的需求，找尋客戶的痛點需求，對症下藥，這樣轉化率往往才會增加。那麼如何構建用戶模型就非常重要了，根據所得用戶畫像再進行設計策劃以達到有效轉化。本文圍繞設計增長活動的流程及如何搭建一套可持續優化的用戶模型展開了講述，推薦對此感興趣的夥伴閱讀。

每一個産品功能、每一次營銷活動所産生的轉化都會伴随着流失，而這些流失也是企業的成本和潛力用戶，我們可以通過一定的産品設計和精細化運營策略來進行多次挖掘用戶價值。

在設計增長項目時，我們通常需要針對性地搭建一套對應的用戶轉化模型，當用戶畫像落到該模型下，就會自動觸發相應的産品策略進行多次激勵以達到最大轉化的可能。本次聊聊設計增長活動的流程及如何搭建一套可持續優化的用戶模型，歡迎大家一起讨論。

本文以注冊但從未下過單的用戶為例，分享一下如何從0到1設計一場提升首單轉化率為目的的增長方案設計流程（此次不展開講解如何定義增長方向）。

1. 為什麼要搭建用戶模型？

通過搭建用戶模型來設計産品方案，可以幫助我們獲得以下幾點：

• 建立同類型增長活動的投放人群用戶畫像；
• 可以沉澱用戶畫像和活動目标（成交轉化率）的規律，定位高轉化人群，（例如此次模型中的A 用戶）進而可以不斷優化和提升轉化率；
• 可以沉澱投放人群（如本次注冊未購買用戶）通過活動投放轉化為購買的周期規律，進而不斷優化投放時間，提升轉化率。

例如本次活動中可以沉澱的規律為：

• 從注冊轉化為購買的最佳營銷時機、最近一次登錄轉化為購買的最佳營銷時機。
• 可以基于用戶畫像，區分驗證不同類型人群，對不同方案的敏感度和轉化率。

2. 如何搭建用戶模型

确定了業務目标和用戶類型之後，接下來需要建立細化用戶模型，比如用戶的活躍度，購買力、渠道、注冊時間等等各種維度，因為同樣的活動策略下，不同活維度下的用戶仍然可能對業務目标産生不同的影響，為了能找到各個因素與最終轉化之間的關系，以便後續能針對性的進行優化。

所以我們需要根據實際業務屬性搭建一套用戶模型，并對該模型進行不斷的優化，例如：對本次以注冊未購買用戶為目标用戶，為了驗證活躍度與最終轉化的關系，我們準備搭建一套活躍度模型，流程如下：

（1） 模型參數設計

這裡需要明确我們的用戶及目标：

然後我們打算先以活躍度為初步模型方向，定義了活躍度的組成維度分别為登錄次數、停留時長、近期是否登錄這三個因素，具體如下（可以根據實際需求定義更多或不同的組成維度，因人而異，這裡不做拓展）。

然後确定每項參數的評定規則（基于曆史數據，選擇合适的基線，不斷優化調整），統計每個分類的用戶人數，選擇适當的投放人群。

是否需要在活躍度分類基礎上疊加其他分組标簽，如：獲客時間、獲客渠道……

分析用戶的登陸後行為數據，如浏覽頁面、商品等（為下一步設置激勵策劃做準備）。

（2）模型方案設計

根據上面的參數設計模闆，将對應的人數抓取後，可以進行模型的具體設計了,這裡需要根據實際情況定義好每個維度的高/低标準，例如我們統計了這批用戶的如下行為進而将登錄次數≥2次定義為高，最近三個月有登錄行為為高，停留時長≥20min的為高；由于不同的業務屬性、數據表現會帶來不同的判斷标準，所以這裡根據自身業務去定義合适的标準就好。

最後分别統計出模型中8個小組的用戶數，用于複盤各個小組的用戶畫像對最終轉化效果的衡量，進而為下一步優化做參考。

在方案策劃階段，我們可以從以下幾個維度來梳理核心思路：

• 分析渠道數據，選定合适的投放渠道；
• 分析用戶數據，選定合适的投放人群範圍；
• 分析商品和激勵投放數據，選定合适的投放激勵策略；
• 分析漏鬥數據，設計合适的用戶轉化引導路徑；

另外我們可以通過數據分析、用戶調研等方式梳理以下問題：

• 策略對象是誰？他可能對什麼感興趣？
• 可以提供那些優惠類型？那種最具有吸引力？
• 怎樣設置優惠使用條件？及如何計算ROI？
• 是否需要設置優惠門檻？門檻如何設置？有效期怎樣設置？優惠組合怎麼設置？
• 不同的用戶畫像是否設置不同策略？
• 如何選擇用戶組？怎樣得到假設驗證？
• 不同策略的投放路徑和内容？
• 投放渠道如何選擇？投放内容如何展示？

其次可以根據實際的業務屬性，進行數據上調查和分析：

• 目前有哪些銷售占比較大的優惠類型？
• 分别含促銷活動的首購訂單占比；
• 首購訂單優惠力度（優惠金額/訂單金額）；
• 首購訂單商品價格區間分布；
• 首購訂單商品價格區間分布；
• 首購商品銷量及對應單價（在售商品，按銷量排序）；
• 注冊未購買用戶，注冊時獲得的優惠情況？
• 的優惠力度和核銷情況如何？
• 不含促銷活動的首購訂單占比？
• 用戶浏覽過哪些頁面/商品？

這裡仍可以根據實際情況進行其他維度的整理，最後根據整理的數據結果，（也可以再增加用戶調研、問卷調查等環節）來确定我們的增長方案。

（由于我們做的是跨境獨立站電子商城，且我們國外的用戶隻有郵箱這一種觸達手段 ）所以我們這次的活動方案是打算給這批目标用戶以郵箱形式投放激活禮包，内含兩張優惠券，引導訪問商城并刺激下單。

（web商城）關于産品方案設計這塊屬于産品經理日常工作這裡就不展開贅述了，此次主要分享關于增長項目設計的流程及部分細節。活動流程圖關于産品方案設計部分屬于産品經理需求落地的日常工作，這裡就不展開贅述了，此次主要分享關于增長項目設計的流程及部分細節。

A/B實驗設計A/B測試一般應用在下面四類需求上：

A/B實驗設計的核心思路：

1. 分析可設置a/b test的活動環節，合理排列優先級；
2. 選擇1-3組，設定可驗證指标，完成參照和對照組實驗設計；
3. 梳理滿足實驗可驗證指标的數據采集需求。

實驗環節設計在确定了活動業務流程之後，可以根據實際需求找出可做實驗的流程節點。這裡我們最終确定了先以郵件推送的優惠策略和活動落地頁的商品推薦兩個地方做AB測試實驗，并設計了實驗可驗證指标，如下圖：

順便解釋一下各類指标的含義：

• 直接效果指标：該實驗影響的最直接的指标，用來決策實驗是否符合預期，一個實驗隻能設置一個直接效果指标。
• 間接指标：實驗影響的間接指标，可以有多個間接指标進行輔助性參考。
• 正向指标：實驗有可能間接提升的指标。
• 負向指标：實驗有可能導緻下降的指标，視具體實驗而定，不一定必須有該指标。

用戶流量分配确定好在哪裡做AB測試之後，要考慮流量如何分配的情況。流量分配有兩種形式：

互斥分離法：——如果兩個實驗之間的結果存在互相幹擾的情況，是建議用互斥分流法（當然也得流量數據足夠的情況下）。

交叉分流法——如果兩個實驗之間的結果并不會存在相互幹擾，可以使用交叉分流法（我們的項目就選擇了交叉分流法）。

實驗設計細節以該案例為例，最後我們确定的實驗内容為兩個：

第一，為了驗證低客單價用戶對本次活動的敏感度，我們打算其中一批用戶多發放一張低門檻滿減券，所以在觸達用戶的郵件内設置第一個A/B實驗：

實驗組：90-15、60-10、19-3三張滿減券；

對照組：90-15、60-10 兩張滿減券。

第二，為了驗證什麼樣的商品推薦策略對用戶的最終轉化影響大，我們打算在活動落地頁設置第二個A/B實驗：人工配置商品和基于用戶行為的策略推薦産品：

實驗組：個性化策略選品；

對照組：運營人工選品。

搭建數據指标體系的維度可以很多，也可以很深，主要目的是為了為以後優化做數據支撐，不同的業務形态，不同的方案設計都需要根據實際情況針對性的搭建指标體系。下面是我們本次搭建活動指标體系，參考以下四個維度：

1. 基于業務流程的漏鬥轉化

每個環節需要采集哪些基礎數據、定義每個環節的轉化指标及計算公式、每個環節的轉化數據曆史基線（如果有）。

2. 基于A/B test的實驗數據

兩個實驗分别設定的直接指标和間接指标、直接和間接指标的計算公式。

3. 基于用戶模型的行為數據

按用戶分組統計用戶行為基礎數據、按用戶分組統計每個環節的轉化數據。

4. 基于活動日常的監控數據

單用戶的用戶行為基礎數據、每個環節的小時/日趨勢數據。

最後針對本次活動搭建了一套較為完善的數據指标體系。

小結：以上是一個增長項目的孵化流程，我們在策劃一個項目的同時，除了要考慮項目本身如何實現，還要提前規劃一下後期項目該如何優化，并提前做好相應的數據準備和搭建指标體系，這樣我們才能地将一個項目通過數據驅動的形式，不斷地深耕和優化，産生最大的項目價值。

本文由 @産品經理的取經路 原創發布于人人都是産品經理，未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!