【策略PM學習筆記】【例項】促活策略—出行平臺司機補貼的進化
一、產品目標
針對具體司機制定精細化的補貼方案和金額，實現最小成本達到最高訂單成交量的目標。
二、衡量指標
線上時間、人均成單量、單均補貼成本等
（根據平臺的不同階段）
三、補貼手段的進化
1.通用補貼
在平臺的初期，使用者量不大，資料積累較少的時候，我們採用通用的補貼手段。
在 【例項】滴滴出行APP司乘撮合系統的策略演化 一文中，我們講到在 出行平臺司乘撮合系統的1.0版本 ，也就是 以乘客為中心去分發訂單。
此時，司機對平臺的依賴和預期很低，我們只要激勵他線上就好了。於是通用的補貼形式為： 你線上，就獎勵。 比如司機只要每天司機端開啟著達到一定的時長我們就獎勵。只要使用者去下載或者開啟司機端，這個行為對司機來說成本很低，但是卻能獲得收益，於是就快速積累了大量司機，實現了第一波使用者訂單的高效分發。與此同時，也增加了 搶單獎勵 ，進一步去培養司機的習慣。
在這個階段，所有的補貼目標，都是為了去幫助司機建立對平臺的基礎信任和培養對平臺的使用習慣。
2.簡單定向補貼
隨著使用者體量的增長，我們就到了第二階段：簡單的定向補貼。
為什麼要做定向補貼呢？
因為出行是個明顯具有潮汐效應的行業，雖然我們獲得了大量司機，但是在出行高峰期，由於存線上下的“揚招”，即線下揮手打車，還有其他平臺的競爭，所以訂單的消化不理想。
於是我們就根據成交率的缺口，設定了各種 早晚高峰、平峰、夜間等分時段的不同的獎勵 。
同時在這個時候，司機的體量已經足夠大了，歷史的資料也積累的足夠多了，能看的出其實司機已經存在顯然的分層特徵。除了基於訂單角度的這種分時段的獎勵之外，我們還增加了 針對不同活躍狀態的司機去設定的任務獎勵 。任務本身是適應司機的當前階段的，並存在階梯的目標，去激勵司機向更高的活躍象限去轉化。
3.精準定向補貼
然後在這個過程中，平臺快速增長和進化，很快就增加了精準的定向補貼這種模式。
我在這裡用了增長而不是進化，因為直到現在這個簡單定向和精準定向這兩種補貼依然同時存在。
簡單定向指的是通過時段去區分訂單獎勵，通過司機分層去區分任務。
精準定向包括針對單個訂單的加價，指的是針對每一個訂單的不同的價值和成交預估給予合適的激勵。
當然還有動態調價，指的是基於非常小的區域內的供需不平衡進行價格的調整。
這些手段相對於簡單定向來說補貼的區分力度會更細更精準。
然而其實我們在某些場景下，比如管理或者司機的成長預期這種確定性的角度，我們依然存在簡單定向的手段來進行一個司機激勵。
比如一個新司機來到平臺，他會非常清晰我到了什麼程度我就可以得到什麼樣的一個成長的回報等等。
四、兩個關注點
更巨集觀的ROI（LTV/CAC）
受目標影響的【理想態】
1. 更巨集觀的ROI（LTV/CAC）
成本：關注綜合成本，包括【流量成本+補貼成本+補貼過程中對其他使用者的傷害+促轉化過程中對該使用者的傷害+...】
CAC：使用者獲取成本 Customer Acquisition Cost
收益：關注使用者在整個生命週期中對平臺的貢獻，而非單次交易收益
LTV：使用者終身價值 Life Time Value
PBP：價值回收週期 Payback Period
補貼過程中對其他使用者的傷害：
比如一個優質資源有限的雙邊平臺，像出行或者其他O2O服務等等，如果我們將資源傾向了某個使用者，那自然另外一個使用者的體驗受到傷害。
比如拉新，我們希望新使用者在平臺的前幾次交易體驗都非常好，但是這個過程中可能導致另一個使用者受到傷害，所以他沉默了。那其實這就是我們平臺並沒有增加收益的一個過程。
再比如我們認為某個使用者體驗較差快要流失了，於是我們覺得需要對他做一些資源傾斜，但是這個傾斜可能導致另一個對品牌價值更高的使用者真的流失了。
所以這是我們必須要關注的點。
促轉化過程中對該使用者的傷害：
所有的運營或者市場層面的增長，這個都是額外的手段，我們這裡不包括優化產品帶來的增長。所以那些手段不可避免的會佔用使用者的注意力或增加對他的打擾，那這些同樣是需要我們納入成本考慮的。
比如我們給使用者發簡訊，通常只需要計算簡訊成本，然後與這個轉化收益做對比。如果是高收益的業務，那簡訊成本跟收入比這個根本不算什麼，那麼能一分鐘給使用者發一次簡訊嗎？對吧，按照平均轉化率，我們發的次數多了，那麼平均轉化率也會多呀~
那顯然我們不會這樣做的。因為發多了，使用者就把你拉黑了，他會把你的push關掉，會把你的app解除安裝，會對你的產品喪失信任，你可能永遠就失去這個使用者了。
所以在日常生活中，其實我們每個人都有這樣的意識，會有這樣的保證使用者體驗的考慮，但是並沒有從根本上將這一點認為是成本。
比如說一些用於增長的推薦類的產品手段，這個某一個頁面有半屏全都是推薦。那雖然這個item這個物件越多我們的點選率可能會越高，但是實際上由於過多的內容消耗了使用者的注意力，會導致他的平均點選率下降。那我們做這些低質的推薦的價效比就會很低。這是我們通常會忽略的，所以一定要額外關注。
【案例一】會員的特權
作為一種特殊的促活手段，同樣要關注所付出的的成本有效性和是否能達到相應的收益
成本有效性：相應等級的特權/優惠是否能夠吸引使用者，是否能真的達成轉化
為什麼我搭建的一個會員體系或者積分體系但是好像並沒有帶來什麼變化呢？使用者好像沒有感知呀？
比如一個外賣平臺，他的整個積分體系是這樣子的：交易或者評價可以得到積分，消費一塊錢可以得一分，評價一次可以得五分。然後積分之後我們積分商城是什麼樣子呢，累計一萬分可以換一個滑鼠墊。於是使用者一天要花三十塊錢連續一年三百多天才能換個滑鼠墊，如果他堅持評價呢，可能半年就換到了。所以他有什麼動力可以去保持在這個平臺上的粘性呢？
於是做的一個增長手段這個會員也好這個積分也好，他其實並沒有發揮出應有的作用。
收益：達到該等級對平臺貢獻的貢獻大小是否跟成本match
假設某電商平臺消費一萬就可以達到金牌會員，可以享受全場九折的特權。但是，該電商平臺毛利率可能只有百分之二十，轉化成淨利之後可能就只有百分之十了。所以這個使用者達到金牌會員之後在接下來的消費中對平臺的利潤幾乎就沒有貢獻了。
這就是一個雖然可以促進普通使用者的活躍，但是成本過高完全抵消了高價值使用者對平臺長期貢獻的例子。這個LTV後半段接近0，或者全程都接近0了。
【案例二】Aha moment
Aha moment指的是使用者在體驗產品的時候他感受到產品給予的特殊價值的一個時刻，那麼一旦使用者找到了這個aha moment，他就更有可能留存下來。
比如最早的facebook團隊提出這個概念的時候就總結的facebook新使用者如果十天之內新增十個好友，他的留存率就會達到一個很高的值。這是所有的增長團隊，為了新使用者的留存而不斷嘗試和努力的一個轉折點和目標。
為了使新使用者達到留存的aha moment，平臺會做出一定的資源傾向（額外流量or優先派單等），此時對其他使用者造成的傷害也要考慮到成本範疇內。
2.受目標影響的【理想態】
效率的定義並不限於ROI最大或者最低成本等等，會受到階段性目標的影響。而我們在持續的進行ABtest的同時所得到的的結論會作為經驗值。
比如我們在嘗試最低獲客成本的過程中，我們發現了某種增長手段的組合可以實現單位時間內的轉化量最大，也就是拉新速度最快，或者是GMV增幅最大等不同的效果。
那麼這些資料我們就可以保留成經驗值。接下來當平臺處於不同發展階段，當我們的階段性目標變成了拉新速度最快或者GMV增幅最大的時候，我們就直接可以回到原來的歷史經驗值中去畜選取不同的經驗值以及不同的手段的組合去達成不同的目標，而不需要再一一的去測試了。
ABtest的結論會作為經驗值，在不同的階段性目標下，可以選取不同經驗值的組合以達到不同的目標。
【案例】
更高利潤：追求ROI最大、增長速度可能是慢的
更快增長：追求轉化率最大、ROI非最優
五、小結
增長是一個好產品的天然屬性，同時可以加入槓桿讓其加速。
增長策略框架回顧：5.1增長策略框架
策略框架：
觸達、認知、轉化三環節；
基於預測冷啟動，然後將目標物件無線細分、持續測試，形成自迴圈，最終實現針對不同的物件群，選擇最合適的槓桿將其撬動。