一個完整的增長專案覆盤案例

編輯導語:覆盤是專案完成後必不可少的一步,有效的覆盤,能幫助我們找到問題和解決方法。那麼,如何有效覆盤實施的專案呢?本篇文章中,作者以自己的一個從0到1的增長專案為例,分享了自己的專案覆盤,感興趣的小夥伴不妨來看看。

一個完整的增長專案覆盤案例

一場好的專案覆盤,不僅可以讓我們以從宏觀到微觀的視角去回顧整個專案的成長過程,還能在覆盤過程中提取經驗,為下一階段去放大專案優點或縮小專案缺陷做分析支撐,亦或還能在覆盤中,推測出專案後續會持續產生的累計價值。今天同樣以一個實際案例給大家分享專案該如何做好覆盤,覺得有用的朋友可以順便關注一下。

之前的文章給大家分享過一個關於啟用註冊流失使用者的增長專案,在該案例中我分享瞭如何從0到1做一個增長專案,專案上線後需要執行一定的時間才能收集到足夠的資料做覆盤,所以本次覆盤的案例的資料部分會以該專案的資料為例(非真實資料,僅做計算參考。)

本次分享覆盤案例將從以下幾個方面進行闡述:

專案總結概述

專案變更日誌

增長方向的定義和結果驗證

使用者模型的搭建和結果驗證

增長策略的孵化和結果驗證

具體覆盤如下:

一、專案總結

ps:一開始先跟老闆彙報專案資訊和帶來的業務結果,後面再逐個講解驗證思路及演示資料

1. 專案背景

面向註冊後從來沒有下過任何訂單的使用者,策劃一場增長活動,透過促銷嘗試對該類使用者的召回,提升首次購買的轉化率。

2. 目標使用者

在2020/11/16~2021/09/16期間註冊成功的使用者,且目前賬戶內已經不存在任何優惠券的使用者,透過資料統計共計約180000人(這裡介紹下選擇2020/11/16作為起始時間的原因是在這個時間開始公司切換了神策資料平臺,所以我們只能統計到神策上線以後的資料)。

3. 活動資料

2021/09/17~2021/10/13,活動上線後27天,召回登入人數29680人,完成首次下單人數12610人,站內成交轉化率42。5%,共產生GMV約$953700,整體召回率7%。

4. 收益測算

經過一個月的資料驗證,註冊時長為1個月以內的召回率為10。24%,召回率隨註冊時間變長而遞減,超過三個月的召回率僅0。72%。

參考2020/10/1~2021/10/1期間,產生的目標使用者數為500000人。策略迭代觸發時間點為新使用者註冊滿1個月仍未下單時觸發。參考專案的全部資料,預計該專案全年可帶來增量GMV為$3870720

PS:後期收益測算這一項也許並不是所有專案都需要做的,但大家可以根據實際情況考慮是否需要做專案後期收益的推算,這裡分享一下這次專案的測算思路。

在做這個專案的時候我們圈選了一群目標使用者並搭建了一個使用者模型,所以後期可以根據使用者模型下的表現資料做迭代最佳化。

我們統計出這次活動投放的目標使用者中,91。2%的註冊使用者是已經超過三個月的,而經過資料驗證,註冊時間在一個月內的使用者整體召回率是最高的,約10。24%,而超過三個月的使用者召回率僅0。72%,召回率隨註冊時間增加而遞減。

所以迭代策略中,參考本次資料的表現,可以把自動觸發策略的節點設定為新使用者註冊滿一個月且未產生下單的使用者。

若按照這樣的配置,我們拉取一下去年同期資料為參考,全年產生的目標使用者約為500000個,所以可以做個初步估算,預計該專案迭代後,全年產生的GMV=目標使用者量x召回率x客單價=500000×10。24%x$75。6=$3870720。

二、專案期間變更日誌

這裡主要是記錄專案開發或上線期間發生的對專案有影響的事件,在此給大家做個模板演示。

一個完整的增長專案覆盤案例

如上面表格的例子,我們需要把專案實際程序中發生的各類影響事件,根據發生時間節點、發生原因、如果不發生該事件時我們預期的效果是怎樣,發生該事件後產生的影響是怎樣,以及發生影響事件後我們採取了怎樣的措施,這裡我只給大家做個參考案例即可。

我們的專案是在9月15號開發完成的,而專案中有一個需求是在活動落地頁有推薦商品模組,我們打算做一組實驗。

對照組讓運營根據歷史銷量資料來篩選商品進行推薦,而實驗組是根據每個使用者訪問商詳記錄、收藏記錄、加入購物車記錄但從未購買過的商品。

搭建一個綜合評分模型來做千人千面的商品推薦,但後來開發告知由於神策的原因,無法獲取使用者行為資料,所以這裡的A/B實驗就無法按計劃上線。

三、增長方向覆盤

1. 增長需求挖掘

這裡主要闡述為什麼要做這個需求,該需求是基於怎樣的調研/資料分析而來。

以本次專案為例,我們統計了商城的各項歷史資料:(以下資料需求僅供大家參考,需根據實際產品型別和業務模式調整):

使用者基礎資料:總訪問量、已註冊使用者量、註冊未購買使用者量

首次購買資料:首次購買轉化週期分佈、首次購買金額分佈

復購資料:復購頻次分佈(以年為單位)、平均復購週期

註冊未購買資料:註冊後的行為資料(是否領取優惠券、瀏覽了哪些商品、頁面停留時長)、再次登入的使用者數、登入頻次分佈、再次登入後的行為數

商品銷售資料:價格區間銷售分佈、首次購買商品偏好、熱銷商品資料

會員資料:會員等級分佈、購買力分佈(GMV,不同會員等級做區分)、購買力分佈週期(年為單位,根據會員等級做區分)

渠道資料:不同站外渠道曝光率、不同站外渠道轉化率、引導進站後的流量分配、

歷史活動資料:(策劃方案、覆盤報告等)

轉化漏斗資料:(以某一渠道為例,從站外到最終轉化的漏斗表現)

留存資料:7日、14日、30日留存

最後根據眾多資料調研的結果,我們得出瞭如下結論:

一個完整的增長專案覆盤案例

一個完整的增長專案覆盤案例

從收集的資料表現來看,可以得出如下結論:

註冊後未下過單的使用者佔新註冊使用者約在30%~60%之間浮動。

使用者平均停留市場上月20min左右(無圖)

訂單比例大部分來源於首次購買

所以建議的增長方向是:根據使用者的行為資料,對註冊後從未下單的使用者群進行促銷投放,以提升首次購買的轉化率。

2. 增長結果驗證

一個完整的增長專案覆盤案例

根據活動資料統計,得出如下結論:

目標人群整體召回率約為7%,活動期間共產生增量GMV為$3870720,客單價為$75。6。

站內購買轉化率為42。5%。後期可以嘗試根據使用者行為偏好資料的選品策略做A/B實驗,有助於提升站內轉化。

郵件渠道觸達效率偏低,活動點選率偏低,建議持續最佳化郵件標題和郵件內容。

四、使用者建模覆盤

1. 建模思路梳理

(之前的文章有詳細介紹過關於該專案使用者模型過程,感興趣的同學可以看看)根據資料統計結果如下:

一個完整的增長專案覆盤案例

結論:

所有的註冊未購買使用者中,僅有一次登陸事件(即註冊)的佔比約75。4%,說明如果不進行新的外部刺激,註冊當次未產生購買,就很難觸發第二次登入行為,很大機率會演變為流失使用者。

註冊未購買使用者隨著時間的流逝,距離註冊日期越久,則發生登陸事件的數量越少。

建模思路:

註冊後登陸的頻次(75。4%僅登陸1次)是否會對啟用機率產生影響?

距離註冊日期的遠近,是否會對啟用機率產生影響?找到適當的臨界點。

2. 模型結果驗證

結論:

1。 從登陸次數維度來看,高登陸組的召回率(1。45%)比低登陸組的召回率(0。64%)好;

模型結果驗證

透過刺激手段提升新註冊使用者登陸頻次,如:註冊後規定時間段內再次登陸領取獎勵金等。

2。 從近期是否有登陸維度來看,近期有登陸的召回率(4。32%)比近期無登陸的召回率(0。72%)好;

建議:

進一步細化分析三個月內召回率情況,選擇合適的召回活動投放時間點。

3。 另外一個有趣的資料發現:相比高登陸組和近期有登陸組,低登陸組和近期無登陸組的使用者雖然召回率低,但站內轉化率更高。

建議:

說明低登陸組和近期無登陸組使用者一旦再次登陸購買確定性更強,刺激點應該放在如何引導提升使用者再次登陸上。而高登陸組和近期有登陸組使用者,則刺激點應更多放在如何提升登陸後的站內轉化。

一個完整的增長專案覆盤案例

結論:

在之前搭建的使用者模型中,登入次數≥2+最近3個月有登入的小組中(後面簡稱高高組),該組的召回率(召回率=下單人數/小組圈選人數)約為6。25%,遠高於其他小組。

對高高組的使用者按近期登陸的時間做進一步拆分分析,高高組中距今1個月有登陸的召回率(10。62%)最好,距今2個月有登陸的使用者召回率為5。5%,距今3個月有登陸的使用者召回率為3。89%。

建議:

後續活動日常自動化迭代,如果設定距註冊日期一個月作為目標使用者的投放時 間點。按一個月作為投放時間點來計算的呼哈,可以算出如果專案迭代後低高組和高 高組使用者的

建議:

五、策略覆盤

平均召回率為10.24%。

根據下面兩份資料統計表可以看出,有53。7%的使用者在首次下單時使用了優惠券,且優惠券使用額度佔首次購買訂單總金額的14%。

一個完整的增長專案覆盤案例

從下圖中可以看出:無論秒殺或非秒殺期間0-49低價商品的銷售佔比都在較靠前的位置。非秒殺期間的0-49區間商品銷量佔比24。5%(第二名),秒殺期間9。1%(第三名)。

特殊說明:由於商城定位,每個月都會有一次秒殺大促

一個完整的增長專案覆盤案例

各月銷量top20商品不乏價格低於60的單品,所以針對目標使用者群,60以下的商品具有很大吸引力(這裡特別拿售價在60以下的來做分析,是因為公司之前的促銷活動最低門檻都是針對60以上的商品,可能因為60以下的商品利潤低所以沒有引起重視)。

一個完整的增長專案覆盤案例

從下圖可以看出:

統計了6月份在售商品數量,SPU共47款,其中60元以下單品13款。

一個完整的增長專案覆盤案例

目前商城針對新使用者會發放兩張優惠券分別為60-10和99-15,分別覆蓋25、9款價格區間商品。

綜合上述資料,使用者首次購買49元以下價格區間商品傾向度較高,且該價格區間商品銷量和在售商品數量也不低,所以建議新增19-3優惠券覆蓋這部分使用者,提升啟用轉化機率。

為進一步驗證19-3優惠券作用,透過設定A/B test實驗的方式來對比驗證轉化效果。

一個完整的增長專案覆盤案例

1. 策略定製思路

不同型別優惠券在不同商品價格區間的使用情況:

可以看出,3款優惠券在購買20-40價格區間的商品佔比(32。23%)最多,其次為0-20區間的商品(佔比16。84%)。

一個完整的增長專案覆盤案例

優惠券核銷前15款商品量佔比(排除贈品):

滿19-3的券核銷量最大的商品為OPEN,商品價格區間為0-20;

滿60-10的券核銷量最大的商品為OBULB,商品價格區間為20-40;

滿90-15的券核銷量最大的商品為I5R,商品價格區間為20-40。

一個完整的增長專案覆盤案例

結論:

實驗組3張券的使用人數佔比(21。12%)比對照組2張券的使用人數佔比(19。2%)略高。滿19-3的券的ROI(16。99)最高,單筆訂單金額遠高於優惠金額。

2. 策略效果驗證

保留滿19-3的券,覆蓋低價長尾商品和低客單價傾向使用者。

一個完整的增長專案覆盤案例

以上是本次分享的增長專案覆盤內容,實際的覆盤報告篇幅會比本文少一些。

本覆盤模板只能作為參考,更重要的是我們如何用資料去驗證專案帶來的結果,覺得本次分享有用的朋友可以幫忙關注一下,或點個幫忙分享一下,後期我會陸續給朋友們分享一些關於如何搭建專案的資料指標體系,以及如何搭建增長模型等案例。

作者:張一文;公眾號:產品經理的取經路

本文由 @張一文 原創釋出於人人都是產品經理,未經許可,禁止轉載。

題圖來自 Unsplash,基於 CC0 協議

頂部