营销日历

您现在的位置是:首页 > 营销方案

营销方案

私域流量的真相!

2020-07-24营销方案
流量的本质没有变,并不在于你怎么起名字。



现在有个话题非常热, 叫私域流量。

本质上,体现了企业在做互联网项目的时候,希望去影响用户的行为,希望用户从各个流量生态环境里来到自己控制的地盘里。

实际上,企业是很难去主动去影响所有的用户行为,特别是在许多面临增长挑战的产品运营团队面前,这一点并不容易。

社交流量和私域流量现在变得热门,背后的本质是很多本来就是直接销售产品和服务给C端消费者的企业(比如星巴克、招商银行)在外部经济放缓,行业竞争加剧以及疫情因素的刺激情况下,都不希望通过传统的广告投放这样的方式来获取业务增长了。

传统的流量获取模型

无论是百度的关键词广告凤巢系统,阿里的阿里妈妈系统,腾讯的广点通,还是字节跳动的穿山甲系统。只要是企业在开通广告投放的系统账号后,基本遵循的就是:

曝光 - 点击 - 目标转化

除了类似以上这些基于海量用户搜索和兴趣推荐数据产生的广告投放系统外,那些品牌部门要操盘的的新媒体营销、户外广告和贴片广告就基本只能获得大量曝光了,可以当场转化的并不多。

这些流量的的买单方除了获得一次性的流量外,用户并不真实属于广告主,广告的效果好坏却又需要广告主对自己的流量承载平台(小程序、app、网站)进行优化,以获得单次流量的最大化转化几率。

但是流量平台除了获得广告收入外,却同时可以获得此次曝光到转化的全程数据(比如网站会安装百度统计、小程序会默认使用腾讯的小程序分析工具)。

所以流量平台对广告主这样的慷慨岂有客气的道理?

在互联网流量生态环境下,企业为了获取平台流量的代价:

从企业经营角度说,我之前分析“关于59个APP在印度市场被下架”映射出数据能力才是大至国家,小至企业,在竞争加剧的时代需要这种核心能力。

仔细想一下,关于流量的计算逻辑全部是因为互联网采取了cookie和浏览器工具,用户点击页面从而产生数据采集,进而才有了UV、PV、点击率等这一系列的数据指标,并由于有了这些数据口径,广告平台和广告主进行广告费用结算就有了可以依赖的数据统计的基础。

那么当一个企业如果自身对于数据的采集、处理和应用能力不是很强时,本身已经在被广告平台割韭菜了。

对于一个沉浸在以为通过私域流量就能够摆脱广告平台魔咒的企业,我认为仍然过于天真了。

首先选择在私域里运营用户的企业仍然是在使用平台的产品,比如微信群,QQ群,所以无法回避平台对自身产品施加的规则(想一想wetool被封的那段时间有多少人彻夜失眠)。

所以去纠结在公域,还是私域并不重要。

流量的本质没有变,并不在于你怎么起名字?

因为即便在2020年初到现在,我仍然看到有大量的移动搜索关键词产生的流量没有企业去好好利用,去获取流量。很多企业手里有大量内容,但连移动站的搜索收录都没有人去研究并做好技术处理。

同时早年在QQ群里运营很好的企业,在微信群里一样会积累大量优质用户,并通过自己的产品价值去留存和变现。

以为换到私域就能获得大量的用户的企业忘记了,其实我们是无法改变用户在信息获取上的习惯,但我们可以去发现用户在哪里,他们关注什么内容,他们受哪些人群的影响。

这就好比一个人要去砍柴,以为换了把刀就能砍到更多的柴。实际上他最需要的能力是识别哪里是单位面积木柴产量最高的地区,然后多叫一些人一起去砍就是了。

这里需要2个能力:挖掘产量的能力和判断帮手的能力。

换一个例子,一支军队强大与否不再是看可以造出多强的武器,或者有多少士兵?现代战争特别考研的是跨军种、跨装备和全天候协作联网通讯能力,其本质就是军队对新技术、对数据的使用能力。谁对信息的处理能力强,谁就有可能在现代战争中取得战略性的优势地位。

回到互联网相关的流量和增长,或者直白点,就是线上增长和营销运营类决策时,我的结论是:

企业挖掘产量的能力 = 数据驱动营销和增长能力企业判断帮手的能力 = 识别KOP用户特征的能力

数据驱动营销和增长的能力

管理学的导师彼得.德鲁克对于增长的定义是

“如果一个事情,你不能衡量它的话,那么你就不能增长它。”

一个有效的解读是:

企业增长的顶层目标是:必须同时提供好的用户体验和企业经营增长。

前不久,我们与一家大型商业银行用户体验和运营策略团队交流的经验来看,非常符合当下企业应该追求的目标。

该团队与我们进行了比较深入的交流,涉及的话题如下:

用户增长常见的评估维度及银行业的特定维度增长模型和银行业经验用户体验指标评价体系小程序和APP运营的异同这里为了保护该银行的隐私,我就不具体展开谈的细节和我们提供的具体答案,可以把原则问题讲一下:

需要站在用户价值体系的视角看待增长

比如很多我指导和咨询的团队都在设计用户的(生命周期价值)LTV项目,这些项目的基本原因就是意识到无论是从外部哪个渠道引入的用户,在渠道这个纬度上就已经可以识别出用户的特性了。

一个金融业的产品其实是一个用户强决策前提下才会有活跃的,没有人没有任何原因就会去打开一个银行的网站或者APP。

所以在这样的前提下,对于银行业是完全可以利用强决策下用户主动提供数据的天然条件,对用户价值进行设计和梳理,用这个体系来明确每一类用户在每个渠道中的实际价值(可以通过关键行为数据的计算得出,比如特定金融产品的浏览和购买)。

所以看似感性的用户体验课题,实际上可以通过量化客户价值,并通过指标和用户研究中的定性方法,得出客观可以定性定量的用户体验指数,另外在量化过程中可以找到运营策略配合实现核心用户关键指标提升的方法,并可以长期观测。

这样就非常好。

另外由于渠道碎片化和用户多设备的现实情况,如果一个企业在渠道归因上的处理不当,同样会计算出错误的渠道成本,以及遗漏有效渠道。

在DTALK运营总群里我们曾讨论过一个例子:

一个渠道归因的例子:“小a新买了Android手机,手机上预装了某app,但他从来没有打开过。手机的应用商店在半夜,把该预装的app静默升了级,但小a仍然没有打开,然后小a在抖音刷到了该app的广告,点击了广告,调起了app,但是没有注册。然后小a的好友小b,通过微信邀请小a注册了该app,并且得到了app给的奖励金,这时候问题就来了,小a是哪个渠道带来的用户呢?如果预装渠道的cpa是5元,抖音信息流广告折算下来cpa是8元,小b邀请小a,该app发放的奖励金是10元,那么小a的获取成本是多少呢?

我在这里想说的是预装APP的用户和看到抖音安装的用户,以及通过邀请加入的用户,这三类用户的渠道不同,在行为和数据上的特征必然有差异,光是这一点就足够用户体验和运营策略团队设计差异性的内容和流程引导,并关注不同群里的长期留存和变现能力了。

这里没有统一的答案和可以照抄的答案,但是方法上在数据有效准备的前提下,使用:

* 定性:用户Persona及定性研究

* 定量:多元线性回归 贝叶斯思维 WOE 权重算法 AB测试

识别KOP用户特征的能力

私域流量不是=微信群,不是=建立社群。

真正高价值的私域流量来自基于数据驱动的KOP打法,拼多多和淘宝都在干,而爆出财务危机的瑞幸咖啡也干的很好。

通过几十个团队的项目咨询辅导,我发觉很多企业都不知道数据驱动下的KOP是什么,该如何下手。

无论是用经典的互联网广告投放的方式去获取主要用户,还是通过“私域”的方式,比方说通过微信群也好,通过自身产品的社交功能及内容来获得更多用户也好,背后的逻辑的绝不能就是单纯基于结果指标来判断产品和运营做的好不好,比如:

1)点击量

2)转化率

3)GMV

回到私域流量这件事情,本质上应该是利用的互联网用户社交关系的能力,在一个联系紧密的小圈层内部引发一个产品的推荐和传播,这和KOL是完全不同的做法,但效果在海量的小圈层中效果和ROI都会高于找连产品都没有概念的KOL

KOP的理解其实很简单,所谓大道至简。

某一位特定用户假定他是叫用户A。

当用户A在一个小群体(比如一个100人群)中对其他用户的在某个特定领域的产品推荐能力特别强的时候,我们称之为一个KOP。

比如我一位朋友的太太B,本身就很喜欢美食而且经常可以安排出一桌好菜,所以每次当B向她朋友、同事和家人关系中的任何一位去推荐一个新的菜谱或者是一个新款食品,这些人都会非常积极的去阅读观看,甚至当场下单购买。

如果你去仔细观察一下,其实每个人身边都一定存在着这位朋友太太B类似的人,他们在某个领域的产品知识和经验远超过身边的人,因此他们就是这个领域的KOP。

一个企业,特别是消费类企业,核心能力是你必须可以识别出企业客户/用户群体中的KOP。

低效但传统的做法,当然业务或者运营人员可能会对自己的客户比较熟悉,通过自己的业务经验和对客户的了解,分析推出某类客户/用户(某个群体)可能有能力去推荐产品和内容,但可惜的是这种方式有几个明显的缺点:

1)无法科学量化KOP的选择标准,过于主观(就有自己的业务偏见)

2)无法自动将有价值的KOP行为特征扩散到企业其他同样具有同样能力的KOP寻找过程中,其人力成本将无法承受,可以理解为企业内部的LOOK-Like过程。

3)由于是基于历史业务经验,无法意识到用户自己的人生阶段和生活状态会产生新的变化,并且这才是影响用户当下做出选择的重要行为的原因

比如用户为何对某类商品特别有研究,在原因上可能有很多种解释(人类就喜欢干这个),但在数据层面,用户在任何一个电商/商城类小程序/APP上的屏幕滑动行为,比如对某类并不非常有名,但质量和品牌其实相当好的产品的主动搜索,主动长时间浏览和分享,这些数据层面的的特征将完全可以自动通过特征工程的技术给此类人群赋予业务上有意义且可以观测指标变化的人群标签。

这种能力就是企业可以自动去识别KOP的数据能力,等于给市场营销部门揭开了一道神秘的面纱,彻底理解用户和用户之间的巨大不同,从而制定有针对性的裂变增长策略,或者说是数据驱动下的MGM。

但是如果在数据产品层面缺乏此等机制或者工作流程的企业就完全没有办法对于自己拥有的所有用户进行这样计算,也就是只能低效地用CRM软件去人工处理,效率和效果可想而知。

4)单个业务人员去人力构建出一个随着用户特征变化而变化的触达流程,以及触达平台、具体话术、产品价格策略和人群特征这是不可想象的。

正确的方式应该让人去做有创造性的工作,比如话术和营销策略,让数据和系统去产出自动的触达流程和人群标准,并提供数据观测的结论。

注:人类的大脑是很难对三个以上纬度的决策场景给出迅速且有力的判断的,比如我们曾经给几十个团队一个问题,需要他们去判断到底是山东地区的Android女性用户,还是河北地区的iPhone男性用户更加有可能下单这么一个常见的运营策略决策,但经常是各执己见,无法决定。

有了基于数据驱动的KOP,可以做什么?

在私域流量这件事情上,消费类企业往往有一个非常核心一个诉求:在生态上层更大的流量平台平台上进行销售,并在获得订单的同时通过差异化的产品/内容,以及自有内容矩阵营销种草的方式,让用户最终能够流入到自己的平台上来。

否则,为什么要去做自己的小程序和APP呢?

我们假定一家C端消费类企业拥有了自己的人群划分和KOP识别能力,比方说他拥有了人群洞察和多主体标签平台,那么在这些数据产品系统支持下可以做些什么呢?

比如淘宝就曾经做过在KOP比较明确的情况下面给不同方法能力的用户记忆不同能力等级的刺激。

淘宝的KOP案例

淘宝曾经在KOP比较明确的情况下,对于两个不同用户组提供了不同的提现刺激。

A组用户需要邀请5位好友才可以提现,B组用户只需要邀请3位好友就可以提现

这背后是在数据层面对于两个不同的用户组,通过对他们历史邀请好友、历史购买、历史评论、平均客单价、历史被邀请好友的客单价等高价值用户行为数据计算后,给出的系统在邀请这件事上的用户能力评分,

A组用户和B组用户在邀请好友的能力上有明显的差别,后者邀请的好友消费能力明显比前者高。

所以平台通过这样的机制的设计能够在站内产生自增长的结果,这并不是简单的老带新(或者叫MGM),而是基于对用户行为洞察之后的产品运营策略设计。

这才是数据驱动作用下的高价值私域流量运营,类似的机制在社交产品里的好友推荐(微信读书),以及拼多多的拼小圈和天天领现金里都可以找到。

拼多多的天天领现金策略
拼多多的天天领现金拉新获客数呈现指数型增长,在活动的第七天,DAU已增加1700万。

这样的流量运营设计,符合RARRA基本逻辑,所以一方面可以产生雪球效应,另一方面,数据回流可以帮助运营团队实时看到不同人群在这一轮运营过程中的特征变化。

当然,对于红包发放的力度可以通过设计AB测试的方式,通过试验来检测来检测统计学上的显著性是否有效。

通过以上的描述,相信大家可以意识到私域流量的运作,不是简单地建立微信群后,把从平台获得的用户导入自己的平台中去。而是需要通过流量平台输入用户的同时,通过建立自己的数据获取和采集能力,通过每次流量和交易的数据能力建立用户运营和洞察的体系,从而实现数据驱动下的KOP打法。


文章评论