最近运营的同事来找我,分析一个和分享行为有关的数据。事情是这样的,为了鼓励用户分享内容到微信等社交平台,运营制定了奖励机制:每分享出去一篇内容,奖励给用户1积分,每天最多奖励6积分。积分在商城中可以兑换商品,所以其价值(成本)还是比较高的。

分享奖励机制上线后并没有过多宣传,但越来越多的用户发现了这一奖励,每天的分享次数逐渐攀升,在微信中产生的PV和UV也稳步提升。但与此同时,运营发现送出的奖励积分增长的更快,也就是说成本上升的速度远高于回报,于是他们直接把每天的奖励积分上限从6降到了1,并准备好被愤怒的用户们“喷”。

出人意料的是,大多数用户的反应竟然是举手赞成,他们说这样杜绝了那些“刷分的”,保证了“公平”(这让我想起来一句老话“不患贫,患不均”)。但同时,微信中产生的PV和UV骤减,运营同事陷入了两难,于是来求助我,看能否在数据中找到下一步行动的建议。

初步分析

考虑到这是前后两种规则的变化,我先找了奖励为6分和1分的两个日期进行对比,发现分享次数下降了41%之多。然后我对比了有分享行为的UV,发现仅仅下降了4%而已。到此我们可以看出,确实是那4%“刷分的”用户的离去,造成了分享总次数大幅下降。

对于普通的数据统计系统,基本上就“只能帮到这里了”,好在我用的是Google Analytics,于是我借助GA强大的“高级细分”功能,对数据进行了进一步的挖掘。

深入分析

要解决问题,首先要准确的定义问题:

奖励上限是6积分的时候成本过高,极少数人获得了大量积分,引起多数人不满,并且分享次数中也可能含有“水分”(例如分享给自己,或者发一条私密朋友圈等行为,并不会有效带来微信内流量)。奖励上限是1积分时,缺乏激励导致分享次数太少,带来的微信内流量也太少。

于是我们把问题定义为:如何确定一个合适的奖励上限,既能把成本转化为有效的流量,还能兼顾用户的主观感受?

刚才我们统计过,分享总次数减少了41%,但分享的UV仅仅减少了4%而已。要深入分析数据,通常离不开细分。所以面对这个数据时我的想法是:能否对这4%的用户群体继续进行拆解?

“分享的UV”换一个说法就是“分享了至少1次的用户数”,那么“分享了至少2次”、“分享了至少3次”这些用户数又是多少呢?这时候我们需要用到GA的高级细分中的“顺序”功能:

在“顺序”功能中,我们可以设置用户的行为,筛选出“先做了xx,然后又做了xx”的用户。因此要得到“分享了至少2次”这个群体,就可以把条件设置成:第1步:分享,第2步:分享。同理,“分享了至少3次”就设置3步分享行为即可。于是,我们得到了以下的结果:

可以看到在前后两种奖励规则之下,分享次数越多的用户,其数量的降幅也越大。而且分享至少2次和3次的人数降幅,从22%突然提升到53%,我们可以解读为,从分享3次的用户开始,有明显的“为了积分而分享”的行为。而那些分享2次的用户,即使得不到更多的积分,也并没有明显减少分享行为。所以我给运营同事的建议是,如果希望奖励机制对那些“发自内心分享”的用户最有利,那么就可以把每日奖励上限提升到2积分试试看。如果需要一定的刺激,带来更多的分享和微信流量,那么可以试试上限3积分。

接下来,我们应该按照数据对奖励规则进行调整,然后监控数据变化并再一次进行分析和迭代。总结一下,要深入分析数据,就必须把总数/平均数进行拆解,从中找出“长板”与“短板”,然后扬长避短或是查缺补漏。而要达到这个目的,目前免费又好用的工具依然是Google Analytics中的高级细分。所以在今后的文章中,我还会尽量多讲解高级细分的案例,欢迎大家继续关注。

原创文章,作者:互联网数据官,如若转载,请注明出处:http://www.icdo.com.cn/1612.html

更多资讯关注巨推传媒:http://www.jutui360.com/list-8/ 联系电话:400-606-5558 qq/微信:shijianyingxiao8