选对发力点，增长再也不是老大难

---

内容来源 ： 2019年11月14-17日，由msup主办的第八届全球软件案例研究峰会（简称：壹佰案例）上，亚马逊高级总监徐霄鹏进行了以“未来可以预测：如何选择增长发力点”为主题的精彩分享。笔记侠作为合作方，经主办方和讲者审阅授权发布。
笔记达人 | 张望
封面设计 & 责编 | 子墨 第4480篇深度好文：4781 字 | 9 分钟阅读

活动笔记产品运营

本文优质度：★★★★★+ 口感：原味山核桃

笔记君邀您阅读前，先思考：

• 什么是用户未来价值？

• 如何引导用户跨品类消费？

• 低价值行为一定没有投资价值吗？为什么？

国内的互联网公司大多数都是跑马圈地快速增长，再渐渐转入精细化运营和产品设计工作；而国外则是一上来就追求盈利和精细化运营，用非常严谨的方式去驱动。

今天，我尝试为大家分享一些相关实践。

一、用户未来价值

1.AB测试难以凑效 在传统运营中，我们如果想知道某个行为对未来的影响，只需要用控制变量法对对等而又不同的流量进行测试，然后对比结果就可以得到答案，我们称之为AB测试。 但在现实的复杂环境中，尤其是在电商领域，传统的AB测试很难奏效，原因有三： ① AB测试具有时效性 我们在用控制变量法时会切出两份对对等而又不同的流量，然后对这两份流量进行数据对比之后才能知道变量引发的结果是什么样的。 一般情况下，一个月的时间就够了。 但事实上，有些产品功能我们是无法知道确切的生效时间的，比如“心愿单”的功能。
用户把商品加入心愿单后，往往会到“纪念日”才进行购买，但我们无法确切的知道这个“纪念日”是一周后还是一年后，他可能一个月内就有数据变化，也可能一年后才有。 这样的话，对数据进行检测就会很困难。
② AB测试要求变量单一 电商不仅仅是卖货，也要做互联营销，要做品牌合作，以及与服务相关的一些销售。 同时，这一切业务背后的业务激励手段也都是千变万化的。 而要进行AB测试，就需要变量的单一性。 但显然，电商领域的变量不具备这个特点。 ③ AB测试要求流量一致 AB测试要想取得预期效果，切出来的流量必须具有相同的用户画像，这样才能控制单一变量。 但电商领域的用户量级典型的都是千万级，至少也是百万级，海量用户呈现出非常强烈的不同特性，很难进行完全一致的切分。

比如，切出来的两份对等流量，一份北京用户多，一份上海用户多，那带来的结果肯定也有失偏颇。

尤其是当电商平台的一个迭代可能同时会引发上百个功能的更新时，整个流量会被切得非常细碎，并且叠加在一起时不同用户看到的是完全不同的功能的排列组合，它产生的影响也很难测准。 2.如何计算用户价值？ 如何计算用户的未来价值呢？ 我们用以下三步： 第一，海量的用户信息可以从不同维度进行量化，这样就定义了每一个用户的标签。 比如从消费能力维度来说，有的用户每月的花费在0-1000元之间，有的用户是1000-2000元之间，有的用户是2000-3000元之间等。 假如我们有10个这样的维度，就可以建立起一个十维的坐标系，在这个坐标系下每个用户就可以用一个点来表示。 对于像京东淘宝这样的公司来说，以亿为单位的每个人在这个空间里都是一个点，里面总有一些用户的十个维度的特征都非常接近，那他们代表的点就会聚合成一簇，类似于我们的星系。 我们称在同一个簇的一群人互为双胞胎。 第二，只针对两类数据进行测算。 一是用户行为产生的价值，比如购买会员就是一个高价值的行为，签到则是一个低价值的行为； 二是所遇事件对他产生的影响，比如用户遭遇了订单延迟等等。 我们知道双胞胎的用户特征是非常相似的，但里面总会有一些人会发生一个行为，如购买会员。 这时候，我们就会统计各双胞胎在后面一年里的消费状况，然后通过扫描整个系统的数据，就能看到在不同簇中的双胞胎购买会员前后的贡献差异。 在此基础上，这样我们再计算一个加权平均值，就可以核算出一个行为产生的价值了。 第三，核算执行度。 得到测算结果后，我们会有一个验证期，在这个阶段我们会看测算的结果和实际数据之间的差值，也就是通过不断的校验来确定过去预测的准确性。 我们也会看到，进行测试的时间不同、人群不同，出来的结果也会有所差异。 我们称预测结果与实际结果的匹配情况为执行度，只有当执行度高于某个值的时候，我们才认为这个预测是值得参考的。 使用这3步法，我们基本上就可以看到，我们所做的每一件事上在未来会有什么样的影响。 对此，我想告诉大家的是：

我们不仅要看眼前，还要看更远的未来，这个未来需要我们给它界定一个范围，比如说半年或者是三年，这就是未来价值。

当我们有了未来价值之后，在整个系统里也就有了明确努力的方向了。 比如说品类，我们会发现不同品类对平台的价值是不同的，这就需要我们对用户进行跨品类引导。 通常情况下，在综合电商平台上用户只有进行跨品类消费才会对这个平台更加忠诚和稳定。 那么，我们要如何引导用户跨品类消费呢？

首先要明确的是： 诉求不同，对用户的引导就不同 。 回到刚才提到的高价值行为的测算，我们用在品类上，我们就可以去看不同的品类的用户下一个订单他的长远的价值是什么，而并不是订单本身。 为当一个用户下了一单之后，新客这边能体现他转化了，老客这边又能体现他再一次被激活，也就增大了存留的可能性。 如果我们想要增加消费频次，就需要引导过去只买数码和家电的用户来购买生鲜产品； 如果我们想要增加毛利，就可以引导只买生鲜的用户去买美妆产品…… 获客也一样，比如说有个用户发起一次拼团，最终肯定有机会获客。 这个过程中，用户可能写了一次评论，但这个评论本身就提升了整个商品的营销机会，又会有不一样的价值。 事实上，在每一个领域，都会对应到不同的行为，关键是在各个领域里，如何有针对性地运用整个价值测算。

二、高价值行为优先投入，

低价值行为有效引导

实践中，我们会标记每一个关注的行为，得到一个相关列表，然后在系统中进行扫描，针对每一个行为我们都可以扫描出它的价值。
这个价值分两种，一种是销售额，一种是利润。 当然，这两者是完全分开的。 此时，我们会看到所有项目背后都可以带来一个数值，然后根据这些数值进行排序。 同时，我们会给这些未来价值设置一个门槛，高于一定数值的就是高价值行为，这才是资源应该优先投入的地方。
但低价值行为就一定没有投资价值吗？未必。
我们以签到为例，如果一个用户只签到一次，那对平台的价值几乎为0。 但是，如果他签到100次，就等于提升了全站的流量，乘以转化率的话，很可能会提升全站的销售额。
除此之外，还要考虑这100次是集中在1个月发生，还是平均分布在12个月发生，因为这两种情况的价值是不一样的。 比如你每天浏览每个网页很多次，但一天未必下好几单。
所以我们希望用户以一个合适的频率来进行签到，这就是我们所说的参与等级。 比如参与等级1是指每个月发生4次以下，参与等级2指每个月发生5-8次，参与等级3指每个月发生9-12次等，往后以此类推。 我们可以认为在同一个等级内部，用户的价值是比较接近的。 如果我们在运营的过程中把足够多的用户从参与等级1提升到参与等级2，这样的提升对销售额来说就是巨大的促进。 除此之外，我们还应该关注一个叫做“魔法数字”的数据。 我们发现，用户留存跟一些行为有一定的关联。 比如：

一个用户来到平台之后从没下过单，那他流失的可能性就很大；当他下了一单后，留存率肯定高于没下过单的用户；下两单的，留存率又会大于下一单的。

但是，到了一定程度之后，我们会发现留存率会逐渐趋向于一个稳定值。 比如一年在京东下单50次的用户和一年在京东下单52次的用户，留存率几乎没有差别。 这就相当于超过某个订单数之后，留存率就会比较稳定。 这个订单数我们只称之为挂点订单数，也就是前面提到的“魔法数字”。
回到高价值行为本身，我们发现有这样一些特定的行为：当它持续发生的时候，就会成为高价值行为。 为什么这么说呢？ 因为这并不是典型的线性关系，不是1次是1块，100次就是100块，而是1次1块，100次可能就是1万块。 这样的行为我们称之为互动行为，典型的像浏览商品、看评论、收藏等等。 稍微小结一下： 第一 ，我们要去看每个行为或者事件，会产生什么样的价值；
第二 ，扫描整个系统的行为或者事件，随后对于行为和事件的全局进行价值测算和排序，获得最值得投资的行为，然后细分到各个领域中最该引导用户做的事；
第三 ，我们要鼓励的留存和增长的相关行为，其实就是将那些特殊的、但高频发生就会变成高价值行为的低价值行为再拉出来，重新进行引导。

三、精细化运营

互联网下半场的精细化运营，就是根据不同人、不同业务在不同时候以非常差异化的方式使用不同策略，来达到我们的商业目的。 比如我们可以简单地把用户分为三类： 会员，非会员和非顾客； 然后再根据消费频次进一步划分为细分的区间。 1.非顾客 对于非顾客，有可能是难以触达的用户，也可能是注册过会员但是没有购买过的访客，还有可能是只下过一两单的低价值流失客，抑或是曾经下单非常多的高价值流失客。 此时，运营的重点就是唤回高价值流失客。 2.非会员 非会员也有也有多种情况，比如刚刚注册的用户下了第一单，我们就可以引导他快速下满6单达到高留存率的魔法数字。
而对于高频购买的非会员来说，我们进一步分析，可能有些人对价格不敏感，也不在意会员享受到的权益。
还有一部分人认为买了会员之后实际用到的权益还是比不上会费等等，每个人的想法都不一样。 对于高频的非会员，我们可以做月度会员，来确保他可以更快地来买会员，把会员从一年一次交费，变成一季一次交费，甚至一月一次交费，这样的话有很多人可能顾虑会小很多，因为花的钱会少。

但是，从这些现象背后我们可以看到： 要想不流失高频的非会员，想办法让他购买会员是最稳妥的方式；中频用户则是要增加消费频率才能提高留存率 ，比如把只在京东平台上购买数码产品和家电的用户引导到生鲜品类上。 3.会员 当然，会员也会有几种特殊情况，比如对价格不敏感的用户在下第一单的时候就会购买会员，但是，不乏在买了会员之后的一整年里都没下过单的用户。 所以，在会员这个群体中，我们更应该关注的是如何让低频和中频的用户提高购买频率。 但在具体操作上，也是有区别的。 对于中频会员，我们常用的提频方法是引入周期购。

比如你是一个习惯喝牛奶的消费者，一般来说你喝牛奶的频次也是一定，那么你购买牛奶的周期也是一定的，喝完之后还是会重复的购买。
所以，周期购是锁定用户未来消费的关键手段。 对于低频会员，我们做的很多工作不是直接引导他下单，而是引导他来跟整个体系互动。
比如说电商会做有粘性的内容，像导购文章、网红直播等等。 看到这些内容，用户可能不会下单，但是会去看文章、看视频，甚至有的人可能每天都会去看，通过这些内容来提升用户的整个参与等级，就是行之有效的手段。 4.延伸运用 每个动作行为背后都会有相应的价值，但有时候用户的动作是组合形的。 以流失模型为例：
我们可以调取数据，看流失用户在流失前的若干个月做过哪些动作，最终导致用户的流失。
这样，我们就会知道哪些行为组合起来会很危险，我们自然就会设计相应的引导动作来规避这些行为。
有时候，行为价值本身也是负的，比如体验一次配送延迟，用户会是什么心情？ 所以，我们在整个系统扫描里会发现按价值排序后，出现的一串负价值，也是要特别注意的。 更为关键的是，如何规避这些产生负价值的行为，这也是很多立项的一些依据。 今天的分享到这里就结束了，谢谢大家。

*文章为作者独立观点，不代表笔记侠立场。

主办方简介——

由msup主办的壹佰案例峰会是科技界一年一度的案例研究榜单，旨在发现有案例教学意义的项目或方法论，如同商业领域的哈佛案例，科技界的壹佰案例榜单每年精选100件案例题材，有别于媒体的追逐热点和新奇概念，更崇尚专业的力量和案例落地实践，自2012年创办至今，壹佰案例榜单涵盖了500+国内外知名软件、互联网企业。

笔记侠好文推荐：

70后谈存钱，80后谈还钱，90后谈花钱

中国餐饮数谁强，都在这一篇里了｜全网首发

再不和年轻人互动，生意就没法做了

嘿，你在看吗？