1508181024230.jpg
朱)巨匠電腦分享Airbnb利用數據 提升推薦流量
當下越來越多的生活需求可以依附網路實現,而透過Airbnb 這一類的旅行預訂網站,使用者可以預定週末出行,體驗文化碰撞,甚至還可以預訂蜜月行程。顯而易見的是,這種旅店或者行程預定最終帶來的用戶體驗因人而異,因此用戶和潛在用戶們的口碑對於Airbnb 的使用者成長影響巨大。

對許多網站或者軟體而言,為了達到用戶數量快速成長的目的,透過已經註冊的用戶,邀請相關朋友註冊是一種經常被使用的方式。隨著公司的快速發展,以Airbnb 的數量級而言,之前的邀請系統並不能充分利用Airbnb 的使用者和數據資源,並且這種邀請功能只能在網頁使用,在現在越發重要的行動智慧手機上卻存在發展缺陷。考慮到這種情況,Airbnb 的工程師們對邀請系統進行了全新的工程再造。

當邀請他人註冊的流程完成,並且新註冊使用者透過Airbnb 完成首次旅行行程後,Airbnb 會給邀請的發出者和接受者的Airbnb 帳戶中各加值25 美元的信用額。這種機制的目的是鼓勵Airbnb 的用戶群體向朋友發出邀請,並儘力使這種影響力產生實際的使用者成長。

這次對於邀請系統的重新建構,目的是使之能在網站、iOS、Andriod 平台都能被使用。這個被稱作Referrals 的計劃可以從數據角度被很精確地衡量,延伸性很強,並且能在恰當的時機到來之時盡可能發掘出潛在的推薦人。

讓我們來更深入地觀察一下Referrals 計劃的實施過程:

一、定義問題

在進行任何實際的開發之前,團隊首先詳細定義想要達到的目的和一系列的評價指標。對整個邀請系統來說,數據在其中扮演著十分重要的角色,因此團隊首先定義了一系列的數據衡量標準,比如每個月現有活躍使用者發送邀請的次數、每個發出邀請的使用者平均發出邀請的個數、每個收到邀請的用戶中最終註冊、產生預訂、成為房東這三種產品行為各自的轉化率等。對於每個評價指標,團隊在如果舊有的推薦人系統再次使用的話會怎樣實施的假設前提下,設定由好到差的三種預期評價,同時以Dropbox、Voxer 等公司現有的已證明有效的邀請新使用者系統作為評價基準。

二、系統日誌

在搭建實際產品之前,Airbnb 的團隊首先開發搭建一系列的工具,用來記錄並報告之前提出的指標的完成度。團隊使用公司內部的日誌記錄平台air_events,能夠在網頁和行動端調用同樣的方法,然後將日誌記錄到Hive 中,在不同開發環節編寫程式庫用以記錄數據日誌。

在此基礎之上,Referrals 計劃的工程師們在老用戶發出邀請到被邀請用戶註冊這一過程中,對超過20種用戶在網頁端和行動端的行為進行分類記錄,而以這種數據為基礎可以在多個平台對評價指標進行評價。同時,團隊中的數據分析人員建立清晰的數據可視化監控台,這使得從系統開發初期就能對介紹系統的表現進行評價。

三、實際開發

秉承Airbnb 一貫對工程師的支持原則, Referrals 的開發團隊在舊金山附近租了一個場所,在幾個星期內,員工們對網頁端和行動端同步開展了開發活動。

團隊中的兩名工程師以這個項目為契機迅速掌握了行動開發技能,公司核心的行動開發團隊的同事也幫助進行了搭檔開發,正是由於Airbnb 工程師相互指導扶持的文化,產品得以如此迅速地完成。在實際開發過程中,工程師們還創造出一些有趣的產品特色。比如個性化邀請碼:

這旨在透過對不同用戶設計不同的邀請碼和連接,來增加用戶對於接到的邀請和郵件的親切感。相似的例子還有用戶下載後第一次打開應用程式的個性化頁面,這是基於團隊的工程師們編寫的能夠精確追踪使用者下載連接來源的分析工具。如果用戶是透過點擊邀請碼,並最終下載軟體的話,系統會分別生成獨特的校驗碼驗證邀請及對應下載,新用戶在第一次打開應用程式時會出現個性化的展示頁面,大大增強產品的個性化體驗。

四、發布

最終,根據監控台統計出的數據,在某些市場,邀請系統的發布使得Airbnb 的預定數量上漲25%。最終使得日平均新註冊用戶和平均訂單相比過去成長幅度高出300%。而透過對日誌中收集到的數據不斷地進行統計分析,團隊也發現了能夠提升目標指數的一些可行做法,比如:

  • 導入手機或者信箱通訊錄中的資訊,增加每個邀請人發出的邀請數;
  • 為系統設計更方便的點擊入口,增加發出邀請的用戶數量;
  • 允許邀請人對接受邀請並註冊使用者發出帳戶獎勵提醒,提升Airbnb 參與預定用戶的轉換率等。

五、方法改善

在邀請系統上線發布後,團隊繼續對邀請系統進行了改進。比如選取合適的時機對潛在的邀請發出者進行提醒(如當挖掘出用戶剛剛進行了成功的面試或者剛完成一筆訂單) ​​,同時在發送郵件的過程中進行A/B Test,用來對不同的文案風格帶來的轉換率進行對比。同時在語言上更具有利他性的風格,這使得使用者更願意向他人發出邀請。在上線過程中,透過比較數據記錄,工程師們發現不同文化背景下的人,對於邀請的接受度相差很大。

這些商業價值的產生都是源於之前計劃實施中對於數據價值的重視,以及對大量的系統日誌記錄的應用。

這兩個方案做了A/B testing,最後發現右側方案(利他主義)在全球的表現都好於左側。另外他們還發現不同的文化對於這個Referral系統的接受程度不一樣,比如在韓國的表現令人驚訝。

整個Referrals 邀請系統從想法的產生到產品最終的落地上線的過程,是一個標準的Airbnb 成長型計劃模組。透過設定可以量化的目標,細緻地定義可以被評價的指標,並在系統程式中記錄充足的日誌,開發過程中編寫可以成為廣泛使用工具的計劃,上線後不斷衡量效果並不斷迭代,是當下的軟體開發過程從計劃到實施到完成的一個範例。

同時我們不應該忽視的是,當下網路資訊的爆炸性成長,數據的價值越來越重要,Referrals 收集到的大量的日誌訊息,為潛在的商業價值發現和產品特性的改善提供基礎。而計劃實施過程中,Airbnb 內部對工程師的支援、公司內團隊之間資源的相互扶持,值得公司管理者借鏡。

大魔王精簡總結版:

1、首先審視是否需要一個Referral系統

注意,並不是每一個公司都要做這麼一個系統,滿足的條件是符合口口相傳的形態,另外公司的業務能很好地在社群網路裡擴散開,同時已經很好地支援規模化。反例:很多O2O公司只開通某個城市,這樣在朋友圈的分享不一定有好的效果,因為朋友圈裡的朋友有很大機率在未開放服務的城市。

2、定義好Referral系統的步驟和衡量指標

比如Airbnb的:“每個月現有活躍使用者發送邀請的次數、每個發出邀請的使用者平均發出邀請的個數、每個收到邀請的使用者中最終註冊、產生預定、成為房東這三種產品行為各自的轉換率等”。這些指標對於每個公司都不一樣,要結合具體業務來制定。

3、快速開發

一個團隊封閉式開發。

4、查看衡量指標,不斷地優化Referral系統的細節

比如Airbnb對於邀請介面和用語使用各種A/B test進行測試,最後發現利他主義的邀請更加受人歡迎。

巨匠電腦設計了程式/資料庫課程,教你程式設計、大數據分析與應用等等,快來巨匠電腦輕鬆學!

文章與圖片出處: http://www.inside.com.tw/2015/07/15/how_airbnb_using_data
想要學: 程式/資料庫課程

學員自我評價提升競爭力,巨匠電腦讓我家」、「巨匠電腦評價大集合
巨匠電腦評價 巨匠電腦幫我追夢」、「巨匠電腦評價 巨匠電腦幫我追夢