干货| 如何用 AIPL 模型实现用户增长?
2022-6-30 17:10:12 Author: mp.weixin.qq.com(查看原文) 阅读量:16 收藏

关注微信公众号:木木自由,更多产品、运营与数据分析干货以及经验分享

正文来了

有一天,我在微信公众号上看到一条广告,点击打开了一个小程序,看到自己感兴趣的商品,就下单购买了一件。在使用了一段时间之后,我觉得体验非常好,所以又买了一件。
我的这段消费旅程,经历了看到广告、产生兴趣、下单购买、重复购买的过程,正好符合下面将要介绍一种模型:AIPL 模型,它反映了消费者行为的 4 个阶段,可以帮助我们更加全面地认识消费者群体,从而更有针对性地制定运营或营销的策略,进而实现用户增长
1. 模型介绍
AIPL 是以下英文单词的缩写:
Awareness 认知
Interest 兴趣
Purchase 购买
Loyalty 忠诚
① Awareness 认知
通过广告投放、品类词搜索等渠道,吸引消费者的注意,让消费者对品牌有基础的认知。
这个阶段的消费者,如同新生的婴儿,需要精心地呵护,让他们快速长大。
关键指标:覆盖率、竞得率
② Interest 兴趣
消费者对品牌产生兴趣,有一定的购买倾向性,但还处于犹豫的状态。
比如,点击网页链接,产生点赞、关注、收藏、加入购物车等行为。
这个阶段的消费者,对品牌的情绪较为平稳,产生了较为浓厚的兴趣,但是对品牌尚未形成足够的信任,容易受环境的影响,退回到认知阶段。
此时企业需要给予消费者足够的「诱惑」或「安全感」,促使消费者继续往前走,进入下一个阶段。
关键指标:进店率、点击率
③ Purchase 购买
消费者购买商品,成为品牌用户,这个阶段属于核心阶段,前面所有的铺垫,都是希望消费者能够顺利购买。
这个阶段的消费者,有些可能是被低价促销活动吸引来的,在尝试使用商品之后,如果体验不好,就无法发展成为忠诚用户。
此时企业需要给予消费者足够的「关怀」,提供超出消费者期望的价值。
关键指标:成交率、转化率
④ Loyalty 忠诚
消费者重复购买,成为品牌的忠诚用户,意味着对品牌产生可持续的贡献。
这个阶段的消费者,有一定概率成为品牌的「宣传大使」,忍不住想要推荐给朋友,让品牌的影响力进一步扩大。
此时企业要高度重视这些高价值客户,比如,提供一些个性化的 VIP 服务,提升品牌在忠诚用户心中的价值感。
关键指标:复购率、分享率
从 AIPL 模型的内容来看,它有点类似于客户生命周期模型
  • 两者具有交集:AIPL 中的 P、L 是在消费者成为品牌用户之后的发展阶段,这两个阶段是和客户生命周期的发展阶段重合的。
  • 业务目标一致:两个模型都是为品牌用户运营,帮我们更好地理解客户,从而有利于营销活动的策划和运营管理的决策。
但是,二者也存在一定的差异:
  • 统计起点不同:AIPL 模型是从消费者开始认识品牌开始统计的,而客户生命周期模型是从消费者购买商品之后开始的。
  • 描述路径不同:AIPL 模型是消费者从认知到忠诚的旅程,而客户生命周期模型是消费者从购买到流失的旅程。
2. 应用举例
下面我们以一个小程序的运营为例,演示如何用 AIPL 模型实现用户增长。
首先,对 A、I、P、L 各阶段的用户属性进行定义,简单示例如下:
A:15 天内浏览过小程序的用户
I:15 天内有过互动交流的用户
P:2 年内下单购买过的用户
L:1 年内多次复购的用户
其次,统计阶段的用户数量,假设数据统计结果如下:
运用数据分析的对比思维,与上月同期进行纵向和横向的对比分析:
  • A 类人群:环比增加 20%,说明品牌宣传效果较好,建议复盘一下宣传策略,总结值得推广的经验,进一步放大宣传的效果,覆盖更多潜在的用户。
  • I 类人群:环比增加 12.5%,说明互动性的营销活动取得较好效果,成功让大部分 A 类人群对品牌产生了兴趣。
  • P 类人群:环比减少 20%,购买用户人数明显下降,针对兴趣人群的刺激转化不够,建议运用数据分析的溯源思维,对交易成交数据做更细致的分析,找到影响成交转化的根本原因,采取相应的改进措施,提高成交的转化率。
  • L 类人群:环比减少 23.1%,说明用户的忠诚度在急速下降,建议确认数据的准确性,分析忠诚阶段的定义是否合理,如果数据无误,而且定义合理,那么需要引起高度重视,结合业务的实际情况,进行更加详细的数据分析。
最后的话
AIPL 模型本身并不复杂,但是,在实践应用过程中,关键是在不同的业务场景中,要对 A、I、P、L 各阶段进行适当地定义,以便对用户数据进行分类统计,计算各阶段的纵向转化率和横向迁移率,从数据的变化中,通过对比分析,发现业务可能存在的问题及其原因,进而有针对性地制定相应的运营或营销策略。
比如,这个月的目标是成交 200 个用户,但是实际上只成交了 100 个,就可以通过 AIPL 模型来分析是哪个环节出了问题:是覆盖率不够?还是点击率不足?或是成交率太低?
如果覆盖率不够,那么可以加大宣传的力度;如果点击率不足,那么可以通过内容营销吸引用户点击;如果成交率不足,那么可以通过促销活动刺激用户下单购买。
著名推销大师海因兹·姆·戈德曼,曾经总结了一个 AIDA 公式,音译为「爱达公式」,分成 4 个步骤:
① Attention 吸引注意
② Interest 唤起兴趣
③ Desire 刺激欲望
④ Action 促成行动
我认为,这个 AIDA 公式与 AIPL 模型背后的原理其实也是相通的,关键在于结合业务的实际场景,灵活加以运用。
总之,结合数据分析的思维和方法,利用模型的力量,做到有的放矢,才能更好地实现用户增长
END

以互联网行业为背景下的数据分析通识(上)

转型到数据分析师(我的一些心得体会)

数据分析之道:抽丝剥茧,存乎一心

聊聊业务数据分析那些事儿

线下门店 “拓留锁升”的策略

图片来源于网络

若想加入数据分析社群,点击小飞象,添加木兮

即入群,和数据同行交流

我们将尽其所能打造数据分析交流的理想之地

分享,点赞,在看,安排一下?

文章来源: http://mp.weixin.qq.com/s?__biz=MzIzMDgwODcyNA==&mid=2247511997&idx=1&sn=6cc315f60026a670ed2462e71cd83c64&chksm=e8af2246dfd8ab503a788034c722aba14e29450a466b798a8aa6e9ecba839989838d0a8b7bda#rd
如有侵权请联系:admin#unsafe.sh