打造你的專屬流量池,讓用戶養成「上癮」的習慣—使用者黏著

2022/08/18閱讀時間約 17 分鐘
許多公司在建立團隊目標時,很容易陷入直線型單一方向的思維,他們把「AARRR增長框架」拆解成一環接著一環的部門任務。好比說,認為「行銷運營」主要就是負責「拉新」,「產品部門」專注於「留存」,而「業務銷售」則將重點放在「營收」上,這樣的分配方式並非不好,但卻容易產生一個隱性的問題,由於各部門所追求的目標與指標相互獨立所以有很大的可能,當每一個人為了達成各自的KPI時,卻不小心的犧牲到其他人的KPI。
這是甚麼意思呢?舉個簡單的例子來說明,當「行銷運營」部門為了達成每月的「獲取用戶目標」,規劃舉辦了線上會員抽iphone的活動,不意外吸引了許多人加入新會員,但由於這群人大多是為了抽獎而來的,對於公司網站沒有特別的喜好,也不見得會繼續願意體驗產品,可想而知,活動結束後這群人的留存率自然不會太高,更無法有效替產品帶來獲益。
上述的行銷活動,看似達成了「拉新會員」,但卻未必滿足了「營收增長」的目標,其實,大家應該都碰過差不多的劇本,公司不斷擴展行銷漏斗頂部的口,投入資源、金錢、時間更多,當新訪客不斷增長之下,產品的流量假象確實滿足了上面管理者的胃口,只是,我們不禁需換個角度思考,產品一定需參與這殘酷的市場軍備競賽嗎,這是唯一可選擇的道路嗎?
其實未必,要維持增長的最佳辦法,應該是loops(循環),不應單獨考量funnels(漏斗)。就是說企業創建產品的核心目標,是希望用戶喜歡它們的產品並發現價值,其中「使用者啟動」就是一個關鍵行為,企業藉由一系列的功能或機制,讓用戶快速的體驗到產品價值。
而光觸發「使用者啟動」還不夠,怎麼讓這些Current Users仍願意重複使用產品,創建出「Habit Formation習慣養成」就是下一波的努力方向。在互聯網的圈子裡,通常也喜歡把Current Users與產品間的Habit Formation叫做「黏著度(Stickiness),重點都是希望,產品不僅讓使用者可感受到價值,還促發他們持續回訪,最好還主動成為品牌的擁護者與倡導者,就像果粉或米粉一樣,只要產品能提高到此種境界,就有如創造出一個顧客loops(循環),顧客幫你吸引顧客,達成源源不絕的增長動能!

忠誠度循環(Loyalty Loop)

上面所提到的顧客loops,行銷界給他一個名詞,稱為「忠誠度循環(Loyalty Loop)」,基本概念就是描述一個用戶如何決定他們想要購買甚麼產品或服務,以及他們是否持續堅持自己決定的一個消費閉環。
簡言之,進入到循環中的用戶,一旦採取了第一次的消費決策後,後續不需要花他們太多時間,當有消費需求時,只要重新評估持續購買是否正確,以及他們是否應該向他人推薦此產品或服務
David C. Edelman和Marc Singer在2015年哈佛商業評論中發表的文章Competing on Customer Journeys指出用戶要順利進入忠誠度循環,通常涵蓋了六大階段。
LOYALTY LOOP_來源:Competing on Customer Journeys
Consider:用戶從他們考慮希望購買的產品或服務開始,並做好一些主要競爭品牌的了解工作。
Evaluate:用戶已經準備好了哪一些品牌必須做進一步選擇,他正做研究評估或依賴網友、親人、朋友的推薦。
Buy:評估過後就進入到購買產品或服務的階段。
上面為一般的消費者購買旅程階段,但企業的終極目的則是希望將消費者引導進入下面的「忠誠度循環階段」
Enjoy:這意謂著當網站體驗很友好、客戶服務很完善,又或者是產品CP值很高...等各種因素的加乘,都可能使用戶享受這體驗,此時就有很大的機會進行下一次的回購。
Advocate:由於前面愉快的體驗過程,用戶不僅成為回頭客,還有可能成為品牌的擁護者,他們開始向朋友推薦品牌或產品,並且在網路上留下正面評論和評價。
Bond:如果一切順利,用戶會與品牌建立深厚關係並且信任品牌,這時他們購買產品不再需要經過Consider和Evaluate,直接向品牌購買已成為了自動自發的行為!

適用於數位產品的忠誠度循環

「忠誠度循環」不限於特定產品類別的使用者旅程,可是若單獨以數位產品來看的話,我比較建議可因應網路用戶的使用習慣,稍微改裝一下。在這裡,我特別引用「產品數據分析 - 打造網路產品的決策引擎」中所提到的變化版忠誠迴圈(以自媒體寫作平台Medium舉例說明)。
Medium針對寫手的忠誠迴圈_來源:產品數據分析 - 打造網路產品的決策引擎
同樣地,我就以「樂屋網」為例,分析買家(買房需求者)如何進入到「忠誠度循環」,以及怎麼定義出「忠誠度循環」每個面向的衡量指標,來做個簡單示範。(僅演練呈現,有刻意簡化產品體驗流程)
忠誠度循環_樂屋網的買家視角

互動階梯(Ladder of Engagement)

我們通常都希望自己的產品能與使用者建立一個忠誠度循環,一旦循環建立起來了,使用者的行為就容易被制約,進而逐步養成習慣。在文章Investing in “drugs”就把這類易控制用戶行為的商品形容成「毒藥drugs」,越常吃越會上癮,且越常吃就越難戒除。最有名的就屬社群媒體Facebook了,它完全具備「毒藥drugs」產品的累進特點,當使用者體驗產品越多越久,就會更被產品所吸引(累進的好處),同時也會更難離開產品(累進的損耗)
例如,當我們在Facebook上聯繫的朋友越多,我的「新聞饋送(News Feed)」內容就會越來越符合我們需求,另外,當我們對於News Feed的互動操作越來越頻繁(喜歡或忽略),累積夠豐富的數據資料,Facebook再利用這些數據改善用戶體驗,替我們帶來更多個人化的價值,因此,我們更無法承擔離開產品所帶來的損失,以至於Facebook具備了難以置信的高黏著效果。
LaDonna Coy在她的報告Social Media & Prevention中另外提及了一個互動階梯的概念(Ladder of Engagement),能夠用不同面相來解釋這種產品累進的成效。她認為產品與用戶間存在著「互動框架」,有如階梯結構般,最底層的一階代表著產品尚未對用戶產生太大的吸引力,雙方的黏著度還很小,此時,產品的優化目標就是讓更多用戶往上爬,隨著不斷登階前進,產品對你的吸引力與黏著度就會越高。
針對登梯的現象,在書中(Groundswell: Winning in a World Transformed by Social Technologies)有一個很好的相關整理闡述,文中將用戶與產品的登階程度劃分成六個等級區隔。
上面所提到的六大名詞分類,主要聚焦於內容媒體類型,這邊就不多做深入探討,反之,我認為無論哪種產品,應該都不需太照本宣科完整的套用框架,而是將重點放在怎麼找出自己產品的【關鍵行為接觸點】,後續才可透過這些接觸點去區隔高低黏著度用戶,進而有效的檢測產品的成長變化。下圖我就同樣以「樂屋網」的買方視角來做簡單示範😊。
簡易示範:「樂屋網」的買家Ladder of Engagement(非100%真實狀況)

淺談Power User Curve

在開始後續的用戶留存分析前,我想暫時跳離一下這主題,先跟大家簡單的介紹【Power User Curve】(後續示範分析會用到此觀念)。
Power User Curve也常被稱為"Activity histogram"或者是"L30"(由Facebook增長團隊所創造),簡單的說,它其實就是呈現出用戶活躍度的直方圖,按一個月內活躍的總天數來做計算(水平軸顯示活躍於一個月中的1天到所有30天,垂直軸顯示人數的佔比),通常我們在判斷一個產品是否具備成長潛力時,會期待看到產品的Power User Curve呈現出一個類似微笑的曲線。
Power User Curve will "smile" when things are good_來源:The Power User Curve: The best way to understand your most engaged users
一般來說,這類高黏著度的Power User Curve多半出現在社交產品中,代表著有一群高度參與的用戶幾乎每天都在使用產品。我們另外再看一個例子,它幾乎由左向右快速傾斜衰減,擁有非常少的重度使用者(Power User),如下圖。
The Power User Curve can show when strong monetization is needed_來源:The Power User Curve: The best way to understand your most engaged users
當遇到此狀況時(我們產品的Power User Curve類似上面的圖形),有經驗的產品團隊,就會馬上聯想產品體驗是否出現了問題,用戶是不是無法感受到核心價值,導致用戶不會願意持續造訪使用?(更慘的狀況是產品根本還未達到Product-market fit,公司就草率的推出產品,關於怎麼檢視產品是否有Product-market fit,可參考我寫的另一篇文章:你的產品Product-Market Fit了嗎?用數據檢視產品的健康狀況
但還有一種可能,產品本身並沒有問題(是產品的使用模式本來就不需要有高黏著度的用戶),假如是這因素,那就要仔細思考,公司是否有方法可創造穩定現金流,讓用戶不需經常參與使用產品的情況下仍能有效獲利?

設計產品的互動接觸點

我們已具備了Power User Curve的基本觀念後,就來到了下一步,發掘出產品的互動接觸點(下面的執行步驟,我引用了課程產品數據分析 - 打造網路產品的決策引擎的內容)。

步驟一:建立使用行為區隔族群

一般來說,我們產品最重要的使用者(也習慣稱為Power Users)應該為「參與度」與「留存率」都表現最好的那一群人,了解這群體如何與產品互動就是提高整體留存率的最佳方式。
所以,我們可先將使用者劃分成「重度使用者」「輕度使用者」「重度使用者」就是Power User Curve的圖表中一個月內活躍天數較多的那一群,反之「輕度使用者」就是活躍天數較少的那一群,接著,我們的目標就是找出這兩群使用者的行為面相有甚麼不同。
另外,也有其他的區隔分類方式,比如說分成「有產生轉換行為之使用者」「未產生轉換行為之使用者」「留存使用者」「流失使用者」,區隔的方法會隨著我們的觀察重點以及探索的目標不同來做靈活變化。

步驟二:建立兩群使用者的Persona

一旦我們確立可進行比較的兩群體後,開始識別並檢視他們的行為,他們大多使用了甚麼功能?他們觀看最多的視頻?他們分享最多的內容?他們創建最多的訊息?...等,以及使用者在真正迷上產品前,是否達成了甚麼里程碑?
例如:Facebook很有名的洞察分析,只要使用者在10內天與7個朋友建立聯繫可以大大的提高留存率,此發現也促使了產品策略,會不斷驅動與鼓勵使用者去完成這「里程碑」。
另一方面,還可藉由我們先前所建立的產品忠誠迴圈,思考其中的哪些功能行為,也許是我們特別想要關注的,此步驟相當仰賴於產業經驗,以及對產品的熟稔程度,才有辦法進行假說驗證,目的為了找出哪些事件接觸點「可能」會有效的影響使用者黏著度。
在這個時候,我們通常還會透過兩個面向進行分析比較,第一個是使用的廣度,也就是說該群組的人有多少%會進行該事件動作;另一為使用的深度,找出該群組的人他們在每一個固定時間內,執行多少次這個動作。

步驟三:了解不同族群產生差異的原因

以Medium為例,從剛剛的「動作採用率」進行分析比較,我們可以假設重要的使用者群組可分為寫手(有撰寫文章)讀者(沒有撰寫文章)
現在,我們已理解Power User Curve的概念,也知道了如何找出影響產品黏著的互動行為,接著可以回到互動階梯上,進行檢視我們的階級區隔分類是否具備有效性(合理的判斷,位於高階的用戶與低階的用戶相比,產品使用的活躍天數應該越多)。
透過Power User曲線評估「互動階梯」定義的合理性_來源:產品數據分析 - 打造網路產品的決策引擎
另外,還可透過Retention Curve去分別比較不同的階級角色,是否出現留存率的差異,或者進一步地,利用Cohort Analysis來評估我們觀測的用戶是否逐步完成了「登梯」。比如:「不活躍Inactive」佔「總使用者」比率,是否因為了產品與行銷的優化演進,而逐漸降低;另一方面,「觀察者」佔「總使用者」比率,按合理情況應該會逐漸升高。
利用Cohort Analysis評估使用者是否有「登梯」_來源:產品數據分析 - 打造網路產品的決策引擎
以上,這些挖掘問題的分析手法,皆是從「用戶 v.s.行為」概念中所衍伸出來,沒有一定的步驟與順序,重點都放在,了解並挖掘出驅動留存的行為操作,試著問出對的問題,來進行正確的假設與區隔,一旦我們發現了產品的留存影響因素後,就可以消除使用上的摩擦,重複觸發這些行為以激勵更多用戶,跨越此門檻養成使用習慣,最終將提高整體留存率。

透過「個人化」提升產品黏著度

其實,產品除了藉由關鍵行為的體驗,來建立黏著度外,還可以靠著不斷積累的使用者足跡,提供給客戶更加個人化的服務。就以台灣很愛使用的串流影音平台Netflix為例,當我們在上面觀看影片的時間越長越多,累計後的行為、互動與喜好回饋就更加豐富,後續系統才有辦法提供給我們,更加符合需求與興趣的片單,讓每一位使用者愈無法離開產品。
從資訊科技的角度來看,「個人化營銷」就是透過蒐集個人有關的資料,加以分析理解,進而替個人提供專屬的資訊與服務。這整套的系統,需要公司組織花費大量的時間與成本進行技術的佈建、行銷自動化以及產品工具的設計整合,目的是為了替公司回答出幾個關鍵問題:Who該收到行銷活動?When該收到活動?該收到What活動?Which體驗該進行個人化?How去衡量個人化體驗成效?
「個人化營銷」到底對消費者來說是好還是壞,其實很難去拿捏,我們可能因為一些意想不到的互動推播,而感到興奮喜悅,也可能遇到太過侵犯隱私的推薦廣告,而感到厭惡排斥。What shoppers really want from personalized marketing用一個簡單的公式來定義,甚麼樣的因素會影響到成功的「個人化營銷」價值模式:
公式中告訴了我們,用戶感受到的「個人化價值」「資訊相關性」「時間有效性」具備正相關,但與「失去的隱私」有負相關,且他們都統一還受到「品牌信任度」的共同加乘影響。
Silvio Palumbo在他的文章中《How to Build the Personalization Stack》更進一步提出,要建立一個良好的「個人化營銷」模式(他另外給予這樣的營銷計劃稱為the next best action),必需涵蓋四個核心組件,輸入層推理層、智能層執行層
上面提及的四個層級組合,從資料蒐集、理解、建模,延續到接下來的營銷面執行計畫,比如,郵件/Push Notification客製化寄送、線上線下的特定時間or地點的訊息傳送、透過使用者偏好,猜測可能喜歡的產品與內容、又或者是請使用者輸入相關資訊,以資訊比對提供個人化介面(常用來解決cold start問題)。
我們談的這些自動化行銷模式,都已存在於數位產品的世界中多年了,不算甚麼新鮮事,只是,這邊又再次反覆提醒了我們,在「推理層」中應用到機器學習的部分,所謂的學習,關鍵在於要有數據,因此公司有沒有開始蒐集數據,以及收集甚麼樣的數據,是否站在消費者的角度去思考行銷模組,就顯得更加重要了!
以上,關於Current Users的留存(黏著)討論就先暫時告一段落,此部分的內容蠻繁雜也挺多的,大致上整理了有哪些策略,該知道的觀念以及衡量的技巧,下一篇會再繼續介紹「Resurrected Users的留存」,有任何問題,都歡迎留言回覆,大家Byebye!
參考資料:
贊助創作者百元,就抽 $8,888 紅包與好禮!
喜歡對稱,也喜歡大膽留白,喜歡狗,也喜歡貓,喜歡朝更好的自己邁進--目前在互聯網時代,做數據運營的工作,現在的我,還喜歡窩在家,用簡單的事物填滿每一天。
涵蓋一個完整產品開發所需要學習到的數據分析架構
如果要發表留言,請先登入註冊會員
打造你的創作天地
在這裡尋找共鳴,與方格子的 35 萬格友分享觀點與生活。
領取見面禮
只要設定追蹤作者,即可享有 48小時
Premium 閱讀權限