电商问答|可能是促进转化的一种新方式

2017 年 9 月 6 日 人人都是产品经理 十月菌


作者:十月菌

全文共 3580 字,阅读需要 8 分钟


—— BEGIN ——


互动问答类产品近年来备受恩宠——


早期围绕百度搜索的问答产品百度知道,后来的社会化问答网站Quora、知乎、果壳。以及近年来火爆的知识付费产品:分答、值乎等。这些产品通过一问一答或一问多答的方式,将个人的知识,观点,经验传播开来。


精彩的问题会吸引更多的精彩回答,精彩回答者逐渐被大家所熟知,逐渐成为某个圈子的KOL,成为知识网红,并最终将知识变现。


前文所提到的产品,其问题范围大部分是基于生活常识的探讨,基于某个事件的讨论,基于知识的传播和分享,基于信息逆差的变现,极少涉及电商方面。


于是乎,淘宝率先推出商品问答产品-问大家。


据官方透漏的数据:


该产品于2015年10月上线,目前在手淘一级入口,功能包含单品问答、品类问答、问答话题。


截止2016年12月数据情况:


每天提问用户50万,平均每个问题有2个回答,当天回复率60%,10分钟内回复率50%,1分钟内回复率20%;


问答单个话题关注人数28万;问大家相关内容(产品评价、长文评测、问答类),每日访问人数3000万;


淘宝的问答产品盘活了整个交易流,促进了内容电商的发展,紧紧的抓住了电商领域最具潜力值的用户群体,算是给真实的买家的一波红利,能够更容易的挑选出“靠谱”的商品。


SO,我们也有了一个大胆的想法。


去年十月份,团队发布了问答产品,正式切入问答的电商垂直领域,电商问答的话题全部围绕商品展开。


为了得到一些反馈,灰度期间,我们邀请了一些高质量用户去试用并体验产品。


经过一段时间的测试,其效果也是大大超出了我们的预期。


再经过半年时间的产品迭代,其UGC内容日益趋向饱满丰富,不过,仍有很多问题需要去解决。


行为场景和用户角色的多元化


我们开拓商品问答社区目的在于:提升其订单购买转化率,并打造全系列的电商的内容生态。


当然,用户来到商城大多带着这两个目的:买商品或者看看要买什么。不过,自营和POP第三方店铺动辄上亿的商品却给用户造成了巨大的困扰:平台大而全的商品带来的同质化严重,用户难以抉择。


从用户的反馈来看,通过好评率,排序,购买数量筛选出来商品,已不能让其完全的信任。通过用户间基于某种或某个商品的沟通,会使得用户对其有全面真实的了解,将有效提升其购买的决策效率。


在这样的背景下,这群人希望平台对商品衍生的内容,可以更全面的概括,描述商品的全貌,并给他们在购买上一些指导意见——毕竟对于同一件商品,不同人群,有不同需求。


平台上的内容,如评价、购买咨询、客服、社区等已经可以满足一部分用户的购买需求。不过,仍有部分人群对商品的质量、使用体验、心得会更加的在意。


所以,如果平台有一个对商品提出问题,然后让一群购买过的人帮自己回答,岂不乐哉?


此举,不但能够帮助到目标人群,二来还能增加用户粘性,筛选优质,淘汰劣质商品,提高商品的购买转化。


从产品形态,可以看出,问答式产品主要分为几个角色:提问者、回答者、内容审核者以及吃瓜群众:



  • 提问者:要买某个商品,关注某个商品,关注某个品类,具有购买意向,但是仍处于犹豫中的用户。这类人是问题的贡献者,由于个体需求不一致,其提问的角度也可能不同。

  • 回答者:曾经过买过某件商品的用户,但不是所有已购用户都能回答,仍然会从中精选出100位高质量的用户。筛选机制涉及用户画像,不同商品可能略有不同,此处不过多解释了。

  • 吃瓜群众:同样是要买某个,关注某个商品,关注某个品类,具有购买意向的人。这类用户通过以往的问题或回答就能够了解产品情况,是平台活跃度的贡献者。他们可以通过评论和回答者进行交流,讨论心得。

  • 内容审核者:UGC内容的把控者。掌握产品内容走向,保证健康内容生态的执行者。一般是产品的运营同学负责。


京东问答也属于垂直UGC问答,主题以商品为核心主题,平台提供的答主都为已经购买过商品并经过筛选的优质用户。


如果用户无法通过商品介绍,评价或客服了解更深入的问题,他可以在购买前向已购用户提出疑问。


当然,在这其中也有只看不提问也不回答的人,把他称为是吃瓜群众。


不过,并不是所有问题和回答都能直接发布。


由于各种垃圾的内容反而会影响商品的购买转化,低质量问题发生时系统和人工要进行预警,So,系统或人工会进一步的进行内容审核,也就自然而然的催生了审核者这一角色。


据说今日头条有300+人的审核团队。


好的答案会得到来自提问者或吃瓜群众的打赏——这个产品逻辑,在平台提问或回答的用户,都可以满足自身需求,增加了ugc内容的自生长。


产品形态怎么确定


根据以往的数据显示,商城的订单85%是在移动端,包含APP和微信手Q。


用户大部分时间都是在移动端浏览商品,同时移动端的轻便性和消息的实时性更加优越,所以问答也主要呈现在移动端。


目前,问答的入口主要在商品详情页,需要进行滑屏操作才能露出。商详页入口位于评价的下方,店铺的上方。



同时,在评价的页面也会为问答入口露出,当用户看完评价,如果没有找到想要的答案,则会引导用户去浏览问答。


为了产品内容的丰富度,在对订单评价过后,也会留问答入口;此入口仅部分开放给部分用户,根据用户级别和风控级别,会做相应的校验;为了更多的增加曝光,在“我的京东”也会出现问答状态,一般为曾经向你提问的问题。


微信手Q购物的入口和APP端也比较相似,其主要还是以商详页为主。


商详页有巨大的流量,整个页面承载了商品的全部信息,页面结构如何构思,如何合理的展示内容对商品的转化率具有重要的影响。


第一屏主要为商品的基本信息,接下来就是用户的反馈信息,评价和问答——当然,评价深耕多年,在内容质量上更有优秀,所以在第二屏给予足够的页面空间展示评价信息,然后才会展示问答入口。


这和淘宝是完全相反的做法,淘宝的评价内容质量差,刷评价过于严重,所以问答更优于评价(下图左京东,右淘宝)。



如何保证内容的质量


为什么消费者更加信任问答而非评价呢?其中很大部分原因是由于问答更加精准的邀请制回答策略。


众所周知,某宝的刷单刷评价的行为已经成为了一个暴利产业,某些商品动辄上万销量和评价,无一差评,这未免很难让人信服。


不过问答产品,在一定程度上解决了这个问题:


1. 人群精准筛选


首先定位在一段时间内,购买过这款商品的用户的pin包(用户账号),然后拆解pin包内容,对账号的人群进行标签化,并去除用户等级较低的一类人群,一般来说会去掉注册用户(没有手机号,系统生成的马甲号等),或者是被风控账号。


例如一些经常货到付款然后拒收多次的恶性用户,下单购买并多次拒收的,恶性退换货多次的用户等。


当然,并不是筛出全部用户,3C类的产品或快消类产品的已购用户可能达到几百万呢~


那么接下来,会再从这些用户里进行筛选。这里的筛选原则,更多是通过判断用户在京东的ugc生产情况以及内容质量来判断。


例如:评价数据、订单评价率、评价的频率、字数、质量等。


最终的结果是精选出xx个用户,由这些用户来活跃问答社区,给社区提供源源不断的活力。


2. 邀请了没人回答怎么办?


即使人群已经按照上述逻辑圈定,但并不是每个用户都有精力或者兴趣去参与问题的讨论。


一方面,由于用户收到的提问都在APP的消息中心体现,其入口在顶部通栏右上角,消息打开率和提醒效果并不是很理想;


另一方面,站在用户的角度,缺少回答问题的动机,难以形成催发用户回答的内在驱动力。


不过,多数用户乐于分享和解答其他人的疑惑,部分品类的整体回答率(回答率=有回答的提问数/总提问数*100%)还是可以控制在80%以上。


回到问题,如果仍然希望提升回答率该如何做呢?


a. 首先,采用激励手段


与其他用户运营方式比较类似,通过发放一些奖励来刺激用户回答,根据回答的质量官方会回馈用户京豆或者优惠券。


例如,图文并茂的回答会得到更多的京豆,或者官方发放优惠力度更大对应品类的优惠券。


同时,如果吃瓜群众群众提问者也认可你的答案,那么他们可以实时的,通过在优质回答的下方入口,直接点对点的赞赏。


b. 其次,用户身份认可


经常回答问题或者异常活跃的用户,可以在某个品类领取对应勋章。该勋章代表用户在此品类的贡献度,同时也是官方对其身份的肯定。


与业界的微博,今日头条和知乎KOL的用户运营也属同一类型。官方的身份徽章加上用户的肯定,激励更多优质回答者的涌入,形成良好的循环。


c. 最后,不是办法的办法,二次邀请


倘若产品的回答率仍然很低,那就要采取一些极端的手段。先发放一些提问的消息push给用户,监控用户的回答情况。三天后,摘出未回答的用户,再次push。


但也需要保证整体产品的用户体验, 系统不会触达一个月内超过2次以上未点问答消息的用户。


总结


上述总结了在做问答项目电商问答是一款偏社交类的导购类型的产品,已购的用户回复未购用户的疑惑,用户间互相帮助、交流。产品初衷是:希望让消费者通过以购买到商品的用户来客观评价这个商品的一些情况。


大家都知道,评价是产品转化率的第一基础,而问答是对于购买用户多了一个参考方式,更多了一重的购买转化。


俗话说,工欲善其事必先利其器,仍然还有很长的路去打磨这款产品。


上述文章总结了在做问答项目时的思考和思路,希望对大家在做相关产品时,提供一些帮助~


—— END ——


作者:十月菌(微信号公众号:shdwangluobo),京东产品经理,负责过多款互联网产品,主攻智慧营销,内容电商和B2B产品,擅长产品设计,数据分析,喜爱文字,热爱折腾。

本文由@十月菌 原创发布于人人都是产品经理。未经许可,禁止转载


点击“阅读原文”下载APP

登录查看更多
0

相关内容

专知会员服务
123+阅读 · 2020年3月26日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
169+阅读 · 2020年3月10日
【新加坡国立大学】深度学习时代数据库:挑战与机会
专知会员服务
33+阅读 · 2020年3月6日
【阿里技术干货】知识结构化在阿里小蜜中的应用
专知会员服务
96+阅读 · 2019年12月14日
【干货】电商数据中台如何构建?
AliData
11+阅读 · 2019年4月4日
知乎八年,大而不美
新榜
7+阅读 · 2019年1月26日
【推荐系统】深度解析京东个性化推荐系统演进史
产业智能官
23+阅读 · 2017年12月8日
【深度学习】基于深度学习的电商交易欺诈检测系统
基于深度学习的电商交易欺诈检测系统
AI研习社
8+阅读 · 2017年9月26日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
8+阅读 · 2018年3月17日
Arxiv
27+阅读 · 2017年12月6日
VIP会员
相关VIP内容
专知会员服务
123+阅读 · 2020年3月26日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
169+阅读 · 2020年3月10日
【新加坡国立大学】深度学习时代数据库:挑战与机会
专知会员服务
33+阅读 · 2020年3月6日
【阿里技术干货】知识结构化在阿里小蜜中的应用
专知会员服务
96+阅读 · 2019年12月14日
相关论文
Top
微信扫码咨询专知VIP会员