優(yōu)惠敏感度模型為提升補(bǔ)貼效率以及精細(xì)化運(yùn)營帶來了很大的貢獻(xiàn)。

互聯(lián)網(wǎng)給我們老百姓帶來的最直接的福利要從補(bǔ)貼開始說起，從滴滴快的燒錢大戰(zhàn)，美團(tuán)餓了么的外賣紅包，共享單車充返活動，以及兩家支付大頭的鼓勵金，補(bǔ)貼的硝煙似乎從未停止。正如劉強(qiáng)東做客《對話》時表示，燒錢一定要燒出核心競爭力。補(bǔ)貼不僅僅是發(fā)發(fā)優(yōu)惠券那么簡單的事，補(bǔ)貼是一門純技術(shù)活。

告別了快速占領(lǐng)市場時粗獷的燒錢方式，進(jìn)入成熟期互聯(lián)網(wǎng)公司大都開始了精細(xì)化運(yùn)營，如何把補(bǔ)貼用在最需要的用戶身上，如何在降低補(bǔ)貼的同時帶來更多用戶和訂單量的提升，畢竟商業(yè)變現(xiàn)是每個公司必須面對的問題，實(shí)現(xiàn)盈利就要降低成本和提高收入。今天，將讓我們一起來探討下高頻產(chǎn)品外賣行業(yè)的高效補(bǔ)貼方式。

首先，我們需要明確的是，補(bǔ)貼能帶來新用戶和訂單量，培養(yǎng)用戶消費(fèi)習(xí)慣，因?yàn)槿藗兛偸菚弧懊赓M(fèi)”、“優(yōu)惠”這類的商家策略所吸引，那么，在預(yù)算有限的情況下，最見效的是轉(zhuǎn)化那部分消費(fèi)意愿受補(bǔ)貼影響最大的人，即優(yōu)惠敏感人群，如何找到這部分用戶，可以通過從以下三點(diǎn)方式著手：

一、篩選優(yōu)惠敏感度的指標(biāo)

優(yōu)惠敏感用戶，一般認(rèn)為是下單意愿強(qiáng)弱受優(yōu)惠和價(jià)格高低影響大的用戶，而運(yùn)營要做的就是根據(jù)用戶的消費(fèi)水平，歷史補(bǔ)貼情況，及主動尋找優(yōu)惠行為等分析來確定如何通過補(bǔ)貼提高用戶下單率。

1、歷史補(bǔ)貼情況和用戶消費(fèi)水平可根據(jù)現(xiàn)存數(shù)據(jù)，通過定義計(jì)算公式和劃定時間范疇完成

2、主動獲取優(yōu)惠維度篩選，比如有以下幾個行為：

• 分享渠道領(lǐng)取優(yōu)惠券
• 參加商家滿減湊單活動
• 具有拆單行為的用戶
• 高頻點(diǎn)折扣菜
• 從banner活動落地頁獲得優(yōu)惠

綜合考慮用戶的歷史訂單補(bǔ)貼率、歷史單均價(jià)以及主動獲取優(yōu)惠行為，初步確定這些指標(biāo)后，即可以制定初版探索方案驗(yàn)證這些指標(biāo)是否能帶來提升，然后再進(jìn)入數(shù)據(jù)分析挖掘階段尋找最佳閾值。

二、確定優(yōu)惠敏感度方案

1）初版探索方案

方案目的：驗(yàn)證主動獲取優(yōu)惠的幾項(xiàng)指標(biāo)是否能帶來增量

方案詳情：篩選N天內(nèi)訂單數(shù)大于M單且末購時間小于X天的活躍用戶，將有以上5項(xiàng)指標(biāo)用戶訂單占總訂單比值按區(qū)間統(tǒng)計(jì)，根據(jù)用戶數(shù)分布決定某一個值為高敏用戶劃分線。

例如，用戶使用分享紅包的訂單占用戶總訂單比例，結(jié)果是60%以上的用戶占比低于10%，則將這項(xiàng)定義為使用分享紅包券的訂單占比10%以上用戶認(rèn)定為高敏用戶；

同比，85%以上用戶的拆單行為在2單以內(nèi)，則認(rèn)定用戶拆單2次及以上，當(dāng)然拆單的動作可根據(jù)實(shí)際業(yè)務(wù)情況定義，如外賣中，用戶兩單均來自同一個商戶，且前后兩單間隔在60秒到600秒之間，均使用滿減且滿減金額>=5元

按照以上方式篩選用戶作為實(shí)驗(yàn)組后，同時將補(bǔ)貼率大于Y用戶作為對照組，通過AB測試分別推送優(yōu)惠券查看兩組轉(zhuǎn)化率是否有提升。以此得出最合理的優(yōu)惠敏感指標(biāo)以及各指標(biāo)影響用戶下單意愿的強(qiáng)弱排序。

方案結(jié)果：通過測試驗(yàn)證各行為對用戶下單轉(zhuǎn)化是否有提升以及提升多少，由此可以說明此次定義的各指標(biāo)為優(yōu)惠敏感用戶特征參考值是優(yōu)于直接按補(bǔ)貼率不區(qū)分主被動選取用戶更精準(zhǔn)。

2）實(shí)際開發(fā)方案

步驟一：分析初版探索方案中使用券下單、未用券下單、未下單用戶的人數(shù)占比，客單價(jià)分布，歷史優(yōu)惠渠道情況、近期訂單量與末購時間等，以此分析用戶下單時的行為特征以及對優(yōu)惠方式和優(yōu)惠門檻的預(yù)期值。

步驟二：分析歷史補(bǔ)貼率、客單價(jià)、主動獲取優(yōu)惠的幾個行為等指標(biāo)對實(shí)驗(yàn)組與對照組的增長率差異值，找到與增長率最相關(guān)的影響因素，確定各指標(biāo)是否均有正相關(guān)關(guān)系，以及根據(jù)具體增長率和增長率斜率表現(xiàn)找到閾值點(diǎn)，并完成確認(rèn)各部分隊(duì)優(yōu)惠敏感度的的權(quán)重大小。

步驟三：根據(jù)以上分析以及初版測試用戶數(shù)據(jù)進(jìn)行邏輯回歸訓(xùn)練，由此得出優(yōu)惠敏感度值，即可應(yīng)用于整個大盤用戶。

三、優(yōu)惠敏感度的策略應(yīng)用

優(yōu)惠敏感度生成用戶標(biāo)簽，可廣泛應(yīng)用于各種發(fā)券紅包等補(bǔ)貼工具中，形成對不同敏感度標(biāo)簽的用戶補(bǔ)貼或不補(bǔ)貼，補(bǔ)貼不同門檻和金額的滿減券，是發(fā)券還是做產(chǎn)品邏輯上的特權(quán)差異等多種運(yùn)營方式。對優(yōu)惠敏感的用戶補(bǔ)貼，最高效的利用了補(bǔ)貼預(yù)算，同時帶來了增長，而對于優(yōu)惠不敏感用戶，紅包對下元意愿刺激比較小，則可通過提供高品質(zhì)服務(wù)和菜品供給等方式維系這部分用戶?？傊?，優(yōu)惠敏感度模型為提升補(bǔ)貼效率以及精細(xì)化運(yùn)營帶來了很大的貢獻(xiàn)。

本文由 @淺夏秋晴 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。