低获客成本如何带来高回报率？看看外网怎么说

                                                                 
                                    来源：三节课（sanjieke01）
本文作者小球，三节课新晋内容实习生一枚。
话不多说，进入今天的主题——移动应用中的 ROI。
一部分人看到这里可能就要放弃这篇文章了，不!给我个机会，让我给你好好解释一下什么是 ROI。
所谓 ROI，也就是投资回报率(Return on Investment)，即一定周期内，广告主通过广告投放收回的价值占广告投入的百分比。一般来说，ROI都会带上周期，如日ROI、月ROI 等，用公式表示即ROI=回收价值/投放成本。
举个例子，比如某电商在 5 月份投放了 100 万的广告费用，获取了价值 200 万的有效订单金额，则ROI为(200/100=)2。
对于我们今天的主角——移动应用开发团队来说，日常少不了抱怨：为啥我们的应用不能赚大钱?这背后的一个原因在于，应用开发团队费尽心思搞出了一款产品，一甩手就扔进了应用市场，指望着它能一跃成为爆款赚大钱，但事实往往并不是这样。
Ty Magnin(Appcues市场部主管)在他的一篇调查研究报告中给出了下面这些数据：

86%的移动用户在首次下载应用后就不会再打开它;

只有2.7%的用户会连续使用应用超过一个月并选择继续使用;

那些下载应用后 7 天没有再次打开的用户，有60%的机率再不会打开它了;

67%的市场人完全不考虑移动ROI。
不难想象，忽略了ROI这样一个重要的衡量指标，再牛的应用也逃不过昙花一现的命运。
为了能让自家应用持续带来回报、满足商业目标，我们就需要不断地测试应用。这样做的目的不仅是为了优化用户体验地图，更是为了最终能找到成本有效的方式去获取更大的收益，也就是我们俗话说的赚大钱。
优化用户体验地图有何用处?在分析这个问题之前，我想先谈谈什么是用户体验地图。
用户体验地图是集合了讲故事和视觉化这两个强大的方法工具，用来帮助团队理解和解决用户需求。用户体验地图最基本的形式，是把一些列用户需求和行为集合在一个时间框架上，然后从用户的角度出发，把用户的思考和情绪填充进时间框架里加以叙述，最后用视觉化的形式表现出来。

(图为超市购物体验地图)
上面简单说了说用户体验地图，那么移动ROI和它有什么关系呢?其实不难理解。
如果我们在谈论提升ROI的时候只关注表格里的各项数据和指标，而不把运营成本和收益作为用户体验的一部分考虑，那和往漏洞的瓶子里装水是一样的概念，再多的运营动作也只是向无底洞里砸钱。
这样说太虚，咱们不妨来算笔账——
假设，我们手里拿着 10 万美金要在Facebook上给我们的APP打广告，目的只有一个：驱动APP下载量。
阶段性的成果是：这一波动作带来了 5 万的下载量，相当于单次安装成本只有(100000/50000=) 2 美元，乍一看是不是特划算?因为根据 2016 年Facebook的广告投放成本数据来说，单次安装成本(CPI)为2. 72 美元，而Facebook官方给出的默认推广费用是 5 美元。
但是如果抛去短期成果，仅以首次广告投放后的 90 天为例，此时用户留存率只有5%，也就是说只有(500000*5%=) 2500 人还在用我们的APP。这时候再去计算有效成本，我们会发现单次安装成本达到了 40 美元。
钱花了，用户却跑了?用户为啥跑了?因为我们的应用留不住人家了嘛。
因此，为了提高获客量和留存率，进而降低用户成本、提升移动ROI，我们可以从三个方面入手，进行多角度的用户体验地图测试。

获客阶段：用户了解并下载应用

促活阶段：用户看到了应用的价值

留存阶段：用户决定长期使用应用
在这篇文章中，我会将重点放在获客阶段，通过丰富的案例和深入的分析谈谈为了提高移动ROI，我们能做些什么?怎么做?以及不同的动作会带来什么结果?
一、获客是赚钱的大前提
不言而喻，获客是赚钱的大前提。但是想获客，就要先花钱做营销，所以咱们不妨再来算一笔账。
这次咱们来说说单次安装成本(CPI)。在总体成本一定的前提下，高广告投放成本与低用户下载量会带来极高的CPI。但如果我们能降低CPI，就会带来更大的整体回报，我们也有可能利用富余的资源从其他渠道获客，从而提高移动ROI。

为了降低CPI，我提出了两个关注的点：

降低广告投放成本

提高获客速率，单位时间内提高用户下载量
以及下面会展开分析的三种测试方法：

找到能带来最大ROI的目标受众

将分割测试应用到广告投放中

尝试更有效的应用推荐策略
二、找到能带来最大ROI的目标受众
举个例子，比如，我们这次真的要在Facebook上投放广告了!
为了更精准地投放广告，除了做足用户调研、绘制用户画像之外，我们借助了Facebook提供的“潜在目标受众”功能，希望能将广告投放至那些还没听说过我的应用、但有极高可能性会成为新用户的受众。
我们可以选择从国家人口1%至10%的人群范围进行广告投放，而在这些人群中平均有1%高度符合我的目标受众描述。也就是说，对于一个 100 万总人口的国家，如果我选择了规模为“1%”的投放范围，那么此次投放我会获得大约(1000000*1%*1%=) 100 个新用户。

以三个不同规模投放范围为测试对象(上图红圈)，我们看到了对应的获客成本：

1%投放规模，获客成本为3. 748 美元

5%投放规模，获客成本为4. 162 美元

10%投放规模，获客成本为6. 364 美元
我们需要关注的是，不同规模的投放范围对应的CPI也是不同的，通过测试，我们要在不同投放人群中找到能带来最大ROI的目标受众。
三、将分割测试应用到广告投放中
所谓分割测试，就是将营销活动中的两个变量以互相对立的方式进行测试分析，并根据分析结果找到最佳的活动策略。通俗一点说，就是试、再试、再再试。
尽管并不是每一次分割测试都会得到有效的改进，有时候我们可能只是在一次测试后得到“新策略效果不如旧策略”的结果，但是这类测试依旧是有用且必要的。
还是以在Facebook的广告投放为例，在做分割测试时我们可以从图片、文案、说服逻辑、元素位置和目标受众等多方面进行。

比如，在上面的两则广告中，除了配图不同外其他元素完全相同，但分割测试的结果却是：两则广告的单个转化成本相差两倍有余。