互金产品的流量分发逻辑！

 

做产品的时候大家都爱说数据驱动，数据驱动的本质是用数据体现流量转化效率，指导提升流量转化效率。

提升效率的命题，是在特定限定条件下寻找最优解。本质上一切流量问题都是广告问题。最后都会绕回到竞价广告。核心就是头部的广告位流量（价值/价格）最贵，长尾流量通过精准分配提高利用效率。今天用来讲流量分配用的例子是一个互金产品，买流量卖流量，是除了广告平台以外，最具有代表性的流量变现类产品。

这个产品的核心是找流量、分配流量、流量转化。

01 找到最合适的流量

找到最合适的流量，才能在一开始就提升流量量级，充分利用流量预算，同时也节约试错时间。

为了找到最合适的流量来源，应该经过以下几个步骤：

【制定目标人群-目标人群属性-寻找渠道类型-比较渠道价值-渠道引流-渠道价值评估】

以最近在知乎疯狂投广告的还呗为例：

• 制定目标人群：（拥有信用卡、消费意愿大于能力）刚毕业工作的年轻人，在大城市的打工者
• 目标人群属性：接触信息丰富、有经济能力
• 寻找渠道类型：内容平台、电商平台、互金平台···
• 比较渠道价值：在各类渠道中询价，找到预估ROI最高的渠道
• 渠道引流：根据渠道特征，制定投放广告方案，如果使用直投H5收集用户手机号码，那可以通过后台实时切换调整，提升转化效率。
• 渠道价值评估：根据各个渠道的用户行为表现，建立渠道价值评估模型，建立渠道清退标准，这个以后有机会再讲，不展开了。

02 流量分配到最有效的入口

流量已经来到了产品，为了充分利用流量，创造最高价值。大部分产品都不限于一种变现方式，譬如互金产品，可能会有记账、信用卡管理、投资、贷款、社区、查征信等功能。这些功能有的是为了提升用户活跃，有的是为了获取用户信息，有的是为了变现。

在这些功能中，可以按照战略/ROI做分配。分层分级导流，提升流量效率。

对于主产品来说，职责如下：

• 保证核心功能的可用
• 收集用户信息对用户分层分级
• 向各个分支功能导流
• 提供运营工具

这里的核心是要提升首次流量分配效率。譬如说，投资小额和投资大额的用户可能并不重合（打比方，实际上并不一定），那不拆分流量，让流量自行流向这两个功能就不够高效。应该在一开始就分析用户类型，将用户分别导入对应的功能。

03 提升最终流量转化

第三步是最终流量转化。

流量转化变现有几个步骤，譬如说在互金产品里流程如下：

用户进入首页-用户进入各个功能区域-用户点击贷款产品-用户输入手机号码注册-用户申请贷款-用户查看贷款进度-用户完成贷款-引导用户到其他产品做二次变现。

这个过程是一个大的漏斗模型，每个步骤都存在转化提升空间。各个步骤之间的转化提升，以后有机会一点点的理出来写吧。

同时，互金产品的流量价格非常昂贵，必须要提升流量转化效率才能cover成本。在引导向各个贷款产品时，若贷款产品是自营，那就需要考虑各个自营产品的ROI（其实也可以看作是机会成本），如果贷款产品非自营，就需要考虑这些甲方产品的出价。这样来看，这种模式就会接近于竞价广告，最好的位置，最多的流量会导入最高价产品。

短期看这样的策略是最优的，但这样会导致平台只能存在2-3家超级甲方（即使保守估计头部产品都会吸收五成以上的流量），再想极端一点，在甲方成本允许的情况下，所有的流量都导入一家甲方是短期最优的。但是这样会导致产品过度依赖少数几家甲方，风险极高。同时无法接触到新的甲方，寻找不到更高价产品。

这样引申出了新的问题：

• 运营位和产品列表之间流量分配
• 各个产品之间如果做科学的流量分配
• ROI与其他因素的协调：如客户等

这些展开又是更大的一篇文章，核心两点：

• 一是交互上做控制，例如适当控制运营位的展现方式，占据屏幕比例等；
• 二是产品机制上做控制。

那么现在假设我们已经解决了以上的问题，新的问题又诞生了。

不同位置吸引的用户，质量是不同的。

个人经验来说，像banner这种运营位引的量是很差的，很多人只是随便点点，这个也可以类推到很多传统运营位。但是产品推荐列表的头部位置是很好的，但推荐列表的尾部又是很差的。

虽然上面我们解决了“量”的分配问题，现在“质”的问题又出现了。

怎么把同质的流量去做合理分配呢？

这就涉及到流量控制了。

• 控时间；
• 控量级；
• 控设备号/手机号/IP···；
• 控场景（展示条件）；
• 控客群。

通过对产品以各种方式进行控量，达到短期内效果最大化的控“质”。达到这种程度，基本上可以满足控质+控量的需求。但还能不能更好一点呢？

这就需要对用户和用户行为做分析。对用户做分析，一是根据自建的用户数据库做比对，二是获取用户行为去做风控分析。不同质量的用户以不同价格销售给不同客户，获取最大收益。

最后

流量控制在产品早期核心是抓大放小，而在后期则是精细化运营。前期要建立体系，大处着手，提升整体数据。后期要小处着眼，揪出异常数据，制定对应策略。

 

作者：张小四儿

来源：产品小怪兽