结合「用户决策模型」,如何高效提升转化率?( 三 )


按照这个大的方向来开展 , 最终用户的决策转化自然能提升 。
比如 , 针对「较为容易的找到合意的房源」这个因素 , 我们可以做千人千面 , 个性化推荐;针对「有较多合意的房源可供选择」这个因素 , 我们可以去驱动业务团队将更多的房源收录到平台类等等 。
04 灰度发布 + A/B Test 验证方案有效性
在第3步中 , 针对用户的某个决策环节 , 我们评估出了用户决策模型 , 并找到产品改进的方向 。
进而我们可能会研究出几套方案 , 并决定上线其中一套方案 。
但究竟我们的方案有没有效果?多个方案中哪个方案更优呢?
很多时候我们很难明确一个方案上线后是否真的有效、或者多个方案里到底哪个更优 。
这时就需要祭出我们的神器「灰度发布」和「A/B Test」了 。
1. 灰度发布 , 就是只对产品的一部分用户上线新方案
灰度发布可以避免新的产品方案在被验证有效前 , 对太多用户造成影响 。
微信就经常采用灰度发布来实验新功能 , 比如近期的视频号 , 刚开始就是灰度发布的 。
如果我们只有一个备选方案 , 采用灰度发布 , 也就相当于对新方案和当前线上版本进行了「A/B Test」 。
2. 「A/B Test」就是对多个产品方案同时发布上线 , 然后根据数据反馈确定最终方案
也就是让用户来投票选择 。
它可以很大程度上避免我们的拍脑门决策 。
网上对「A/B Test」的介绍已经很多了 , 这里就也不再重复造轮子了 。
需要注意的是「A/B Test」设计之初一定要考虑好后续的归因 , 也就是能知道哪个地方的调整也可能带来正向效果 。
所以 , 方案有效性的验证方法就是 , 结合灰度发布和「A/B Test」 , 再依据我们的北极星指标来评估判断 。
哪个方案能给北极星指标带来更多的增长 , 哪个方案就是优势方案 。
在评估出优势方案后 , 也能进一步验证究竟哪些是用户在决策过程中更关注的因素 , 我们再去想办法持续的加强它即可 。
如果我们的所有方案数据都不太理想 , 那就要考虑下是否是我们评估出来的「用户决策模型」有问题 , 或者是产品方案没有解决用户真正关注的因素 。
05 写在最后
以上我们以房产租赁类平台为例 , 介绍了提升转化率的系统方法 。
最后 , 我们再来总结下 , 整体上可以分为4大步:

  1. 寻找北极星指标
  2. 关注用户决策漏斗
  3. 关注用户决策模型
  4. 灰度发布 + A/B Test 验证方案有效性
其中第1、3步的难度相对大些 , 第2步次之 , 前三步完成了 , 第4步一般可以水到渠成 。
核心是要找对方向 , 找到用户的决策漏斗和决策模型 , 以上两点找准后 , 产品方案自然就可以有效的设计出来了 , 再搭配灰度发布和A/B Test , 产品转化率的提升自然更加高效 。
在实践中 , 有时可能需要对用户进行细分 , 因为不同的用户群体 , 其决策漏斗可能会有些差异 。
这里为了阐述方便忽略了这一部分 。
实际应用中 , 我们在确定用户细分规则后 , 针对每个细分用户群体 , 分别开展上述2、3、4步即可 。
这套方法对于B、C端产品是通用的 , B、C端只是客户/用户的决策漏斗和决策模型有所差异 , 本质相通 。
作者:候机搏发 公众号:候机搏发(ID:houji2bofa) 。
本文由@候机搏发 原创发布于人人都是产品经理 。 未经许可 , 禁止转载 。
题图来自Unsplash , 基于CC0协议 。


推荐阅读