深度挖掘用戶需求?按這五個步驟做!

2021年02月01日 09:53 來源:接地氣學堂 作者:接地氣的陳老師

接地氣的陳老師,微信公眾號:接地氣學堂(微信號:gh_ff21afe83da7)。資深咨詢顧問,在互聯網、金融、快消、零售、耐用、美容等15行業有豐富數據相關經驗。

有同學問:領導總讓我們挖掘用戶需求,咋個挖掘法?特別是手頭還沒什么數據,最多只有一個用戶購貨記錄,感覺挖不出東西。今天系統解答一下。做用戶需求挖掘上,有很多很流行的無解,今天也一并澄清。

圖片

  1   

用戶需求挖掘的錯誤做法

這個段子很多人都聽過:

一個小哥來五金店買釘子

買釘子是因為他想掛一幅畫

掛一幅畫是因為他很孤單

他很孤單因為他很想找女朋友

所以他真正的需求是個女朋友

應該給他介紹個女朋友

 

故事很好聽,可是卻大錯特錯……從業務上看,一個五金店老板,如果不想著怎么賣金屬器械,而是研究牽線搭橋的話,那小店離倒閉也就不遠了。從數據上看,想不想找女朋友,估計連自己七姑八姨都懶得說,又怎么會輕易告訴陌生人(況且他還是個賣鋼筋的)。

這是個普遍的錯誤:誤以為,用戶需求挖掘,非得挖到別人不知道的八卦奇聞,才算有深度,非得滿足很深層的需求,才算是真需求。

實際上,只有極少數行業能如此深度地了解用戶,能無限度地滿足用戶。比如金融行業,針對極高端客戶的私人服務,或許能做到這一點(分行行長親自開車送大客戶兒子上學也不是啥新鮮事)。

但,大部分企業業務范圍有限,面對的是海量用戶。因此,不能脫離業務實際,做太細膩深刻的挖掘。無論是業務上還是數據上,都做不到,也沒有必要做到。

 

所以,用戶需求挖掘的本質,是從有限的數據里,篩選關鍵區分維度,提升用戶響應概率。我們要做的,不是搞清楚每個用戶的每個層次的需求。而是通過區分,提高用戶響應概率,識別核心用戶群體。讓用戶對我們的業務響應率,比閉著眼睛瞎做要高。每高出來一個百分點,都是數據分析師對企業的貢獻。

  2   

用戶需求挖掘的五個步驟

▌ 第一步:區分核心用戶

還拿五金店老板舉例。在精力有限的情況下,先抓住大客戶才是關鍵,分類是很必要的。五金店的用戶分類,可能是:

第一等:物業維修部、裝修隊、工地(B2B類客戶)

第二等:裝修、改水電、維修的客戶(B2C類大客戶)

第三等:偶爾買一個燈泡、插座、釘子的散客(B2C類小客戶)

 

問題在于,當一個小哥進門,五金店老板并不知道他到底是哪一類。如果置之不理,可能損失掉一個大生意。但如果每個人都上來問一大堆問題,估計會把客人嚇跑。這里就開始了第一步的用戶需求挖掘,挖掘的問題很簡單:“您想買點什么”。

▌ 第二步:對業務分類

小哥回答:“我想要買釘子”——你聯想到了什么?這個回答聽起來很簡單,可透露了很多信息。因為,每一類業務,可能有固定的商品組合和消費特點,比如對五金店而言:

  • 工程類業務:大量的鋼筋、各種物料(不會零散采購)
  • 水類改造:水管、扳手,防水膠帶
  • 電類改造:電線、開關、插座
  • 墻體維修:水泥、刷子、油漆
  • 物件維修:釘子、錘子、鉆機

 

這叫:業務強相關性。即使不做關聯分析,這些商品也是天生捆綁出現的。并且根據業務規模大小,有固定消費量。做好事先業務分類非常重要。當我們無法采集大量用戶信息的時候,可以通過僅有的一點點購貨記錄,利用業務相關性去推斷用戶需求。

比如這里老板聽到小哥需要釘子,可以很快推斷:不是B類用戶,和維修有關。但是老板仍不知道,小哥到底是C類大客戶還是散客,還需要第二步挖掘。問題也非常簡單:“您買釘子做什么”。

▌ 第三步:抓關鍵信息

小哥回答:“我想要買釘子,在墻上釘一副畫”——聽到這句,你是不是馬上想到要說什么了!是滴,我們可以看到,做好用戶分群和業務分類以后,再做需求挖掘的時候是非常容易的。

基于前邊的分類,讀者們聽到釘一幅畫,也能立即反映出來:這是個散客,價值不高。釘子和錘子、鉆機是高度關聯的,有交叉銷售機會。這里借助2個簡單的問題,我們已經完成了抓關鍵信息。

當然,實際業務中,傳統企業靠銷售、導購、業務員去抓關鍵信息,互聯網企業靠埋點、推送/反映、問卷、瀏覽頻次等抓關鍵信息。

▌ 第四步:推送商品/活動

現在有了假設,我們可以嘗試驗證,推一個商品/活動試驗下。這時候五金店老板就不會花大力氣去問小哥是不是想談戀愛,而是說:“你需要釘畫的話,用1寸小釘子比3寸的大釘子好看,容易釘還不顯眼。”這樣就能鎖定小哥的需求,比那些不理不睬的老板成功幾率高。

同時,還能做個交叉推薦:“你有錘子了嗎?可以買個小鉆機,比錘子省事,修其他東西也能用”如果推薦成功,就能成功地把客單價從1塊錢提升到200塊,也是小賺一筆。

▌ 第五步:驗證推送效果

有推送,就有成功和失敗兩種可能,因此需要驗證效果。需求挖掘,本質上是個概率問題。需要通過數據驗證我們推送,進而驗證我們選擇的挖掘維度和挖掘方向是否正確。對五金店老板而言,這里有兩個維度要驗證:

1、釘墻推薦1寸釘子(假設:基于用戶需求考慮,更容易成交)

2、釘墻的男性推薦風鉆(假設:男性喜歡機械,有機會成功)

這實際上已經是個小型ABtest了。如果有一個數據可記錄的話,老板會看到,這兩個假設可能成立,也可能失敗。

比如做了200組,發現用戶根本不考慮美觀,都是什么便宜買什么,那以后的策略,就是散客來了直接丟最便宜的東西給他。

當然,也有可能發現這個策略可行,10單能交叉賣出3單鉆機。那以后就按這個策略走。到這里,我們的需求挖掘結束。我們找到了一個區分方向,驗證了一個可提升成交的機會點,從用戶買釘子挖出了鉆機的需求。這么做,可比天天琢磨小哥到底有沒有女朋友,是喜歡蘿莉還是喜歡御姐要靠譜的多。

雖然只是一個搞笑的例子。(實際上五金店老板才沒這個耐心,五金店也沒有數據可以記錄)。但是它很形象得展示出了挖掘用戶需求的工作流程:

  1. 區分用戶類型
  2. 區分業務類型
  3. 抓關鍵信息
  4. 推送商品/活動
  5. 驗證推送效果

 

這套方法論是可以推廣到各個行業的,特別是數據記錄較少的情況下。注意,這里先區分用戶還是先區分業務,是有行業差異的。

一般傳統企業的業務類型比較固定,傾向于先區分業務。互聯網企業業務比較靈活,甚至能無中生有創造新場景,往往傾向于先區分用戶,甚至有可能針對一個用戶不同場景做文章。

但無論怎么做,區分用戶與業務都是第一步預動作,也是最重要的一步。通過分類可以清晰后續挖掘的方向,明確挖掘深度,為驗證挖掘是否有用提供標準。所以這一步下邊會單獨拿出來講。很多同學做用戶需求挖掘毫無頭緒,都是因為缺少分類。而很多同學陷于Abtest,缺少整體判斷,也是因為缺少分類。

  3   

用戶/業務區分的注意事項

一提用戶分類,很多文章都扯RFM,這是非常錯誤的。并非所有的業務都需要高頻次消費,也不是所有業務都累積高金額,甚至有可能一個業務同時存在一次消費和高頻消費。如果從頻次和金額的角度來看,常見的業務可以歸納如下:

                         

傳統企業的業務相對聚焦,業務分類相對容易。

比如房子,分置業、投資。置業再分首次、二次改善,養老。二次改善又有面積改善、環境改善、配套改善、資源改善等若干。

家裝、汽車、貸款等等業務都有類似歸類法(文字太多,先不展開了)每一種對應的用戶需求會很聚焦。因此傳統企業的用戶需求挖掘,沒有那么依賴“大數據”。更多是類似五金店老板,做好業務分類,在前端銷售、導購、業務員做好關鍵信息采集。

互聯網公司需特別注意:一個平臺有可能同時融合多種業務,這些業務看似相似,可實際對應的用戶需求,相關的業務,完全不同。

如上圖紅圈所示,一個訂票平臺,對商旅客人,可能就是高頻次高金額頻繁發生的事,這時候可以用RFM來進一步細分。

但對新婚游,可能就是個很低頻的需求,找的關聯業務就是酒店、租車、回程以后休閑地(出趟國,十幾二十天回來真的很累,需要補假)。類似地,電商平臺,賣的同時有零食、手機、充值卡、電視等等,在挖需求的時候也要區分常見,而不是一鍋燉了了事。

用戶分群的具體操作內容太多,需要單獨開一篇文章寫,這篇已經3000字了,怕大家讀著累。寫長文最怕沒人看,有興趣的同學點個在看。如果在看超過60個陳老師就排期寫哈。

  4   

推送/驗證的注意事項

做數據的同學,往往做ABtest的很多,但做得很被動。往往是業務拿著方案,數據只是機械操作。自己提假設,自己進行驗證的能力差。這里關鍵是:提假設。很多同學對著交易數據沒感覺,數據庫里評論、需求、瀏覽數據又太少。這里舉個簡單的例子。比如我們看到一個購物單,我們可以大膽做假設:

 

所以你看,不需要特別多數據,也能提假設。當然,不是所有假設都有必要投入ABtest,我們可以先從數據上作區分。

比如從一個用戶身上發現的假設點,先看:是否該用戶有強烈的特征,比如我們假設他是優惠驅動,那么他參與優惠訂單》n次,優惠力度》50%的活動參與率》X%,總之,他得真的表現出對優惠有特別興趣。

再看,是否有足夠數量用戶有類似特征,如果用戶數量太少,那即使是個機會點,也不一定被業務所用。如果符合以上兩點,可以考慮提建議,讓業務做方案,上Abtest了。

  4   

需求挖掘,做到多深合適

看到上邊,有的同學可能會問:既然有這么多方向可以挖,該從哪里挖起?答:從目前業務發展最緊迫的問題開始。業務上,需要:

  • 提升轉化率:挖用戶首次購買的產品
  • 提升客單價:挖用戶交叉品類需求
  • 提升交易金額:挖重度用戶
  • 提升復購率:挖二次購貨需求
  •  ……

 

有明確目標指引的情況下,更容易找到答案。當然,也有可能挖了一圈發現沒啥收獲,數據上找不到機會點。但至少也能反向證明:花里胡哨地砸錢營銷沒啥屁用,那也能指導運營做一些節省成本的工作,也是功勞一件。

以上就是挖用戶需求的基本思路,大家可以看到,它融合了用戶分群,假設檢驗,ABTest等具體工作,是個綜合性很高的事,同時也能看到,它不是一蹴而就的,而是需要大量基礎工作打底,再結合大量的嘗試才能得到結論。

挖用戶需求,不是像路邊擺攤的算命師傅那樣,銅錢一丟就無所不知了。去粗取精,去偽存真,反復迭代,逼近真相,這才是數據分析師的價值所在。

本文已獲得授權,轉載請與原作者聯系

更多互聯網行業動態>>請關注微信公眾號“我要啦統計”(微信ID:Analysis_51la)