“无脸”时代的用户与客户

关注一下，更多精彩等着你！

文 | 爱总结的逻辑Go

阅 | 完整阅读预计9分钟

标 | 产品 用户 客户 数据 分析 运营

最近跟团队小伙伴们说的最多的一句话就是：

在一个ID还没有成为我们的客户之前，不代表他不是我们的用户；

换言之：

每个客户都是先成为我们的用户，通过交易行为，才转化成为我们的客户！

现在对运营的人来说，天天看到最多的词就是“转化”，说得最多的词也是“转化”~~ 数学分析师肯定会被经常问到，最近客户的转化率如何啊？ 有没有办法提升啊?

转化率的分解

销售汇报：“去年9个月成交100亿规模，整体转化率18%。” 这样就结束了吗？ 当然不是！

如果你是一位资深的互联网数据分析工作者，一定会惊讶：18%的转化率，这么高？

这个问题要这样看：

• 转化率的分母是什么含义？
• 单笔成交件均是多少？
• 产品的特点是低频成交还是高频成交？

为什么要这么问，其实是想引出今天思考的主题。我经常用画图的方式说明问题，下面的图应该很容易理解吧：

1、客户转化率，实际上就是用户旅程的跟踪。 在尚未成交的客户，必须先成为平台的用户；

2、平台用户通过功能使用，为平台的价值产品付费成交，就成了平台的客户，收费代表平台产品方有更多的义务去服务客户的需要；

3、一个简单的客户转化率，包含了：

• 从信息（推广）触达到登录的响应率；
• 从登录（打开）到完成注册信息的有效注册率；
• 从注册到使用平台功能的活跃率；
• 最后才能从活跃的用户中成功转化为平台的付费客户；上面的例子，很显然，18%的转化率应该是成交/申请量， 也就是最后一个环节的转化率，如果除以触达用户量呢？ 同样的结果数据，因为统计口径的不同，其投入产出的结果可能完全不同。

其实，这仍然是比较粗的分解，一个简单的响应率要考虑的细节转化分析就有很多：

• 推广信息的触达方式不同，也就是获客渠道的不同，都会有不同的响应率；
• 客户行为习惯的不同，对触达信息的响应及时性也会有不同；
• 对不同客户群体，采用不同的推广方式（线上/线下；声音/图像）也会有不同的响应率；
• 引导信息的语言表达和痛点“攻击”策略不同，也会有不同的响应率；

这么一说，是不是觉得一个转化率指标，就可以分析很多内容了。 今天先点到为止，期待正在准备的数据运营系列课吧，针对转化率就可以谈很多内容了~~

如何理解用户与客户的区别

啰嗦了半天转化率，刚到正题。 其实分解转化率的过程就是想说明今天的主题，从转化率的分解就可以清晰的看出，用户与客户应该有清晰的界限，也需要区分不同的分析策略去研究。

下张图，应该很清楚可以看出彼此之间的关系吧：（请忽略手写的潦草，电脑上写字需要点技巧，本人还需要练习）

对客户的理解要结合现代产品线上运营方式的改变而与时俱进。

客户在成交付费之前，有很长的在线交互旅程，而上图仅仅是罗列了四个最主要且具有代表性的环节，事实上，用户旅程是非常长的，但是又不容易被产品经理或客户自身感知到，交互数据是否在每个环节上都有记录，并提炼出来做分析，都是不确定的。

每次移动页面的跳动，内容呈现有变化的细节，都是用户体验的一部分，都会有不同的用户反应，都应该也必须被记录下来，这是分析用户为什么没有转化成客户，以及发现不同的设计对留住用户，客户转化成功率的影响程度。

其实，我想说，有三点需要深度思考：

1、要分析客户转化率，先要全旅程的分析用户旅程数据；

2、好的产品在线上每次跳动出来的页面都有功能引导和策略埋点，这就是数据生产能力；（可以参考我之前的一篇文章:

好的产品会生产数据

）

3、交互设计直接会影响客户转化率，好的产品都是用最少的交互，引导用户快速成交；

用户到客户的转化

用户到客户的转化要区分产品特点来看，针对销售类产品，主要靠产品质量的性价比，季节性刚需的特定客群来做针对性的转化，不同的客群，需要的转化策略不同，但转化成功很大部分依赖用户的主观体感。针对金融在线产品，因为金融经营的本质是风险，所以在用户转化的过程中不是都以用户体验为主的，大数据时代更多结合了风险在线识别的策略和模型来左右用户的转化成功率。

本人在金融领域时间最长，今天就以一个线上放贷产品为例，谈一下用户到客户的转化问题:

用户旅程与其他产品没有太多的差异，从信息触达，到引导用户注册，留下更多的价值信息，当用户觉得产品就是自己需要的， 也感知到自己可以满足风险审批的条件要求，就会点击申请。

申请之后，即开始了客户成交旅程。这个环节是最大的不同。 金融类产品，都会在申请后到成交过程中，多了至少两个环节，判断和审批，根据金额和风险的大小，也会有不同的全在线审批和线下+线上审批的方式来决定该客户是否可以成交。 这个过程在页面上会有更多的与客户有信息交互，且会通过技术部署更多的策略分析，因为这个环节是做客户分池，特征分类，风险分层，模型检验的关键。

对金融产品而言， 客户成交旅程的转化率直接影响产品的市场定位。

这个环节的转化率变化需要密切跟踪，如果出现较大幅度的下降，需要考虑风险政策的合理性，如果政策符合产品定位，就需要检视用户交互旅程中的引导方式是否合理。

这么说大家应该能明白吧？ 拆分后的转化率变化，是发现问题的关键。 同时产品经理或风险经理也需要同步对转化数据做对比分析，任何一个小的改动，都会通过数据的形式暴露出来；任何问题解决的过程，也会通过数据反映出优化的过程。

这里还需要提一句，成交后的金融类客户，才真正开始客户经营旅程。这里不仅仅需要客户质量跟踪，也需要客户价值挖掘，因为不同于电商产品，客户只要有钱就有反复消费的能力，平台只需要不断推荐好货；对于金融产品的客户，价值挖掘往往跟客户风险有相关关系，产品的”复购“和交叉，不仅可以缓释客户风险，也是客户动态数据获取的重要手段，客户动态数据的获取本身也是质量跟踪的需要。

客户到用户的转化

客户成交了，是不是就结束了？ 当然不是！

上面的案例已经说明了这个问题。人口红利时代已经过去，平台要快速发展客户体量，不仅仅要聚焦第一次的用户转化和客户转化，更需要捆绑存量客户。

互联网时代，客户变得”很懒“，能通过线上解决的问题，绝不会愿意改到线下去办理。因此，不断完善产品成交后的功能，引导客户更多自觉，自愿的反复登录，按照一定周期产生线上交互，是留住存量客户的关键。

这个过程，在过去容易被忽略的。后客户时代，存量客户的服务需要更多关注，也需要功能上的痛点优化。

从1到10与10到1的区别对待

会不会有点困惑，这是什么意思？

针对功能性的产品，更关注从1到10的过程，就像美团，嘀嘀打车，用户需要点餐，需要打车，一旦有了第一次的成功体验，第二次，第三次因为针对性功能的需要，客户会更多习惯性地使用已经体验并且熟悉的产品。 所以，平台会花更多精力和优化在用户旅程阶段，成交后的服务非常有限，就连投诉都会设计的让客户很难找到。 也就是说用户的分析要优于客户的分析。

针对销售性质的产品，更关注从10到1的过程，很多头部服务产品的设计之初不是为了去满足市场上用户的需要，相反，更多是想先服务好存量已有的客户，已提供更多的选择，更多样的产品服务为初衷，去优先转化存量客户，更多精力和优化在客户经营旅程阶段，对存量客户建立的良好服务口碑，也会有利于去引导新增的用户在交互旅程中成功转化。 很显然，客户的分析要优于用户分析。

当然，这并不是绝对的，更多的分析视角要结合具体的场景来定。

5G时代，无脸时代，产品的线上化让越来越多的ID通过大数据来做转化，刷脸只是为了验证此ID非彼ID~~ 产品经理、客户经理、风险经理甚至客服都不会与客户有面对面交流的需要。因为一切的转化流程都在线上了~~

线上的每个页面每次操作都在产生的数据，因此数据运营的分析视角也不能仅仅局限在后端，在客户层面， 需要更多的前移到用户阶段，去做针对性的挖掘和分析。

不过也进一步说明，做数据运营分析，如果只会技术，不理解业务，也是徒劳的。 好的数据分析师肯定是多面手，即是数据分析工具的使用者，也是产品经理的知音，理解业务背景，熟悉产品概念，才能成为有价值的数据分析师。

爱总结的逻辑Go 今天有点啰嗦~~

分享值得期待

爱总结的逻辑Go

数字世界其乐无穷

总结分享学无止境