设计商业赋能——以外卖app为例
现阶段外卖活跃用户规模整体趋稳，加上线上获取用户成本的增加，外卖行业从流量红利向数字化红利逐渐偏移，“数字化经营”已然成为竞争的新维度。在这过程中外卖B端营销也逐渐要从“
|
引言： 现阶段外卖活跃用户规模整体趋稳，加上线上获取用户成本的增加，外卖行业从流量红利向数字化红利逐渐偏移，“数字化经营”已然成为竞争的新维度。在这过程中外卖B端营销也逐渐要从“工具化阶段”快速向“信息化阶段——算法引进阶段——智能化阶段”过渡。本文将讲述面对复杂度极高的外卖营销，不同阶段我们从设计的角度都做了哪些体验洞见与创新。
当下的外卖营销范畴聚焦在：同商圈店铺“优惠活动”的竞争维度 来到外卖平台，你最关心的是什么？有没有优惠？吃过没有？好看不好看？好不好吃？不同用户的关注点都是不一样的，但是由于在移动互联网高速发展的上半场竞争中，资本的介入引发了各种补贴竞争，以烧钱补贴的方式培养了一大批用户点外卖的习惯。所以这顿饭是否有活动、是否有优惠，决定了大家是否下单。这就导致了“优惠价值感知力”是外卖用户下单的重要决策因素，所以当下的外卖营销范畴其实就聚焦到了：同商圈店铺“优惠活动”的竞争维度。
商户通过“让利”的方式，以最小的成本获取更多的订单量 从宏观的角度来看，营销是商家通过各种手段（如：让利、品牌塑造、爆品打造、IP带货等），让自己在同商圈商户中脱颖而出，最终获得流量的转化与成交”。但从目前商户视角来看，营销就是通过“让利”的方式，以最小的成本获取更多的订单量，其目的主要就是提升各个阶段的转化效果，如：拉新转化、进店转化、下单转化、复购转化等。
特点1.不同规模和类型的商家，对营销的诉求差异大 外卖行业整体的商家规模和类型差异较大，他们的营销诉求也是不一样的。 以夫妻老婆店为代表的长尾商户，觉得我们的营销太多太专业。但对于成熟的CKA和代运营是有专业的运营人员的，所以更希望灵活的定制符合自己企业经营特征的营销活动。
特点2.从业人员学历普遍偏低，营销出资敏感度高 那么散店为什么觉得门槛高？从我们商户的基础画像可以看出，外卖行业整体的从业人员大部分学历都偏低，外卖是家庭的主要经济来源，承担着养家糊口的重任，而这一行的市场淘汰率又高，不少商户都尚未盈利或处于收支平衡的状态。所以他们认为营销作为经营的非必须项，很多商家都不愿意承担额外的营销成本。
特点3.外卖营销是“专业度、复杂性”都非常高的经营诉求 专家型外卖运营师在做外卖营销的时候，首先会去看整体的经营数据或情况，然后再看当前的营销成本都落在什么地方，明确需要达成什么样的营销目的以及主要针对什么样的顾客，最后再去了解营销工具，选择合适的工具配置营销活动，活动上线后还要分析活动效果。不同的经营阶段，如新店期、成长期、成熟期，所面临的营销目标都是不一样的，商户需要具备的“能力”和面临的“挑战”都是逐步螺旋上升的。 整个的营销流程如此专业复杂，我们看了都头疼，商家怎么能玩的转呢？ 基于以上特点，所引发的问题： 问题1：商家从了解营销工具到配置营销活动环节，效率极低，尤其是前期的营销决策要花大量的时间。 问题2：商家因不能很好地分析经营情况去制定营销策略，最终导致上线后的营销效果质量差。 问题3：我们的营销工具因为要满足正餐、轻餐、茶饮等多业态营销诉求，所以做的过于通用化，最终导致我们的营销工具定制化程度很低，无法很好的匹配不同类型商户的诉求。 以往的商家端营销主要是提供营销工具，所以上述所提到的三个问题愈发严重，我们需要尽快的去解决。在设计侧我们提出了三个策略，分三个阶段逐步去解决： 01.信息化阶段-提升决策效率 通过提升商户的决策效率，解决营销决策难的问题； 02.算法引进阶段-提升营销效果 通过营销结果的预估推演、规则可视化表达，来提升商户营销选品定优惠的能力，最终达到营销质量的提升； 03.数智化阶段-定制化营销 运用智能化手段封装业务逻辑，结合场景化、人格化的表达，做一些定制化的营销工具，辅助商户更好的经营；
以往的商家端营销主要是提供营销工具，所以上述所提到的三个问题愈发严重，我们需要尽快的去解决。在设计侧我们提出了三个策略，分三个阶段逐步去解决： 01.信息化阶段-提升决策效率 通过提升商户的决策效率，解决营销决策难的问题； 02.算法引进阶段-提升营销效果 通过营销结果的预估推演、规则可视化表达，来提升商户营销选品定优惠的能力，最终达到营销质量的提升； 03.数智化阶段-定制化营销 运用智能化手段封装业务逻辑，结合场景化、人格化的表达，做一些定制化的营销工具，辅助商户更好的经营；
01.信息化阶段-提升决策效率 痛点1：营销介绍页数量多，质量参差不齐、商户看不懂、难决策 之前商家从了解营销工具到配置营销活动环节，效率极低，尤其是前期的营销决策要花大量的时间。 这个阶段我们面临的最大挑战是——如何帮商家提升他的决策效率？ 通过线下调研走访和体验链路的梳理发现，营销效率低最主要原因就是自运营决策难，不少商户反馈看不懂我们提供的营销工具。
痛点2：营销介绍页的搭建费时费力 之前平台运营搭建一个看起来还不错的宣导页，至少需要5.5个工作日。
设计目标：需要帮助运营-从“商户”的视角打造可配置的宣导组件 从平台运营的视角来看，介绍页质量差的主要原因就是，每个月要维护的营销/招商活动数量多，运营配置的工作量巨大，同时写介绍页时又缺乏思路，内容很容易就偏平台视角，导致商户看不懂。 设计策略：通过实地走访调研，将线下认知场景转化为线上决策链路 针对这个问题，我们进行了线下实地走访调研，观察优秀的市场经理是如何为让商户报名营销活动的。 BD在拜访商户之前，会做一些售前准备，再去见商户，先要聊商户的需求，问商户最近经营过程中遇到了哪些问题，是不是最近单量不行？复购率低？然后给商家推荐针对性的营销活动，例如：“我们某个活动最近补贴力度很大，渠道流量很多，同商圈的商家用后效果都很好。”商家这个时候商家如果感兴趣可能就会问问题了，比如报名后能不能退出？平台补贴持续多久？我们BD就会帮他一个个解答。最后BD会跟商家说，如果今天报名，还可以再给一些额外的补贴和流量扶持等等。然后商家就很愉快报名了！ 我们把这一套线下的销售流程制定化营销，结构化梳理并映射到线上，进一步推导出”线上决策转化链路“。
设计策略：通过实地走访调研，将线下认知场景转化为线上决策链路 针对这个问题，我们进行了线下实地走访调研，观察优秀的市场经理是如何为让商户报名营销活动的。 BD在拜访商户之前，会做一些售前准备，再去见商户，先要聊商户的需求，问商户最近经营过程中遇到了哪些问题，是不是最近单量不行？复购率低？然后给商家推荐针对性的营销活动，例如：“我们某个活动最近补贴力度很大，渠道流量很多，同商圈的商家用后效果都很好。”商家这个时候商家如果感兴趣可能就会问问题了，比如报名后能不能退出？平台补贴持续多久？我们BD就会帮他一个个解答。最后BD会跟商家说，如果今天报名，还可以再给一些额外的补贴和流量扶持等等。然后商家就很愉快报名了！ 我们把这一套线下的销售流程，结构化梳理并映射到线上，进一步推导出”线上决策转化链路“。
将推导出的线上决策链路与用户的认知决策模型相匹配，最终得出我们的营销宣导决策模型。然后应用这个决策模型，逐一去优化营销核心决策链路的界面表达。
设计方案：基于宣导决策模型，打造宣导页面 宣导框架设计
宣导链路1:感知到活动价值
宣导链路2:激发商户的营销需求
宣导链路3:进一步强化商户的参与意愿
宣导链路4:化解商户参与活动的顾虑
宣导链路5:让商户快速做出行动
从运营工作角度出发，推动运营工作台的宣导模版配置能力
从研发搭建效率角度出发，打造可复用的宣导场景组件，赋能其他业务 有了这一套框架之后，进一步去提炼可复用的宣导组件，横向赋能其它营销工具或商业化售卖业务。
宣导组件模版应用到招商宣导场景 招商宣导页面的优化，这个案例完整应用了前面的设计方法。 左侧是改版之前的状况，这个环节是线上商户流失率最高的一个页面，主要原因就是信息多又复杂，商家看不懂内容。导致页面流失过高。 右侧是优化后的效果。页面的头部强化活动感知通过标题引入告诉商户这个活动是什么？他能获得什么？需要他付出什么？然后页面的下方再依次展示活动的详细介绍、有何好处，如何报名、常见问题。整个的宣导链路的框架更符合商户的决策体验。
宣导组件模版应用到其他商家端业务线，同样适用
使用这套组件与方法框架，极大地提高了生产效率
02.算法引进阶段-提升营销效果 痛点：平台补贴策略的变化，导致营销供给的质量和效果难以保证 以前我们的BD招商，都是线下和商户去沟通上活动，选什么品？给多少补贴？做多大力度活动都有BD指导； 那么现在，我们通过平台线上招商，算法统一去分配补贴，这就需要商户自己去上活动，导致营销供给的质量难以保障；
供给侧营销质量和效果差的原因：商户经验不足，自运营能力弱 比如：商户在做一个活动的时候，因为成本测算麻烦导致出资意愿不强、不知道选什么样的商品做活动（比如做超值换购，是选热销商品、还是低价商品）、同时商户又难以感知到渠道的流量效果。
设计策略：通过算法推荐的可视化表达，提升营销关键节点的商户意愿和配置效果
案例1：成本测算的可视化表达 Before：商家出资意愿不强，缺乏专业判断 对于散店来说，商户对自营销活动本身缺少研究和经验，所以当商户无法计算参与成本与收益，对风险无感知和预判时，他们会对参与活动感到犹豫或抵触。 After：决策动机分层，通过可视化手段提升商户意愿 调研商户的决策动机，以及对商家心理的推敲，最终得出以下成本收益可视化表达策略。
案例2：选品策略的封装表达 Before：操作繁琐(10步操作)，决策难，不可预览 创建活动时，活动规则填写操作项多达10多个，商户设置商品活动时不知道应该设置多大力度的优惠，同时顾客端的展示样式也未做透传，商户反馈有预览诉求。 After：智能推荐活动方案(1步操作)，所见即所得 通过智能化封装商品方案，一键采纳，降低商户操作成本。通过利益点和推荐理由标签，强化商户选品动机，辅助决策。可视化选品组件，设置优惠规则后与C端心智统一。
案例3：渠道效果的预估表达 Before：对活动渠道效果无感，商户出资意愿不强 活动的资源位未透传给商户，商户对活动活动的价值感知不强，导致活动的报名率不高。 After：出资配置项与活动渠道联动，强化渠道价值 设置活动价格时，不同的价格会联动透出不同的渠道资源与量级，提升商户报名活动时的价值体感。
03.数智化阶段-定制化营销 痛点1：平台目前没有办法根据每家商户的不同条件去做定制化推荐 由于餐饮行业的商户特征导致，大量的商户依赖平台代运营一家一户去定制每家店的不同的营销方案，浪费了大量的人力资源，其本质还是平台目前没办法根据每家商户的不同条件去做定制化推荐。
痛点2：在算法技术不完美的智能场景下，需要降低商户的认知门槛，并提升商户对算法的信任感 在行业整体数智化驱动的环境下，我们在不断思考如何帮助商家打破对互联网或技术认知的门槛，用简单有效的方式帮助商家建立数智化能力。但无论是从算法能力、产品能力都在不断地摸索前行过程中，因此体验设计面临的挑战是：在不完美的智能场景下，降低认知门槛&增加信任感。
智能表达设计策略模型 商户是通过认知和情感进行判断决策的，我们可以通过影响商户的认知和情绪进而影响商户的行为。 以场景化策略统一智能场景认知，降低用户的认知门槛，以人格化策略打造智能场景心智载体，与商户建立情感连接，进而提升商户对智能场景算法的信任感。 设计原则1: 通过“场景化”策略降低商户的认知成本 对历届的费力度和体验报告内容进行整理，可以发现商家线上经营主要有以下共性痛点。将这些共性的痛点进行提炼，最终抽象出我们的智能场景。比如：在产品的感知维度、在产品的决策维度
设计原则1: 通过“场景化”策略降低商户的认知成本 对历届的费力度和体验报告内容进行整理，可以发现商家线上经营主要有以下共性痛点。将这些共性的痛点进行提炼，最终抽象出我们的智能场景。比如：在产品的感知维度、在产品的决策维度
设计原则2: 通过“人格化”策略提升商户对算法的信赖感 从角色、性格、能力、环境四个典型人格特征的维度推导出产品人格化设计模型。
基于人格化设计模型的分析推导，打造符合B端智能场景诉求的IP形象，除考虑智能感知外，更注重在表单、导航栏等组件场景的使用足够简洁高效，所以我们对它进行了反复的简化处理，使其更好地适用于表单组件等场景。
设计原则3: 智能载体的人格化情绪定位方法 有了智能人设之后，我们需要通过它来与商户进行情感连接。从场景链路、商户诉求出发，推导出智能人设的情感链路。智能人设通过情感映射、情感升华、情感安抚等手段去影响商户的情绪，进而影响商户的行为。
打造可复用的智能表达组件，赋能其他业务 这是我们不同场景的组件示例图： “智能表达场景”的判断条件 在场景定义上：从商业、技术、产品、设计的角度，提出智能设计表达的判断条件，满足以下判断维度的7个条件，即可定义为智能场景，使用智能设计表达组件。
复杂业务设计的核心：轻松帮助商户迈过业务门槛和产品门槛 Alan Cooper在《About Face 》中描述，根据用户对产品的熟悉程度或对产品所在行业的熟悉程度，将用户分为三类：新手、中间用户和专家。 受Alan Cooper的启发，结合其他专家经验与自我的工作实践，做一些总结与构想。 用户在使用复杂业务的产品中，有两道门槛“业务门槛”和“产品门槛”，复杂业务产品都可以根据这两道门槛可以将用户分为以上四类，并针对性的提供解决方案。
（编辑：威海站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
