【有條】產品經理分享：資訊類APP如何利用工具驅動增長？

來自專欄 A/B測試那些事

由於業務關係，我們接觸的數據服務公司比較多，因此一直被灌輸著「數據增長」的理念。也是因為這原因，公司做的一款類似趣頭條、快頭條的內容資訊類的APP，打從上線一開始，就在使用數據分析工具來跟蹤數據和做A/B測試。碰巧，在5月的運營活動中，我們依靠數據分析進行了一次成功的優化實驗，為Banner帶來了可觀的增長。整個過程，先是數據分析，而後進行A/B測試，又有Testin Data.AI進行智能優化，幾乎全是按照數據驅動的思想來實現的，帶來的結果也足夠驚人（點擊率翻了三番）。現在將整個過程復盤如下，供大家參考~

5月初，這款內容資訊類APP，有條，遇到了不小的麻煩：運營彙報顯示，在過去的一個月里，我們APP的收益，正在不斷下滑。這款APP的收益主要和一個項目有關：該項目在APP內的Banner（輪播圖）上接入一些遊戲門戶網站的廣告，依靠APP內的流量帶去點擊和下載，從而給我們帶來收益。

然而，我們根據自身的統計數據和遊戲門戶方面反饋的數據觀察到，這個項目的收入，5月初與4月初相比，降低了30%。

根據數據表現，分析和推測原因

怎麼辦，出了情況就要解決啊，畢竟少的都是錢誒！我們幾個產品、運營同事，拿著這幾個月的各項數據，對著整個流程進行了討論，最後認為，問題就出在Banner位置的廣告圖上，是廣告圖的設計不佳，導致Banner點擊率從原先的3%左右，一路降低到了1.5%附近，降低了近50%。其他一些相關指標雖然也有一定的下降，但是影響最大的就是點擊率這塊兒。

那麼任務就很明確了：提高Banner的點擊率。

創建不同的用戶畫像

為此，我們重新分析了用戶的身份和行為邏輯，針對該項目劃分了新的用戶群組，以決定今後進行優化的方向。根據APP的特性，首先將目標用戶群分為兩種：

第一種，是偏好遊戲、喜歡玩樂的人群，這類人群應當有較多的閑暇時間，年紀比較輕，且容易下載更多遊戲，單個用戶帶來的收益會比較高，提高他們的點擊率將會有較高的回報；

第二種，是所有切合APP本身特性的人群。這類人群的特點是對於能帶來收益的事情非常感興趣，用戶量級很大。

（這裡需要說明一下，公司的這款內容資訊類APP，會根據用戶的閱讀數量和活躍程度給用戶「發錢」，從而達到引流的目的；而遊戲門戶網站，也會給下載遊戲的用戶「發錢」）

設計新的廣告方案

對於兩種目標用戶群，就需要分別設計一下Banner用的廣告圖片了。

我們先設計了幾種市面上常見的廣告圖，它們本身風格偏向遊戲，並且文案也突出了遊戲這個點，例如「遊戲輕鬆玩」、「遊戲集結號」等等。

此外，考慮到用戶心理，大部分用戶在玩遊戲的時候，肯定是希望放鬆、愉悅身心的，因此我們運用年輕群體熟知的「北（ge）京（you）癱（tang）」形象作為背景，以年初火熱的「百萬英雄」「芝士超人」等知識問答類APP常用的文案為參考，單獨設計了一個極具針對性的版本。

而針對第二類人群，我們暫時只設計了一種版本。這個版本的文案就沒有對用戶做任何區分了，一句很簡單的「百萬現金限時送」。相比前面提到的版本，它傳遞給用戶的信息就是：只要你想獲得收益，就都可以點擊進來。值得注意的是，該版本的圖形設計風格，也與「百萬英雄」「芝士超人」等知識問答類APP的風格有一點點類似，這也是因為，我們APP和這些答題贏錢的APP，兩者的用戶群有一定的相似程度。因此這樣設計，也是為了讓這類人群能找到代入感，從而提高點擊的慾望。

遇事不決問A/B

感謝公司的設計師小姐姐們，出圖很快。拿到圖後，就要進行A/B測試來判斷哪個圖的轉化最高了。不過，要做A/B測試，就意味著需要足夠大的實驗樣本量。而實驗樣本量的多寡，一是取決於版本差異，二是取決於原始版本自身的轉化率。原始轉化率上文也提及了，僅有1.5%左右，那麼需要的樣本量一般就會比較大。這也意味著，一旦有不好的版本出現，帶來的損失也不會小。

因此我們沒有用傳統的A/B測試來進行實驗，而是用DataAI智能優化引擎，自動進行數據比對，解放人力的同時還能自動將較大的流量分給當時表現最好的版本。

具體來說，就是對Banner使用「動態變數」進行一次代碼集成，然後把剩下的事情交給引擎，我們只需等待最後的結果即可。

Tips：

動態變數是什麼？

指僅進行一次編程開發的A/B測試實現方式。它能在不影響圖片內容正常排期的情況下，動態實時替換app、H5裡面關鍵元素的圖片內容，從而隨時隨地進行A/B測試。

動態變數有什麼優勢？

1、只需一次編程開發，長期零代碼更新，降低操作成本。

2、數據精準，安全可靠。

3、不影響產品本身任何業務。

4、縮短試錯周期，快速提升產品價值。

瘋漲的實驗結果

集成進展的很順利，一個小時左右就搞定。我們在內部測試檢查數據正常後，實驗就正式上線了。令我們非常詫異的是，僅僅運行了一天，各個版本就給出了相當……誇張的表現。最優版本一度達到了5%左右的轉化，這已經是原版（1.5%）的三倍以上。

這個數據未免太好，好到我們懷疑數據真實性了。然而經過真實環境的測試，我們發現DataAI平台統計到的總數，與我們自己統計的圖片點擊數量是幾乎相同的。這就是說，各個圖片的轉化率，切切實實，就是要比原始版高很多。

實驗進行到第六天，1號的轉化率已經飆升到了原版的八倍以上。不得不說，是原版的轉化率實在太低了啊……虧我們之前還用原版用了一個多月。所以，到這裡，我們是不是應該直接把1號圖片發版上線，把該banner的用圖全部替換為1號了呢？

不。我們可能可以更進一步，也就是能錦上添花。

基於優秀版本進行快速迭代

1號的點擊率已經是最大了嗎？

誠然，經過將近一周的實驗，1號的轉化率提升非常大：

但是我們覺得，還能通過一些小的改變，把點擊率再提升一點。因為原版的配圖，顏色比較偏向冷色調，如果換成暖色調，用戶的點擊慾望應當會更強烈。此外，如果營造出一種「金錢迸發」的效果或是氛圍，也可能會讓用戶更容易接受

在這個理念指導下，我們又設計了7個1號的變種版本，每個版本全都只是將1號方案的背景圖顏色進行了修改。

值得一提的是，TestinData.AI支持快速迭代，能夠不發版、無開發，直接進行線上的banner圖片迭代工作，倒是很方便。

話不多說，直接上數據表現圖吧。

整個優化行動到這裡就告一段落了，瘋狂的點擊率提升，帶來的是收益的大幅上漲。在實驗的半個月里，廣告方面的收入提升比例達到了178.6%。當然，我們的任務還沒結束，因為這個階段的優化，用AARRR模型來說，也就只是第一階段「獲取用戶（Acquisition）」方面的增長，而轉化漏斗里的其他部分還需要我們繼續去優化，去提高。

TestinData.AI 簡介

TestinData.AI致力於應用智能，成為產品經理的外腦，讓閱讀、資訊、知識、工具類App具備個性化智能，讓金融、電商、學習、旅行類等商業App具備商業智能，通過機器學習專利引擎對應用(HTML5、移動頁面、小程序、快應用、原生App、物聯網二維碼應用)實時自動優化，使產品、運營和市場人員能夠持續、高效提升轉化率、ROI和關鍵經營指標，預測客戶的潛意識需求、並即時傳遞給他們，從而推動可持續進化的商業效益及品牌忠誠度。

TestinData.AI具備實時、持續、智能提升轉化率的能力，驅動用戶增長，在支持智能優化的同時、也支持傳統的A/B測試，並提供可視化編輯、科學流量分割和專業統計等功能，可以進行私有化部署。

還在苦於無法為落地頁的轉化帶來增長嗎？

還在對banner的優化迭代束手無策嗎？

還在尋找一個可靠的增長工具嗎？

你需要TestinDataAI 智能優化&A/B測試：