数据策略分析

简介: 数据策略如何驱动业务增长

什么是策略

“策略”一词由来已久,远在春秋战国时期,就有专门制定策略的策士,为诸侯出谋划策,最有名气的就是主张“远交近攻”的秦国丞相张仪和“合纵抗秦”的六国丞相苏秦。


在我们日常生活中也能随处见到策略的影子,比如,你在逛商场时,会发现商品的打折促销信息;商城布局永远是电影院在顶层,超市大多在负一层;还有开车上班时你会发现公交专用道只是早晚高峰不能占用,经过的高速收费口总是 ETC 通道多于人工通道等等...... 这些都蕴含着相应的数据策略。

image.png

新客冷启动

在有阿里、京东这样巨头拦路虎的情况下,想要实现新企业的生存、发展非常难。在这样的困境下,拼多多是如何破局的呢?下面我就来重点分析拼多多初期是如何通过数据策略来提高新客冷启动留存的。


新客冷启动,指的是新用户在初次来到 App 后,通过展示什么内容,能够最大可能性地留住用户继续使用 App。考核的指标主要包括:次日留存、周留存、App 使用时长等。


围绕新客冷启动问题,推荐算法、产品、运营、数据针对各自所长,都会给出自己的解决方案。


推荐算法:新用户的行为数据是空的,无法基于历史数据做相似兴趣推荐,解决冷启动最简单有效的策略就是将 App 最热门的商品推给新客户,然后根据用户对热门商品的互动行为(比如打开、加车等),为新客户打上偏好标签,从而完成新客冷启动。


产品:可以在新用户注册时,让用户选择自己喜欢的商品类型,比如服饰、化妆品、图书等。然后,提前准备好兴趣标签的热门内容。当用户完成注册后,便对其进行标签推荐。


运营:设计积分体系,让新用户完成任务领积分,最后以积分兑换商品、直接返现等形式返利。这种玩法很多,也很有效果。


以上,是有关推荐算法、产品和运营提出的自己对于新客冷启动的解决方案。这些方案目前被应用得非常广泛,在一定程度上解决了新客冷启动痛点问题。


我们接下来具体看一个拼多多冷启动的策略。


案例1: 邀请微信好友砍一刀

image.png

相信你也有被邀请砍价或助力的经历。我们深深地感受到:拼多多砍价套路深!越往后砍得越少,以后再也不上当了。


虽然我们达成“套路深”的共识,但拼多多砍一刀的玩法并没有消失,反而来得更加凶猛密集了。时至今日,我们还是会不断收到好友的"砍价"邀请。


拼多多这样做的原因,是因为“砍价”可以降低平均拉新成本,而且传播迅速快,起量快。这一系列动作的背后是基于让利+社交+游戏的策略。


整个策略:降低平均获客成本,比如将获客成本降低到 50 元/新用户,只要满足这个预算上限,就可以一直将活动进行下去。


运营策略:被砍价的商品库的选择,须靠近用户偏好,推出让用户有动力砍价的商品。


产品策略:让用户尽量能够完成游戏目标,可以提高前几刀砍价比例,让用户不断看到希望,而越往后砍价数值越小,尽可能地“榨干”社交关系,换得更多流量。


新客留存

下面,我们具体看下拼多多在留存方面具体使用了什么样的策略。

案例2: 走路赚现金

拼多多采用用户每天运动的步数可以用来兑换健康金的策略,让用户通过多走路就可以换取真金白银,而拼多多平台则可以借此换来源源不断的用户访问流量,只要有访问有互动,加以引导就可能产生购买订单。


image.png

我们看看其中蕴含的数据策略:


每天步数兑换健康金, 1 万步兑换 1 元, 满 10 元可兑换无门槛优惠券。为什么是满 10 元而不是满 1 元或者 100 元?因为如果满 1 元就容易,会圈进来更多步数,这都会变成成本。如果满 100 元兑换则难度太大,容易吓退用户。


每天步数兑换上限 1.5 万步。平台的目的是通过适当让利,换来用户每天的访问。兑换步数上限设置过高会透支平台营销成本,过低则无法激发用户动力。


购买拼单商品、免费获得步数,或者让步数翻倍。这个是拼步数产品真正的目的,对于拼单可兑换的健康金数量,是可以通过平台整体成单成本来换算的。


拼多多采用这样的策略在留存上获得了很大的成功,相信以后会有更多玩法,比如,好友捐赠,朋友圈运动比赛等,并给予用户更多打开 App 的理由,创造了更多的购物场景。


以上,我们从数据上给予不同策略支持 App 顺利度过了冷启动阶段。而拼多多作为一家电商公司,核心商业逻辑是处理好商家、消费者、平台之间的关系,要让商家有生意做,要让消费者感受到占便宜,最后平台才能有钱赚。

目录
相关文章
|
1月前
|
存储 机器学习/深度学习 数据可视化
数据集中存在大量的重复值,会对后续的数据分析和处理产生什么影响?
数据集中存在大量重复值可能会对后续的数据分析和处理产生多方面的负面影响
109 56
|
1月前
|
数据安全/隐私保护 数据格式
高效的数据脱敏策略
在数字化时代,数据安全和隐私保护变得尤为重要。数据脱敏作为一种有效的数据保护手段,可以帮助企业降低数据泄露风险,同时遵守相关的法律法规。本文将介绍三种常见的数据脱敏方案,为您提供实用的技术干货。
44 1
|
1月前
|
数据采集 机器学习/深度学习 数据挖掘
10种数据预处理中的数据泄露模式解析:识别与避免策略
在机器学习中,数据泄露是一个常见问题,指的是测试数据在数据准备阶段无意中混入训练数据,导致模型在测试集上的表现失真。本文详细探讨了数据预处理步骤中的数据泄露问题,包括缺失值填充、分类编码、数据缩放、离散化和重采样,并提供了具体的代码示例,展示了如何避免数据泄露,确保模型的测试结果可靠。
78 2
|
2月前
|
数据采集 安全 API
数据治理:实现原始数据不出域,确保数据可用不可见的创新策略
在数字化时代,数据成为企业宝贵资产,驱动业务决策与创新。然而,数据量激增和流通频繁带来了安全和管理挑战。“原始数据不出域,数据可用不可见”的治理理念应运而生,通过数据脱敏、沙箱技术和安全多方计算等手段,确保数据安全共享与高效利用。这一理念已广泛应用于金融、医疗等行业,提升了数据价值和企业竞争力。
|
7月前
|
SQL 存储 分布式计算
MaxComput优化策略
【5月更文挑战第8天】MaxComput优化策略
127 1
|
7月前
|
存储 监控 前端开发
【最佳实践】优化行动策略使用的一些方法
背景随着使用SLS告警越来越深入,有些用户的行动策略会配置的特别复杂,有些时候可以让用户通过创建多个行动策略来进行一定的精简,但是在一些场景下,用户是无法创建多个行动策略的。例如用户想要通过SLS来统一管理其各个监控系统的告警,所以采用了SLS的开放告警功能,这种情况下,用户一般一个监控系统就只会创...
107 0
【最佳实践】优化行动策略使用的一些方法
|
数据采集 安全 搜索推荐
成功建立数据治理的4 大策略
传统的数据治理计划经常达不到预期,因为它们过于关注政策、合规和执行。这可能导致业务用户、数据治理团队和执行管理层之间的脱节。
|
NoSQL Redis 开发者
数据删除策略|学习笔记
快速学习数据删除策略
数据删除策略|学习笔记
|
SQL 分布式计算 HIVE
SPARK统计信息的来源-通过优化规则来分析
SPARK统计信息的来源-通过优化规则来分析
609 0
SPARK统计信息的来源-通过优化规则来分析
|
搜索推荐 算法 数据挖掘
数据策略案例
抖音、快手策略推荐分析
620 0
数据策略案例