悟空租车合伙人许佳林:数据驱动下的预约出行领域第一平台

2024-09-30
来源:网络整理

本文整理自悟空租车合伙人许家林在36氪“数据驱动企业成长新规律”主题活动中的演讲。

“旅游预订领域第一平台”

大家好,我是悟空租车的许嘉琳。今天我受邀与大家分享悟空租车的数据驱动收获。

悟空是谁?悟空租车是一个共享、开放的智慧出行服务平台,并非租车平台。悟空现已成为预约出行领域第一平台。

我们的模式类似于预订旅游领域的美团。例如,如果你出去吃饭,你可能会去美团找一些餐馆,看看他们的评论,看看有好还是差评,有没有图片,然后选择一家餐馆去。一顿饭。 其实就是这样一个平台。客户来悟空查看哪家租赁公司的车型符合要求,以及相应的价格和服务。

百公里以内的出行被称为即时出行市场。意思是如果你现在想用车,就可以立即使用。例如,如果您去办公室的国贸国际贸易中心办理业务,您可以立即从A点前往B点。这就是刚才提到的即时旅游市场。这个市场包括大家熟知的出租车、滴滴、网约车等。

预订旅行市场是指100公里以上的旅行,旅行时间包括1天、1个月甚至1年。在此市场用车时需要提前预约,且无法立即提供服务。例如,您可能计划国庆期间去云南旅游,或者临时去杭州出差一周。这时候你就需要预约一辆可以自己开的车,保证一定程度的私密性,而且你还需要多走走,可能从A点到B点,然后C点,再D点。这个方法称为预订旅行。

我们悟空租车做的是预订旅行市场,这和即时旅行有很大不同。

悟空租车已成为预约出行领域第一品牌。我们覆盖全国340多个城市,包括多个可以提供服务的网点。

平台车队有11万辆车辆可供用户选择,车型也非常丰富。皮卡、新能源车、超级跑车等5000款车型供大家选择。

悟空已达600万用户、4000多家商户,赋能商户、服务用户。

“数据驱动后订单猛增3倍”

悟空租车自2014年成立至今已经六年多了,我们经历了非常坎坷的成长。原来我们这叫经验驱动。一开始大家很关注订单,就是有多少订单,有多少用户,订单增长怎么样。这就是您关注 KPI 的方式。

但当我们达到一定程度后,我们发现订单的增长非常有限,因为我们找不到原因,比如为什么订单持续增长,订单来自哪里,订单背后的用户也不知道。

这个时候体验驱动的模式已经到了瓶颈,所以我们悟空租车的组织架构和人才结构都进行了大幅度的重组。我们已经开始从体验驱动模式向数据驱动模式转变。

转型为数据驱动后,我们取得了哪些成果?整个订单量恢复到2-3倍的快速增长。总结起来,数据驱动我们做了三件事。

第一个是指标规划,一个业务流程,从前端流量到转化,到订单,最后到收入。我们前期没有一个好的指标规划,唯一的KPI就是订单。

变成数据驱动后,我们设立了多个关键指标,比如UV转化率、前端完成率等,把整个业务流程分成多个步骤,每个步骤都做了相应的指标规划。这非常重要。如果没有指标,后续分析就很难找到原因。

数据收集的第二步是在每个节点进行大量的埋点。有了整体数据之后,如何监控这些数据就非常关键了。最初是通过数据库直接抓取,形成报告。这种方法非常麻烦,需要人工连续上报。而且,报告可能在一段时间后就被丢弃,造成大量的重复工作。因此,监控数据的工具非常重要。目前我们主要使用外部工具来监控数据。

有了一定量的数据监测后,第三步是数据分析。进行数据分析,制定行动策略,调整相应策略的实施,利用数据驱动业务增长。

综上所述,前两部分至关重要,是第三步的基础。没有铺路,后续的数据分析驱动基本就是一句空话。这就是我们从体验驱动到数据驱动的转变经历。

《数据驱动4步操作》

整个数据驱动的思路主要包括四个步骤。

首先是发现问题。完成包括监控在内的整个数据埋藏过程后,你需要抓取一段时间的数据,比如一个季度、半年甚至一年的数据,才能发现这些问题点。

二是对数据进行分析。根据问题点所反映的关键信息,分析哪些点造成了数据并提出相应的假设。假设这个环节非常困难,需要你对你的业务非常熟悉。如果你对业务不太了解,只做数据,这个环节会提出一些偏离业务的假设。

三是效果实验。我们用实验的方式,比如是否要改进产品,通过A/B测试来预测计划的有效性。

四是业务落实。如果预测效果真的很好,我们可以进行整体改进,看看效果带来什么结果。同时,我们会跟踪我们的整体做法,以便我们再次审查。

发现问题、分析数据、实验效果、落地业务,是我们数据驱动业务的整体思路。

“一个简单的改变就将支付转化率提高了 6%”

举一个实际的例子,我们如何通过用户行为数据来提高我们的转化率。

我们的平台比较简单。我们首先吸引流量,流量经过平台层层传递,最终转化为支付订单,最后转化为收入。

我们将用户分为首次用户和重复用户。无论是首次用户还是二次用户,我们都会根据其付费行为将其分为付费用户和非付费用户。

付费用户就相当于我们的客户。未付款的客户会跳出我们的平台,选择其他方式,或者改变他们的计划。原因有很多。

我们需要研究如何将更多的非付费用户转化为付费用户。如何解决这个问题呢?

分析用户行为习惯,我们分析我们平台上付费用户的一些行为,同时分析平台上非付费用户的各种行为,然后观察他们之间的差异。

找到这些差异之后,我们通过用户引导,逐步将非付费用户的习惯转变为付费用户的习惯,从而提高我们的转化率,即通过迁移用户行为习惯来提高转化率。

结合刚才提到的四个步骤,我们拆解了这个案例。

第一步是找到问题所在。通过日常监测,我们发现整个转化率比较低,因为我们不断通过投放、推广来增加流量,但是个别城市或者个别地区的转化率较低,这是致命的。

我们发现,当同一两个城市其他条件一致时,有的转化率低,有的转化率高。这是我们在日常监测中发现的。转化率低的城市如何改善?

我们根据用户使用整个平台的流程,包括用户打开APP、选择时间地点、进入选车、选择下单,一步步拆解整个平台。我们拆解整体步骤,然后分析每个步骤的用户表现。

所以我们发现用户填写表单和完成支付之间的转化率比较低,从而拉低了整体转化率。我们找到这个链接并锁定,解决这个链接转化率低的问题。

第二步是分析数据。我们通过在所有设计的功能、模块以及用户可以点击的地方进行数据埋点来收集相应的数据,分析付费用户和非付费用户的行为,比如点击功能有哪些行为差异?用户是否点击某些功能完成支付或者跳出。

在进行数据分析之后,我们会做出一些假设。我们最终发现,点击查看优惠券的用户下单的可能性比没有点击的用户高出 15%。我们得出一个假设:提示折扣会提高转化率,因此我们基于这个假设进行了整个实验。设计。

效果实验的第三步是基于单个变量。我们设计了 A/B 测试。在其他条件不变的情况下,实验组采用闪条提示。事实证明,当用户进入这个页面时,有的人没有选择优惠券,有的人却选择了。 。我们通过闪条强烈提醒已经领取优惠券的用户选择了最优优惠,对于没有领取优惠券的用户,我们强烈提醒用户还有未领取的优惠券。对照组不提供任何提醒。

然后我们开始进行 A/B 测试,看看哪一组表现更好。测试结束后,我们收集了转化率数据。我们发现,如果用户收到强烈提示,填写表单完成支付的转化率直接提升6%。这是一个非常有趣的结果,说明这个东西是有效的。

第四步是业务落地。根据实验结果,我们会对解决方案进行整体评估,因为这件事改变了我们产品的功能。进行整体评估,包括对产品、技术、数据的推理,以及结论是否存在问题。审核完之后就可以继续迭代整个功能,包括业务实现,包括产品的迭代版本。

我们会持续观察迭代的产品是否有任何意想不到的效果,是否导致了其他地方转化率的下降,或者带来了Bug,以保证结果的顺利完成。

所以提出了下一个问题。当发现实际问题时,又进入问题发现、数据分析、效果实验、业务实施的循环。提高产品转化率的案例就是通过数据进行优化。

“利用数据领先于竞争对手”

从我们这段时间的改造来看,我们了解到整个数据驱动其实并不是一个很神秘的东西,不是一个很神奇的东西。

难道真的只有互联网公司可以做到这一点,其他公司做不到吗?事实并非如此。许多传统公司、餐馆或酒店都有机会。

事实证明,在互联网出现之前,我们的租车行业其实是一个传统行业。它在中国存在了几十年,在国外也存在了数百年。这些传统行业以前有过数据驱动吗? 。

当我们谈论传统行业时,我们实际上并不是说数据驱动以前从未做过。这种数据驱动在互联网上并不是什么新鲜名词。我们讲传统行业,他们本来数据就比较少,因为很多数据本来就只有订单,还有一些财务数据,他们根据这些数据来做分析。财务分析是传统企业的主要内容。他们会通过财务分析,包括订单分析,做出一些改进,从而帮助业务增长。这其实也是一种数据驱动。

在当今的互联网环境中,我们拥有更多的数据。以前我们只有在用户做出决定后才能获得有关付款和订单的数据。现在我们可以在用户做出决策之前获得数据,包括用户如何思考、停留多长时间以及点击什么。用户做出决策之前我们已经掌握了所有数据,所以我可以利用这些用户行为来引导用户更好地将其转化为订单。这就是目前我们觉得互联网相对于传统行业有比较大的优势。

通过成功地利用数据驱动业务增长,不断解构业务,细分流程,捕捉更多细分数据,我们会让我们整个分析更加透彻,更好地挖掘相应的原因,分析用户决策。如果你比计划提前,你就会比你的竞争对手领先一步。

这是我跟大家分享的一个数据驱动增长的小案例。谢谢大家。

长按关注公众号

分享