mirror of
https://github.com/cheetahlou/CategoryResourceRepost.git
synced 2025-10-21 17:33:48 +08:00
127 lines
11 KiB
Markdown
127 lines
11 KiB
Markdown
|
||
【写在前面的话】
|
||
|
||
产品会客厅是一个实战问答的板块，我想要创造的是一个集思广益，共同探讨问题、答疑解惑的互动环境。
|
||
|
||
在上一次的会客厅中，极客时间产品团队通过“分享有赏”的案例，为我们分享了产品经理做决策时的一些经验，在这个过程中，很多同学对“分享有赏”这个功能十分有兴趣，并留下了一些问题。今天我们继续邀请“极客时间”的朋友来为我们分享一下。
|
||
|
||
## 【第七期问题】
|
||
|
||
恭喜幸运用户 @Terence @橙，你的提问被抽取成为本周的实战问题。极客时间将送出价值68元的极客福袋一份。1个工作日之内，工作人员会与你取得联系。
|
||
|
||
## 用户留言
|
||
|
||
>
|
||
1.感谢分享，不过我有一个问题，“分享有赏”这个功能带来的增长效果如何呢，每个专栏的内容不同，是不是通过这个功能带来的增长效果也不同呢？
|
||
2.关于《极客时间》的分享有赏，我一直有一个疑问，为什么通过“分享码”购买的用户没有返现？
|
||
例如，将40%的KOL返现剥离出5元，返现给通过“分享码”购买课程的人。
|
||
理由如下：如果看到分享码的人，不通过赞赏码购买，而是直接去极客时间购买，则KOL就失去了一个获得返利的机会。而对于购买课程的人来讲，如果分享码购买并无其它好处，那何必通过分享码购买呢？
|
||
同样的返现金额，拆除一部分交给购买分（如同Uber的策略），感觉能够更加刺激每一个用户而不仅是KOL去积极推广分享码。
|
||
|
||
|
||
## 极客时间回信
|
||
|
||
@Terence @橙你们好！
|
||
|
||
感谢你的留言和关注，与你的建议不谋而合，我们其实也是做了这个功能的，并且，在一些专栏的“分享有赏”设置中，我们也用到了这个功能（见下图）。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/a8/58/a88d4e8ae2a23ee8ea63def8bb8c3058.png" alt="" /><br />
|
||
就像你提到的“通过分享码购买的用户会得到返现”，我们当时做这个特性的初衷，也是为了让分享者（也包括KOL）更多去带来购买，从而获得更多的返现收益。
|
||
|
||
但是，在实际操作过程中，我们观察了一些数据，也跟一些KOL用户交流过，结果发现这个考量可能与他们的想法背道而驰，关于这个功能，我们也经过了很多讨论和思考，并结合一些数据分析，在做不断的尝试，我们产品还在迭代。如果有新的进展，我们会在产品会客厅中继续为大家分享。
|
||
|
||
接下来说一说@橙的问题。
|
||
|
||
我个人是这样感觉的，产品经理在制作产品的时候是一名匠人，在这个阶段，我们需要付诸耐心打造产品的细节和体验。在产品成型之后，产品经理则摇身一变成了家长，去时时监护着产品的状态。
|
||
|
||
监护一款产品自然不能十分随意。如果产品生了病，我们去对症下药，找到合理的解决方案。体验不好怎么完善，增长不好怎么拉新，这些都是需要一次次迭代完成的。
|
||
|
||
不过，找到药并不是解决的终点。这味药到底是否有效，我们需要结合产品在此之后的各项数据和指标来观察和判断。或是调整药方，或是换另外的方法来治疗产品。
|
||
|
||
我们在上一次的分享中谈到了“分享有赏”这一功能，这个功能的上线就是“极客时间”遇到一段时期增长缓慢，产品团队为它服下的一味药。那么在这个功能上线之后，产品的数据有什么样的变化呢，通过这些数据又可以得出什么样的结论呢。
|
||
|
||
在“分享有赏”功能上线3个月后，我们对这个功能的相关数据做了一些整理，来看一看“分享有赏”为我们带来了什么。
|
||
|
||
为了收集“分享有赏”功能的数据在整体数据中的表现情况，我们统计了分享海报带来的PV以及UV、有效分享人数（多少人的分享海报被查看）、返现订单数、获得返现人数（主返现），并通过这些数据与整体专栏数据的比例算出了一些基本指标。
|
||
|
||
- 通过“分享有赏”海报进入的PV占同期专栏详情页总PV的27.68%
|
||
- 通过“分享海报”进入的UV占同期专栏详情页总UV的26.75%
|
||
- “分享有赏”订单占同期专栏订阅总量的29.95%
|
||
- 获得主返现的人数占整体订阅人数为8.06%
|
||
|
||
通过上面的一组数据，我们可以看出，“分享有赏“这一功能的效果还是十分明显的，它为专栏带了流量的同时，也带了付费用户的增长。上面的基本指标佐证了这个功能是成功的，也药到病除了。不过，这只是一个数据观测的开始，仍然还有一些具体的指标需要我们去关注。那么还需要关注什么指标呢，我们继续往下看。
|
||
|
||
在我们的预期状态下，理想的返现是下图中呈现的这样的一种情况：**有效分享的人数越多，看到这款海报的人越多，通过海报订阅的人数也就越多，获得返现用户也就越多。**我们在外部再去借助一些KOL去协助推广，让海报保持在一种高PV和高UV的曝光下。这样“分享有赏”就会一直保持在一种强动力、高效的自传播状态。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/f3/c8/f39e80893b4cc40528662bf0809addc8.png" alt="" />
|
||
|
||
在这个理想状态下，“有效分享人数占比”“海报订阅转化率”“获得返现的用户占比”是我们需要关注的三个指标。
|
||
|
||
这里需要注意的是，这三个指标都是占比而不是具体数字，这是因为除了整体的数据，我们还要去关注每个专栏不同的数据，甚至是每个专栏在不同阶段的数据，每个专栏的订阅量并不统一，用比例可以更好地观测数据，并且结合推广的节奏得出结论。
|
||
|
||
下面我来简单介绍一下这三个指标。“有效分享人数占比”是“返现的海报被扫码的人数”与“总订阅人数”的比值。所有订阅者都会获得海报，那么有多少订阅者成功分享了海报并被人扫码查看，通过这个数据可以大致看出订阅者是否乐于分享海报。
|
||
|
||
“获得返现的用户占比”是“获得了返现的用户（主返现）”与“总订阅人数”的比值。从这个指标我们可以看出获得主返现的用户在大部分用户中占据一个什么样的比例，从而看出这个专栏是否依赖KOL传播。
|
||
|
||
“海报订阅转化率”是“返现带来的订单数”与“返现海报的UV”的比值。通过这个数据，我们大体可以看出海报是否有吸引人购买的意愿。
|
||
|
||
通过上面的三个指标，我们做出了专栏的总体数据表格。（下图来自专栏真实数据）
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/8a/bb/8aea5b7d420152789f07977583abc2bb.png" alt="" />
|
||
|
||
### 1. 返现数据的落差：恢复原价前后
|
||
|
||
各个专栏及视频课程的整体返现数据，绝大部分来自限时优惠期，各项指标的表现和排名基本也是由预售期的数据决定的。各专栏在优惠期结束后，订阅和返现数据整体都有所下滑，同时，返现对专栏订阅的推进作用也被削弱。
|
||
|
||
整体订阅数据下滑，一方面是因为在恢复原价后，专栏不会再进行像上新时那么大力度的推广，另一方面也是一些关键指标的数据下滑使得返现机制不再具备上新时的自传播能力。
|
||
|
||
### 2. 价格变化对关键指标的影响
|
||
|
||
在对比各个专栏在恢复原价前后的数据后，我们发现。**首先是有效分享人数占比受价格变化的影响较少，不少专栏反而有所上涨。**
|
||
|
||
例如，F专栏在限时优惠期间的有效分享人数占同期专栏订阅人数的 24.68%；恢复原价后，有效分享人数占同期专栏订阅订阅人数的比重上升至 28.24%。再如C专栏在限时优惠期间的有效分享人数占比 28.64%；恢复原价后，有效分享人数占比 30.46%
|
||
|
||
**其次恢复原价对海报的订阅转化率影响极为明显，价格上涨导致海报订阅转化率被削弱，** 比如，D专栏海报的订阅转化率从限时优惠期的 11.92% 降到了恢复原价后的 4.95%；视频课程受到的影响尤其明显。I专栏在恢复原价后，海报的订阅转化率从 11.58% 跌至 0.15%；K专栏则从 4.54% 跌至 0.69%。
|
||
|
||
**最后，有效分享人数变化不大，海报订阅转化率明显降低的情况下，各专栏获得返现的人数占比也有所降低。** 以下是前面提到的专栏在不同阶段获得返现人数的占比变化：
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/73/b0/733a404205868bc3d7b9a5260d2794b0.png" alt="" />
|
||
|
||
海报订阅转化率的降低，侧面可以反映出用户再次去分享海报的积极性受到了影响。但因条件限制，暂时无法统计到每个用户分享同一个专栏海报的频次。
|
||
|
||
通过以上的分析，我们得出了两个结论。
|
||
|
||
1.返现功能上线的初衷是希望通过用户自传播实现自增长，不同专栏会因为本身选题大小、讲师段位高低导致起点有高低，整体数据天然就会有很大差异。即便如此，对待不同的专栏，应深入分析它本身的数据表现。
|
||
|
||
在日常运营中，可重点关注每个专栏返现的关键指标：有效分享人数占比、海报订阅转化率、获得返现的用户占比; 三项指标数据表现良好的情况下，再配合推广，可以充分利用流量，无限接近最佳效果。
|
||
|
||
2.当前每个专栏的海报模板比较固定，所以目前能分析到的影响海报订阅转化率的最大因素是价格，建议在专栏的每个阶段，适当变化海报文案和设计风格，并追踪它们的的订阅转化率，探索出最佳的海报模板。
|
||
|
||
### 总结
|
||
|
||
我们总结了一下，在整个数据分析的过程有这样的一些关键点，这里可以跟大家分享一下。
|
||
|
||
1. 功能上线之后，在不同的周期内，可以时时用数据分析来了解趋势和现状。
|
||
1. 为你的数据分析制订一个方向，并收集这个方向的相关数据，锁定关键指标。
|
||
1. 围绕着关键指标，在不同维度、不同阶段作分析，找出产品和运营改进的关键点，对最佳效果无限逼近。
|
||
|
||
当然，这一次的返现也存在着一些不足。因为时间和条件限制，本次未统计各专栏通过返现带来的新用户；因统计对象数量不足，暂时无法通过现有数据判断，单项返现和双向返现策略对返现数据的影响；下一次，我们可以去找若干个专栏，分别在不同时期使用不同返现策略，追踪数据后才能得出比较明确的结论。
|
||
|
||
希望这些经验可以对你有所帮助，再次感谢大家的支持。如果你也有数据分析的经历，可以在留言中分享出来，我们一起精进。
|
||
|
||
2018.09.19
|
||
|
||
极客时间产品团队
|
||
|
||
## 精选留言
|
||
|
||
恭喜幸运用户@功主i @Novelty ，你的留言被抽取成为本周的实精选留言。极客时间将送出价值68元的极客福袋一份。1个工作日之内，工作人员会与你取得联系。
|
||
|
||
<img src="https://static001.geekbang.org/resource/image/10/0f/10074ee060eef51d52fcf4eb518e8c0f.jpg" alt="" /><img src="https://static001.geekbang.org/resource/image/35/fe/35032632040fd66b3594b877fc9a12fe.jpg" alt="" /><img src="https://static001.geekbang.org/resource/image/94/c1/9451efed38a2f9f6d735e006c958fdc1.jpg" alt="" />
|
||
|
||
## 本期讨论
|
||
|
||
你为自己负责的产品做过什么样的数据分析，又收获了哪些经验呢？
|
||
|
||
|