對工具類App來講，優惠活動能不能調動用戶的活躍？

怎樣讓用戶更活躍？直接一點的就是做一些優惠活動，比如說簽到、秒殺等。

上圖的秒殺活動，是我們跟商家做的套餐券，詹姆士是一家不錯的餐廳，套餐的價值是156元，算是蠻高了。當時設定的是每天可以搶100張左右的「O元搶」免費券，吸引力是足夠的。

在得到一些實際數據後，我們進行了分析。對照組取了三部分數據，測試組的數據，可以看到非常明顯，業務率漲了10%。之後我們擴大了測試範圍，發現跟前面沒什麼大的提升。從4月到5月再到6月暑假，應該是用戶更活躍的階段，但是這個數據反映卻跟我們想的完全不一樣，所以就應該找出問題的來源，至少數據上可以保證是沒有問題、真實有效的，而且數據量也比較大。

在對數據進行分析後，得出幾個結論：

1. 秒殺的形式，只能帶動少部分用戶的活躍。有一部分用戶會每天到點就秒，雖然有人參與了幾次活動，但這部分用戶的活躍也只是小部分人，並沒有影響到核心用戶。

2. 「苛刻」的優惠對工具類用戶吸引力不足。用戶為什麼用我們的App？他看中的是什麼？我們提供了一個優惠，雖然看上去金額比較大，但只能在每天下午五點才有可能搶到優惠，這樣的門檻就導致我們沒有辦法去影響更大部分的用戶。

3. 「以優惠促活躍」，此路不通。

這個結論是非常重要的，因為它是一個方向性的問題，如果優惠活動可以帶動活躍，那麼一年、兩年，甚至三年的運營方向可能是更多的優惠，從商家拿到各種各樣的資源，讓用戶活躍。所以這種方向性的測試，一定要小心，要對數據反覆篩選，不要把人力全部投入到優惠活動上，這是這個案例帶來的經驗和教訓。

單純的文案和樣式的調整，是否可以使轉換率大幅提升？

每個產品都有自己適用的風格，但是文案和設計樣式的影響還是很大的。

我們提供的功能可以讓用戶看到排隊的進程。測試後的數據變化，因為工作日和周末用戶排隊量的量級差別很大，排隊的都是一些熱門商圈，可以看到掃碼率的變化，這個比例還是比較大的。

後來我們希望這些線下用戶可以走到線上來，於是做了這樣一件事情。

我們有兩個方案，核心區別就是一個產品的PR。上圖是A方案和B方案的數據，從量來看，至少數據量是足夠的，但這不是一個偶然的數據，從連接的點擊率也可以很明顯的看出，第一個是點擊率的提高，第二個是轉換率的提高，說明這種方法是有效的，還說明在文案中精益求精回報比較大。

我們現在做一個產品，在排隊的商鋪會開一個排隊快速的通道，但是必須要承諾40分之內用餐完畢。這裡面有一些盈利的機會，因為餐廳核心的KPI就是營收，營收最好的方式也就是翻台率，所以這一方面對餐廳來說是非常有意義的。

這幾個案例可以得出什麼結論呢？

1.想像與現實總是存在差距，這差距有時候大，有時候小。

我們的想法有的是對的，有的是錯的，那麼怎樣做的比別人成功？比如說我們用一個多月的時間去試錯，試出來是錯誤的結果，但之後數據非常好，又挺意外的。那麼應該怎麼看待這個事情？其實做事情通常有兩種思路，在嘗試的時候，想像的跟實際發生的有很多差距，差距有可能會大，也有可能會小。

2.只有嚴謹地驗證，才能測量參數的大小。

只有驗證過才能得到出結論，從而影響你以後的工作和決策，論據充分、數據準確才能說服別人。

3.證偽也是有意義的。

總結一句話就是，大膽假設，小心求證，試對了是運氣好，試錯了也是收穫。成功是隨機的，失敗也是隨機的，這就是轉換率的問題了，這只能保證你的測試量是上升的，通過前面的案例不要輕易的否認一些事情，一定要大量的測試，如果你測試的量級是100萬，他們測試的量級是10萬，他們的結論一定比你的差。

其實現在市場上的這些智能商家，他們的演算法都差不多，一些都是源於大學的演算法，大學的教授帶來的一些實驗項目，也就是同比增長。其中有一個教授怎麼說呢？谷歌得出的結果要比其他的好一倍，這就是數據量的原因。

道理大家都懂，做的時候，還是要避免一些錯誤。

1.做運營要放開你的想法，放開你的思維，想到什麼都沒關係，然後再討論可行性，哪怕得出的結論是錯誤的也是收穫。

2.一定要求證。一個天大的創意後面一定有一個天大的漏洞。一定要謹慎。做事情要認真，尤其是想法階段的時候。數據要准，錯的一個數據就是錯了。

3.「墨菲定律」，只是通過表象來研究核心。

我們要問下自己，是不是在積極嘗試，是不是在做嚴謹的驗證。如果不是，那就需要時時提醒自己。

以上內容來源於美味不用等王愛忠於兌吧·運營直升機城市沙龍的分享內容

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！