Articles

Az Airbnb sikeres ajánlóprogramjának titkai: 11 Takeaways

On szeptember 30, 2021 by admin

Az Airbnb növekedési csapatától találtam egy 50 perces videót, amelyben arról beszélnek, hogyan építették és tervezték meg a Referrals at Airbnb-t az ügyfélszerzési erőfeszítéseik skálázására. Meglepett, hogy sehol nem volt átirat, ezért úgy döntöttem, hogy jegyzetelek.

(MEGJEGYZÉS: Mielőtt folytatnád, ha ajánlóprogramot keresel a vállalkozásod számára, a ReferralCandy 30 napos ingyenes próbaverzióra elérhető.)

Először is, az összefoglaló tanulságaink:

A növekedést a pontosság, a mérőszámok és az újdonságok segítik:

1. Növekedés = Ismertség + konverziók. A növekedés egy olyan csapat számára, mint az Airbnb, az ismertség felgyorsításáról (az emberek ismerjék meg az Airbnb-t) és a konverziók javításáról (az emberek regisztráljanak az Airbnb-re) szól. A legtöbb ember a világon még nem hallott a termékedről, és a legtöbb ember, aki hallott róla, nem használja.
2. A siker mérése egy olyan keretrendszer segítségével történik, amely modellezi az ügyfél útját. Az Airbnb esetében ez a következő: Potential, Acquire, Onboard, Book, Return & Share. (Mérőszámok a videóban.) Ez nagyjából Dave McClure kalóz mérőszámaihoz hasonlít. Az Ön vállalkozásánál valószínűleg más lesz.
3. Az új csatornák értékesek a növekedés szempontjából: Az új csatornák aránytalanul értékesek lehetnek a növekedés szempontjából: Az előadás végén található Q & A-ban Gustav elmagyarázza, hogy a csapata miért döntött úgy, hogy a WhatsAppra, mint akvizíciós csatornára összpontosít. Az átlagember nagyobb valószínűséggel figyel oda egy ajánlóra a WhatsAppon keresztül, mint e-mailen keresztül, azon egyszerű oknál fogva, hogy a postaládájába hirdetéseket és spameket kap, de a WhatsAppon keresztül csak a barátok üzeneteit. Egy új csatorna korai (ízléses!) használata hatalmas versenyelőnyt jelent egy növekedési csapat számára.

Az ajánlások drámaian hatékonyabbak, mint azt az emberek gondolnák:

1. Az ajánlások hatékonyabbak, mint azt az emberek gondolnák. Mielőtt az Ajánlások 2.0-n dolgoztunk, az általános konszenzus az volt, hogy az ajánlások nem igazán számítanak, és nem sok hasznuk van. De amikor megnézték az adatokat, rájöttek, hogy több millió dolláros forgalmat jelentenek.
2. Drámai összetett hatás. Egy ajánlási rendszernek sok különböző része van, és az egyes részek néhány százalékos javítása nagy különbséget eredményezhet. Az Airbnb csapata által leírt legjobb forgatókönyv több mint KILENCSZER olyan hatékony, mint a “jó” forgatókönyv.
3. Az ajánlások egyike azon kevés dolgoknak, amelyek a felhasználói bázison kívüli embereket érintenek. A legtöbb dolog, amit építesz (pl. termékjellemzők) nem érinti a nem-felhasználókat, de az ajánlások igen.
4. Az Airbnb legnagyobb problémája az Ajánlások 1.0-val az volt, hogy nem népszerűsítették eléggé. Tudatosság. A legtöbb felhasználójuk és még a saját alkalmazottaik sem tudtak az ajánlóprogramról.
5. Az ajánlott felhasználók jobban teljesítenek, mint a rendszeresen szerzett felhasználók. Ezek a vegyületek – az általuk ajánlott barátok is nagyobb valószínűséggel ragaszkodnak a termékhez.
6. A hírességek nagyhatalmúak lehetnek: Egy Anthony nevű híresség Kínában az első hónapban egymaga több ezer regisztrációt és több száz foglalást indukált.

A tényleges munkavégzésről:

1. A belső motiváció erős dolog. Jimmy arról beszélt, hogy nem akartak olyan Referrals terméket kiadni, amire nem voltak büszkék, ezért nagyon keményen dolgoztak rajta. Megosztottak néhány vázlatot egy tervezővel, akinek annyira tetszett, hogy csatlakozott a csapatukhoz. Ezután az ő makettjeit kirakták az irodában, ami a csapat többi tagját is lázba hozta.
2. Egy ajánlórendszer kiépítése nagyon kemény munka. Tudni, hogyan kell felállítani egy ajánlóprogramot, nem könnyű. Egy 5 fős csapatnak (sok kölcsönzött segítséggel!) 3 teljes hónapba és 30 000 sornyi kódba került az Airbnb Referrals 2.0 rendszerének elkészítése.

Itt van a teljes 50 perces előadás, jegyzetekkel és a diák képernyőképével együtt:

Referrals at Airbnb: Driving Sustainable & Scalable Growth with Jimmy Tang and Gustaf Alstromer

G: Az ajánlóprogramról fogunk beszélni, amin az elmúlt 6 hónapban dolgoztunk. Az Airbnb-nél a növekedés nyilvánvalóan a felhasználók számának növekedésén alapul. Megpróbálunk minél több embert rávenni, hogy használják az oldalainkat, foglaljanak, házigazdákká váljanak.

Az ajánlások végső soron arról szólnak, hogy még több csodálatos élményt teremtsünk az Airbnb vendégei és házigazdái számára.

<Gustav elmesél egy történetet Mortról és Julie-ról, a Carmel Valley-i Airbnb-házigazdákról, akikkel nagyszerű tapasztalatokat szerzett, még mielőtt elkezdett volna az Airbnb-nél dolgozni>

Az Airbnb növekedési csapata

Egy pár különböző csapat dolgozik a növekedésen. Tervezők, termékmenedzserek, adattudósok. Több tucat ember, attól függően, hogy hogyan számolod.

A csapat olyan termékekért és funkciókért felel, amelyek több embert késztetnek arra, hogy vendégek és házigazdák legyenek.

Mi az a két dolog, amit a növekedés valójában csinál?

1. Gyorsítja az ismertséget. A legtöbb ember a világon még nem hallott az Airbnb-ről. És azoknak, akik hallottak róla, csak egy kisebbsége használja.
2. Hajtja a konverziót. Azon dolgozunk, hogy az emberek nagyobb arányban váljanak felhasználóvá, vendéggé, vendéglátóvá.”

Miért fontos, hogy egy vállalat a növekedésen dolgozzon?

Ez versenyelőnyt biztosít. Ha nem dolgozol a növekedésen, valaki más megteszi, és le fog győzni téged.

Az Airbnb felhasználószerzési tölcsér:

A legtöbb Airbnb felhasználó még nem regisztrált. Jelenleg nem használják a terméket.

Ezt le tudjuk bontani egy tölcsérre vagy egy keretrendszerre, hogy hogyan gondolkodjunk ezekről a felhasználókról.

1. Potenciál: Utazás az országhatárokat átlépve
2. Megszerzés: Legalább 1 oldal megtekintése az Airbnb oldalán
3. Beszállás: Airbnb keresés be- és kijelentkezési dátumokkal
4. Foglalás: Utazás lefoglalása az Airbnb-n
5. Visszatérés & Megosztás: értelmes offline élményt szereznek

Az emberek világszerte, hogyan jutnak el a potenciális felhasználóktól, akik csak hallottak rólunk, odáig, hogy megszerezzenek, beszálljanak, foglaljanak, visszatérjenek és elmeséljék a világnak a történetüket?

A beszálláshoz például olyan embereket keresünk, akik dátumokkal keresnek. Ez a szándék jele. Acquire- regisztráció, felhasználókká válnak.

Növekedési csapat filozófiája:

1. A felhasználóink jobban elmondják a történetet, mint mi. A legtöbb ember a világon egy barátjától hallott rólunk. A szájpropaganda a termékünk legerősebb hajtóereje. Miért olyan fontos ez? Az Airbnb koncepciója sok ember számára új és idegen. Sok kérdés merül fel. Ha azt mondod, hogy “Ó, valakinek a lakásában fogok megszállni”, az emberek elkezdenek kérdéseket feltenni a biztonságról, a bizalomról. Fontos, hogy valaki tudjon válaszolni ezekre a kérdésekre, valaki, aki már használta az Airbnb-t.
2. Soha nem kötünk kompromisszumot a felhasználói élmény terén. Nem kell választani az UX és a növekedés között.
3. Nincsenek trükkök.

Milyennek tűnik most az Airbnb növekedése?

Gyorsuló, halmozódó növekedésünk van.

Az Airbnb esetében, mivel a szájpropaganda vezérli, az elfogadási görbe idővel egyre jobbnak tűnik az abszolút számok tekintetében.

Ha nem teszünk semmit, valószínűleg még mindig növekszik – növekedési csapatként azért vagyunk itt, hogy ezt meredekebbé és gyorsabbá tegyük.

Az ajánlások egyike azoknak a dolgoknak, amelyek a felhasználói bázison kívülre is elérnek.

A nem-felhasználókat kevés funkció érinti. A legtöbb dolog, amit építesz, nem érinti a nem felhasználókat. Célja, hogy a saját felhasználóid számára jobbá tegye az élményt.

Min kellene dolgoznod, hogy nagyobb ismertséget érj el? Gondolj végig minden olyan dolgot, amin dolgozol, ami a nem felhasználókat érinti, és gondold végig, hogy ezek közül melyek a legnagyobb volumenűek?

Referrals 1.0, 2011-ben indult.

De szerencsére megvolt az összes adat, és kiderült, hogy tényleg nagyon-nagyon pozitív hatása volt – több millió dollárnyi bevétel.

A legnagyobb probléma az Ajánlások 1.0-val.0 az volt, hogy nem volt népszerűsítve.

A legtöbb ember az oldalon és még az Airbnb alkalmazottai sem hallottak róla.

Nem akartunk olyasmit népszerűsíteni, amire nem voltunk büszkék, ezért úgy döntöttünk, hogy mielőtt ezt megtesszük, egyszerűen csak egy jobb verziót akarunk készíteni a Referralsból.

A Referrals 2.0 készítésekor tanulhattunk a Referrals 1.0 tapasztalataiból. Rendelkeztünk adatokkal, egy keretrendszerrel/karokkal.

Min kellene dolgoznunk, hogy jobbá tegyük az új ajánlásokat?

Egy előrejelzés felhasználása az ajánlásokról való gondolkodáshoz:

Előrejelzés, keretrendszer. Prioritás – min kellene dolgoznunk? Melyek a legfontosabbak az összetett növekedés előmozdítása szempontjából? – Jó esetben, jobb esetben, legjobb esetben. Meghívottak meghívónként (barátok szószólónként). Referral conversion rate thinking.

Drámai összetett hatás

Ha mindezeket a dolgokat összeadjuk, drámai különbség van a végeredményben – a jobb eset 20x jobb, mint a jó eset, a legjobb 90x jobb, mint a jó.

És nem mintha lehetetlen lenne 1%-ról 10%-ra emelni a havi aktív felhasználóidat, vagy 15%-ról 45%-ra a konverziókat. A lehetőségek szempontjából ezek a dolgok valóban lehetségesek.

^Nem tudom megnevezni ezeket a cégeket. Ezek olyan cégek, amelyekről már biztosan hallottál. Az Airbnb-nek sokkal kisebb a részesedése. Úgy néz ki, hogy nem állunk olyan jól. Ezek némelyike csak mobilon működő cég.

1. kérdés:

Minden trend azt mondta, hogy a mobil gyorsan növekszik

A döntések meghozatalakor a növekedési csapat 3 főből állt. Gustav, Amy és én. Termékmenedzser, 2 webmérnök.

Egyértelmű volt, hogy a webet választjuk először, de minden trend azt mondta, hogy a mobil gyorsan növekszik, az e-mailjeink 50%-át már mobilon nyitották meg. Nagyobb megtérülést értünk volna el, mivel már van webes verziónk, de a mobil a jövő útja.

A mobilos alapcsapat le volt kötve az újraindítással

Mivel a mobilos újraindítás hamarosan megtörténik, az egész mobilos alapcsapat erre koncentrált, nem tudtunk senkit sem alkalmazni. Így Amy és Jimmy elmentek egy egyhetes offsite mobilfejlesztési képzésre a Big Nerd Ranch-ra (ők írták a könyvet az Android/iOS programozásról), és egy időre beágyazódtak a mobilcsapatba.

Ez nagyon jó hatással volt az egész csapatra – segítettünk nekik eloszlatni néhány hibát, most már vannak barátaik a weboldalon, win-win.

A referral flow kidolgozása

Amy volt a növekedési csapat legkorábbi tagja. Összegyűjtöttük a tudásunkat, és előálltunk ezekkel a vázlatokkal, hogy hogyan akartuk, hogy az emberek használják az ajánlási termékünket.

1. Felfedeztük, hogy van egy ajánlási termék
2. Magyarázzuk el, hogy mit fognak kapni tőle, és mire való
3. Az emberek kiválasztása, meghívása, nyomon követése

Vittük a tervezőcsapatnak, megkérdeztük, mit gondolnak. imádták. Szereztünk egy főállású tervezőt, aki csatlakozott hozzánk, és szétrúgta a seggünket.

Ezek a mockupok annyira izgatottak voltak, hogy az egész irodában kiraktuk őket. Ez sokkal nagyobb figyelmet keltett bennünk, és az embereket izgatottá tette, hogy mit építünk. Jason épp akkor fejezett be egy nagy backend-projektet, és valami hatalmasat akart dolgozni, és csatlakozni akart hozzánk.

5 ember volt a csapatban. 1 termékmenedzser, 1 tervező, 3 mérnök. Kickass csapat, majdnem olyan, mint egy startup.

Annyira szenvedélyesek voltunk, és imádtuk, amit csináltunk, hogy saját helyet akartunk, hogy élni és lélegezni tudjunk a referrals programmal, miközben építjük azt.

Szerencsére tudtunk egy módot, hogy kapjunk egy kis helyet magunknak. Találtunk egy helyet, lefoglaltuk, és csináltunk egy egyhetes offsite-ot, ahol mindannyian együtt dolgoztunk. Egy nagyszerű kötődési élmény mindannyiunknak volt egy csomó móka. Nagyon szilárd alapot teremtettünk ahhoz, hogy mit akarunk a jövőben.

• 5 fő teljes munkaidőben, sokat kölcsönzött segítséggel
• 3 hónap
• 30k sornyi kód
• Növekedés lett a legnagyobb külsős közreműködő a mobil alkalmazásokhoz
• Egy további mérnököt sikerült felvennünk a webfejlesztéshez

Január 22-én indult a web, iOS és Android egyszerre.

Hogyan működik valójában az Airbnb Referrals 2.0

1. Belépsz, importálod a kontaktjaidat a Gmailből.
2. A rendszer ajánl neked néhány embert a kontaktjaid közül, akik szerintünk érdekelhetnek/relevánsak lehetnek.
3. Küldj nekik egy e-mailt.
4. Visszamehetsz és további e-maileket küldhetsz, ha szeretnél.

Ez egyedi (ajánlott e-mailek). Semmilyen más szolgáltatásból nem láttunk ajánlott kontaktokat a Gmailen.

Ezért- kontextus API, email API, megkeresni, hogy ki lehet releváns. Ehhez kicsit több engedélyt kellett kérnünk, mint amihez a legtöbb ember hozzászokott.

Ez tehát sok bizalmat igényel, az ezeket az engedélyeket elfogadó emberek száma csökkent- de végső soron nőtt az ajánlott emberek száma és a meghívások relevanciája számukra. Szóval a zsűri még nem döntött. De mindenképpen szórakoztató kísérlet számunkra, hogy lefuttassuk.

Egy tényleges meghívó fogadása ajánló e-mailben

Ez a pontos sablon, amit valójában kapsz:

1. Veszünk egy képet az ajánlóról, és pontosan a közepébe tesszük. Szociális bizonyíték + bizalom.
2. Teljesen mobilra optimalizált.

Meleg és üdvözlő oldal -> ki hívott meg, és az Airbnb értékrendje. Nagyszerű 1. UX, és ez az oldal elképesztő konverziós arányt mutat.

Egy tényleges meghívó fogadása e-mailben… mobilon

Nagyon hasonló a webes élményhez.

1. Nagy felhívás a cselekvésre:
2. Kapcsolatfelvételi képernyő: Big learning is you gotta make this thing super snappy.

Dependent on how popular you are, you might get a bit of delay- when you build this, page them, get them in batches. Lesznek duplikátumok az iOS-ben, úgyhogy de-duplikáld őket. Integráció a nagy közösségi hálózatokkal – WhatsApp, we chat, Sina Weibo.

Android- nagyon hasonló- további funkciók az ajánlott kapcsolatokhoz. (Contacts API androidon- leggyakrabban keresett emberek- a kontaktok elejére kerülnek.)

1. Kódmező beépítése a regisztrációs folyamba
2. Legyen egy általános kupon mező a regisztráción kívül

Email, jelszó, kupon mező… Megyek a netre és megkeresem, megtörték a folyamot, kimentek, lehet, hogy nem jönnek vissza. Nem nagy dolog a kupon mezőt a feliratkozási mezőbe tenni, ha tudsz segíteni.

A weben, külön landing page- a nagy kép a barátodról.

Nem zavarja a normál flow-t. Mobilon nem tudjuk ezt megtenni- az iTunes nem ad át semmilyen infót az app store-ból. Fogalmad sincs, honnan jött ez a személy. Mindössze annyit tehetsz, hogy megmutatod az általános áramlást.

Yozio ujjlenyomatot készít a készülékedről, átirányít az alkalmazásboltba- 2. ujjlenyomat. Kapcsolatot teremtett a linkre kattintás és az alkalmazás megnyitása között.

25 dollár a barátodtól, Tanyától. Személyre szabott tapasztalt meghívó egy barátjától az Airbnb-re. Nagyszerű élmény mindenkinek, aki átesett rajta.

Caveats- A Yozio pontossága nem 100%-os, ezért egy másik módot is beépítettünk az Ajánló kód bevitelére a beállítások menüből – a regisztrációt követő 30 napon belül még mindig megteheti.

Az Airbnb Referrals 2.0 jogi megfontolásai

Az ajánlások jogilag promóciósnak számítanak, és ugyanolyan szabályok alá tartoznak, mint a marketing.

• Minden szerver által küldött e-mailben lennie kell egy leiratkozási linknek
• A P2P SMS egy szürke zóna, az USA-ban ellene döntöttünk

Az Airbnb ajánlások nyomon követése

Nagyon fontos volt számunkra, hogy minden egyes akciójukat az első naptól kezdve instrumentáljuk, így nyomon követhetjük az eredményeket és tervezhetjük a következő dolgokat.

Impact: Elindult 2014. január végén, 2014-ben több százezer vendégéjszaka az ajánlásokból. 2 rész- vendégoldal, vendéglátók, akik vendégeket foglalnak- ez is számít. Ez csak a vendég oldalt tartalmazza. A vendéglátók oldalán ez még nagyobb hatással van a vállalat bevételeire.

Minél korábbi a piac, annál nagyobb a hatása.

A növekedési csapat Ázsiára összpontosított:

Dél-Koreában az első foglalások 30%-a az ajánlásokból származik. Taktikai eszköz a korai szakaszban lévő piacon, nagyon fontos.

Még a felénél sem tartunk az összes iterációnak – megváltoztatjuk az értéket, amit adunk, finomítjuk az áramlást és a konverziókat, még sok mindent tehetünk. Talán még csak a projekt felénél tartunk.

Az ajánlások 900%-os növekedést eredményeznek az első alkalommal történő foglalások terén

Nézze meg az ajánlások növekedését az első alkalommal történő foglalások forrásaként. Az ajánlások mint program, mint az első alkalommal történő foglalások forrása éves szinten majdnem 900%-os növekedést eredményeznek. Ez nem igaz más csatornákra, amelyek az első alkalommal történő foglalásokért felelősek.

Az ajánlott ügyfelek sokkal jobban teljesítenek, mint az átlagos felhasználók -> összetett hatás.

Ez csak egy olyan program, amely alacsony értékű felhasználókat vonz, és nem teljesít olyan jól? Válasz- Sokkal jobban teljesítenek, mint az átlagos felhasználók.

A legfontosabb szempont, hogy a hivatkozott felhasználók másokat ajánlanak. Az ajánlott felhasználók sokkal több más felhasználót ajánlanak, és ezek sokkal nagyobb valószínűséggel regisztrálnak vendégként és házigazdaként, tehát van egy összetett hatás.

Váratlan szélsőségek: Az ajánló linkeket megosztó hírességek több ezer regisztrációhoz és több száz foglaláshoz vezetnek

Kínában van egy Anthony nevű híresség, akinek 2 millió követője van a Weibo-n, és fotókat és egy ajánlóprogramra mutató linket tett közzé. Több ezer regisztráció, több száz foglalás az első hónapban. A befolyásos emberek hatalmas hatással lehetnek egy ilyen dologra.

Ha nem egy barátomtól hallok az Airbnb-ről, akkor olyan emberektől fogok hallani róla, akikben megbízom. Lehet, hogy egy hírességtől.

Visszatérve az előrejelzéshez – mi a következő lépés?

Az 5 számból 3 esetében elértük a célunkat, a maradék kettőn pedig tovább dolgozunk, mert ezek nagyon fontosak a jobb vagy a legjobb eset eléréséhez. Köszönjük szépen!

Kérdések a közönségtől:

A felhasználók életciklusának melyik pontján kínálja fel nekik a regisztráció lehetőségét? Azonnal? Egy jó tapasztalat után? Mikor a legjobb időpont erre?

A: Nagyszerű kérdés. Sok különböző belépési pontot indítottunk, és minden egyes belépési pontot nyomon követünk egy adott márkával, hogy azt mondhassuk, ez a felhasználó ennyi barátot ajánlott ezen a belépési ponton.

Egyes belépési pontok meghatározott felhasználóknál jelennek meg – nem minden pont jelenik meg minden felhasználónál. Azok az emberek, akik csak feliratkoztak, keresést végeztek és visszajöttek.

A feliratkozás nem a legjobban teljesítő pont volt. Jól, de nem a legjobban. A lehetőség, hogy meghívjuk az embereket- vendégeket, házigazdákat, felhasználókat… minden. Egy olyan szolgáltatásnál, mint az Airbnb, ahol a felhasználókból felhasználókká váló felhasználók -> felhasználók, vendéglátók – ciklusideje elég alacsony.

Végeztek bármilyen elemzést arról, hogy hány felhasználóból lett volna felhasználó az ajánlóprogram nélkül? Átfedés / kannibalizáció?

A: Az egyik lehetőség a minőség/viselkedés vizsgálata. Elég nehéz megállapítani, hogy ez egy kannibalizált felhasználó, ez pedig nem. Mi csak 25 dollárt adunk el felhasználónként, így ez nem egy hatalmas költség számunkra. Ha az emberek 6 hónappal korábban regisztrálnak, mint ahogyan egyébként tennék, az már megéri nekünk. Ha 1 perccel korábban, akkor valószínűleg nem éri meg.

Vannak tesztek, amelyeket lefuttathatsz, és mi is ezt tesszük, de megnézheted a tényleges felhasználói viselkedést is – milyen hamar történik a foglalás a regisztráció után? Elképzelhető, hogy egy ajánlott felhasználó rögtön a regisztráció után foglalna.

K: Vannak rossz tapasztalatok? Hogyan kezelte őket? Stresszpontok?

A: Zavar – az emberek meghívókat kapnak, és nem tudják, miről szól az Airbnb. Itt azt feltételeztük, hogy a logót+képet látva elég világos valakinek, hogy miről szól ez az oldal, de azt láttuk, hogy sokan egyáltalán nem értik ezt – megkérdezik a barátaikat, hogy mi ez, stb.

Az emberek értékelik az e-maileket. ’25 dollárt kaptam a barátaimnak.’ Ezt tényleg nagyra értékelik.

Hogyan kezeljük ezeket a dolgokat? Az e-mail esetében most sokkal egyértelműbben próbáljuk elmagyarázni, hogy pontosan mit csinál a szolgáltatás, a konverziós tölcsér minden egyes pontján.

K: Nagyon konkrét célok különböző számokkal – hogyan jöttek létre ezek a számok/tartományok?

A: Ezek a számok nem helyesek, a mieink kevésbé tágak, sokkal konkrétabbak. Ezek a meglévő ajánlóprogramunkból származnak, amivel rendelkeztünk. Minden egyes bithez volt egy százalékos arányunk. Tehát voltak dolgok, amelyekhez lehorgonyozhattunk. Megnéztünk néhány benchmarkot is – kimentünk és beszéltünk egy csomó olyan céggel, akik hasonló rendszereket építettek korábban.

Nem akarsz feltétlenül 100 meghívottat elérni meghívónként átlagosan, az már spammelésnek tűnhet. Akkor minden hónapban ellenőrizzük.

Mobilos növekedés – Whatsapp. Feltételezem, hogy nem mutattad meg az összes lehetőséget az összes különböző országban?

A: Az iOS segítségével ellenőrizheted, hogy telepítve van-e az alkalmazás. Can-open-URL API(?) Deep link? Valami olyasmi, amivel ellenőrizni lehet, hogy van-e náluk az app. Nem igazán elemeztük még ennyire.

Whatsapp konverzió a Yozio-n keresztül. WeChatet és Weibót csináltunk, mert Ázsiára összpontosítottunk. Általánosságban a növekedésben, ha van egy új csatorna, különösen, ha nagy, és különösen, ha mások nem használták ki – a WhatsAppban a legtöbb a kommunikáció – nagyon kevés növekedési mérnöki munka van ezen a csatornán.

Ha előre meg tudnánk írni egy ajánló üzenetet, és az emberek elküldenék ezt az üzenetet a barátaiknak a WhatsAppon, az emberek sokkal jobban törődnének ezzel az üzenettel, mint az e-maillel. Ez volt a WhatsApp motivációja.

K: A webes ajánlóprogrammal kapcsolatban kísérleteztek a natív e-mail kliensek és a webes e-mail kliensek használatával? Az e-mailek a felhasználó e-mailjéről érkeznek vs. szerverekről.

A: A szerveres megközelítés mellett döntöttünk, mert könnyebb nyomon követni + könnyebb kezelni a leiratkozást is (jogi kérdések).

K: Meg tudod osztani a legfőbb változatokat, amelyek kudarcot vallottak? Ellenkező értelmű felismerések, amelyeket a tesztelés során szereztetek?

A: Azon gondolkodtunk, hogyan népszerűsítsük az ajánlást, hogy minél több ember küldjön meghívót? Hatalmas banner a honlapon! Ez egyáltalán nem működött, mert ez nem egy természetes folyamat, amin a felhasználók átmennek.

A legtöbb felhasználó nem a kezdőlapra megy. Lehet, hogy a postaládába, a műszerfalra, a foglalási folyamatra mennek. A főoldal nem egy szuper ragadós oldal, amin az emberek átmennek. Ez hiba volt, de jó volt megtanulni. A promóció értékelésének módja – mi a benyomásszám, a benyomás alapján cselekvő emberek -, ha a legtöbb ember nem cselekszik, akkor valószínűleg nem jó hely a promóció elhelyezésére.

A jobb hely a foglalás után, az értékelés után, esetleg az akció (?) menüpontokban. Olyan helyet találni az áramlásban + kiszámítható hely, ahova az emberek vissza tudnak menni (másodszor is meg akarom csinálni anélkül, hogy újra végigmennék az áramláson). Csináltunk egy csomó kísérletet a meghívások motivációira – meghívás, hitelnyújtás, hitelszerzés. Nem ástunk elég mélyre ahhoz, hogy egyértelmű adatokat kapjunk.

K: Milyen gyakran keresik meg a felhasználókat, hogy rávegyék őket az ajánlásokra? Az összes felhasználót vagy bizonyos részcsoportokat (ideálisabb jelöltek)

A: Elemzést végeztünk a meghívókat küldő felhasználókról. Egyes felhasználói szegmensek valószínűbbek, de a teljes felhasználói bázist tekintve- nincs értelme egyes szegmensekre összpontosítani. Ha egy szegmens kétszer olyan valószínű, de csak 1/5-e…

Belépési pontok- van módunk arra, hogy ezeken a belépési pontokon értéket adjunk, gondolunk a ciklusidőre- milyen gyakran történnek ezek (?) ezeknél a felhasználóknál? Néhány belépési pont soha nem történik meg. Ha megkérjük az embereket, hogy csak a foglalás befejezése után ajánljanak, a legtöbb ember lehet, hogy nem fog ajánlani, mert még nem tettek foglalást. Ha korábban kéri, akkor lehet, hogy több, de kevesebb konverziót kap…

K: Különböző előrejelzést használ a webre és a mobilra?

A: Egyelőre ugyanaz az előrejelzés. Különböző konverziós arányok a mobilon és a weben, aminek van értelme, mert bár megpróbáljuk a mobilon a lehető legegyszerűbbé tenni, még mindig több lépés a mobilon – néhány extra koppintás+kattintás. Web alapvetően 1 lépés a feliratkozástól. Tehát a webes konverzió valamivel jobb. De ez nem jelenti azt, hogy figyelmen kívül hagyhatjuk a mobilt – az e-mailek fele mobilon nyílik meg, és minden egyes mérőszámon növekszik.

A mobilon lévők nagyobb valószínűséggel hívnak meg a címjegyzékből, a súrlódás alacsonyabb. Az iOS valamivel alacsonyabb – nincs címjegyzék (az Androidon van címjegyzék).

Nagyobb forgalom jön mobilról, többet javasolunk mobilról.

K: Hogyan jöttek rá a $25, $75 a házigazdának?

A: Mindkettőnket megelőzött, az első ajánlóprogramból. Szép szám.

A vendég nem mindenhol a világon ugyanannyit ér, a vendéglátó nem mindenhol a világon ugyanannyit ér, de ha nem ezt csinálod – Japán, USA, valami… bizonyos kompromisszumokat meg kell kötni. Sokan járnak ezekre a kuponos oldalakra, és sok ilyen kódot találnak – nem szeretném látni (?). Keményen gondolkodunk azon, hogy megakadályozzuk, hogy kódok kerüljenek a kuponoldalakra (?).

Köszönjük mindenkinek!

(MEGJEGYZÉS: Meggyőződtél arról, hogy az ajánlóprogram neked való? Telepítse a ReferralCandy-t, és még ma kezdjen el extra szájról-szájra történő eladásokat generálni vállalkozása számára!)

Az Airbnb ajánlóprogramjáról szóló bejegyzés tetszett?

A Dropbox és a PayPal ajánlóprogramjairól is szívesen olvas:

ADD_THIS_TEXT