GrowingIO分析模型上新:首复间隔分析助力企业提升忠诚用户体量,促进交易额增长

砍柴网  •  扫码分享
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。  

GrowingIO增长分析(UBA)中增长模型的设计初衷,是帮助企业简单方便地分析用户行为,实现业务增长。随着企业增长模式从粗放式经营转为精细化深耕,精准解决某一业务场景需求的分析模型成为企业使用UBA工具的新需求。

本季度GrowingIO分析云产品聚焦真实业务场景,推出了新的增长模型——首复间隔分析,可用于分析用户全生命周期内任意事件首次和N次之间的间隔,发现转化规律,做好用户生命周期划分,从而指导业务人员在合适的时间点做好 营销 动作触达用户,达到业务更快增长的目的。

首复间隔模型可以通过“再转化比例分析”和“间隔分析”两张曲线图直观呈现转化趋势和间隔分布,同时该分析模型内部还自带资深运营专家搭建的经验模型,可智能解读出分析报告,帮助业务人员快速发现转化和运营的关键节点,找到不同阶段顾客的最佳营销时机。

例如在购买场景中,为了提升复购率,业务人员需要分析用户从新用户转化为忠诚用户的购买次数、每次复购的间隔是多久,以及找到用户流失的时间点,及时挽回用户。

GrowingIO分析模型上新:首复间隔分析助力企业提升忠诚用户体量,促进交易额增长

如上图所示,在实际分析时,业务人员根据需要设置好转化事件(在该场景下转化事件应为“购买”)、首次追溯期、转化窗口期、目标用户等基本信息,即可获取分析曲线图。

GrowingIO分析模型上新:首复间隔分析助力企业提升忠诚用户体量,促进交易额增长

“再转化比例分析”曲线示意图

如图,可以看到所有首购用户中有多少人完成了二次购买,二次购买的用户又有多少完成了三次购买,以此类推。

当曲线完整呈现后,即可发现用户完成N次(上图是4次)购买后,N转N+1的比例趋于稳定,那么购买N次就是用户和企业建立稳定忠诚度的阈值。

同时,首复间隔分析可统计从首购开始,每次购买之间的间隔时长分布。通过分布概率来界定每一次转化的黄金时间,如超过黄金时间后还未再次购买,这部分用户大概率会流失。

GrowingIO分析模型上新:首复间隔分析助力企业提升忠诚用户体量,促进交易额增长

“转化间隔分析”统计示意图

从上图的曲线走向不难看出,首购到二购的转化中,第二周到第四周为转化的关键时期,即最佳引导时间。也就是说,业务人员需要在这两周内进行充分营销,如推送短信、优惠券等促进更多首购用户二购,让他们尽量按照该路径进行转化,才能降低用户流失率、提升复购率。

除了购买场景,首复间隔分析还提供包括访问、页面浏览、广告点击等在内的多个事件的转化分析,紧贴业务场景,帮助企业一环贴一环地促进用户价值提升。

案例一:某护肤品牌潜客首购转化率提升20%,客单价提升10%+

某高端草本护肤品牌成立50余年,拥有上千万会员资产、全国线下专柜250+。

在进行线下专柜会员代运营时,GrowingIO对其购买场景进行首复间隔分析后发现:潜客注册成会员后第二天会迎来购买高峰,然后逐渐下滑,在第7天和第30天会有两个更为明显的滑坡。

为提升潜客首购转化率,我们制定了以下运营策略:在会员注册第7天、第30天发送“礼遇”信息,如以企微/短信邀请到柜体验护理项目、赠送到店领取的小样券等方式触达会员,引导首购转化触达会员。其中第30天的“礼遇”优惠强度高于第7天。

同时,该运营项目还设置了对照组,企业的业务人员基于过往经验向用户推送“礼遇”信息。

经测试,按照首复间隔分析结果推出的运营策略进行营销后,潜客7天用户整体购买转化率高于对照组20%,客单价提升10%+,潜客30天触达购买转化率高于对照组10%。

案例二:某乳企复购率提升9%,客单价提升17元+

某大型国有乳品企业其中一个饮料品牌拥有20W+会员,存量会员近6W。在服务过程中,GrowingIO首先清晰划分了用户的生命周期节点,并给出关键动作,如下图所示:

然后再针对每个生命周期节点逐一进行分析。比如在进行复购分析时,通过首复间隔分析的统计图我们得出了以下结论:

在复购间隔达到流失临界点N时,包含此间隔天数且继续发生复购行为的人数不足3%,且最大复购间隔等于N天的消费者不足1%,由此判定首转二的购买间隔≥N天为流失分界点。

2、购买间隔0天和购买间隔1天的复购占比存在大幅下跌,由此判断促进复购的节点应在购买后第2天。而为了达成持续复购,需在不同节点连续促购3次。

基于以上结论,GrowingIO帮助该企业重新制定了会员运营策略:

按照关键动作节点在首次购买后的不同节点对新客进行短信、公众号、服务号等在内的多个渠道的营销触达,推送满减优惠复购券包;

对购买次数达到持续复购标准的用户进行日常监测,并进行积分推送,如发放会员月卡、券包,通过智能运营(MA)进行个性化推荐等等;

对沉睡人群通过智能运营(MA)发送营销短信,同时导出价值客户营销线索,安排人工/AI回访;

4、对流失人群除了重复执行沉睡人群的运营策略外,还会发低门槛大额满减券在私域触达进行召回。

最终,该企业的复购率提高了9%,流失召回率提升0.5%,客单价提高17元+,有效提升了会员质量。

目前GrowingIO增长分析(UBA)有二十大分析模型,随着企业全方位构建数字化能力进程不断深入,针对特定场景的分析需求也会逐渐增多。

未来GrowingIO的分析模型将更加充分考虑实际业务场景,并不断降低使用门槛,缩短业务人员的分析成本,促进业务增长。

随意打赏

提交建议
微信扫一扫,分享给好友吧。