圖源:視覺中國
“較真”是對“廣告費”最基本的尊重
假如你是一個賣saas產(chǎn)品的銷售,現(xiàn)在有兩個客戶供你選擇:
A客戶是一家行業(yè)龍頭,一家的合同額能幫你完成半年的業(yè)績?nèi)蝿?wù),但是過往的同行說,他們買完產(chǎn)品后,并不會認真使用,一段時間后就會束之高閣;
B客戶是一家年輕的成長型企業(yè),合同額只有上一家的1/5,但是他們特別喜歡你的產(chǎn)品,對產(chǎn)品使用非常較真,甚至?xí)o你提出非常多的產(chǎn)品需求;
這個問題,我問過很多人,有選A的,也有選B的。
但其實,我覺得沒有什么可選的,因為,小孩子才做選擇,成年人當(dāng)然是全都要!
不過,我更尊重那家“較真”的客戶,不是因為他們高頻使用我們的產(chǎn)品,而是因為“較真”是對“廣告費”最基本的尊重。
一個彈窗的提升空間能有多大?
我們有一個成長型的客戶,在合作初期的一個月里,這位客戶花了近百萬的廣告費,只是為了測出落地頁里一個非常小的功能——“挽留彈窗[1]”的具體效果。
“What?花100萬,測一個破彈窗?”
說句實話,這就是我當(dāng)時的想法,但是隨著項目的深入,我漸漸理解了這個客戶的做法,“花100萬,測試彈窗”只是一個表象,他們較真的是整個探索流程以及產(chǎn)生效果的真正原因。
科學(xué)研究的邏輯思維方法有兩種,一種是歸納法,一種是演繹法。通過歸納法,我知道了“挽留彈窗”是能夠提升轉(zhuǎn)化率的,但是只有找到“提升轉(zhuǎn)化率的真正原因”,我們才能夠通過演繹法,將原理應(yīng)用到其他地方,從而把提升效果從1放大到100。
所以,一個“破彈窗”的作用到底有多大呢?我們又是如何測算出來的呢?
[1]挽留彈窗是一項能夠在用戶準備退出網(wǎng)頁時彈出彈窗,對即將流失的用戶進行挽留的功能。
沒學(xué)會走路之前,千萬不要嘗試奔跑
凡是練過拳都知道,最容易惹是非的就是初學(xué)者了,剛學(xué)了兩招就急不可耐的想要找人比劃比劃。于是在第一次試驗的時候,我們和客戶制定了一個激進的計劃,期待在轉(zhuǎn)化率上能有一個巨大的變化。理想是豐滿的,但現(xiàn)實是骨感的,結(jié)果數(shù)據(jù)顯示,實驗組的轉(zhuǎn)化率不僅“提升”不明顯,而且不可信。
這次試驗對象是一個小額支付落地頁,賣的是集訓(xùn)營小課包,頁面邏輯和轉(zhuǎn)化流程相對比較簡單,機構(gòu)并不收集學(xué)員手機號,學(xué)員點擊“報名按鈕”后,會直接調(diào)起微信支付,支付完成后,會被要求關(guān)注“公眾號”。
在實驗組里,我們?yōu)檫M入落地頁的學(xué)員,設(shè)定三道挽留彈窗,分別會在三種情況下彈出,其中有兩道彈窗的內(nèi)容是一模一樣的,另外第三道則不一樣。
第一道彈窗,首次支付挽留彈窗,在用戶第1次支付失敗后彈出,引導(dǎo)用戶繼續(xù)支付9.9元;
第二道彈窗,二次支付挽留彈窗,在用戶第2次支付失敗后彈出,引導(dǎo)用戶報名0元課程;
第三道彈窗,退出挽留0元彈窗,在用戶準備退出落地頁時彈出,引導(dǎo)用戶報名0元課程;
對結(jié)果的期待越高,則落差帶來的失望越大,特別是當(dāng)你一頓操作猛如虎后,發(fā)現(xiàn)自己就在原地杵。試驗結(jié)果顯示,實驗組(帶彈窗)相對對照組(無彈窗)的轉(zhuǎn)化率提升不到5%,并且由于樣本數(shù)不夠,在對結(jié)果數(shù)據(jù)進行統(tǒng)計驗證時,發(fā)現(xiàn)統(tǒng)計P值[2]高達0.363,遠大于0.005,也就是說測試結(jié)果并不顯著,我們無法確信“轉(zhuǎn)化率”的提升是因為設(shè)置了彈窗,或許純粹就是因為運氣好。
[2] P值是用來判定假設(shè)檢驗結(jié)果的一個參數(shù),P值(P value)就是當(dāng)原假設(shè)為真時,比所得到的樣本觀察結(jié)果更極端的結(jié)果出現(xiàn)的概率。如果P值很小,說明原假設(shè)情況的發(fā)生的概率很小,而如果出現(xiàn)了,根據(jù)小概率原理,我們就有理由拒絕原假設(shè),P值越小,我們拒絕原假設(shè)的理由越充分??傊琍值越小,表明結(jié)果越顯著。
我們還發(fā)現(xiàn),在被轉(zhuǎn)化的人群里,有一部分用戶是看過“首次支付挽留彈窗”,但不是在“首次支付挽留彈窗”上直接完成轉(zhuǎn)化的,也就說彈窗對這部分人的轉(zhuǎn)化有助攻的作用。這部用戶在落地頁上的旅程可能是這樣的:
假設(shè)我是一個客戶,“我”剛剛已經(jīng)明明拒絕了支付,“你”彈出一個彈窗來挽留“我”,在潛意識里,“我”想“你”應(yīng)該會換個方式來討好“我”,但是當(dāng)“我”點擊報名按鈕后,依舊還是喚起了支付,此時“我”可能就會生氣了,懷疑“你”是不是在?!拔摇保慨?dāng)然,以上僅是我的猜測,可能需要做進一步的測試。
在這次試驗里,我們做了三個彈窗,而三個彈窗的作用相互交叉,難以辨別。導(dǎo)致我們最后根本分辨不出,哪個彈窗是有效的,哪個彈窗是充數(shù)的,哪個彈窗是有害的?也不知道,這些彈窗到底對哪群人生效了,這些人又有什么共同特征?做這個試驗需要多少的樣本量才夠?
彈窗的影響到底有多大
為了解決上一次試驗中新發(fā)現(xiàn)的問題,我們和客戶又進行了第二輪試驗。在這次試驗中我們?nèi)コ怂械膹棿?,做了一個“裸版”落地頁進行投放,目的只有一個——找到“人群分布”的基準值。
根據(jù)機構(gòu)以往的經(jīng)驗,按照“支付動作”可將用戶分為三類:
(1)未發(fā)起支付
(2)發(fā)起1次支付
(3)發(fā)起多次支付(2次及以上)
按照“轉(zhuǎn)化轉(zhuǎn)態(tài)”可將用戶分為2類:
(1)未轉(zhuǎn)化
(2)已轉(zhuǎn)化
結(jié)合這兩類動作,理論上可以將用戶分成6(3x2)類,但是實際上,這兩個動作是有依賴的,“未發(fā)起支付,已轉(zhuǎn)化”這類人群是不存在的。所以,實際上只有五類人群,分別是:
(a)未發(fā)起支付,未轉(zhuǎn)化
(b)發(fā)起1次支付,未轉(zhuǎn)化
(c)發(fā)起1次支付,已轉(zhuǎn)化
(d)發(fā)起多次支付,未轉(zhuǎn)化
(e)發(fā)起多次支付,已轉(zhuǎn)化
為方便大家閱讀,下文中我將用“代號”來代指這5類人群,對照表入下表所示:
需要說明的是,每個進入落地頁的用戶,都會落入到這5個分類里。但是,從不同的時間點來看,你會發(fā)現(xiàn),在不同的時刻,各類人群的比例是變化的。這是因為一個人的狀態(tài)值是可以轉(zhuǎn)變的,并且這種轉(zhuǎn)變是單向的,例如你可以從“00(未發(fā)起支付,未轉(zhuǎn)化)”狀態(tài),轉(zhuǎn)變成“10(發(fā)起1次支付,未轉(zhuǎn)化)”,但是不能從“10狀態(tài)”轉(zhuǎn)變成“00”狀態(tài)。
依據(jù)這種人群分類方式和用戶旅程,我們就可以繪制出“用戶狀態(tài)流轉(zhuǎn)圖”了。結(jié)合投放結(jié)果數(shù)據(jù),透過這張圖,我們就可以輕易的找到適合放置“彈窗”的人群,并計算出挽留彈窗真正的影響范圍。
(1)找到適合放置“彈窗”的人群
以第2次試驗為例,我們發(fā)現(xiàn)各類人群的占比入下表1所示,00狀態(tài)和10狀態(tài)的人,占未支付轉(zhuǎn)化人群的(60%+20%)/(60%+20%+2%)=97%,所以,針對這兩部分人群設(shè)置彈窗是比較有意義的,而N0狀態(tài)的人群比較少,資源有限的情況下,優(yōu)先級可以降低一些。
(2)計算挽回彈窗的影響范圍
挽留彈窗的觸發(fā)條件主要是由瀏覽器控制的,不同的瀏覽器有不同規(guī)則。在移動端,每個APP都是一個瀏覽器,這些瀏覽器一般只允許對“有交互”的用戶發(fā)起挽留彈窗。
若試驗中發(fā)現(xiàn)“00”狀態(tài)的用戶中,大約50%的用戶會產(chǎn)生“交互”。那么就意味著,假如針對“00狀態(tài)”的用戶設(shè)置彈窗,最多只有60%x50%=30%的用戶會受彈窗的影響。
此時,若實驗組轉(zhuǎn)化率相對“對照組”提升了3%,那么彈窗效果=3%? 30%=10%
總結(jié)成公式就是:
彈窗效果=轉(zhuǎn)化率差值? 彈窗觸發(fā)率
轉(zhuǎn)化率差值=彈窗效果?? 彈窗觸發(fā)率= 彈窗效果?? A人群UV占比?? A人群互動率
假設(shè)“彈窗效果”和“A人群UV占比”一定,那么就可以計算“轉(zhuǎn)化率差值”的范圍了。
Max(轉(zhuǎn)化率差值)=彈窗效果?? A人群UV占比?? Max(A人群互動率)
Min(轉(zhuǎn)化率差值)=彈窗效果?? A人群UV占比?? Min(A人群互動率)
其中:
轉(zhuǎn)化率差值={實驗組轉(zhuǎn)化率 - 對照組轉(zhuǎn)化率}
怎么挽留不感興趣的用戶
計算出挽回彈窗的影響范圍后,我們就可以開始針對不同狀態(tài)的人群進行挽留彈窗測試。在上一次試驗中,我們知道“00狀態(tài)”的用戶占60%,“10狀態(tài)”的用戶占比15%,占未支付轉(zhuǎn)化人群的97%,針對這兩部分人群,我們可以分別做兩次控制試驗,分別測試出這兩部分人群彈窗的效果。
所以,第三次試驗中,我們決定針對“00狀態(tài)”的用戶,設(shè)置“挽留彈窗”,進行測試。在這次試驗里,我們設(shè)置了一個對照組,對照組的用戶將不會見到“挽留彈窗”,只用于確認本次實驗中,“00、10、11、N0、N1”這5類人群分布的基準值。
假設(shè)試驗結(jié)果如上表所述,我們可以知道實驗組轉(zhuǎn)化率提升了“(22%+3%)-(20%+3%)= 2%”,相對提升了 8.7%= 2%/(20%+3%)。
通過上面的用戶旅程我們可以知道,若挽留彈窗起作用了,那么被挽留來的用戶,只會被分流到“A”和“B”中。
在介紹人群分類的時候,我們講過“用戶狀態(tài)轉(zhuǎn)變是單向的”,“11狀態(tài)”的用戶一定是從“00”狀態(tài)用戶轉(zhuǎn)化過來的。實驗組中 “11狀態(tài)”人群,比對照組增加了2%,則這個2%的人一定是從“00”中過來的。而N1轉(zhuǎn)態(tài)的人群比例并沒有改變,說明沒有用戶從“10狀態(tài)”轉(zhuǎn)化過來。所以,我們可以確定,在本次試驗里,挽留彈窗造成的影響主要是將部分“00狀態(tài)”的用戶,導(dǎo)向了“11狀態(tài)”,從而提升了轉(zhuǎn)化率。
在這次試驗中,挽留彈窗的彈出率為20%(10%+7%+3%),也就是說只有20%的人,被彈窗影響到了,而這部分人群的彈窗效果,如下所示:
挽留彈窗的效果=轉(zhuǎn)化率提升值/總彈出率=2%/(10%+7%+3%)= 10%
所以,假如針對“00狀態(tài)”的用戶設(shè)置彈窗,則:
轉(zhuǎn)化率提升空間=彈窗效果?? 彈窗觸發(fā)率 = 10%?? 彈窗觸發(fā)率
臨門一腳應(yīng)該怎么踢
在第三次試驗中,我已經(jīng)測試出“挽留彈窗”對“00狀態(tài)用戶”的效果,那么接下來,我可以開始對“10狀態(tài)”的用戶,設(shè)置“支付挽留彈窗”,在這群用戶關(guān)閉支付時,進行挽留。
同樣,在這次試驗里,我們也設(shè)置了一個對照組,對照組的用戶將不會見到“支付挽留彈窗”,只用于確認本次實驗中,“00、10、11、N0、N1”這5類人群分布的基準值。
假設(shè)試驗結(jié)果如上表所述,我們可以知道實驗組轉(zhuǎn)化率提升了“(20%+3%)-(20%+6%)= 3%”,相對提升了 13%= 3%/(20%+3%)。
通過上面的用戶旅程我們可以知道,若支付挽留彈窗起作用了,那么被挽留來的用戶,只會被分流到“N1”狀態(tài)和“N0”狀態(tài)中。
在這次試驗中,支付挽留彈窗的彈出率為12%(8%+1%+3%),也就是說只有12%的人,被彈窗影響到了,而這部分人群的彈窗效果,如下所示:
支付挽留彈窗的效果=轉(zhuǎn)化率提升值/總彈出率=3%/12%= 25%
所以,假如針對“10狀態(tài)”的用戶設(shè)置“支付挽留彈窗”,在用戶關(guān)閉支付時彈出,則
轉(zhuǎn)化率提升空間=彈窗效果?? 彈窗觸發(fā)率 = 25%?? 彈窗觸發(fā)率
現(xiàn)在回答一下,這100萬花的值嗎?
到目前為止,我們已經(jīng)花費了將近100萬的廣告預(yù)算,但是這一系列的彈窗試驗遠沒有結(jié)束。我們知道“挽留彈窗”和“支付挽留彈窗”是有效的,也知道他們對轉(zhuǎn)化率的提升受“彈窗觸發(fā)率”的影響。那么如何提升“彈窗觸發(fā)率”呢?如何在提升“彈窗觸發(fā)率”的情況,不影響自然轉(zhuǎn)化率呢?這都是我們未來需要解決的問題。
在很多人眼中,落地頁制作只是“廣告投放”中一個不起眼的環(huán)節(jié),而“彈窗”又是落地頁中一個不起眼的元素,但就是這些“不起眼”的元素,構(gòu)成了轉(zhuǎn)化率的基石。所以,這100萬不僅僅是為了買一個結(jié)論,更是在這個過程中,建立科學(xué)的測試流程,探求挽留彈窗起效的真正原理。
“較真”是一件很難的事情,所以有些人只對別“較真”,而真正的高手只會對自己“較真”。這就是為啥高手,總是下笨功夫,而卻笨人卻喜歡尋找捷徑。
作者注:本文中的案例根據(jù)真實事件改編,為保護客戶數(shù)據(jù),其中數(shù)據(jù)為虛構(gòu)。
作者:李宇徒 編輯:南墻
本文來自于投稿,不代表芥末堆觀點。
2、芥末堆不接受通過公關(guān)費、車馬費等任何形式發(fā)布失實文章,只呈現(xiàn)有價值的內(nèi)容給讀者;
3、如果你也從事教育,并希望被芥末堆報道,請您 填寫信息告訴我們。