数据驱动 B2B 增长：增长手段之“轻” VS 产品价值之“重”
作者：程夏莹，欧冶云商平台运营负责人，在 B2B 电商领域有丰富产品设计及运营经验。
来源：GrowingIO 增长公开课第 29 期，点击文末「阅读原文」观看课程视频或下载 PPT。
大家好，我是程夏莹。目前我在欧冶云商，一家钢铁行业的 B2B 垂直电商，担任平台运营负责人。
今天的内容将从 4 个方面展开，第一个是 B2B 行业用户增长的挑战和机遇。然后我会分享欧冶云商探索用户增长的 3 个实践，分别是：探索产品核心价值主张，用户转化路径优化，精细化的会员运营体系。
1.B2B 增长的挑战和机遇
既然我们今天分享的主题是“数据驱动”，那么 B2B 商城如何用数据驱动增长呢？
1.1 怎么去做数据驱动？
我把数据驱动总结为：数据驱动 = 度量+增长机制 。
数据驱动要做的第一件事情，就是指标的度量。我们经常会遇到类似的问题，当公司的 KPI 往上涨的时候，如何知道这是市场活动推广带来的流量还是产品功能迭代带来的效果？想要回答这个问题，一方面你要合理拆解指标，另一方面你要有一个度量体系。
当然，如果仅有度量体系的话，我们是没法增长的。数据要想真正驱动增长的话，必须要有一个增长机制；有了这个增长机制的保证，我们才可能做到增长闭环。
1.2 B 端增长和 C 端增长差异在哪？
为什么我们现在总说 B2B 增长非常难做？我提炼出下面 4 个方面的原因，分别是：精细化程度不同、信息化阶段不同、增长机制不同、商业定位不同。
① 精细化程度不同
C 端有一个非常大的发展背景，就是它的三大红利已经逐渐消失，C 端正在从流量为王的时代向精细化运营时代转变。但是，B 端目前还处于一个线下交易向线上过渡的阶段，是一个模式重构的阶段，这个阶段的主要矛盾，还在商城的基建，粗放式发展招商引资，商业模式的探索，远没有达到需要精细化运营的阶段。
② 信息化阶段不同
现在的 4G 网络已经实现了人和人、端到端的连接，支付和物流也非常成熟，C 端整个行业已经从 IT 时代过渡到 DT 时代。但是，B 端信息化程度远远没达到这个阶段。我们的产业链单元非常多，每一个行业的信息化程度都不一样，更不用说端到端的信息连接了。
③ 增长机制不同
目前 C 端有非常多的增长套路，比如分销、微信裂变、拼团等等，这些手段 C 端都可以直接拿过来用。但是在 B2B 行业里面，这些方法基本没用，因为消费端的强互联网模式很难适用于生产端的电子商务；而且我们能给出的解决方案非常少，强依赖于线下的供应链的整合能力，所谓的“指标－手段－学习”快速迭代的方法论找不到落脚点。
④ 商业定位不同
综合上面三点，也很容易提炼出 C 端和 B 端商业定位的差异。一个是消费互联网，一个是产业互联网，以消费端轻的思维方式很难做生产端重的模式，或者做出来的产品商业价值很低，这两者商业本质的差异，造成 C 端炫酷的增长经验在 B 端无处落脚。
1.3 什么是增长（Growth）？
针对上面的增长挑战，欧冶云商也做了一些尝试。
Growth is connecting the existing core value of a product with more people.
这句话对增长 / Growth 的定义，我觉得是非常贴切的。增长要做的核心，是去做一个连接（Connecting），连接的是产品的核心价值（Core Value of a Product）。在已经有了核心价值的基础之上，增长可以把核心价值连接给更多的人（With More People）。这三个关键词也是接下来我分享的三个实践。
2.探索产品核心价值主张
第一个实践就是探索产品的核心价值主张，我们在探索的时候需要有一套方法论作为基础。
2.1 方法论和实践
在探索产品核心价值的时候，我们要明确目标用户是谁，他当前没有被满足的需求是什么？针对这些没有被满足的需求，我们能够提供的价值主张是什么？在这个过程中，如果我们的价值主张和用户没有被满足的需求契合度越高，未来这款产品做增长的基础就越牢固。
在这个过程中，我也发现了很多误区。
第一个，不尊重产品的发展阶段，盲目通过交互迭代做增长。第二，不尊重目标用户的需求，盲目有求必应、填鸭式发展。第三，在 PMF 阶段之前我们必须要面对“打破-重建-打破-重建”的过程，否则的话我们就容易陷入工程思维的陷阱。
欧冶云商在探索核心价值的过程中，我们也遵从了这个方法论。
首先，我们需要知道在整个钢铁行业中现阶段还没有被满足的需求是什么？这就要求我们了解现货的来源是什么，因为我们整个商城目前是以卖钢铁现货为主的。
钢铁现货的来源，一个就是汽车厂向钢厂订货合同的余材，一个就是因为生产工艺或者控制问题造成的质量余材，还有一个就是统货（包括尾卷和协议品）。从这样一个来源上看，我们能够发现这个行业面临的主要问题就是质量信息不对称和市场供求信息不对称。
所以基于这样一个未满足的需求，我们希望平台能够解决行业信息不对称的问题，依赖信息化的手段去提升行业效率。欧冶云商 2013 年 - 2015 年过程中，就是在做这个基建的工作，这个过程中有非常多的流程再造和产品创新，具体可以参见《欧冶电商：用增长思维探索商业模式的6大阶段》，欧冶 10 年宝时二方平台的经验累积形成了一套非常适用于钢厂的现货销售解决方案，把握住了钢厂的痛点和进入时机，积跬步至千里。这个阶段关注商业模式和目标用户被撬动的动机。
2.2 依托钢厂提高留存
2016 年的时候，我们分析过各个地区用户的结构和留存情况。
通过上面这张图，我们能看到 2016 年的时候欧冶这个平台主要以华东地区用户为主（图1），这造成我们在做市场推广的时候容易陷入一个 To C 的陷阱里面。因为 B2B 领域中，增长不在乎这个平台的流量是多少，而在于区域的流量密度。
基于此，在后期的推广中，我们把平台间的互相引流转向到对于钢厂产品的平台赋能工具的使用上。在这个过程中，我们发现邯郸地区的用户数量突然起来了，虽然说占比还是很低，但是这个钢厂上线后它能带来一个地区用户数量的增长。有了这样一个数据后，我们进一步分析了邯郸和武汉两个当地有钢厂的地区，我们发现这两个地区的用户留存度显著高于平台的总体留存（图2）。
因此平台也做了一个功能上的更新，我们把钢厂直销资源这样一个功能区域直接挪到了平台首页上（图3）。一方面，我们希望让用户更快进入他想要购买的资源入口；另一方面，我们也希望有一个品牌之间的相互影响，体现出欧冶的品牌价值。
因为我们锁定了钢厂的核心价值，之后就稳步把这样的模式复制到其他钢厂。经过两年左右的发展，到 2018 年3月，上海地区的用户已经从 16 年的 80% 占比下降到了 31.6%，其他地区的用户数都有了显著的增长。
2.3 征收平台服务费
在 2016 年的时候，我们当时做了一件事，就是针对平台上的交易征收服务费。这样的一个手段上了以后，直接结果就是一些羊毛党从平台上直接流失了。
通过上面的留存图，我们可以看到上海地区的用户留存有了一个直线的上升，后期直接与邯郸、武汉地区的用户留存率持平。
这就是我们欧冶探索产品核心价值主张的一个路径，现在我们已经能够统一认知。钢厂是我们商城的主力租户，面对钢厂，平台就是一个 SaaS 工具，输出的是一套现货销售的解决方案，并且有可以直接落地的工具－平台供使用。针对这些主力租户我们平台提供一些工具赋能给他们，比如说发票结算、数据报表、调价行为监控等等。面向钢厂，提供一个 SaaS 平台为钢厂赋能，这是我们留住核心用户的方法。
3.用户转化路径优化
探索完产品核心价值以后，我们接下来要做的就是用户转化路径的优化。
用户进入我们商城后，他首先会做的事情就是搜索；搜索的过程中可能因为没有合适的资源而流失掉，这个时候我们找不到货的解决方案是什么？
3.1 场景1：小欧帮买
我们希望用户能够留一条求购的信息在我的平台上，我可能会给他推荐一些隐藏资源或者可能有货的店铺，还有一种就是把这个求购信息发送到平台上的入住方。通过这样一个帮买的解决方案，让用户能够把资源加车。下图（图6）是我们去年推出的一款「小欧帮买」产品，这个是平台上的入口。
在做这款产品之前，我要回答这几个问题：
第一，我要解决的问题是什么？
用户在现货商城买不到货而直接流失，这就是我们要解决的主要问题，我们希望降低这部分用户的流失率。
第二，目前拥有的资源是什么？
我是通过合伙人来做，通过商业模式创新来做，还是我可以用机器人来做一些自动的检索和提醒？
第三，产品上线后用什么指标来衡量？
因为产品上线后，从用户留下一条帮买信息到最后有帮买行为，这其中有一个非常长的转化过程。如果我们设置的指标是“帮买量”，这可能导致我们在前几周时间内帮买量指标都为0。所以，我们要设置一个指标前置，让它变得更加敏感，能够衡量这款产品的真实发展节奏。因此，我们把它拆成了 4 个指标。
首先是产品“关注人数”，即帮买区的热度，包括 PV/UV 等指标。其次是“发布的帮买数量”，用户关注我们整个产品功能后，会有多少人留下帮买的需求。第三个就是“响应数量”，有多少供应商可以响应用户的需求。最后一个就是“复购率”，度量使用过这款产品的人对这个产品的满意度。
第四，产品该如何设计？
基于这些思考，接下来就是产品设计的问题。在做这款产品的时候，第一步就是要挖掘更多的场景，用户会留下帮买的需求。
3.1.1 第一步：让更多人发布帮买
第一个场景，搜索无结果。
用户进入商城，他在平台上做了搜索，但是搜索无结果。他没有找到自己想要的资源，那么这个时候他可以留下一条帮买需求。
第二个场景，保存了常用搜索条件。
用户对平台资源的需求是稳定的，当相应的资源在平台上出现的时候，用户希望收到我们的提醒。
第三个场景，主动发起帮买。
用户在线下或者别的平台上没有找到相应的资源，那么我希望能够主动在平台上留下一条帮买信息，让欧冶帮我来找对应的货。
第四个场景，竞价的流拍。
竞价拍卖的时候一个资源可能有好多人来竞拍，但是最后拍中的只有一个人，那么第二、三、四个出价的人都可能对这个资源有需求。我们挖掘了这个场景，当你没有拍中的时候，你可以开启资源提醒，抢先一步通知你。
3.1.2 第二步：衡量每一个场景的流量和转化
有了上面这些帮买场景，接下来我们就可以衡量每一个场景的流量和转化。下图是我们在 GrowingIO 里面做的每一个场景的点击数和转化率。
通过图 7 柱状图柱子的高低，我能够去衡量我假设的场景和用户真正使用这款产品的匹配度是什么样子的。然后针对每一个场景我们都可以建立一个漏斗，图 8 是针对“保存常用搜索条件”场景的转化漏斗。我们看到，用户点击数量很高，但是转化率非常低，有待优化。
3.1.3 第三步：找到指标表现不好的假设原因
在这个过程中你要注意每一个场景落地页的承接文案，我们可以把它拆解成两个案例来单独研究一下。
案例 ①：搜索无结果入口点击数提升方案
上图展示了两种搜索无结果页面方案，修改前的方案是左边上面那张图。修改前的方案，用户的注意力可能会被上面那张图吸引，完全没注意到下面的文案提示。同时，我们的产品名称“小欧帮买”没有任何解释、用户可能也不理解是什么意思，并不能抓住用户眼球。图 9 右边柱状图黄色的线条是修改前方案的点击量，非常低；就算这个场景是对的，转化衔接也是非常差。
发现问题后，我们做了一个优化，把页面的布局做了一些排版优化。名字叫什么不重要，重点强调我能给用户提供一个找货神器；我能帮你找到对应的货，是一个神器。经过这个改版后，我们发现它的用户点击数是直线上升（图 9 ），也就说明我们的改版比较成功。
案例 ②：“保存常用搜索条件”转化率提升方案
在上面的分享中我提到第二个帮买场景（图8），“保存常用搜索条件”到“订阅提醒”的转化率非常低，这是为什么呢？
因为当用户保存常用搜索条件的时候，他想要的是下一次搜索时直接点击相应的资源组合就可以，而不是要重新把搜索组合一遍。第一个版本中，我们并没有把用户“保存常用搜索条件”和“订阅提醒”两者有效承接起来，用户可能直接直接关掉弹窗提示。
第二个版本中，我们告诉用户有小欧帮买这样一款产品；你订阅当前的搜索条件的话，小欧帮买可以自动帮你抢货而且抢货更快一步。你需要做的事情就是去完善信息，去下一个页面给它做完就好。通过这样一个文案引导，转化率有了一些提升，但是还不能满足我们的要求。
我们又迭代了第三个版本，直接告诉用户我们是小欧机器人，每十分钟帮您自动搜索一遍、抢货快人一步。经过几个版本的迭代以后，整体的转化率提升了 50% 以上。
3.2 场景2：搜索优化
在这个过程中，我们发现用户留下来的求购信息千奇百怪。我们就在想：
难道这就是用户找货的惯用描述吗？
用户在现货商城里面又是怎么找货的？
留了这么多的求购，是因为我们平台没有货还是因为货藏的太深了？
我们的搜索引擎是否足够强大，会不会导致用户找不到货？
在这个背景下，我们做了几件事情。
第一步，搜集搜索框输入值进行分析。
GrowingIO 提供了这个功能，我可以把搜索输入框的修改值作为一个时间，然后按照这个元素内容去进行维度拆分。图 11 这个图就是我得到的用户在我们搜索框里面输入的词。
第二步，下载表格逐个分析用户搜索习惯。
我们把搜索数据表格下载下来，然后逐个分析，看看用户的搜索习惯。比如用户写的“ 0.75X1500无花无油”是什么意思呢？举一个洗发水的例子，商场里面对洗发水的布置顺序可能是“洗发水-宝洁-海飞丝”。但是用户在搜索的时候，他直接要的就是“无硅油”，他不在意品牌名称，他要的就是无硅油洗发水就可以了。
类似这种的搜索习惯，我们之前的搜索引擎里面是没法满足的。很多资源我们商城都是有的，但是因为语义我们没有识别出来，导致搜索失败。
第三步，整体判断搜索无结果率。
当用户每一次搜索的时候，我们平台的主搜索页都会有一次更新，他的 PV 就会增加一，所以我们把搜索页面的 PV 作为搜索效率的分母。同时，无结果的时候结果页会出现一张图片，我们把这张图的 PV 作为分子。分子/分母，就得到了我们的搜索无结果率这样一个指标，这可以用来判断我们整体的搜索效率。
第四步，优化搜索逻辑。
这一步非常重要，做完诊断后需要把问题转给相应产品经理进行搜索逻辑的优化，这也是我们增长机制的重要一环，即完成闭环。
3.3 小结
在上面两个案例中，其实有一个非常重要的点，就是增长闭环。如果你是产品经理的话，你自身就可以实现这样一个闭环；如果你不是产品经理的话，你需要找一个好的合作伙伴来优化产品，把增长方案落地实现。
所以，我们认为没有增长机制保障的数据运营是驱动不了产品发展的。
打一个比方，病人体检的时候医生会看到检验指标报告，不同医生看到同样的指标报告给出的治疗方案可能会不一样。有了治疗方案以后，我们会定期复查，跟踪这个指标有没有变好。其实，做用户增长也是一样的。数据驱动以后，增长经理要去看相应的指标，并且协调资源把方案落地上线。
同时，在这个过程中我们要尊重一题多解，需要有一个试错机制去尝试增长经理提出的不同方案，这个时候就需要 A/B 测试了。
4.精细化的会员体系
在做会员体系之前，我们需要回答的一个问题就是“怎么样去度量会员的价值”。
4.1 会员管理体系
度量会员价值的时候，我们首先要思考的就是平台的价值主张是什么？
有哪些指标能够反映出平台上用户价值的差异？
针对这些指标我们要建立一套模型，挨个对用户进行会员价值度量。
度量完会员价值后，我们的会员权益如何策划？
策划的会员权益需要基于用户的细分，找到对权益敏感的人群，针对性设计客户成功手段。
衡量不同手段的敏感度。
最后，催化不同用户群体价值的提升。
我们将会员体系归纳成如下的模型，横坐标代表会员价值的度量（一星到五星），纵坐标代表不同的细分群体，不同的圆圈代表不同的用户群体。
以群 3-1 为例，这个群体是三星用户，同时他对融资有非常旺盛的需求。针对这类用户，我的运营方式就是说再获得 10 分积分就可以获得 50 W 的融资额度。把这样一个策略运营到这个群体上，我就可以去跟踪三星到四星的迁移率有没有提升？融资产品的使用人数有没有上升？
如果我们的目前是降低平台的负面行为、优化平台生态，我现在可以使用那些方法和手段？
我会把用户的负面行为记录下来，直接扣分，然后扣分会直接影响到搜索排名。同时，没有负面行为可能会获得平台的诚信勋章，勋章可以提高搜索排名。当我们把这些运营手段用到对应的群体上以后，我们需要跟踪指标“负面行为发生率”有没有下降。
如果我们希望鼓励更多的用户，通过平台认证成为会员价值体系的一员，我就需要设计手段引导用户去维护会员资料、同时展示相应的权益。这个时候，跟踪指标就是“认证会员占比”。
在探索整个会员价值体系的路径上，我们遵循的就是先度量再细分，然后针对不同分群采取不同的手段、通过强交互的方式引导用户对一款产品的认知，最后关注这款产品的关注度指标是否有变化。
4.2 会员管理案例
下面的案例展示了我们在会员管理上的一些实践。
首先左边的图片展示了用户的会员分数，将原来的一星二星三星四星五星变成了一个百分之的分数，让用户觉得更加敏感。然后再分数下面有相应的引导，这个引导入口有对应的点击率和引导流程转化率。如果用户获得了平台的一些权益，登录时有一个弹框告诉用户你获得了对应权益；通过这种产品交互，让用户觉得平台更加有价值。
上述产品上线后、辅之以相应的运营手段，我们关注的第一个指标“产品关注度”直线上升（图13）。我们也通过 GrowingIO 建立了一个漏斗，监测会员认证流程的转化率，我们可以看到转化率其实是非常高的（图14）。用户他其实并不反对平台的认证，只是我们以前没有提供相应的引导。
然后，“负面行为发生率”直线下降（图15），半年时间下降了 50% 左右。最后，认证会员数量持续稳定增长（图16），说明会员体系的影响面越来越大。
5. B2B 用户增长总结
综合上述案例，可以看到我们用的手段都是非常轻的，这是基于商城基建已经搭好了的基础。做增长的人，必须权衡增长黑客之轻和核心价值之重。
我们在策划一些拉新、转化的手段时，我们必须思考整个钢铁行业未被满足的需求是什么？整个行业的分销体系、游戏规则是怎样的？这其实是整个产业互联网的难点，它不仅仅是互联网，更需要对产业痛点的深度把握，这一块也是欧冶云商在孜孜不倦在做的一个探索。
数据能做的事情只是度量，增长机制的建立依赖手段；数据驱动，就是“有监督”地增长。
To B 端的手段更多的是线下供应链的整合能力，而不是轻的套路。增长的职能，在于 Connecting (连接）而非能创造价值。平台的发展达到了精细化的阶段，才需要通过线上行为的监控做转化提升，否则请继续不停尝试。做 B2B 增长，找好产品、尊重其所处阶段，切不可舍本逐末。
今天的分享就到这里，谢谢大家！
关于 GrowingIO
GrowingIO 成立于 2015 年，是业内领先的用户行为数据分析产品。
依托于快速部署的无埋点技术，GrowingIO 独创双模型采集体系，帮助客户实时采集全量用户行为数据，搭建完整的数据监控体系，帮助产品、运营、增长负责人，实时优化产品和运营策略；
GrowingIO 是国内数据驱动增长解决方案服务商的领导者，提供国内领先的“分析产品+增长实施+咨询服务”数据服务体系，帮助企业构建数据运营闭环、落地增长。
点击「阅读原文」，下载PPT并观看视频回放！
↓↓↓