GrowingIO增長分析（UBA）中增長模型的設(shè)計初衷，是幫助企業(yè)簡單方便地分析用戶行為，實現(xiàn)業(yè)務(wù)增長。隨著企業(yè)增長模式從粗放式經(jīng)營轉(zhuǎn)為精細(xì)化深耕，精準(zhǔn)解決某一業(yè)務(wù)場景需求的分析模型成為企業(yè)使用UBA工具的新需求。
本季度GrowingIO分析云產(chǎn)品聚焦真實業(yè)務(wù)場景，推出了新的增長模型——首復(fù)間隔分析，可用于分析用戶全生命周期內(nèi)任意事件首次和N次之間的間隔，發(fā)現(xiàn)轉(zhuǎn)化規(guī)律，做好用戶生命周期劃分，從而指導(dǎo)業(yè)務(wù)人員在合適的時間點做好營銷動作觸達(dá)用戶，達(dá)到業(yè)務(wù)更快增長的目的。
首復(fù)間隔模型可以通過“再轉(zhuǎn)化比例分析”和“間隔分析”兩張曲線圖直觀呈現(xiàn)轉(zhuǎn)化趨勢和間隔分布，同時該分析模型內(nèi)部還自帶資深運營專家搭建的經(jīng)驗?zāi)Ｐ停芍悄芙庾x出分析報告，幫助業(yè)務(wù)人員快速發(fā)現(xiàn)轉(zhuǎn)化和運營的關(guān)鍵節(jié)點，找到不同階段顧客的最佳營銷時機。
例如在購買場景中，為了提升復(fù)購率，業(yè)務(wù)人員需要分析用戶從新用戶轉(zhuǎn)化為忠誠用戶的購買次數(shù)、每次復(fù)購的間隔是多久，以及找到用戶流失的時間點，及時挽回用戶。
如上圖所示，在實際分析時，業(yè)務(wù)人員根據(jù)需要設(shè)置好轉(zhuǎn)化事件（在該場景下轉(zhuǎn)化事件應(yīng)為“購買”）、首次追溯期、轉(zhuǎn)化窗口期、目標(biāo)用戶等基本信息，即可獲取分析曲線圖。
“再轉(zhuǎn)化比例分析”曲線示意圖
如圖，可以看到所有首購用戶中有多少人完成了二次購買，二次購買的用戶又有多少完成了三次購買，以此類推。
當(dāng)曲線完整呈現(xiàn)后，即可發(fā)現(xiàn)用戶完成N次（上圖是4次）購買后，N轉(zhuǎn)N+1的比例趨于穩(wěn)定，那么購買N次就是用戶和企業(yè)建立穩(wěn)定忠誠度的閾值。
同時，首復(fù)間隔分析可統(tǒng)計從首購開始，每次購買之間的間隔時長分布。通過分布概率來界定每一次轉(zhuǎn)化的黃金時間，如超過黃金時間后還未再次購買，這部分用戶大概率會流失。
“轉(zhuǎn)化間隔分析”統(tǒng)計示意圖
從上圖的曲線走向不難看出，首購到二購的轉(zhuǎn)化中，第二周到第四周為轉(zhuǎn)化的關(guān)鍵時期，即最佳引導(dǎo)時間。也就是說，業(yè)務(wù)人員需要在這兩周內(nèi)進(jìn)行充分營銷，如推送短信、優(yōu)惠券等促進(jìn)更多首購用戶二購，讓他們盡量按照該路徑進(jìn)行轉(zhuǎn)化，才能降低用戶流失率、提升復(fù)購率。
除了購買場景，首復(fù)間隔分析還提供包括訪問、頁面瀏覽、廣告點擊等在內(nèi)的多個事件的轉(zhuǎn)化分析，緊貼業(yè)務(wù)場景，幫助企業(yè)一環(huán)貼一環(huán)地促進(jìn)用戶價值提升。
案例一：某護(hù)膚品牌潛客首購轉(zhuǎn)化率提升20%，客單價提升10%+
某高端草本護(hù)膚品牌成立50余年，擁有上千萬會員資產(chǎn)、全國線下專柜250+。
在進(jìn)行線下專柜會員代運營時，GrowingIO對其購買場景進(jìn)行首復(fù)間隔分析后發(fā)現(xiàn)：潛客注冊成會員后第二天會迎來購買高峰，然后逐漸下滑，在第7天和第30天會有兩個更為明顯的滑坡。
為提升潛客首購轉(zhuǎn)化率，我們制定了以下運營策略：在會員注冊第7天、第30天發(fā)送“禮遇”信息，如以企微/短信邀請到柜體驗護(hù)理項目、贈送到店領(lǐng)取的小樣券等方式觸達(dá)會員，引導(dǎo)首購轉(zhuǎn)化觸達(dá)會員。其中第30天的“禮遇”優(yōu)惠強度高于第7天。
同時，該運營項目還設(shè)置了對照組，企業(yè)的業(yè)務(wù)人員基于過往經(jīng)驗向用戶推送“禮遇”信息。
經(jīng)測試，按照首復(fù)間隔分析結(jié)果推出的運營策略進(jìn)行營銷后，潛客7天用戶整體購買轉(zhuǎn)化率高于對照組20%，客單價提升10%+，潛客30天觸達(dá)購買轉(zhuǎn)化率高于對照組10%。
案例二：某乳企復(fù)購率提升9%，客單價提升17元+
某大型國有乳品企業(yè)其中一個飲料品牌擁有20W+會員，存量會員近6W。在服務(wù)過程中，GrowingIO首先清晰劃分了用戶的生命周期節(jié)點，并給出關(guān)鍵動作，如下圖所示：
然后再針對每個生命周期節(jié)點逐一進(jìn)行分析。比如在進(jìn)行復(fù)購分析時，通過首復(fù)間隔分析的統(tǒng)計圖我們得出了以下結(jié)論：
在復(fù)購間隔達(dá)到流失臨界點N時，包含此間隔天數(shù)且繼續(xù)發(fā)生復(fù)購行為的人數(shù)不足3%，且最大復(fù)購間隔等于N天的消費者不足1%，由此判定首轉(zhuǎn)二的購買間隔≥N天為流失分界點。
2、購買間隔0天和購買間隔1天的復(fù)購占比存在大幅下跌，由此判斷促進(jìn)復(fù)購的節(jié)點應(yīng)在購買后第2天。而為了達(dá)成持續(xù)復(fù)購，需在不同節(jié)點連續(xù)促購3次。
基于以上結(jié)論，GrowingIO幫助該企業(yè)重新制定了會員運營策略：
按照關(guān)鍵動作節(jié)點在首次購買后的不同節(jié)點對新客進(jìn)行短信、公眾號、服務(wù)號等在內(nèi)的多個渠道的營銷觸達(dá)，推送滿減優(yōu)惠復(fù)購券包；
對購買次數(shù)達(dá)到持續(xù)復(fù)購標(biāo)準(zhǔn)的用戶進(jìn)行日常監(jiān)測，并進(jìn)行積分推送，如發(fā)放會員月卡、券包，通過智能運營（MA）進(jìn)行個性化推薦等等；
對沉睡人群通過智能運營（MA）發(fā)送營銷短信，同時導(dǎo)出價值客戶營銷線索，安排人工/AI回訪；
4、對流失人群除了重復(fù)執(zhí)行沉睡人群的運營策略外，還會發(fā)低門檻大額滿減券在私域觸達(dá)進(jìn)行召回。
最終，該企業(yè)的復(fù)購率提高了9%，流失召回率提升0.5%，客單價提高17元+，有效提升了會員質(zhì)量。
目前GrowingIO增長分析（UBA）有二十大分析模型，隨著企業(yè)全方位構(gòu)建數(shù)字化能力進(jìn)程不斷深入，針對特定場景的分析需求也會逐漸增多。
未來GrowingIO的分析模型將更加充分考慮實際業(yè)務(wù)場景，并不斷降低使用門檻，縮短業(yè)務(wù)人員的分析成本，促進(jìn)業(yè)務(wù)增長。
