?

大家好，我是策小編，一年過去，我們好久不見！本期我們?yōu)榇蠹規(guī)硪粋€數(shù)據(jù)分析案例——Airbnb 如何通過用戶體驗預測用戶復購？根據(jù) Airbnb 數(shù)據(jù)科學家 Lisa Qian 的文章改編而來。

如果你是常旅游的同學，一定對這個網(wǎng)站不陌生，那就是?Airbnb?愛彼迎。Airbnb?作為一家民宿短租的平臺，獲得了大量用戶的信任和贊美，成為眾多旅行者的首選。

但是很多人大概不太了解，Airbnb?是一家數(shù)據(jù)驅(qū)動思維非常落地的企業(yè)，他們設立的數(shù)據(jù)科學與分析團隊，致力于通過數(shù)據(jù)解決問題，做出業(yè)務決策。為了讓旅行者在異國他鄉(xiāng)能夠獲得優(yōu)質(zhì)的體驗，Airbnb?在數(shù)據(jù)分析方面煞費苦心。

今天我們談下?NPS（即凈推薦值）的價值，以及如何使用這一指標來預測用戶復購？?

首先總結(jié)?Airbnb?的思路：

1. Airbnb?設立了一個反饋問卷，其中有關于用戶推薦可能性的問題。

2.?將用戶推薦可能性與凈推薦值聯(lián)系起來，進行一系列的多維度數(shù)據(jù)分析。

3.?對用戶樣本真正的復購率和推薦率進行比照。

4.?得出真正基于數(shù)據(jù)的結(jié)論，用戶推薦可能性、凈推薦值與用戶復購率究竟有著怎樣具體的關聯(lián)。

作為一個網(wǎng)站，Airbnb?通過一個簡單的問題來收集用戶反饋，他們問“你有多大可能向你的朋友推薦 Airbnb？”

共有?10?個評級供你選擇，評了?9-10?的人被認為是推薦者，7-8?的人是被動的中庸者，他們對自己的體驗滿意，卻不愿推薦，0-6?的人則是不滿意的客戶。Airbnb?通過推薦者的比例減去批評者的比例，得出一個?-100?到?+100?的數(shù)字，這就是凈推薦值。

凈推薦值可以通過一個更有效率的方法論來確定顧客再次預訂房間的可能性、向朋友推薦的可能性，并防止客戶流失到競品的市場里。

凈推薦值是一個范圍在?-100?到?+100?之間的整數(shù)，推薦可能性分數(shù)則是一個?0?到?10?之間的整數(shù)，Lisa?統(tǒng)計了某個時間段超過六十萬用戶的數(shù)據(jù)，并進行了一系列分析。

首先，他們對用戶進行了多維分析：

• 顧客來源，是自然流量還是營銷活動獲客；

• 旅游目的地，是美國、歐洲還是亞洲；

• 顧客所在地；

• 顧客是否曾經(jīng)預定過?Airbnb?的房子；

• 旅程有多遠；

• 顧客有幾人，是獨身上路還是多人同行；

• 房源的價格是多少；

• 本次租房發(fā)生在什么月份；

• 房間的類型是什么，是整租，包房，還是共用一個房間？

這些不同的維度可以用于評估推薦可能性有多大可能真正預測到用戶的復購。

不過這個方法也有缺陷，比如總有影響用戶忠誠度的因素沒有被獲取到；或者有些用戶的復購周期比較長，隔了三五年才重新預訂民宿；有些用戶并不愿意填寫反饋表，或者選擇性不回答凈推薦值的問題；再有就是推薦可能性指標不能完全作為凈推薦值的替代品……

總體來說，根據(jù)他們的實踐，以數(shù)據(jù)思維來思考凈推薦值的價值，還是幫助工作人員更好地了解到了用戶體驗。

數(shù)據(jù)的統(tǒng)計結(jié)果

提交了反饋的顧客中，三分之二是評了?9-10?分的推薦者，過半的用戶對?Airbnb?評分時滿分，只有百分之二的用戶是評了?0-6?分的批評者。

旅程反饋表的用于評估用戶本次行程的質(zhì)量，而凈推薦值問題則有助于評估顧客的忠誠度。

通過查看用戶推薦可能性分數(shù)的分布式與旅程反饋表總體分數(shù)之間的關系，他們在兩個統(tǒng)計結(jié)果中尋求關聯(lián)性。其中還是發(fā)現(xiàn)了一些差異。例如，一小部分用戶本次旅行體驗很差，評分很低，但其中有?26% 的用戶是?Airbnb?的推薦者，他們依然對下次體驗抱有希望。

如何將用戶推薦可能性分數(shù)與重新預訂率和推薦率關聯(lián)起來呢？

通過數(shù)據(jù)分析，Lisa?看到填寫了推薦問題的顧客，推薦可能性更高，明顯對應更高的重新預訂率和推薦率。

那些給用戶推薦可能性打出?10?分的顧客，明顯比?0-6?分的顧客高出?13%?的復購率，超過?4%?的可能會在未來?12?個月推薦給好友，且復購率與用戶推薦可能性幾乎成線性關系。

這里還有另一個數(shù)據(jù)分析得出的結(jié)論，那些沒有留下反饋評論的顧客，與打?0-6?分的批評者一樣，更加不可能復購和推薦，而提交了反饋表單但沒有回答推薦問題的顧客則與推薦者表現(xiàn)相似。

那么做一個總結(jié)：

填寫了反饋表單，沒有回答推薦問題或回答并愿意推薦給朋友的用戶，更加可能重新預訂?Airbnb?的民宿；

沒有填寫反饋表單，或填寫了表單但是推薦問題評分很低的用戶則基本不會復購和推薦給朋友。

當然，無論是旅行反饋表，還是用戶推薦可能性問題，僅僅是一個數(shù)據(jù)采集方式，得出的結(jié)論也只能提高我們預測用戶?12?個月內(nèi)是否可能復購的能力。

在控制了其他變量后，反饋表的星級評級提升了?Airbnb?預測準確性的?0.1%，再控制反饋表中其他問題的變量，僅僅觀察用戶推薦可能性，則發(fā)現(xiàn)只提升了?0.002%?的準確性，不過這已經(jīng)是數(shù)據(jù)分析不小的勝利。

但是讓用戶對旅程進行反饋，不僅僅服務于內(nèi)部人員的預測，這是平臺提高用戶信任度、企業(yè)聲譽的好方法。所以數(shù)據(jù)采集與分析，其實與業(yè)務是非常相關的。認真對待用戶的每一個需求，才是提高復購率的真正法寶。?

今天的神策?FM?就到這里啦，關于數(shù)據(jù)分析的故事，以后我們會多多分享給你~有什么想了解的也可以微信和我講哦~我們下期再見啦。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結(jié)

以上是生活随笔為你收集整理的神策 FM：Airbnb 如何通过用户体验预测用户复购？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。