程序私|月活用户从 0 到 8 万：地产行业如何打造自己的小程序私域流量池( 三 ) 客户|产品|行业|

文章图片

这张 GrowingIO 后台数据监测的图展示了 C 管家从去年 2 月份上线开始，从最初的一个城市慢慢到现在覆盖 22 个城市的过程，月活跃用户量基本到了 8 万。
目前和去年同期相比，月活增长了 540%。 C 管家的次日留存率为 30% ，周留存为 28% ，留存还不错。
大家可能会觉得 8 万月活的用户量不多，并且与中原现有 APP/小程序以及市场上的其他产品的用户量不在一个数量级上；
但我们目前在 C 管家上花费的市场推广费用为 0 元，从投入产出的角度看，成绩还算不错的。

文章图片

我们也监测 C 管家小程序的分享裂变效果，上图是在 GrowingIO 后台数据监测到的裂变系数。
目前， C 管家小程序的裂变系数达到了 8.13；这意味着一个用户进行分享，平均可以带来 8 个用户。
我从其他渠道了解了一下，业内标杆裂变系数基本在 4 左右；我们能做到 8 ，应该还是可以的。
我们二度分享系数是 2.19 ，三度分享裂变系数是 4.14 。
最开始设计这款产品的时候，是我们从传统的业务中去找问题，然后自己提想法和解决方案。
最近几个月，经纪人使用 C 管家小程序的意愿越来越高，经常主动给我们提供需求。
C 管家小程序作为一个内部创新项目，刚开始在公司的地位不显著。
但是现在随着经纪人使用次数越来越多，得到了公司内越来越多的重视，产品发展得越来越好，这是一个良性循环。
4. 延伸思考：数据赋能经纪人营销从最开始组建增长团队，一直到现在孵化一个创新产品，我们一直在探索这样一个问题：数据应该如何去赋能经纪人做营销，数据又如何赋能我们去做产品改进。

文章图片

我们将用户购房过程拆解成 4 个阶段：

第一阶段，提出需求。我大概要买什么样的房子，地段如何等一系列条件。
第二阶段，经纪人认识需求。经纪人得到这些需求后，会去分析我手上有哪些房源满足顾客的需求，这是经纪人的认知阶段。
第三阶段，推荐。经纪人通过自己的认知会给客户推荐一系列相关的房源。
第四阶段，找到满意房源。通过带看、对比等，最后客户会找到自己满意的房源，完成交易。

但是这个过程中，有两个比较大的问题。第一个问题，经纪人如何认知需求。
因为每个人的想法都是不一样的，我给你说的和你理解的东西是会有偏差的，如果是成熟的经纪人这个问题会稍微好一点。
第二个问题，推荐环节。有一些客户的需求表达是有问题的，他只能是告诉你我需要这个房源，需求很浅层。
经纪人获取的信息有限，只能通过客户说的的东西来进行推荐；至于推荐的房源是不是客户真正想要的，很难说。
4.1 行为数据赋能经纪人决策
我们希望借助 GrowingIO 的数据，来解决这两个阶段的问题。下面是我们总结的用户使用 C 管家时的数据流向图。

文章图片

找房的客户打开我们经纪人的 C 管家小程序店铺名片，在浏览经纪人的店铺或者房源的时候，我们会去记录一些客户的公开的非敏感行为数据。
同时，我们会将这些数据实时推送到经纪人的手机上，告诉经纪人有用户正在看你的房子。
通过观察客户的浏览行为，然后经纪人去找到客户真实关注的区域、价格区间等需求，让经纪人更加全面的了解客户的意向。
当经纪人和客户交流的时候，经纪人会有的放矢地进行推荐和营销。
在最后一个阶段我们会生成一系列的报表，如客户数据报表、经纪人数据报表、成交情况报表，给到管理者去进行跟踪和查看。

文章图片

这是我们将这一系列想法落地的过程，上图展示我们从 GrowingIO 获取用户行为原始数据，然后对客户的行为轨迹进行整合，并通过小程序展示给经纪人。
通过实时的消息推送，告诉经纪人你的客户正在看你的店铺和房源。
这样一个热数据，能够在经纪人和客户交流的时候帮助到经纪人。
在实际业务中，经纪人会有一些困惑，比如说和一个客户聊了很久、推荐了很久，但是一直成交不了。
我们想通过 GrowingIO 提供的原始数据，去做一些研究，看看能不能从客户的关系网络中找到一些答案。