>

三层衡量指标 | Airbnb 如何通过 EDM 实现业务增长?

GIO 增长团队 2019-06-27
556

作者 | Louis 徐玮,Facebook 增长产品技术 leader   

来源 | 转载自公众号「 Louis徐玮 」


最近和国内的朋友交流,发现大家都对硅谷做增长的方式很感兴趣。我决定整理一些关于 Growth 的资料和案例。以用户增长产品经理的视角,看如何用 Growth Hacking 的方式做产品。

 

让我们回到 2014 年的那个夏天,Airbnb 产品已经取得了初步的成功。但是公司希望有新的方式进一步推动增长。这时老板找到你,希望你通过某个产品建立与用户的联系,从而推动进一步增长。

 

摆在你面前有很多选择,和 DS 商量以后决定采用邮件这个产品。原因是大部分用户是邮件注册的,而且正好补充了 Airbnb 和 Guest 连接的渠道。



读到这里,我希望你停下来,想一想如果是你来做这个产品,你会怎么来设计这个产品?你会看哪些数据?设定什么样的目标?

 

当时 Airbnb 最重要的指标是 Nice book 。但是用户从登陆网站,搜索,explore ,到预定,完成这个 book 是一个漫长的过程。


如果是用 email,应该推送给哪些用户?推送什么样的邮件?多频繁地推送?... 才能使 nice book 得以增长?


放在你面前的有几个选择:


  • 给没有注册的用户发邮件,增加用户的注册数量;

  • 给注册过的且预定过的老客户发邮件,促进他们再次预定;

  • 给已注册但还没有完成第一次预定的用户发邮件,促使他们完成第一次预定;

  • ...


还有很多方案,你想所有都做,但是公司的资源有限,你必须以最快的速度想出效率最高的 MVP 版本。在这时候能帮到你的,就是数据了。


你开始看各种过往的数据:user booking pattern,user behavioural funnel,actication,retention,etc 。发现了一些有趣的现象,比如:


  • 以邮件方式拉新的转化率并不是特别高,主要是用户数据不太全面,很难做到个性化的推送。导致 CTR 不高,效果不是很好;


  • 对于注册用户而言,如果用户有了第一次的nice book ,这些用户的复购率会非常高,远高于同时期新用户的预定率。这一部分的用户不是这个增长 funnel 的瓶颈,也不应该是重点;


  • 这时你把目光放到了推动第一次的预定的用户身上。你发现这些用户在预定的每一步,流失率都非常高,但是一旦完成了第一次的转化,就有很高的概率长期留存。



你发现了这个数据的缺口,非常兴奋,决定把这个作为产品 MVP 的方向。


这个产品模型也特别好,既能快速通过数据得到实验回馈,也不会耗费太多公司资源(无需发送大量的 email ,无需投入大量的工程成本)。



用户来到 Airbnb 的网站,可能会搜索一个地方,可能会看中某个推荐的房子,然后选定预定的日期,review 信息,填上支付方式,确认预定,入住,等等。


每一个步骤用户都有可能离开,但是对于你来说,其实在这个过程中收集了很多的用户信息。比如她喜欢的城市,她休假的日期,为了完成预定下一步应该是什么。有了这些信息之后,你就可以根据这个来编写个性化的 email ,以期把用户拉回完成第一次预定的关键时刻。

 

说干就干,你把符合特征的用户分为两组。Control 组不发送邮件。Test 组发送召回完成第一次预定的邮件。

 

看看测试组的一些邮件:



当你 cancel 了第一次 trip 的时候:



A/B 测试结果发现,在实验组里面的用户完成第一次预定的人数比 control 组有了显著的提高。你觉得很开心,想要进一步推动实验的结果。


但是问题来了,现有的 backend infra 并不支持大规模地及时推送。这时候你拿着你的方案找到 engineering team ,因为大家看到了巨大潜在的 impact ,Engineer 们甚至抢着想要做这个 project 。

 

new email backend system design :



经过团队的共同努力,系统终于上线了,整个产品开始自动化运作起来。

 

老板看到了你的成绩,非常开心,大老板也越来越重视,希望进一步优化这个产品。机智的你,看到自己的产品 scope 越来越大的同时也看到了巨大优化的潜力。


对于优化,最重要的是确定目标。


而对于 Airbnb 而言,最首要的目标是 nice book 。但是如果想知道在 email 上做的优化能不能提高 nice book ,很难得到直接的结论。聪明的你会如何做呢?

 

你以 funnel 的形式确定了三个层级的目标:


  • 产品直接的数据指标:用户喜不喜欢你的数据?

  • 导向性的数据指标:你做的产品是不是在正确的方向上?

  • 最终公司的总目标:你的产品能不能推动公司总体的增长?


对于每个层级,你都要给你的团队一个明确的 metric 。


比如说第一个层级,用户喜不喜欢你给他们发送的 email ?你定了一个 metric 叫 Quality score 。以下就是这个 Quality 的 definition :

 

% Quality Score = 1 - ( unsubscribed / clicked )

 

这个公式对比了喜欢及不喜欢这封邮件的比率,侧面反映了邮件的 quality 。有了这个指标,就可以开始做各种优化实验了。


由于种种因素,一开始召回类型的邮件是两周以后才发送的。你做了个实验把这个 trigger 调成了当天内发送。实验跑出来的结果大大提升了邮件的 Quality score :



我们再看看第二层的数据指标。


不能简单希望用户点我们的 email ,而是真正用到我们的产品,但是 nice book 的周期太长,需要找一个发生更频繁的 top funnel metric 。这时你决定采用 search with date 来做为 goal metric 的 proxy 。

 

对于最后一层的 goal metric ,也就是我们所说的 nice book 。


你采用的方法是设置一个 long-term holdout group ,从更长的时间,看你的产品对公司目标的影响。



最终你的产品今年 drive 了 12% 的 incremental growth 。做出了一个非常成功的增长产品。

 

通过这个案例,不知道对你做产品增长有没有一些新的启发?欢迎留言,我们一起交流成长。