Branch的移動分享和推薦功能基準(zhǔn)

大家都聽說過這些故事，或者知道您的人際網(wǎng)絡(luò)中的某位主要依靠病毒式傳播開展業(yè)務(wù)的人。病毒式傳播對于構(gòu)建、優(yōu)化和效果衡量來說是一個(gè)具有挑戰(zhàn)性的特性，特別是很多病毒式傳播可以通過無法有效衡量的渠道進(jìn)行。例如，在很多情況下，可以通過口口相傳而不是可跟蹤的數(shù)字事件來進(jìn)行推薦。也就是說，無論您的業(yè)務(wù)處于什么階段，您仍然需要盡最大努力來構(gòu)建、衡量和優(yōu)化這一重要渠道。

Branch提供了極為強(qiáng)大的鏈接平臺，可為當(dāng)今市場上的絕大多數(shù)共享和推薦功能提供支持。如果您在移動設(shè)備上收到朋友的鏈接，則很可能是Branch在幕后提供支持。因此，我們對它們的表現(xiàn)有著無與倫比的洞察力。我們永遠(yuǎn)不會分享任何單個(gè)系統(tǒng)的具體表現(xiàn)，但我們認(rèn)為，準(zhǔn)備一個(gè)關(guān)于病毒漏斗各方面表現(xiàn)的總體統(tǒng)計(jì)數(shù)據(jù)是非常有用的。

在我們深入討論之前，讓我們來明確一些術(shù)語。我準(zhǔn)備了以下各個(gè)階段病毒式傳播流程的概述。讓我來定義一些內(nèi)容，以便我們達(dá)成共識。

所有推薦都從分享鏈接的原始用戶開始。當(dāng)推薦漏斗啟動時(shí)，您可以看到兩個(gè)重要步驟：

推薦漏斗啟動前流程

首先，他們點(diǎn)擊分享按鈕，然后便面臨著由誰來決策以及如何決策的問題。

然后，滿懷希望地對這兩件事都做出決定之后，他們能夠成功發(fā)送鏈接。

然后，您便可以啟動推薦用戶漏斗。該用戶可能會在很多不同的渠道上遇到該鏈接，然后像下面這樣啟動這個(gè)簡化的三步漏斗：

三步漏斗

Step 1:點(diǎn)擊收到的鏈接。

Step 2:被傳送到最合適的平臺（假設(shè)您使用的是像Branch這樣的良好鏈接）。

Step 3:轉(zhuǎn)化（購買或其他一些有價(jià)值的事件）。

對原始用戶分享的一點(diǎn)認(rèn)識

讓我們從查看原始用戶流程開始。我們獲取了有關(guān)從開始分享到實(shí)際發(fā)送鏈接轉(zhuǎn)化率的匯總數(shù)據(jù)。顯而易見，這個(gè)轉(zhuǎn)化率就是單擊“分享”按鈕與實(shí)際向用戶發(fā)送鏈接之間的漏斗。您可能希望這與用戶的動機(jī)高度相關(guān)。

在查看轉(zhuǎn)化率的直方圖時(shí)，我們發(fā)現(xiàn)實(shí)際上存在雙峰分布。您可以在下面的圖表中看到兩個(gè)桶，分別標(biāo)記為“高轉(zhuǎn)化率桶”（平均轉(zhuǎn)化率約為70％）和“低轉(zhuǎn)化率桶”（平均轉(zhuǎn)化率約為30％）。

分享轉(zhuǎn)化率的直方圖

（高轉(zhuǎn)化率桶）

分享轉(zhuǎn)化率的直方圖

（低轉(zhuǎn)化率桶）

這很有趣！然后，我們在雙模式的每個(gè)存儲桶中查看了一些示例計(jì)劃，用戶體驗(yàn)上的差異顯而易見。高轉(zhuǎn)化率分享計(jì)劃通常使用激勵(lì)措施來推動分享，而低轉(zhuǎn)化率分享計(jì)劃是您的標(biāo)準(zhǔn)分享功能。出于對下面示例的尊重，我從數(shù)據(jù)集中刪除了它們。

激勵(lì)措施帶來更高的轉(zhuǎn)化率

在上面，您可以看到來自Bird推薦計(jì)劃的示例流程。如果您完成分享，它們會提供雙向激勵(lì)，這在高轉(zhuǎn)化流程中很常見。

標(biāo)準(zhǔn)分享轉(zhuǎn)化率較低

以上是非激勵(lì)性推薦計(jì)劃的示例。這些通常具有較高的放棄率。如果您查看數(shù)據(jù)，發(fā)現(xiàn)您的用戶正在放棄分享，請考慮投資某種激勵(lì)措施來推動用戶完成分享。

現(xiàn)在，您的推薦用戶已成功共享。這有助于了解用于優(yōu)化流量的常見平臺，因此我們提取了有關(guān)推薦流量的常見平臺的數(shù)據(jù)。令人驚訝的是，到目前為止，絕大多數(shù)分享流量都發(fā)生在直接消息傳遞中，其次是剪貼板/粘貼板。社交媒體在推薦流量中的比例不足5%。

最常見的三大分享平臺

深入研究Direct Message平臺，您會發(fā)現(xiàn)在全球范圍內(nèi)，WhatsApp和SMS占Direct Message流量的90％以上。

擴(kuò)展Direct Message平臺

深入研究推薦用戶流量

原始用戶已與接收者分享鏈接（可能是通過直接消息傳遞），并且被推薦的用戶積極互動。第一個(gè)令人驚訝的發(fā)現(xiàn)是，所有推薦用戶流量的30-40％直接發(fā)送到了先前下載的App。這與我們之前認(rèn)為的推薦主要是一個(gè)增長渠道的觀點(diǎn)背道而馳。這意味著現(xiàn)有App用戶之間存在大量分享和推薦流量，這使其成為一個(gè)重要的再次互動渠道。

通過點(diǎn)擊打開App的直方圖

參考上面的圖表，有兩個(gè)選項(xiàng)可用于配置分享鏈接：

I.為了通過移動網(wǎng)絡(luò)吸引用戶而回退到網(wǎng)站的鏈接

II.回退到Google Play或iOS App Store以推動安裝操作的鏈接

對于第1組，所有未發(fā)送到本機(jī)App的流量都發(fā)送到了移動網(wǎng)絡(luò)。這意味著，如果以這種方式配置鏈接，則移動網(wǎng)站平均將獲得60-70％的流量。對于第2組（向用戶發(fā)送鏈接以下載App），我們拉動了“點(diǎn)擊安裝”百分比。示例的平均值顯示~15%CTI，但您可以看到它不是正態(tài)分布，顯示出峰值接近8％CTI。

App回退分享鏈接的點(diǎn)擊安裝百分比的直方圖

推薦用戶流中的最后一步是“轉(zhuǎn)化”。對于我們的示例，我們專門研究了具有購買類型事件的公司，其中每個(gè)事件都有可衡量的收入。這使得我們能夠在推薦和非推薦情況下計(jì)算轉(zhuǎn)化率以及每個(gè)用戶的收入。對于非收入轉(zhuǎn)化事件，這些數(shù)字可能會有所不同，但我們懷疑它是否會很大。

我們沒有顯示具體的轉(zhuǎn)化率，而是繪制了推薦流量與其他渠道相比的轉(zhuǎn)化率提升。因此，舉一個(gè)明顯的例子：如果通過推薦吸引的用戶轉(zhuǎn)化率為10％，而從其他渠道吸引的用戶的平均轉(zhuǎn)化率為5％，那么此圖表將顯示200％。相同的數(shù)學(xué)計(jì)算也適用于RPU（對于推薦，RPU為$2，對于其他=200%，則RPU為$1）。

令人驚訝的是，那些來自推薦的平均轉(zhuǎn)化率是其他渠道的轉(zhuǎn)化率和RPU的200-300％，分布的峰值接近200％。這意味著，通過他人推薦的用戶的平均價(jià)值是其他渠道的兩倍。

推薦與其他渠道的轉(zhuǎn)化率提升的直方圖

推薦與其他渠道的RPU提升的直方圖

最后，有趣的是，為了幫助確定應(yīng)該由推薦帶來的總流量，我們繪制了直接歸因于推薦事件的收入百分比分布圖。令人震驚的是，20％的公司中有超過10％的總收入直接歸因于推薦。

直接歸因于推薦的總收入的直方圖

若要推動您的App的增長和再次互動，請?jiān)敿?xì)了解Branch的深度鏈接推薦計(jì)劃或與我們的銷售團(tuán)隊(duì)聯(lián)系，討論Branch如何為您提供幫助。