作為產物司理嚮導總讓我們挖掘用戶需求咋個挖掘法稀奇是手頭還沒什麼數據最多只有一個用戶購貨紀錄感受挖不出器械本文對此系統解答一下做用戶需求挖掘上有許多很盛行的無解今天也一併澄清,用戶需求挖掘的錯誤做法,這個段子許多人都聽過,一個小哥來五金店買釘子,買釘子是由於他想掛一幅畫,掛一幅畫是由於他很孤獨,他很孤獨由於他很想找女同夥,以是他真正的需求是個女同夥,應該給他先容個女同夥,故事很好聽可卻是大錯特錯從營業上看一個五金店老闆若是不想着怎麼賣金屬器械而是研究牽線搭橋的話那小店離倒閉也就不遠了,從數據上看想不想找女同夥估量連自己七姑八姨都懶得說又怎麼會容易告訴生疏人況且他照樣個賣鋼筋的這是個普遍的錯誤誤以為用戶需求挖掘非得挖到別人不知道的八卦奇聞才算有深度非得知足很深層的需求才算是真需求,現實上只有少少數行業能云云深度的領會用戶能無限度的知足用戶好比金融行業針對極高端客戶的私人服務或許能做到這一點分行行長親自開車送大客戶兒子上學也不是啥新鮮事但大部門企業營業局限有限面臨的是海量用戶因此不能脫離營業現實做太細膩深刻的挖掘無論是營業上照樣數據上都做不到也沒有需要做到,以是用戶需求挖掘的本質是從有限的數據里篩選要害區分維度提升用戶響應概率我們要做的不是搞清晰每個用戶的每個條理的需求而是通過區分提高用戶響應概率識別焦點用戶群體讓用戶對我們的營業響應率比閉着眼睛瞎做要高每凌駕來一個百分點都是數據剖析師對企業的孝順,用戶需求挖掘的五個步驟,第一步區分焦點用戶,還拿五金店老闆舉例在精神有限的情形下先捉住大客戶才是要害分類是很需要的,五金店的用戶分類可能是,第一等物業維修部裝修隊工地B2B類客戶,第二等裝修改水電維修的客戶B2C類大客戶,第三等偶然買一個燈泡插座釘子的散客B2C類小客戶,問題在於當一個小哥進門五金店老闆並不知道他到底是哪一類若是置之度外可能損失掉一個大生意但若是每小我私人都上來問一大堆問題估量會把客人嚇跑這裏就最先了第一步的用戶需求挖掘挖掘的問題很簡樸您想買點什麼,第二步對營業分類,小哥回覆我想要買釘子你遐想到了什麼這個回覆聽起來很簡樸可透露了許多信息由於每一類營業可能有牢靠的商品組合和消費特點好比對五金店而言,工程類營業大量的鋼筋種種物料不會零星採購,水類刷新水管扳手防水膠帶,電類刷新電線開關插座,牆體維修水泥刷子油漆,物件維修釘子鎚子鑽機,這叫營業強相關性縱然不做關聯剖析這些商品也是天生捆綁泛起的而且憑證營業規模巨細有牢靠消費量做好事先營業分類異常主要當我們無法採集大量用戶信息的時刻可以通過僅有的一點點購貨紀錄行使營業相關性去推斷用戶需求,好比這裏老闆聽到小哥需要釘子可以很快推斷不是B類用戶和維修有關然則老闆仍不知道小哥到底是C類大客戶照樣散客還需要第二步挖掘問題也異常簡樸您買釘子做什麼,第三步抓要害信息,小哥回覆我想要買釘子在牆上釘一副畫聽到這句你是不是馬上想到要說什麼了是滴我們可以看到做好用戶分群和營業分類以後再做需求挖掘的時刻是異常容易的,基於前邊的分類讀者們聽到釘一幅畫也能立刻反映出來這是個散客價值不高釘子和鎚子鑽機是高度關聯的有交織銷售時機這裏藉助2個簡樸的問題我們已經完成了抓要害信息,固然現實營業中傳統企業靠銷售導購營業員去抓要害信息互聯網企業靠埋點推送反映問卷瀏覽頻次等抓要害信息,第四步推送商品流動,現在有了假設我們可以實驗驗證推一個商品流動試驗下這時刻五金店老闆就不會花大氣力去問小哥是不是想談戀愛而是說你需要釘畫的話用1寸小釘子比3寸的大釘子悅目容易釘還不顯眼這樣就能鎖定小哥的需求比那些不理不睬的老闆樂成幾率高,同時還能做個交織推薦你有鎚子了嗎可以買個小鑽機比鎚子省事修其他器械也能用若是推薦樂成就能樂成的把客單價從1塊錢提升到200塊也是小賺一筆,第五步驗證推送效果,有推送就有樂成和失敗兩種可能因此需要驗證效果需求挖掘本質上是個概率問題需要通過數據驗證我們推送進而驗證我們選擇的挖掘維度挖掘偏向是否準確對五金店老闆而言這裡有兩個維度要驗證,釘牆推薦1寸釘子假設基於用戶需求思量更容易成交,釘牆的男性推薦風鑽假設男性喜歡机械有時機樂成,這現實上已經是個小型ABtest了若是有一個數據可紀錄的話老闆會看到這兩個假設可能確立也可能失敗好比做了200組發現用戶基本不思量雅觀都是什麼廉價買什麼那以後的戰略就是散客來了直接丟最廉價的器械給他,固然也有可能發現這個戰略可行10單能交織賣出3單鑽機那以後就按這個戰略走到這裏我們的需求挖掘竣事我們找到了一個區分偏向驗證了一個可提升成交的時機點從用戶買釘子挖出了鑽機的需求這麼做可比天天琢磨小哥到底有沒有女同夥是喜歡蘿莉照樣喜歡御姐要靠譜的多,雖然只是一個搞笑的例子現實上五金店老闆才沒這個耐心五金店也沒有數據可以紀錄然則它很形象的展示出了挖掘用戶需求的事情流程,區分用戶類型,區分營業類型,抓要害信息,推送商品流動,驗證推送效果,這套方式論事可以推廣到各個行業的稀奇是數據紀錄較少的情形下注重這裏先區分用戶照樣先區分營業是有行業差異的一樣平常傳統企業的營業類型對照牢靠傾向於先區分營業互聯網企業營業對照天真甚至能無中生有締造新場景往往傾向於先區分用戶甚至有可能針對一個用戶差異場景做文章,但無論怎麼做區分用戶與營業都是第一步預動作也是最主要的一步通太過類可以清晰後續挖掘的偏向明確挖掘深度為驗證挖掘是否有用提供尺度,以是這一步下邊會單獨拿出來講許多同硯做用戶需求挖掘毫無頭緒都是由於缺少分類而許多同硯陷於Abtest缺少整體判斷也是由於缺少分類,用戶營業區分的注重事項,一提用戶分類許多文章都扯RFM這是異常錯誤的並非所有的營業都需要高頻次消費也不是所有營業都累積高金額甚至有可能一個營業同村存在一次消費和高頻消費,若是從頻次和金額的角度來看常見的營業可以歸納如下,傳統企業的營業相對聚焦在營業分類相對容易好比屋子分置業投資置業再分首次二次改善養老二次改善又有面積改善環境改善配套改善資源改善等若干家裝汽車貸款等等營業都有類似歸類法文字太多先不睜開了每一種對應的用戶需求會很聚焦因此傳統企業的用戶需求挖掘沒有那麼依賴大數據更多是類似五金店老闆做好營業分類在前端銷售導購營業員做好要害信息採集,互聯網公司需稀奇注重一個平台有可能同時融合多種營業這些營業看似相似可現實對應的用戶需求相關的營業完全差異如上圖紅圈所示一個訂票平台對商遊客人可能就是高頻次高金額頻仍發生的事這時刻可以用RFM來進一步細分,但對新婚游可能就是個很低頻的需求找的關聯營業就是旅店租車回程以後休閑地出趟國十幾二十天回來真的很累需要補假類似的電商平台賣的同時有零食手機充值卡電視等等在挖需求的時刻也要區分常見而不是一鍋燉了了事,用戶分群的詳細操作內容太多需要單獨開一篇文章寫這篇已經3000字了怕人人讀着累,推送驗證的注重事項,做產物司理的同硯往往和做數據的同硯一起做ABtest的許多但做的很被動往往是營業拿着方案數據只是机械操作自己提假設自己舉行驗證的能力差,這裏要害是提假設許多同硯對着生意數據沒感受數據庫里談論需求瀏覽數據又太少這裏舉個簡樸的例子好比我們看到一個購物單我們可以勇敢做假設,以是你看不需要稀奇多數據也能提假設固然不是所有假設都有需要投入ABtest我們可以先從數據上作區分好比從一個用戶身上發現的假設點先看是否該用戶有強烈的特徵好比我們假設他是優惠驅動那麼他介入優惠訂單n次優惠力度50的流動介入率X總之他得真的显示出對優惠有稀奇興趣再看是否有足夠數目用戶有類似特徵若是用戶數目太少那縱然是個時機點也紛歧定被營業所用若是相符以上兩點可以思量提建議讓營業做方案上Abtest了,需求挖掘做到多深合適,看到上邊有的同硯可能會問既然有這麼多偏向可以挖該從那裡挖起答從現在營業生長最緊迫的問題最先營業上需要,提升轉化率挖用戶首次購置的產物,提升客單價挖用戶交織品類需求,提升生意金額挖重度用戶,提升復購率挖二次購貨需求,有明確目的指引的情形下更容易找到謎底固然也有可能挖了一圈發現沒啥收貨數據上找不到時機點但至少也能反向證實花里胡哨的砸錢營銷沒啥屁用那也能指導運營做一些節約成本的事情也是勞績一件,以上就是挖用戶需求的基本思緒人人可以看到它融合了用戶分群假設磨練ABTest等詳細事情是個綜合性很高的事同時也能看到它不是一蹴而就的而是需要大量基礎事情打底再連繫大量的實驗才氣獲得結論,挖用戶需求不是像路邊擺攤的算命師傅那樣銅錢一丟就無所不知了去粗取精去偽存真頻頻迭代迫近真相這才是產物司理行使有限數據做需求挖掘的價值所在,專欄作家,接地氣的陳先生接地氣學堂人人都是產物司理專欄作家資深諮詢照料在互聯網金融快消零售耐用美容等15個行業有厚實數據相關履歷,本文原創宣佈於人人都是產物司理未經允許阻止轉載,題圖來自Unsplash基於CC0協議,丟失東西算卦(丟失的錢包找到了)
丟東西算卦可以找到嗎(民間算卦故事)