神策数据业务咨询师成林松:社交裂变的场景化分析

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

神策数据业务咨询师成林松:社交裂变的场景化分析

在以“矩·变”为主题的神策 2019 数据驱动大会现场,神策数据业务咨询师成林松发表了名为《社交裂变的场景化分析》的主题演讲。以下内容根据其现场演讲整理所得。

本文将重点为你介绍:

  • 社交裂变的价值

  • 常见的裂变模式

  • 社交裂变发生的原理及计算公式

  • 社交裂变场景进行有效分析的框架

  • 基于裂变的数据结构化采集方案

一、 社交裂变的价值

众所周知,一切产品业务发生的前提是有用户,在此基础上才有转化流程,尤其在企业初创期,最核心的指标是用户增长。且在如今的市场环境下,增长不再主要依赖广告投放,如 SEM,而是主要基于社交网络的裂变拉新。

1.两种获取用户的方式

首先,从传统流量采买与裂变拉新两个角度进行对比。

传统流量采买主要存在 3 个特点:第一,其是一个层层转化的过程,如对于线上付费产品,用户转化过程是从拉新到注册再到体验课最终实现成交才形成一个高价值用户,其对应的实际获客成本较高;第二推式营销,如做 APP 推广时,一般应用商店以及信息流广告带来的用户质量会低于产品本身自然流量质量;第三用户易疲劳,其投放素材以及用户技巧都需要不断迭代以持续吸引用户,因此 一直产出有效的推广方式。

裂变拉新也主要存在 3 个特点:第一是私域流量,裂变本质基于社交网络,如社区将用户拉到企业自有流量池,基于私域流量再做转化,构成相对稳定的流量池,特点是价格可控,如做裂变拉新一般会采取给予用户优惠的方式,在这个过程中业务人员可以调整激励的参数使其可控;第二是用户主动选择,假设分享一个优惠券促进用户的点击、回流、转化,本质是用户主动选择的过程,其质量会较好;第三是方法生命周期更长,企业可摸索出用户裂变长期可用的操作方法,以实现流量的持续增长。

神策数据业务咨询师成林松:社交裂变的场景化分析

2.裂变技术的当前手段

从宏观角度来看,其一,裂变拉新可视为一种技术,在其技术周期上现已处于较成熟的阶段,其显著特点是技术通用化,表现在不仅应用于线上的产品裂变,还应用于线下,如商场的砍价、拼团、分享朋友圈获得优惠等,本质上也是利用社交网络完成品牌主导与用户增长。其二,其可实现方法系统成体系,如市面上较成熟产品的方法可结合到自身业务实践中,方法是可借鉴和复用的。

神策数据业务咨询师成林松:社交裂变的场景化分析

二、常见的裂变模式

如下图,列举了一些拉新裂变的常见模式:

这些模式均有具体的应用场景和特点,下面我举几个例子进行解说:

1.老拉新

老拉新是指老用户通过分享获得优惠,同时新人也获得优惠的方式,也是目前最通用的方式。

且最早可追溯到国外的 Dropbox 应用,其核心逻辑是用户邀请一个好友使用可获得该产品的 16G 免费空间,该模式的适用的核心特点是产品价值是否通用,用户是否认可该优惠,这与具体社会环境背景相联系。以 Dropbox 为例,个人云空间在国外是非常刚需的东西,有价值并且需要用户付费购买,因此送新人免费空间可受到用户的价值认可,但中国的云盘产品,这种方式便不一定有用。因此,老拉新的优惠通用性和价值认可度均需要着重考虑。

2.砍价助力

砍价助力模式的关键是用户的占便宜心理,并伴有及时反馈,如上图的分享界面,让用户感觉只差一点就可以达到目标,且针对新用户其激励力度更大,如 iphone 等礼品的巨大折扣等,因此很容易泛滥,或造成社交压力,目前这种方式对下沉市场用户较为有效。

3.社群打卡

社群打卡模式的特点是将裂变巧妙地结合在产品中,具有诸多正向循环的好处,如薄荷阅读的英文阅读需打卡才能完成学习,其分享动作对分享者也是形成正面的社交影响,促使用户形成较高频率的分享,而非用户见到分享后的学习焦虑也容易促转化。

4.海报

相较用户转化高的社群打卡模式,海报模式是以更直接的形式分享到朋友圈,用户数量少但质量高,因为朋友圈已经为受众人群做了一层过滤,朋友圈中对产品感兴的就是潜在用户。其海报设计将成为一个关键,其重点不是海报的美观度,而是将一些远超成本价值的内容展现在海报中,如下图中 11 天上手基金定投。

三、社交裂变发生的原理及计算公式

1.社交网络特点

首先,传播的基本前提是个体在社交网络中相互连接,如线下的连接投射到网络上构成线上线下的连接。其次,个体的连接并不均等,因兴趣而聚合。因此,判断产品是否具备通用的传播力,其核心是传染性强弱能否打破圈层,这决定着产品裂变是流行还是快速消失。

2.病毒传播的公式

裂变其实类似病毒传播,如下图为病毒传播公式。Custs(0) 指初始种子用户数,K 指在一次传播过程中,一个传播源带来几个新的“感染体”,t 指代传播总时间,ct 指一次传播周期时长,CT 代表在一定时间内的传播速度。该公式中较难清晰定义的为 K 值,其也是病毒传播的关键。

3.如何推倒正确的 K

从定义上来看,K 指代一次传播周期内,一个用户带来多少新用户。其中,K 值的定义是依赖计算时间周期的,而公式的 K 值是一个复合计算的值,是时间段内每一层传播的 K 的平均值。实际中的 K 往往随着传播的层级数逐级衰减,因此,我们常说的 K 是指一个用户带来多少新用户,是不区分传播周期的情况下:1+k^1+k^2.....k^n 的汇总值。因此在计算时,需与老板统一 K 值的计算标准。

四、 社交裂变场景进行有效分析的框架

社交裂变场景有两个主要思路:过程拆解(漏斗)和矩阵维度。如下图:

1.过程拆解

过程拆解指通过对传播裂变过程的拆解,找出待优化环节,提升整体的裂变销量,其与漏斗的逻辑一样。

结合病毒传播的公式来看,拉新效果影响因素包含:初始的参与传播人数、K 值、一定时间内的传播次数。其中 K 值是每个用户发送邀请数量乘以邀请成功转化率(如下图),综合来看,其影响因素包含四个:初始的参与传播人数、分享触达人数、转化率、一定时间内再分享率。如下图:

结合具体业务场景如瑞幸咖啡,分享其广告可获一杯免费咖啡,分享者成为传播者,再通过分享好友、分享社群、分享朋友圈等方式形成信息传播,吸引新用户注册后,分享者成功领取优惠形成接受者转化,新用户再成为传播者,如此循环即形成裂变传播。

针对这四个环节,便将传播关键具象化,如传播者阶段关注争取更多优质传播者,在信息传播阶段提高传播信息流通和有效曝光,在接受者转化提升接受者的新增转化,在裂变阶段,提高接受者的裂变传播行为。且在不同阶段也具备相应的关键指标,如下图:

下面介绍针对以上四阶段的具体解决方案:

(1)如何产生更多传播者?

首先,我们需知道社交传播量=小程序启动人数✕传播产品渗透率 ✕产品分享率 ✕人均分享次数。其中,重点介绍下渗透率和人均分享次数。

  • 渗透率

我希望什么样的人知道这个优惠?目前触达到他们了吗?不同触达的素材效果怎么样?目前都是从什么入口进来的,不同入口后续分享率效果怎么样?

  • 分享率

页面设计的可用性、页面停留时间、点击热图等?call to action 如何,如是否有分享按钮?激励到位了吗?为什么没有转化?

(2)如何产生更多回流?

回流人数 = 有效曝光人数✕回流率

  • 有效曝光:

分享是否成功了?分享到有效的传播途径了吗?如何保证分享的有效?获得奖励的限制性带来的阻力,分享内容对社交形象的影响是否正面?

  • 回流率:

对被分享者来说,是否形成有效刺激是回流的关键?如一般用户会思考这是什么?谁分享的,需要我接下来做什么,我需要付出什么成本?我能获得什么,我需要吗?

(3)如何产生更多回流和再分享?

转化人数 = 回流人数✕互动率 ✕注册转化率

再分享人数 =转化人数✕深度使用率✕裂变率

  • 转化人数

落地页可用性怎么样?落地页是否快速让用户知道这是什么?激励内容有否得到有效曝光?用户对激励内容感兴趣吗?新用户注册(领取激励)流程有什么转化门槛?是否可以快速完成,如何缩短流程?

  • 再分享人数

从深度使用到裂变,是否能缩短用户路径?快速引导到再裂变流程?从内容上,新用户往往喜欢什么产品?新用户的体验门槛如何降低?操作成本如何是否需要下载 APP?损失厌恶,是否要促进用户快速使用新人优惠?

2.矩阵分析

矩阵分析主要指通过两个属性的交叉分析,可以划分用户群体,精细化运营;也可以将内容分类,研究如何优化内容来提高转化。

首先,从人群区分角度来看,设定回流率和分享意愿两个区分指标,分享意愿代表用户是否愿意成为裂变中的传播源,回流率代表分享后的回流用户多少。如下图,通过两个属性的交叉分析,我们可以发现图中红色部分代表当前分享意愿和分享效果的不匹配,企业需研究他们背后的人群差异,调整分享文案和激励内容,提升最终的拉新效果。

再从内容区分来看,可设置注册转化率和浏览率两个维度,通过这两个属性的交叉分析,企业可以发现当前推荐内容和转化效果的差异,调整内容分发,给予高转化内容更多曝光。

五、 基于裂变的数据结构化采集方案

1、埋点方案设计

如下图,为神策数据的事件表与用户表:

在神策数据的产品中,会有一些预置事件,如小程序页面浏览、小程序分享、小程序启动等,从事件的属性角度来说,企业需重点考虑如何记录用户的分享信息,包含将分享行为及分享用户特征等信息记录在事件表和用户表,基于这些信息,可辅助后续的深度分析。

2.K 值计算的两种方法

以回流作为传播达成的标准,可通过以下两种方式进行计算:

(1)从定义的角度,分传播周期,直接计算 K 值:

一级 K 值:小程序启动用户数(分享者 ID 有值且分享时层级等于 1)/小程序分享用户数(分享时层级等于 1)

(2)查询公式因子,推导平均 K:

初始人数:小程序启动用户数(分享者 ID 没值)

传播后总人数:小程序启动用户数

传播周期平均用时:小程序分享和小程序启动的间隔用时均值(小程序分享的分享者 ID 和小程序启动的 distinctid 做属性关联)

以下为在神策分析中的计算展示图:

  • K 值计算的两种方法(以回流作为传播达成的标准)

  • 指标体系与概览配置—传播者产生

  • 指标体系与概览配置—分享回流

此可按分享文案、分享时层级、分享时页面路径细分对比。

  • 指标体系与概览配置—新增转化和再分享

分享者 id 有值的启动用户数、注册成功人数、再分享人数,同样可按分享时页面路径、分享文案、分享时层级维度细分对比。

综上,为我对社交裂变的场景化分析的阶段性总结,希望对你有所帮助!

随意打赏

提交建议
微信扫一扫,分享给好友吧。