2016年5月30日 星期一

產品上線之後的第一堂課:一米市集以用戶旅程為中心的數據分析

產品上線之後的第一堂課:一米市集以用戶旅程為中心的數據分析
文:一米市集,張哲誠,用戶體驗UED小組共同負責人

图:一米市集 (www.yimishiji.com) 网站价值主张


去年年中,我加入了Matilda創立的一米市集,協助打造用戶體驗。前半段的時間,我們特地組了一個六人小組,一起度過了由0到1打造產品的過程 (參考連結: ECX Matilda 演講



圖:一米市集產品開發流程


現在,產品上線是上線了,自己的孩子生了就得養,要怎麼養,怎麼讓她長大還真是難事。

研究了一番,發現好的創業公司都在做大數據,從善如流,我決定跟著鑽研更多資料分析和成長駭客(growth hacking)的相關領域,問了些朋友後,得到很多有趣的回答,比如:

  • 你的Excel 建模得很強才行
  • 去學R,這是搞Big data 的人都在鑽研的語言
  • 很多公司在搞事件分析(Event Analysis),你們應該去搞一下
  • 光把Google Analytics 弄好就優化不玩了”
  • 你去買個Tableau呀,這是最基本的BI (Business Intelligence) 軟體
  • 哇,你這搞大的,我們要找IBM來提案,把TMS,埋點,數據挖掘都搞一搞

這麼多立意良善,但見解不同的答案,一下子把我心搞的有點慌,以前自己擅長這種「由0到1」的設計思維,產品開發理論基礎好像不夠了。那1到10怎麼做?10到100怎麼做?一個月前,我展開了一段自己摸索的旅程,這篇文章試著吧我們摸索與學習的過程記錄下來:




圖:這篇文章的敘事邏輯


一,問對好問題,比做好分析更重要

開始做分析之前,幾個核心小組成員拿出紙筆與便利貼,試著思索想透過數據分析挖掘哪些問題。這是一個相當重要的練習,因為做數據分析跟做統計分析一樣,必須有很明確的研究發問,假設,並且蒐集資訊來驗證。問對好的問題,分析人員才能有效的去搭分析框架,採集資料,整理資料。而非一下子鑽進數據海,試著在浪花中找出脈絡,這樣往往事倍功半,並且會花大量的時間在做資料整理工作,而非產生有意義的洞察。


圖:一米市集團隊列出想透過數據分析發掘的問題


二,區分自爽指標與行動指標

以前自己在搞app 的時候,每次看到下載量又多了一萬,用戶數量不斷增加,心理就覺得踏實,覺得自己的產品決策是正確的。其實,這些都是不對的,真正好的數據能告訴我們如何做決策,而非只是逗自己開心而已。這種數據就叫做行動指標 (actionable metrics),它與特定任務相關,且能改善商業成效。比如活躍用戶比例,網站互動比率,顧客開發成本,營收與利潤變化比率等都可以算是行動指標。相反的,自爽指標(vanity metrics)就是那些看起來很棒但實際不代表什麼,比如下載量,PV,UV等靜態數字。


圖:自爽指標與行動指標有根本不同

三,打通數據分析的用戶旅程

以一米市集的網站為例,在開始做數據分析時,我們整合了百度統計 (類似Google Analytics),後台系統產生的訂單報表,以及ERP系統出的商品銷售清單。試著玩了一下這些數據,很快的發現一個問題:這些數據是以工具為中心積累出來的,我用了什麼工具,它就替我產生哪些數據,而非以用戶旅程為中心串接起來。


圖:原本以工具為出發,彼此獨立累計數據

這是什麼意思呢?用戶理解我們的旅程本來就是一連串的場景,而非分散的獨立事件。假使我們今天要了解一個用戶從怎麼認識我們,在社群與公眾號與我們的互動,這些如何影響到上站時的行為,跟結帳購買的金額與商品類別。透過目前工具是做不到的。



圖:希望透過用戶ID打通知道-上站-購買與二次購買的旅程

如果能把數據透過用戶ID串接起來,我們能知道,某個特定用戶是透過哪場推廣活動,或者哪個關鍵字廣告認識一米市集的,平常幾點買菜?是送完小孩之後,還是睡前的凌晨?平常的購買頻次為何,是一週三次,還是兩週一次?透過以上的數據,我們才能真正360%了解用戶,並從中找出適合的分析框架,去得出有用的洞察。

四,了解指標背後的絕對與相對意義

其實,企業在成長的不同階段,要追蹤的數據往往也不同,對於一米市集這樣的新創公司來說,有質量的增長是重中之重。因此,我們特地挑了幾個與增長相關的重點指標來深度追蹤,例如:


指標一,PV與UV,網站流量分析


圖:一般電商均統計的流量資料,包含PV與UV

流量分析 PV (Page View)瀏覽點擊量,跟 UV (unique visitor)獨立IP來訪人數。這兩個指標是所有經營網站的人每天必看數據,就跟開雜貨店的老闆娘每天會數多少客人進來,PV跟UV就是開網店的流水人數,可以把PV理解為不認人的總流水人次,UV等於獨立人數。




圖:Fred Wilson

根據知名VC投資人 Fred Wilson 的經驗談 (曾投資過Twitter, Tumblr, Foursquare, Zynga與Kickstarter等知名創業公司) 要去判斷一個網站或APP是否答標,可以有以下的參考值:

基本指標
  • 每天10%的流量会真正与网站互动
  • 每个月至少有30%的用户上站1次或使用APP1次
  • 每天有10%的用户上站或使用APP
  • 每天有1%的用户忠诚持续使用

指標二:顧客留存壽命分析



圖:人客就像水一樣,來來去去的


做生意開店,總會遇到形形色色的人,有的客戶萍水相逢,因了解而分開,有的客戶卻是一試成主顧,生老病死永不分離。做數據分析時,常見的作法是用漏斗分析表示每期到底留下多少客人,並計算到底顧客壽命多長,留存多久。為了解顧客壽命這個概念,在Lean Analytics 一書有一個有趣的習題:
有間公司每年損失1/4的顧客,請問這間公司到底表現好不好?
這個命題看起來很直接:表現一點都不好,4個就走一個,這人不會做生意阿。然而,純看1/4這個值並沒有意義,如果把1/4這個數字詳細算下,我們可以得到以下發現

  • 每年损失1/4顾客=顾客寿命4年=每月损失2%客户 (計算說明:假設今年有100個客人,一年流失25個客人,這批客人4年才走光,等於每個月走掉2%的客人)
  • salesforce.com CRM (NYSE) 每個月損失約1.8%客戶
這個結果一比,我們就能發現,每個月只丟掉2%的顧客,這表現可是跟上市公司SalesForce差不多,更別說他們還有個上百人的數據分析團隊,整天在想辦法優化用戶體驗,留住用戶。

註解:


  • 挑解比較方向時,可透過旁敲側集了解競爭對手或相關行業數據,再將自己網站與他們的指標比較,比較能客觀分出高下


指標三:用戶開發成本與終身價值(年)

經營網站,為了吸引用戶上站,經常採取買關鍵字廣告,發優惠券,E-mail 攬客等手段。值得注意的是:這些都是要成本的。去年中國O2O創業潮正熱的時候,光發給新客的補貼紅包
就接近70元左右,這些還不算灑的廣告費用。另一個案例是:2013年,台灣銀行平均吸引一個新客開信用的成本接近15000元。試想,如果我花了15000才吸引到小花來開戶,他只存了1000元,這不是賠本生意,這就是計算用戶獲取成本的作用,他能針對所有行銷活動做出公正的評判


圖:一米市集經常在各種線下活動推廣品牌,吸引新客(男模:Dennis)

到底要怎麼判斷呢?根據數據分析經典讀物Lean Analytics一書,通常美國網路界使用以下指標:

用戶獲取成本 <= (3/10)*平均用戶終身價值 (年)


舉例來說,假如一米市集在上海迪士尼辦了10場推廣活動,共灑了200,000元的優惠券,其他營銷成本共50000元。其中優惠券使用率為20%,共轉換200名顧客,其中40%有二次購買,60%只買1次。在二次購買的客戶內,有50%持續每個月下單,這些客戶平均一年下單共10,000元。假設一張優惠券都是200元,請問這樣子是否合算成本?
這時侯,我們就能透過簡單的加減乘除算出用戶獲取成本



  • 用戶獲取成本= (200,000*0.2+50,000)/200 = 450
  • 平均用戶終身價值 = (40*10000+40*400+200*0.6*200)/200 =2200

計算得出,450<660 (CAC<0.3CLV),也就是說,平均每個用戶獲取成本為450元,小於2200的1/3,也就是660元。

至於為什麼用1/3這個數呢?原因在於運營一個公司有許多固定成本 (如土地房租薪資設備)與變動成本 (營銷,耗才等),而顧客開發成本比較接近營銷推廣支出,如果光開發顧客就佔掉所有營收,剩下的利潤哪足夠彌補之前投資廠房設備的虧損呢?因此抓1/3是個大概的數字。

結語:創業公司不看財務報表,看的是增長速度

商學院的訓練,以大公司為場景的戰略管理知識。然而,很多創業公司早期還沒有營收,做會計報表也很難衡量企業的真正價值。那該怎麼衡量創業的成效呢?



圖:Y-Combinator 的增長指標與一米市集數據比較


知名矽谷加速器Y-Combinator的創始人Paul Gram 給了一個很好的定義:創業公司=成長。在Y-C內,他們給收留的企業定下每週5%-7%的增長目標,也就是在加速器這三個月內,每個月成長23.5%-34%左右,如果還沒有營收,就看用戶增長。

經過我們的計算,前半年一米市集的數據是達標的!無論是平均支付金額,用戶增長,跟我們最重視的覆購客戶增長指標,均有達到Y-Combinator 孵化的水準。

期待接下來透過數據分析,用戶研究,慢慢精準深抓用戶需求,打造出未來更好的一米市集。也希望能寫更多故事跟業界的數據分析專家們互相研討,學習!

參考資料

精實數據分析 Lean Analytics: http://leananalyticsbook.com/
Paul Gram "Start-up = growth http://www.paulgraham.com/growth.html

特別感謝:侯宗成Jason的數據分析指導


1 則留言: