滴滴、华住、iGola骑鹅旅行及艺龙都在尝试的增长方法 | 在线讲堂笔记

你也可以像他们一样增长。

当流量的增长越来越少,互联网的下半场拼什么?新零售、O2O、跨界场景交互等新模式层出不穷,产品与营销之间不再有明显的界限,一切都朝着“吸引有价值的用户”而去。可以如何去拿下用户群体,又可以如何去推动这群用户产生互动,甚至粘性?

我们先来看看几个案例:

滴滴出行的专车司机招募

滴滴有一个很简单的场景,有一次他们希望去线上招募专车司机——通过今日头条和一点资讯的广告。当用户点击广告,就会跳转到着陆页。

那当时滴滴做了三个版本,

最早一批内部的专家决定大面积用第一个看起来跟Uber风格很像的这个高大上的版本,但经过A/B测试的实验后发现,后两个版本的转化率更高,而且高了20%多。最后,他们使用了第三个版本,每招募一个专车司机大概有140多块的成本下降。在这个案例中,仅仅针对着陆页的图片和文案做了调整,用了不到半天的时间。

华住官网的搜索和注册

华住第一次尝试做A/B测试的时候,挑了一个非常简单的场景——官网首页上酒店搜索框。原始版本和实验单位的对比的差异在哪里?

搜索框的位置和比例进行了调整,同时修改了公司品牌的描述文案。另外,将“加入华住会员”这个版块移到了第一屏。同时,将右上角“登录注册”中的注册按钮用了加深颜色以突出。

新版本做了这三个变化,通过小流量实验,考核“搜索酒店”和“加入华住会员”这两项指标,指标变化非常大,尤其是加入华住会员这一项,点击率提升了大概80%。

iGola骑鹅旅行的往返机票预订

很多人都会有这样一个预订往返机票的场景:先选去程,选定了以后跳到下一个页面去,才能看到返程。可是等选完返程之后,如果觉得又不合适想回来改的时候,一定要退到上一个页面重新选。这样的用户体验非常不友好。于是我们就做了这样一个实验,考虑如何把返程和去程的功能放在一屏,当用户点去程,返程的备选项就可以在小窗口里展现,这样一来就可以让客户更好地体验往返程机票的购买。

这个试验跑了一段时间以后,订购页面到达率以及支付转化分别有了5%、2%左右的提升。

艺龙的酒店点评排序

艺龙在针对酒店用户点评的排序上,有过小尝试。

  

他们把常规的、按照时间排序的规则改变了一下,按照自己内部特殊的算法模型权重来进行排序,同时也增加了“最新”的标签。

做了这两个改动之后,他们发现“通过查看评论页面而最终到达去提交订单的次数”和“提交订单的人数”这两个指标,并没有非常有效的变化。虽然是小流量测试,但结论很明了,原始版本和试验版本的结果没有差异,那至于要不要上试验版本,要不要全量推广,就需要从其他角度再做决策。

四个案例中,都利用了小流量试验的思维去找答案——哪些改变是有效的,哪些方案是适合的。那么这种小流量试验,自然就是A/B测试了。

为什么pick A/B测试?

互联网的思路与传统行业最大的差异是——究竟做出什么,是需要在跟用户互动的过程中快速收获用户反馈,通过快速迭代产品从而寻求到市场上用户的认可。

“企业常常理所当然地假设用户想要什么,并根据这样的假设来设计和迭代产品,实际结果却屡屡被证明是无效或错误的。在市场竞争激烈且用户行为不断变化新形势下,‘专业级的直觉’不再有效。”

 —— Ben Bates Booking优化经理

我们想要的结果却很明确——增长,但方法和行动却有很多种;而哪些是有效的,哪些是适合的,哪些是能够成为成长的长板?当‘专业级的直觉’不再有效,当我们不再想去重蹈覆辙假设思考的谬误,还可以怎么办?

更何况,“60%~90% 想法都没能改善他们想要改善的指标”,也就是说我们平时采取的行动里面有很多是无效的,并没有达到改善、优化产品及营销的目的。那如果不去考虑测试,错误的概率就会非常大。

那我们自然就需要一种结合测试,快速收获用户反馈的工具——A/B测试。

A/B测试是什么之快问快答

:A/B测试是什么,怎么做?

:当我们去尝试性进行优化和改进,不是直接把方案做出来,推给所有用户;而是分一小部分流量用户出来,让他们去试用一段时间;然后去观察指标与原来版本以及各个试验版本之间的差异,从而可以辨别出无效的、不好的、优胜的方案。用小流量的方法去验证,最后将优胜版本推给全量用户。

:测试的背后的逻辑是什么,有啥理论证明此逻辑是可靠的

:A/B测试的基本原理是中心极限定理,也就是说无论样本是何种分布,其均值都是趋向于正态分布的。另外,通过假设检验的方式验证小流量版本的有效性也是A/B测试的重要理论基础。

:如果两个版本之间的A/B测试结果波动不定,怎么决定使用哪种版本?

:需要根据置信区间、统计功效这些维度来判断指标是否有效,可用。

:针对不同的人群特征如何采取差异化的A/B测试来提升用户的转化率?

:要进行用户群体的定向测试——针对不同群体的用户,需要定向的去进行A/B测试。

:请问A/B测试能怎么样用在线下服务提供商,比如酒店,旅行社中呢?

:现在线下服务提供商,基本都会有一定的线上服务,比如广告获客、促销活动、在线预订等等,这些层面都可以使用A/B测试。

如何优化A/B测试的试验指标?

这样看来,A/B测试似乎很好,但实验性的版本从何而来?一个小小的方法论,叫做LIFT模型,包括六个维度:

  • 价值主张——用户对行为召唤所感知的好处大于采取行为的成本,用户就有行动的动力。
  • 相关性——要让用户觉得你传递的信息是跟她相关的。
  • 清晰度——布局和交互元素都需要非常清晰,但是关于这个度的界定,不同的企业、不同的团队,以及针对不同的群体都有不同的思考。
  • 焦虑感——相信在座各位都有注册会员的经历,如果在注册的时候丢一个密密麻麻的页面过来,肯定会给用户带来焦虑。像携程,把这些注册信息分解为一步步的动作,加上导航说明,体验感就提升了。
  • 分散注意力——不要设置过多的内容和选项,这样会干扰用户的注意力;拿掉多余的东西。
  • 紧迫感——拿预订酒店的来说,很多酒店往往会在提交页面提示还有几间房,推动用户尽快下单,这就是利用了一种紧迫感。

以上内容根据吆喝科技副总裁柏利锋 Eric在最新一期旅讯在线讲堂的课程内容整理而成,点击这里 可收看课程视频。Eric接下来也将在2018 中国住宿业峰会上演讲分享《试验驱动下的旅游数字化营销增长》,点击这里 即可报名参加2018 中国住宿业峰会。

© 以商业目的使用环球旅讯拥有版权的内容,须经过环球旅讯书面授权。非商业目的使用,请遵循 CC BY-NC4.0
×