Design & Growth @ KKTV - uP!ck Sharing
11 likes1,879 views
文档探讨了KKTV品牌的愿景与成长策略，包括以用户为中心的产品设计和增长黑客技术。通过具体案例分析，强调了内容采购、用户保留及市场营销创新的重要性，以实现长期和短期的业务目标。最后，提出基于用户行为数据推动连续改进和可持续增长的方法。
Design & Growth @ KKTV - uP!ck Sharing
- 1. Design & Growth @ KKTV Sharon Wu & Jason Hou | 20170715 1 文武雙全的產品設計
- 2. 2 Vision: Re-Invent TV Experience
- 3. KKTV 品牌核心 3 即 刻 沈 浸 的 影 劇 體 驗 日常生活中，人們忙著扮演各種角色，偶爾也想卸下重擔，暫時逃離。KKTV 像一 瓶醇酒，旋開瓶蓋即能湧出滿室馥郁，醞釀多時的精彩內容，彈指間即能享受。此 刻，你只需與好劇靜靜相會，自能沉浸於豐富人生。
- 4. 4
- 5. 5
- 6. 6 Jason Hou Senior Growth Designer at KKTV Co., Ltd 一年前，在產品上線前夕加入 KKTV 現在建立了 4 人 Growth Team EE, CS 工程背景，參與 2 間軟體新創公司 歷經募資、成長擴張又裁員的過程
- 7. 7 Sharon Wu Senior Product Designer at KKTV Co., Ltd Dec 2015 - present Dec 2011 - Nov 2015
- 9. 9 KKTV 的成長視野 ● 目標： ○ 長遠：變成人們影視娛樂、跳脫現實的首選 ○ 短期：做到台灣南波萬
- 10. 10 KKTV 的成長視野 ● 現在的市場處境： ○ 內容的採購、製作成本高昂 ○ 用戶「認劇不認台」，難以囊括所有內容 ○ 盜版充斥，付費習慣待養成
- 11. 什麼是 Growth Hacking？ 02 11 KKTV 的成長環節？
- 12. 12 以餐廳比喻 Growth Hacking ● 以用戶為中心，貫穿服務的所有面向，找到成長機會點 ● 通常把服務分成三段：Acquisition, Activation, Retention ● 以餐廳為比喻： Acquisition 點亮招牌、找部落客 在路上發傳單/優惠券 Activation 進門、帶位、點菜 上菜、吃第一口 Retention 好吃再來、留資料、集點 發熟客卷、意見回饋表
- 13. 13 Growth Hacking 千百招 每個事業，都有不同的處境 所以 Growth Hacking 有多種做法 不變的是 — 善用 Behavior Data
- 15. Growth Team 的角色： ● 以 Analytics 串聯各支柱，最大化綜效 15 三大支柱：內容、行銷、產品 KKTV 的成長環節 ● 基於行為數據，建立「可持續」又「可複製」的成長引擎 ○ 服務中的機制 ○ 團隊中的流程 ○ 輔助決策的工具
- 17. 17 內容的挑戰 ● 處境：內容的採購、製作成本高昂 => 短期難以降低成本，又難以大量自製 ● 聚焦問題： ○ 如何衡量每個內容的成效？ ○ 如何極大化每分錢的效益，找到最佳組合？
- 18. 18 內容的案例：建立量尺 - 轉換成本 ● 愛Ｘ藝說：「獨家播送」策略紅利，推助成長 ● Nxxfxxx 說：版權成本高，讓用戶發現經典好劇，CP 值更高 ● Cxxxo TX 說：先拆解元素，猜測多紅，再來出價採購 => Insight：建立有別於收視率的量尺，才能驗證上述假說 ● 各家商業模式不同，量尺不盡相同 ● 基於商業考量，我不能說 (＝ .. ＝)╬
- 19. 19 內容的案例：建立量尺 - 轉換成本 ● 跟大家分享的經驗：參考現有 Metrics，再轉化套用 ○ 分析 App 用戶行為：Retention ○ 衡量廣告成效：Attribution Model ● 跟 Data Scientist, Data Engineer, Licensing 合作 ● Growth Team 特長： ○ 清晰理解成長目標 ○ 橫跨不同情境的指標知識
- 20. ● 處境：認劇不認台，難預料內容大紅 => 難囊括所有內容，又難每次獨家 20 行銷的挑戰 ● 聚焦問題： ○ 什麼內容值得加碼推廣，改變資源配置？ ○ 如何運用有限的內容組合，創造最大聲量、吸引用戶？ => Insight：用戶不是要「片庫上萬」，而是「想看的你都有」
- 21. 21 行銷的案例：唯快不破 - 速偵趨勢 ● 有電視台經驗的同事，會看收視率的「趨勢」 => 月薪嬌妻開盤普通，但持續上升 => Insight：沒有「事實上」都有，但能創造「感覺上」都有 ● 快速偵測趨勢，調控「加減碼炒作」的力度 => Insight：「想看」先是被炒作，接著才是口碑 ● 基於商業考量，我不能說實際作法 (＝ .. ＝)╬
- 22. 22 行銷的案例：唯快不破 - 速偵趨勢 ● 跟大家分享的經驗：發現 Insight，然後想「規模化複製」 ○ 人有快速綜合判斷的能力 ○ 機器可以幫忙大規模掃描 ● 跟 Data Scientist, Data Engineer, Marketing 合作 ● Growth Team 特長： ○ 理解操作面的挑戰 & 需求 ○ 長期觀察用戶行為，累積關鍵知識
- 23. ● 處境：盜版充斥，付費習慣待養成 => 盜版不會完全消失，市場上又有諸多替代方案 23 產品的挑戰 ● 聚焦問題： ○ 如何提供好十倍的體驗？ 如何讓用戶盡快找到/遇到想看的內容？ => Insight：太多了，講不完 ( ￣ c￣)y▂ξ
- 24. 24 ● 雖然介紹了許多案例，但推薦大家 slideshare 投影片： ○ Growth 的基石 用戶行為追蹤 ○ App 的隱形殺手 - 留存率 產品的案例：敏捷實驗 - 反覆「假設」與「驗證」 ● 跟 Product Team 合作 ● Growth Team 特長： ○ 設計最小可行化的實驗 & 行為追蹤 ○ 帶入「假設」和「驗證」的成長思維
- 26. 26 所有的基礎 — 善用 Behavior Data 行為資料，至少有兩種： 和產品設計師共同學習 — 偏向質化：厚資料、小數據 偏向量化：廣資料、大數據 ● 交互運用大小數據、交叉比對厚廣資料 ● 能夠又深又廣的了解用戶，銳化直覺
- 27. 27 廣資料 / 大數據的基礎 — 事件追蹤 Event Tracking 用戶參數 User Properties 事件 Events 事件參數 Events Properties 用戶的智商與三圍，為事件 發生時用戶身份的快照 用戶幹了什麼好事 幹了某件事的「人事時地物」等 周邊資訊
- 28. 28 三種 Behavior Events 類型 核心價值行為 Play Logs 轉換行為 Conversion Logs 路徑行為 Core Path Logs 所有在 Player 裡的行為追蹤 在轉換點的行為追蹤，例：註 冊、付費升級等 在 Player 以外，導航、搜尋 等行為追蹤
- 29. 29 以餐廳比喻 Event Tracking Acquisition 點亮招牌、找部落客 在路上發傳單/優惠券 Activation 進門、帶位、點菜 上菜、吃第一口 Retention 好吃再來、留資料、集點 發熟客卷、意見回饋表 轉換行為 進店門 路徑行為 帶位、入座 路徑行為 看菜單 轉換行為 點菜 核心行為 吃第一口 核心行為 餐桌上聊天 轉換行為 結帳 => 以用戶為中心，設計大數據架構，紀錄用戶旅程
- 31. 31 以成長為主要目標
- 32. 32 案例：播放完畢給推薦
- 33. ● 實驗前觀察 ○ 很多用戶在看完一部劇以後不知道要看什麼，或者有選擇障礙 ○ 以 Android 為例，對全體用戶，播完全劇，隔天回頭播放的比例是 xx.x% ○ 很多 premium 用戶看到全劇結束（超過 xx% 的機會） ○ YouTube 和 Netflix 有類似功能，但是 KKTV 還沒有 ● 假設 ○ 全劇播畢後，在 player 內看到下一部影片的提示，減少用 戶「挑選下一部影片」的煩惱，藉此拉 高 engagement ● 實驗方法 ○ 在 Android 和 iOS 上同時實施 ○ 限制在 Premium 用戶 ○ 分 2 組 ● 觀察指標 ○ 全劇播畢後的 retention rate 33 案例：播放完畢給推薦
- 34. ● 先針對 Premium 用戶追完一部 title 時進行推薦並加入實驗追蹤 ● 隔天或隔兩天再回來播影片的 retention rate ，可以提高 X% 34 案例：播放完畢給推薦 <= 實驗結果在「統計上要顯著」的門檻
- 35. ● 訪談用戶的收穫： ○ 很多用戶不知道我們有 Web 版，知道後相當驚訝 ○ 使用過 Web 版的朋友，認為體驗相當不錯 35 ● 觀察用戶數據的收穫： ○ 在 Mobile 註冊，去 Web 上播放的用戶：比例極低 ○ 少數橫跨 Mobile & Web 播放影片的用戶，有更高的付費轉換率 （將近 10 倍） 案例：「跨平台播放」的實驗 - 觀察 ● 發想：註冊後，發送推播給用戶，提示有網頁版
- 36. ● 指標：註冊後 14 天內「升級」的比例 ● 假設：如果實驗成功，針對收到實驗推播的用戶，我們將可以提高 註冊後 14 天的付費轉換率 36 案例：「跨平台播放」的實驗 - 假設 & 實驗
- 37. ● 有效驗證了假設，但提高的程度不如期待，為什麼？ 37 ● 事前分析用戶行為時，疏忽了： ○ 倒果為因：沒有區分「付費前 vs 付費後」到 Web 播放 ○ 更精準的針對用戶： ■ 「在手機上註冊」的用戶 ■ 當用戶為「試用身份」時，「在 Web」的「播放行為」 案例：「跨平台播放」的實驗 - 學習 ● 有效提高付費轉換率，程度：收到推播 < 打開 < 打開後播放 ● 訪談獲得的 Insight，進一步用實驗，獲得更多經驗
- 38. 38 THANK YOU Jason Hou 侯宗成 [email protected] Sharon Wu 吳姍樺 [email protected]
- 40. 40 註冊前的溝通資訊調整 原始版 情境版 劇照版 ● 假設：以熱門劇或使用情境為背 景圖，較能吸引使用者註冊，提高 註冊率。 ● 觀察指標：Sign-Up Rate 註冊率
- 41. 41 註冊後的溝通資訊調整 原始版 改良版 ● 假設：目前「全版文字」條列 5 項優點，不 夠吸引人 ● 觀察指標：註冊後到成功播放影片的比率
- 42. 42 調整熱門推薦的呈現方式 原始版 改良版 ● 假設：在熱門推薦提供更多影片的文字介 紹，可以輔助用戶了解內容，幫助用戶找 到想看的影片 ● 觀察指標：註冊後到成功播放影片的比率
- 43. 43 若搜尋沒有的劇，新增推薦提示 原始版 改良版 ● 假設： ○ 針對：使用搜尋、尋找我們沒有的劇 的新用戶 ○ 如果我們：提供「沒有這齣劇的 說明 ，而且又提示「相似的劇」 ○ 就可以：減低負面感受，提高這些用 戶留下來的意願 ● 因為： ○ 「找不到想看」引發負面情緒，若提 供補償，可減低負面感，且不比「找 不到」更糟 ○ 用戶「找劇」表示「想看劇」，若此時 給推薦，更容易讓用 戶上鉤 ● 觀察指標：新搜尋用 戶，註冊後播片比率
- 44. 44 突顯離線觀看 原始版 改良版 ● 假設：在影片資訊頁， 更強調離線下載，可 以提高使用率，進一 步提高留存率 ● 觀察指標： ○ 抵達該頁面後， 使用離線影片 的比例 ○ 留存率