B端产品设计师应该了解的SaaS商业化策略-技术圈

SaaS产品一般采用订阅模式收费，众所周知，目前流量红利时代已过，流量获取成本较高，客单价由产品价值决定，一旦确定很难调整，所以，若想提升销售额，提升转化率是个不错的选择，也是企业增长性价比最高的方式，那么设计如何通过数据洞察客户行为去提升产品转化率呢？

｜全文共 1687字，阅读需要4分钟

①

SaaS产品售卖模式

首先我们先简单了解下SaaS产品。

SaaS：软件运营服务是（Software as a Service，简称SaaS）让用户能够通过互联网连接来使用基于云的应用程序。因为不需要部署在本地和其服务模式，SaaS产品通常采用订阅模式收费。

SaaS产品的销售额由流量、转化率、客单价决定，所以想要提升销售额可以分别从这三个方面入手：

① 花钱做推广，扩大流量；

② 优化注册、购买流程或其它方式提高转化率；

③ 通过满减、捆绑产品等方式，提高客单价。

但是众所周知，目前流量红利时代已过，且流量获取成本较高，另外客单价由产品价值决定，一旦确定很难无缘无故进行提价，客户也不会买账，综上，若想提升销售额，提升转化率是个不错的选择，也是企业增长性价比最高的方式，好处有：

① 可以花同样的钱起到更好地效果，提升ROI；

② 优化转化流程，提升用户体验和品牌满意度；

③ 优化过的转化流程可以长久发挥作用，是可持续的。

②

探索转化因子

假设客户的某些操作行为对转化起了正向促进作用，这些行为我们称其为“转化因子”。

那么具体如何通过数据洞察客户行为去提升转化率呢？我们分为5步走：

· 第1步：定义客户转化的场景即客户最终实现购买转化的产品触点。

· 第2步：收集客户行为数据并分析，得出高频操作行为场景。

· 第3步：用“相关性”统计学公式计算这些行为和转化之间的相关关系，得出假设结论。

· 第4步：进行实际测试验证，看转化率是否会提升，若提升则验证假设并得出最终结论。

· 第5步：针对这些转化因子涉及的页面制定相关优化方案。

〇 1.1定义客户转化场景

我们以阿里云云商机产品作为示例，先大概介绍下云商机：云商机是链接采购商和供应商的一站式商机平台，承载采购商的需求，最终促成双方的交易达成。云商机用户基数大，付费客户多，采用订阅套餐方式售卖，是个典型的SaaS产品，接下来我们具体看看是如何探索转化因子的。

首先定义客户转化场景，云商机有3个核心转化场景，客户在这几个场景完成购买付费，所以我们主要选择这几个场景作为下一步客户行为数据获取的“基准点”。

〇 1.2 收集数据并分析

确定了转化场景之后，接下来要看客户成功转化前都进行了哪些操作行为，这里我们随机取近7天100个成功转化客户通过AEM数据监测工具获取具体操作行为，另外为了进行后续的相关性计算还要选取近7天100个未转化客户的有效操作行为作为对照。

若想通过AEM获取转化客户的操作行为，首先需要拉取2个数据：客户ID、购买时间，通过这2个数据我们可以在AEM中获取客户的操作明细，接下来选取每个客户转化前有效的4个操作行为（可自行定义数量，一般大于等于3个比较合适）。

拉取所有客户的操作行为后再对这些操作行为进行占比分析，发现3个行为场景占比较高，分别是：

另外同时也对每个客户进行了操作行为的链路绘制拟合（找到重合度较高的链路），结合上面得到的3个高频操作行为场景后发现恰好有效拟合链路为：首页-找商机 ➡️ 商机详情 ➡️ 详情-付费报价。

〇 1.3 得出假设结论

当得出3个高频操作行为场景后，再看这3个场景到底和转化有没有直接关系，接下来要用到一个统计学方法：相关性计算。目前很多工具都可以进行相关性的计算，比如excel、阿里语雀等。

相关性计算时我们把是否转化定义为1和0，然后看100个转化客户和100个未转化客户的操作行为是否有3个高频操作行为场景，有则是1，没有为0，然后分别去计算3个操作行为场景和转化的相关性。

相关性计算后会有个指数，指数分为4档，指数越高代表相关性越高，一般认为指数r达到中（0.5-0.8）则认为存在相关关系。通过计算最终得出：

“首页-找商机”和转化的相关性指数为0.65；

“商机详情”和转化的相关性指数为0.78；

“详情-付费报价”和转化的相关性指数为0.80；

理论上我们可以确定这3个场景的确都和转化有关。以及恰好这3个场景呈链路递进关系，所以我们可以认为这是一条转化的链路。

〇 1.4 测试验证

得出转化链路的假设结论后，接下来要证明我们的假设是否成立，需要选取一部分客户进行测试，这里可以使用“福格行为模型”来制定相关的的设计策略。

一句话概括“福格行为模型”就是客户产生的行为（Behave）可以拆解为：动机（Motivation），能力（Ability），提示（Prompt）。

另外因为不同客户会有一定差异，我们粗略将客户分层为新老两种，分别根据“福格行为模型”去拆解并制定对应设计策略，最终得出针对新老客户不同的引导和刺激方式以让他们更多发生“转化行为”。

详细拆解见下图 ⬇︎

基于以上最后确定新客采用新手引导方式，老客采用提供免费报价权益刺激方式，让他们尽可能多的发生上面得出的“转化行为”。

我们通过灰度方式分别选取100个新客和100个老客进行投放，7天后，我们回收数据进行对比发现，近7天新注册客户的转化率和老客户转化率均有所提升。由此我们可以确定云商机的确存在促转化的因子，并且验证了我们的转化因子是对的。

〇 1.5 制定优化方案

验证了我们的假设之后，接下来我们要从两方面制定进一步方案：

1.针对3个转化场景所有涉及的页面进行体验优化，保障客户在使用产品时没有任何卡点，体验流畅；

2.前面通过“福格行为模型”确定的引导策略继续实施加强，让客户更多发生“转化行为”。

③

持续监测并调优

通过线上全量实施优化方案后，来观察产品转化率的变化，并针对客户差异进行精细化的分层运营调优方案，此处可以考虑使用RFM模型（数据分析中量化用户价值常用的模型，主要由3个指标构成，即消费时间间隔（Recency）、消费频率（Frequency）和消费金额（Monetary）），具体各位可自行了解此处不做展开，另外还有一点值得一提的是随着产品功能的迭代和发展，转化因子并非一成不变，所以我们要定期重新获取以保证转化率持续提升。