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

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

问：A/B测试是什么，怎么做？

答：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。

问：测试的背后的逻辑是什么，有啥理论证明此逻辑是可靠的

答：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。

问：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？

答：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。

问：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？

答：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。

问：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？

答：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。