量化指标、分维度拆解，如何提升付费率？

最近偶尔和朋友讨论一些问题，自娱自乐；一个朋友问了这样一个问题，如何提高付费率？我问他是说特定的业务，还是一般的，他说这是一般意义上的，我问他怎么想，他说他还没有想清楚，一般的想法将从新用户支付和老用户支付的角度考虑。我说了我的想法，然后在过去的两天里偶然产生了一些想法和灵感，认为这不是一个问题，而是一个问题，所以我在这个问题的基础上做了一些推断思考。本文主要包括这两部分，一部分是关于提高支付率的思考，另一部分是在此基础上推断，扩展到更通用的边界。首先，如何提高付费率。那天我给出的临时答复是：我明白这一点：付费率=付费UV/整体UV-我需要做的是提高付费UV或整体UV的质量。事实上，后面是渠道和用户匹配的问题，以前是讨论的对象。对应于用户使用产品的付费转换路径，即未付-初付-持续付-流失。相应的支付UV问题变成：为什么用户支付，如何提高支付动机，降低支付门槛；如何让用户获利，让用户完成第一次支付转换；为什么用户继续支付，增加额外支付的好处和不支付的惩罚；为什么用户丢失，如何延长LT，如何丢失预警，如何召回。后来，考虑到付费率，最基本的事情实际上与商业模式本身的特点有关，付费的定义可能会有所不同；例如，电子商务和增值服务产品，付费率的价值必须不同。仔细想想，不同商业模式支付的差异主要取决于这两点，一个是产品决策周期，另一个是用户生命周期。产品决策周期是指用户从第一次了解产品到最终决定采取行动需要多长时间，决策的复杂性受到许多因素的影响；如产品本身的标准化程度、价格、试错成本以及决策场景。比如买车买房，是典型的决策周期长的事情；点哪个外卖，买哪个衣服，决策周期比较短。一般来说，产品标准化程度越高，价格越低，试错成本越低，决策越容易。相反，很难做出决定。此时，辅助决策的手段有很多，如免费体验产品、长期跟进以建立信任关系等。用户的生命周期主要是用户和你之间的关系，是一次性的，是低频的，还是中高频的？这取决于业务模式本身。不同的业务必须有不同的用户生命周期。例如，你可能只买一两次房子，但你每隔一段时间就会买衣服，甚至每天点外卖。用户生命周期的长短直接决定了一些后续策略的制定。一次性业务主要关注客户获取成本、客户单价和转化率。毕竟，这是一次性交易。低频业务是让用户在特定场景中想起你，单个用户的价值可以大于客户获取成本。中高频业务主要关注客户获取成本、粘性、回购率、ARPPU、LT(生命周期)和LTV(生命周期价值)。不同的商业模式自然不同，支付率的特点也不同，所以我们只能得到这样的基本假设：大前提与商业模式本身有关，主要取决于产品决策周期和用户生命周期；小前提、新用户支付转型、老用户持续支付。具体问题只能具体分析。第二，推断这只是一个问题，是否可以延伸到一系列问题，如何改善XX，比如如何改善流水？如何提高使用时间？所以我在考虑是否有一种可以帮助解决类似问题的通用思维方式。我最初得到的答案是先量化指标，然后根据不同的维度拆卸，然后找到相关的影响因素，得到一些猜测和假设，最后确认或伪造。下面分别看:1。量化指标主要定义问题，能量量化就量化，不能量化就看能不能找到量化的方法。毕竟很难评估和改进不能量化的东西。比如上面提到的付费问题，假设有100万DAU，每天有1万付费用户，那么付费用户是多是少呢？什么样的用户是付费用户？因此，第一步是找到合适的量化指标，并明确定义相关的计算标准。第二步是找到合适的公式进行量化表达。量化成公式后，我们知道该指标会受到哪些相关指标的影响。例如，利润=收入-成本-这是一个基本的公式，想要提高利润，无非是增加收入，降低成本。再比如上面提到的付费率=付费UV/整体UV，在分母相同的情况下，需要提高分子和用户质量。下一步是不断细化这个基本公式。2.按照空间顺序从整体到局部不断拆分的思路，如收入=业务1收入 业务2收入 业务3收入...另一个想法是按照时间顺序组织整个过程，即事情自然发生的过程，看事情发生前、中、后有哪些环节；比如基于转化路径的收入公式，收入=流量*点击率*购买转化率*购买成功率*客户单价。如果没有明确的想法，先列出一些拆解维度，然后边拆边看好，比如常见的性别、年龄、地域等。拆解的目的是将所有相关影响因素尽可能地整合到这个量化指标的基本公式中。拆解前公式:利润=收入-成本初步拆解后:利润=流量*点击率*购买转化率*购买成功率*客户单价-(人工成本 营销成本 软硬件成本)然后不断拆卸和改进。拆卸越详细，对业务的理解就越深，相应地，对业务的控制能力就越强。3.从大分类来看，影响因素可分为以下几类：对目标有积极贡献的所谓驱动力；对目标有负面贡献的所谓阻力；没有影响。需要做的是明确当前影响因素的分类，然后增强驱动力，降低阻力。根据28条规则，优先考虑目标贡献高、影响高、影响范围大的因素。最后，综合评价性价比和优先级，结合难度和所需时间。4.得出猜想，证实或伪造，最后根据上述猜想制定一些相应的调整策略来证实或伪造我们的想法，即MVP和迭代。以上部分可能仍然有点抽象，最后以一个案例结束，让我们看看整个，你的朋友计划开一家淘宝店，找你讨论这件事是否能赚钱，是否这样做。所以你慢慢地告诉他，我们想开一家淘宝店，最终目标是赚钱，也就是说：利润=收入-成本用户从看到我们的商品或商店，到最终完成购买转型，通常经历购买前、购买中、购买后的这些阶段。具体来说，它是：看到商店或商店的商品-购买兴趣-进入商店或商品详细信息页面-浏览商品-决定下订单-下订单-购买成功-收到商品-继续购买或丢失。为了支持用户的上述行为，我们需要做的是：选择产品、购买、购买广告以获取用户、优化商店和详细信息页面、物流交付、客户服务咨询、用户关系维护。根据基本收入公式 用户转换路径的影响因素可以得到这样一个升级公式：利润=曝光*点击率*订单转换率*付费成功率*平均客户单价*回购率*用户生命周期-（采购成本 营销成本 人力成本 库存成本 其他费用)接下来我们来看看开淘宝店，哪些方面有显著的竞争优势，哪些驱动力可以提高或者降低哪些阻力，最后，看目标群体和产品选择的定位。你的朋友很惊讶，天啊，太复杂了。你的朋友很惊讶，上帝，这太复杂了。这很简单，只要平均每个订单都是赚来的，这件事就可以建立起来，也就是单个订单的收入>单个订单的成本。你可以计算每月的费用，然后看看要达到多少交易，以实现盈亏平衡，或者在早期阶段烧钱作为排水工具，最后通过利润商品来增加利润。最后，简单总结一下，对于这种提升XX，可以先量化指标，得出基本公式；然后通过不同维度的拆卸不断完善基本公式；最后，找出影响因素的关键因素，然后根据获得的一些猜测进行验证和迭代。需要警惕的是，这种量化拆解方式适用于成熟的商业模式，不一定适用于仍处于探索阶段的商业，但有些思维方式仍然可以重复使用。以上是本文的主要内容，欢迎斧正、指导、拍砖。