企业如何以数据为支撑，深度打磨产品？｜解决方案

业务增长是企业做市场营销的最终目的，这需要从用户全生命周期，也就是认知、考虑、购买三阶段通盘考虑。对于用户所处的不同阶段，企业需要有不同的运营策略，对此，GrowingIO沉淀了相应的解决方案，分三篇进行分享（）。

本文为第二篇，将介绍企业如何在用户的「考虑阶段」通过深度打磨产品，尽可能多地激活用户和转化用户。

对于网站和APP，当用户处于「考虑阶段」，我们会希望更快将更多访客转化为下单用户。为此，我们需要与用户建立更强连接，深度打磨产品，不断提高用户体验。

用户进入一个产品，从访问到下单一般会经历以下5个步骤，在整个用户旅程中，每一个环节都有优化空间，GrowingIO也沉淀了相应的场景分析策略。

以我们服务过的某酒店集团为例，该集团有近5000家门店、过亿会员，线上有一款APP。全域运营时代到来后，该集团将公司战略调整为“向存量要发展”，目标是酒店预订转化率提升2%。

我们的分析策略如下：

01

产品首页分析

1、分析首页流量分发情况

通过首页流量点击占比分布，可以了解用户点击偏好及其后续去向，以便有针对性地优化产品细节。

2、预订入口评估

预定入口是企业最希望用户点击的产品模块，我们可以通过建立入口规模、入口转化率、入口业务贡献的多维矩阵，综合评估入口效率，从而优化入口排布。

如上图，横坐标为入口使用率、纵坐标为入口转化率，圆圈大小代表预订用户占比，我们可以看出：

·首页入口使用度最高，且业务贡献最大，但转化率较低，有待提升；

·酒店订单页和优惠券立即使用入口，转化率高，但是用户规模小；

·行程页，无论是用户规模、转化率、还是业务贡献都是最低的。

由此，我们得出结论：可以对有复住行为或有优惠券的用户，增加预定入口到订单页和优惠券页面的引流。

3、附加功能评估

对比使用不同功能用户群的转化率，可以判断附加功能对主业务是有促进作用还是抑制作用，从而优化页面布局。

附加功能的评估主要包括两方面：使用度的评估、附加功能对主业务的影响。

比如在该案例中，我们通过对比发现，点击过附加功能的用户转化率明显高于全部访问用户，并且使用过「签到领积分」的用户预订转化率最高，接近70%，这说明附加功能对主业务有促进作用。

02

列表页点击分析

1、分析列表页流量分发情况

通过列表页的点击率、点击概率分析整体流量效率，评估列表与用户需求的匹配度，了解流量分发现状。其中：

列表点击概率（基于PV）=列表点击次数/列表页浏览量；

列表点击概率（基于UV）=列表点击用户数/列表页浏览用户数。

2、分析用户行为的集中性

通过累积浏览量和累积点击量可以分析用户行为的集中性，并且通过元素的点击衰减率可以分析位置对用户行为的影响。

比如在该案例中，我们发现列表页近70%的元素浏览和80%的元素点击都集中在前两屏。这意味着两屏以后的酒店，用户很可能浏览不到，更不会点击。

在点击衰减率分析中，第一个推荐酒店到第二个推荐酒店的衰减率高达60%，可以说明，第一个酒店为黄金酒店。

另外，在第一屏中，元素1处于屏幕最上方，但点击率低至1%，也就是说这个位置的面积利用率低。

综合来看，酒店后续可以考虑将该位置转化为推荐酒店，以此增加首屏酒店的浏览和点击。

3、寻找提升列表点击的空间

通过用户在列表页其他功能的使用，例如筛选功能，可以寻找进一步提升列表页点击率的空间。

在该案例中，列表页使用筛选功能的用户为26%，说明目前的匹配方式并不能完美匹配用户的需求，下钻发现，其中51%的用户会筛选价格，31%筛选基础设施。

因此可以给出建议：现在的列表页酒店的匹配逻辑是根据位置，后续优化可以结合位置+价格+配套设施等进行综合匹配，并适当提高价格的比重。

03

详情页分析

对详情页的分析可以定位流失用户共性，从而调整页面元素，主要分两方面：

1、产品角度

分析页面上可点击元素对流失的影响。可以采用定性分析和定量分析相结合的方式。

通过分析用户行为轨迹来定性分析用户流失原因；

通过分析模型定量分析各元素与预订按钮点击的相关性。

比如在该案例中，经过对用户行为轨迹的细查，发现详情页所有地图/周边、酒店图片这两个元素与酒店预订的相关度最高；咨询电话的点击用户数较少，但转化率最高。

因此可以给出建议：订购酒店的用户多为商务出行，影响详情页预订按钮点击的主要原因是「酒店照片」和「地理位置」，建议优化酒店照片和地理位置的匹配。

2、运营角度：

分析不同特征酒店或不同用户群体流失的原因，扩展定位其他影响因素。

比如，在该案例中，我们选取了流量TOP30的酒店，发现流量高、转化率低的酒店特征是：分布在北京，且均为高星级酒店，超出了该集团目标客户的承受范围，而转化率高的酒店多分布在车站附近。

04

订单提交页分析

1、细颗粒度拆分流失环节

将大漏斗转化为小漏斗，将用户的每一步操作进一步细化，定位主要流失节点。

比如对在详情页点击预订按钮未预订成功的用户进行更细颗粒度的拆分，可以发现多流失在订单填写页浏览→提交订单环节。

2、通过用户行为细查，定性分析用户流失原因

找到流失点以后，层层下钻，看用户为什么没有下单。

比如在该案例中，我们发现浏览订单填写页而没有提交订单的用户多在点击价格明细后放弃，此部分用户为价格敏感型用户，制约因素主要为价格，因此可以建议对这部分用户重点做优惠券、折扣等推送，促进其完成订单。

3、定量分析影响因素的统计意义

通过统计检验，验证各功能对提交订单的影响程度是否具有统计显著性。

比如我们可以量化点击费用明细这一行为对转化的影响，通过计算得出，在95%的置信区间，未点击费用明细的用户预订成功转化率高于点击费用明细的用户，具有统计显著性。

同理，可以计算出订单填写页其他功能的使用对用户预订酒店的影响。

由上图发现，使用过「选购景点门票」的用户订单提交率仅86.%，明显低于全部浏览订单填写页的用户（91.2%），对订单有抑制作用，而点击「优惠券」和「信用住」对订单提交有促进作用，以上在95%的置信区间内均具有统计显著性。

有了数据支撑，该企业对产品进行了优化：

1、更改了首页页面布局；

2、酒店列表页从原来的按照地理位置推荐改成了按照“位置+价格+基础设施”综合推荐，并重新树立了现有酒店的图片，将图片数量不足的酒店进行了补充，图片质量差的酒店进行了图片调整；

3、针对性地对价格敏感性客户做了优惠营销推送。

最终，该集团顺利完成APP预订转化率提升的目标，订单金额预估提升数千万。

创立于2015年，GrowingIO是国内领先的一站式数据增长引擎方案服务商，属StartDT奇点云集团旗下品牌。以数据智能分析为核心，GrowingIO通过构建客户数据平台，打造增长营销闭环，帮助企业提升数据驱动能力，赋能商业决策、实现业务增长。

GrowingIO专注于零售、电商、保险、酒旅航司、教育、内容社区等行业，成立以来，累计服务超过1500家企业级客户，获得LVMH集团、百事、达能、老佛爷百货、戴尔、lululemon、美素佳儿、宜家、乐高、美的、海尔、安踏、汉光百货、中原地产、上汽集团、广汽蔚来、理想汽车、招商仁和人寿、飞鹤、红星美凯龙、东方航空、滴滴、新东方、喜茶、每日优鲜、奈雪的茶、永辉超市等客户的青睐。