1704200460
1704200461
1704200462
1704200463
注：参与五次问卷调查的用户将获赠包含所有新增功能的安卓版uTORRENT。
1704200464
1704200465
利用数据和算法为用户定制产品和功能
1704200466
1704200467
在第七章我们讨论过，个性化策略可以帮助你建立更加牢固的客户关系，从而留住客户。个性化同时还是一个很好的变现策略，比如在用户正在浏览的网站或者App上显示为他们量身定制的产品推荐或者通过邮件和移动推送向用户发送个性化推荐都是特别有效的做法。亚马逊在这方面又是领跑者。它的团队开发出了最强大的推荐引擎，可以在用户浏览网站时为他们提供个性化的产品推荐。这个算法程序可以根据用户的搜索历史和购买习惯以及其他相似用户的习惯等数据来选择向用户推荐的商品。实际上，所有的亚马逊用户看到的都是根据他们的喜好为他们量身定制的亚马逊，这让他们获得一种独一无二的用户体验。
1704200468
1704200469
一些推荐引擎极其复杂，比如说亚马逊、谷歌和网飞使用的推荐引擎就是这样。但也有许多推荐引擎是基于相对简单的数学知识。Looker这家商业智能软件公司的首席分析师科林·齐马指出，使用一个基于杰卡德系数（Jaccard index）或者杰卡德相似系数（Jaccard similarity coefficient）的简单公式就能就算出两个产品之间的相似度，从而帮助你向用户推荐他们可能购买的额外商品，因为公式的计算结果显示出人们通常同时购买这两样商品。
1704200470
1704200471
1704200472
1704200473
1704200474
杰卡德系数公式
1704200475
1704200476
这个公式看起来复杂，但其实很简单。它说的是两个商品之间的相似度等于A和B交集的元素个数除以A和B并集的元素个数。我们以食品商店App为例快速看看这是怎样计算的。假设这个App团队想要验证他们的一个假设：在App上向用户推荐常常一起购买的商品将提高每次购物的平均订单金额。为了使推荐更有效，他们需要计算人们在购买某种商品（比如花生酱）时同时购买所推荐的商品（比如果冻）的可能性比购买其他商品组合的可能要大。团队需要推荐用户最有可能一起购买的商品组合来提高用户接受推荐并且将推荐商品加入购物车的可能性。
1704200477
1704200478
杰卡德系数中交集的元素个数是同时购买花生酱和果冻的人数，并集的元素个数是单独买花生酱或者单独购买果冻的人数之和。例如，你发现有30人同时购买花生酱和果冻，而100人单独购买花生酱或者单独购买果冻，那么你所得到的杰卡德相似性分数就是0.3，这个数值代表的相似度已经很高了。相反，花生酱和洗衣粉的相似指数肯定要低得多。
1704200479
1704200480
这个公式可以用来计算商店里任意两种商品的组合，从而帮你找到强大的推荐，提高用户购买量。而且，在这些最好的推荐引擎的帮助下，商品推荐只会越来越好而且越来越个性化，这是因为购物的人越多，每位用户的购买习惯以及大量用户的购买规律这两方面的数据就会越来越多。比如，如果用户将红牛饮料放入购物车，那么食品商店App的建议引擎可能会向用户推荐苏打水和青柠，因为数据显示大多数购买红牛的用户也购买伏特加调酒饮料，6虽然用户可能以前并没有购买过这些商品。
1704200481
1704200482
注意隐私边界
1704200483
1704200484
个性化推荐有一点要注意，如果你对自己的行为不够敏感的话可能会弄巧成拙。比如，如果你过度窥探人们的生活，那么个性化定制就会变得十分可怕。举一个尽人皆知的负面例子。大型零售商塔吉特（Target）无意间公开了一个未成年女性怀孕的消息。其实这个女孩儿一直努力瞒着父母不让他们发现这件事。根据记者查尔斯·杜希格在《纽约时报杂志》中的报道，塔吉特向这个姑娘推送定向广告，为她提供婴儿服和婴儿床的购物券。女孩儿的父亲得知后怒气冲冲地跑到百货店质问经理：“我女儿还在读高中你们就给她婴儿服和婴儿车的购物券，你们是想鼓励她怀孕吗？”几天后百货店经理打电话给这位父亲表示道歉，但女孩儿父亲的态度与之前截然不同。他说：“我和女儿谈过了，实际上我家里发生了一些我之前并不知情的事情。她的预产期在8月份。应该是我向你道歉才对。”尽管得到了这位父亲的原谅，但是这个被广泛报道的故事在塔吉特顾客和消费者权益倡导者中间引发了激烈的反应，他们认为数据挖掘和个性化定制是不可原谅的侵犯隐私行为。7
1704200485
1704200486
如果你没有摸准用户的喜好，个性化定制可能很快令用户弃你而去。如果用户得到的建议对他们毫无吸引力，比如服装零售商向用户推荐不符合他们品位的服装款式，或网飞向用户推荐他们讨厌的电影类型，那么用户不但会对推荐不以为然，而且还有可能被惹怒。试想，如果你的好友（甚至更糟糕，你的伴侣）送给你的生日礼物完全不符合你的品位，你会做何感想？错误的个性化定制非但不能改善收益，相反还会极大地损害收益。
1704200487
1704200488
这也是为什么试验如此重要。测试个性化定制策略的一个好办法是先向一小部分用户发送个性化邮件和短信推送，并且评估这些用户的反应和个性化定制的效果。完成这一步后增长团队就能获得用户体验有效性方面的早期数据，如果结果是积极的，那么团队就可以进一步在个性化方面做投资。大多数邮件营销软件提供各种各样的个性化选项，既可以简单地将收件人姓名插入邮件正文，也可以根据他们的历史行为向他们发送不同的信息和产品推荐。
1704200489
1704200490
例如，我们的食品商店App团队就可以通过向那些只完成一次购买的用户发送免运费的购物券来刺激他们继续购买。如果测试成功，团队就可以试验将这类推送内置在App里向所有至少用App购买过一次商品的用户推广免费配送。
1704200491
1704200492
优化定价
1704200493
1704200494
给产品或服务定价一直都是增加营收最棘手的问题，定价太低会让你损失利润，太高又会吓跑用户，同样损失利润。公司在这方面犯错的方式不胜枚举，可能是公司在确定初始价格之前没有进行充分的分析，可能是定价试验的频率太低，可能是定价高出了市场愿意支付的水平，还有可能是公司在不该降价的时候急于降价。增长团队可以极大地帮助公司正确定价。他们可以与产品和财务团队合作，通过开展问卷调查和用户调研找出最佳定价区间并进行试验。
1704200495
1704200496
销售实物商品的公司定价相对会容易一些，因为它们只需要考虑所售商品的生产或购买成本、营销和配送成本，最后再将利润算进去。但即使是实物产品，增长团队也能够基于他们所掌握的用户购买行为和生命周期价值这些信息开展试验。过去几十年研究人员发现了许多零售业中可以触发购买行为的原则，增长团队可以从里面寻找灵感。比如，威廉·庞德斯通在他的书《无价：洞悉大众心理玩转价格游戏》（Priceless: The Myth of Fair Value）中就提到“心动价格”（charm price）的威力，也就是相对于整数价格，那些故意以9、99、98或者95结尾的价格对消费者来说更具吸引力。尽管看似不可思议，但这样的定价策略确实有效。庞德斯通在书中写道：“1987—2004年发表的8份研究表明，心动价格相比数值接近的整数价格可以将销售额提高24个百分点。”8
1704200497
1704200498
其他使用心理战术的策略包括强调正价商品比降价商品贵的价值所在，在价签上印出美元符号，这些都可以影响用户行为。和其他增长手段一样，这些策略并不是对所有产品所有客户都适用。但是如此多的选择意味着增长团队有大量机会可以不断测试和优化定价，实现营收增长。
1704200499
1704200500
给实物商品定价相对容易，但如何对没有原材料成本、在网上交付的软件商品进行定价呢？Price Intelligently（一个价格最优化软件）的CEO帕特里克·坎贝尔针对SaaS产品的定价介绍了大量最佳实践。他建议，首先在用户中开展问卷调查（正如我们在讨论许多其他增长手段时所建议的那样），询问受访者哪些功能对他们而言最重要以及他们愿意为此支付什么样的价格。问卷可以按照下面这个顺序向用户提四个问题：
1704200501
1704200502
• （产品）在哪个价位会让你觉得太贵而决不会考虑购买？
1704200503
1704200504
1704200505
1704200506
1704200507
1704200508
1704200509