• 产品与服务矩阵
  • 资源中心
  • 关于我们

案例分析:瑞幸咖啡APP的指标拆解

易观方舟 2019-11-06 1W
数据指标拆解

最近总用瑞幸咖啡APP,可在很多公开场合听到很多据说是专家的人讲增长会讲到,但是数据驱动的产品视角完全是不一样的,讲growth的人讲瑞幸过于神化了,瑞幸的发展依赖的不是裂变,本质是因为便宜,裂变只是一种方法,不过想做好增长光有裂变是不够的,还要从产品本身做到让用户喜欢并且愿意使用它,可能是职业性的敏感,打开一款APP后总喜欢站在产品优化的角度去思考如何提高APP转化,于是拿瑞幸咖啡APP做了一个指标拆解的案例。

 

如果我是瑞幸APP的产品运营,我会思考这些问题:

1、如何促进用户更多的购买券或咖啡?

2、如何减少步骤促进用户转化率?

3、不同的漏斗之间转化率如何如何优化?

4、产品优化的方向是什么?

5、优惠券的策略是否要优化?

 

于是根据以上问题,整了一个指标体系,同时在Argo里把这些数据显示了出来。

指标和分析举例:

 

购买咖啡的转化漏斗

 

瑞幸咖啡是一个功能性的APP,主要是用户需要在线完成咖啡购买,引流的方式还是品牌端的自传播

 

所以,提高APP的产品能力是最重要的,APP的优化就成为了重点。整个APP的北极星指标是下订单,然而他跟其他产品不同的是,需要优惠券驱动。也即是要靠优惠券来进行诱导性购买,买咖啡反而成了使用优惠券的过程。

 

为什么要关注购买咖啡的转化漏斗?

目标是想让购买咖啡的流程更通畅,减少阻碍,可以让用户在最快的时间完成购买的动作。

 

想知道我的转化漏斗情况如何,然后根据多种维度去查可能影响转化漏斗的原因,其中之一是想找到不同环境下的差异,另外想知道流失的用户,做了什么行为,为什么流失。

 

通过细分维度和流失的保存分群后依次查询行为序列,就可以解决问题。

 

订单里是否使用优惠券

 

会有一部分人不使用优惠券,可以理解不同的用户的心里是不同的,比如买10赠10,会产生一个资金暂时存储,所有有一些人不愿意买优惠券,想了解一下这个比例构成情况,想分别得出两部分人的画像。

 

后期可以给这两部分人根据特征保存分群,分别给予不同的营销策略,比如,那部分不喜欢优惠券的人,是不是直接商品推荐就可以?

 

来自不同社交媒体的订单数量

 

不同的媒体带来的用户质量不尽相同,订单也不同,可以通过订单数量,用户生命周期价值等来综合判断渠道的效果,结合投放情况进行渠道分析。为下一步做投放预算做准备。

 

优惠券使用数量

可以判断我的哪些优惠券是最受欢迎的,因为有两种面额,24元和27元,所以不同的优惠券会给我带来不同的价值,也可以判断用户是更倾向于,买五赠3还是买10赠10。

 

购买优惠券后的留存数量

 

判断一下,多久会用完,有的人是购买了10张券一次性用完,如果这个人经常出现这样的情况,超过一定阈值,我可以给这个用户打标签,是经常请客的用户,那么如果未来我有团体活动,我会优先给这部分用户进行推荐。

 

结合线下活动,判断不同城市的活动邀请率

瑞幸会在不同的城市举办线下活动,不同的城市对于瑞幸的认可程度不同,而不同的活动也会有不同的线下效果,通过这个表就可以知道过去一段时间不同城市的表现情况。

 

APP发包后,不同的版本购物车进行了优化,迭代后效果如何

 

需要进行版本对比,如果以上的想法我都通过了数据得到了结果,并且开展了行动,迭代了APP一些功能,我可以通过发布部分新版本进行小部分测试,通过测试数据来验证我的改版思路是否正确。

 

这是第一个看板的我想看的内容。

 

总结:对于瑞幸咖啡的APP,可以做三个看板分组,分别为:

1、运营看板

通过运营看板了解所有的APP的运营状态,包括用户量,售卖量,留存,打开等。

2、用户看板

通过用户看板进行用户运营,包括APP消息推送,用户留存分析,用户分层等。

3、咖啡看板

了解不同咖啡的售卖情况,以及优惠券使用情况。这很有助于不同的门店备货已经产品(咖啡)级的调整优化。

 

优化一个APP的整体思路如上,通过不同的看板,就会把瑞幸APP的状态展示出来,通过不间断的优化试验,瑞幸APP会变得越来越好。

热门推荐