风口下的在线教育：如何应对挑战、抓住机遇

作者：肖谦，GrowingIO 商业数据分析师

来源：GrowingIO 增长公开课第 38 期

1.疫情催化下，在线教育行业迎来风口

首先，我们来看三组数字：

• 自 2012 年起，在线教育行业市场规模逐年增加，平均年涨幅超过 20%。

• 今年 2 月份，"在线教育"备受关注，关键词的百度指数持续走高，一度超过"教育"一倍以上。也就是说，在疫情期间，用户需求有了剧烈增长。

• 现阶段，各大教育机构逆势招聘，规模超过五万，且主要集中在教师、技术岗位。

由此我们可以得出一个结论：疫情催化了本身就已在快速增长的在线教育行业，将其提前带至风口。

2.疫情下，用户的时间被重新分配

疫情期间，线下很多场景被切断，用户被隔离在相对封闭的空间里，他们的时间必然会被重新分配，这会对用户带来 3 个方面的影响：

• 加大在兴趣方面的投入。 具体来讲，以前大家会利用碎片时间去发展自己的兴趣爱好，但现在有大把的时间，就可能会全身心地投入其中。

  以之前热度很高的"全民制作凉皮"为例，参与者如果是网民，他的上网场所必然会由其他信息转向食谱，甚至会做一些深度交互，比如线上展示自己的制作过程。

• 一些物品或事件的稀缺性显现出来，产生了新的价值。 口罩就是一个典型例证，它从原来的备用品摇身一变，成为了出门在外的必需品。

  另一个例子是，许多奶茶品牌做起了量贩装奶茶的营销活动，以响应广大的用户需求。以上体现了用户价值认知的改变。

• 生活节奏发生变化，减弱了知识传递吸收的效果。 教育的本质是有效的知识传递，而对于在线教育行业来说，用户的整段学习时间由于这种变化而出现突发性切割和重新划分，学习效果会因此大打折扣。

下面这张图，是我们帮助一家教育机构 通过数据重构用户生命旅程 的具体规划。用户访问后是否注册、注册后是否体验、体验后是否购买、购买后是否上课以及是否复购，对于这些环节，我们可以进行拆分，规划行为路径和需要关注的 KPI 指标。

具体而言，我们是从 2 个视角着手规划出这张脑图的：

1.从用户视角梳理生命旅程

如果用户要完成一门课程的选择和学习，他需要经历以下阶段：

• 首先，多方对比。通过主动搜索、浏览广告 or 文章、三方论坛、咨询朋友等方式进行判断；

• 第二，选型考察。访问意向教育机构的落地页、网站、App、公众号进行了解；

• 第三，初步体验。通过获取的资料包、在线咨询、试课等方式进行尝试；

• 第四，决策购买。发生交易，根据课程质量购课，选择优惠购课，纠结各种购买细节；

• 第五，上课学习。开始定期上课、答题、自测、考试；

• 可能还会有复购。

在整个过程中，每个环节都会有不同的用户需求及其背后的行为，这些行为又代表着一定的导向，即用户希望通过此行为获取想要的信息。

比如在进行多方对比时，他会以成立时间、市场口碑等为标准，考察某个教育机构是否靠谱；进入选型阶段，他会考察老师的专业度和机构的服务流程。

完成用户旅程的梳理之后，我们可以清晰地看到，疫情带来的用户变化在哪一个环节产生了影响。

依次来说：

1. 当用户的上网行为从信息流转向个人兴趣面之后，我们应该及时调整广告投放策略；

2. 当用户的价值认知发生了改变，沿用原来的价值主张或宣传材料做产品说明就会失去吸引力；

3. 当用户的生活作息有所调整，他可能会因为课程的中断而获得残缺不全的课程体验，完整的知识和课程价值也将无法传递给他。

2.从教育机构视角引导用户旅程

针对上图中的用户行为，教育机构需要设定相应的产品目标，GrowingIO 会与机构一起，对战略目标进行拆分，制定相应的具体的策略，再在其中找出可以度量的指标，用数据把目标和策略描述出来，从而搭建一套 UJM+OSM 的数据指标体系。

这套指标体系的落地流程构建完毕后，我们可以把各类业务场景以数据指标的形式重构出来，再基于 GrowingIO 的图标做可视化展示。

图中这些场景一定是与大家自己的业务深度相关的，比如企业高层需要监测核心 KPI，市场部门需要评估拉新和注册转化的效果，产研部门需要关注课程体验以及复购情况。

最终，我们所达到的效果就是： 数据化战略目标体系，数据化用户生命旅程。

总之，面对疫情影响下各种变化所带来的挑战，我们通过数据这种可量化、公正客观的形式重构战略目标体系和用户生命旅程，就能实现风口期间的快速飞行。

一旦用户真正感受到了教育的价值，他对教育机构的忠诚度就会提升，这对交叉复购、老客推荐等大有裨益。

在整套方案中，我们是通过哪些手段实现数据驱动的？又是如何将其融入到企业客户的工作流程之中呢？我将以下面 3 个场景为例作具体说明。

场景 1：拉新效果评估

我们通常会以 ROI 为核心指标，基于此拆分出二级、三级、四级指标，层层量化到相应环节之后再层层递减。这样就能够尽可能地用更细的颗粒度，把渠道差异或优劣展示出来，更加客观立体地评估渠道转化效果。

这样做的投入成本很低。对我们的企业用户来讲，他只需植入最多 3 行代码，再结合 GrowingIO 的分析平台和预置维度，就可以找出 20 个指标，展示 5 个投放场景，最后确定 3 大优化方向，找到最优渠道组合。

由于这个最优渠道组合存在时效性，我们需要进行持续迭代：找出推广策略 - 执行落地 - 做持续的效果评估。这样一来，我们在不同时期就会有不同的渠道组合，以实现获客的最优闭环。

场景 2：打造"黄金一页"

在这里给大家介绍一下打造黄金落地页的 6 个核心要素，可以参考下图，这是我们做此类方案设计的方法论：

场景 3：试课体验追踪

首先，我们会追踪所有上课用户的课程完成情况和学习效果，基于人群的划分对他们进行差异化的引导。

比如在试课环节，某用户认真体验了并且参与了后续的测验、互动，我们就认为他的课堂效果较好，可以引导购课；反之，我们可以召回用户，邀请他重新试听或者用新的课程吸引他。

我们的初衷就是让用户感知课堂价值，推动用户购课，实现首购转化的目的。

在所有的环节中，我们都会帮助客户打造闭环，把整个业务流融入到客户的日常工作中。后续客户就可以基于整套流程，把对应的业务通过数据驱动起来。

疫情期间，在很多行业被迫按下暂停键的时候，在线教育行业按下了快进键。但变化是无时无刻都存在的，如果情况恰恰相反呢，在线教育行业该如何应对挑战？

我们的分析师在帮助客户做驱动方案时沉淀出来的 4 个场景化产品，可以形成一套从投放到转化的完整解决方案。

除在线教育行业之外，诸如传统教育机构如何打通线上线索和线下跟单、线下客户如何导流到线上、产品搜索框内是否存在潜在的学员需求之类的问题，我们都可以通过一个个场景化产品，帮助客户找出遗漏的数据点，从而实现数据驱动。

我们的整个场景化产品是面向全行业的，其中很多场景不仅只适用于教育行业，还可以复用到其他行业。

无论如何，核心都在于把数据驱动深入到整个企业的业务流之中，让企业具备通过数据驱动业务的能力，在顺境和逆境中都能做好增长。

在我看来，数据驱动业务增长是一个可循环迭代、可形成闭环的过程：

• 第一个闭环：有了数据的规划和积累之后，就能规划目标、制定策略，用数据描述用户生命旅程；

• 第二个闭环：将可以批量推广的信息进行规模化、自动化的数据诊断和驱动，带动业务快速高效增长；

• 第三个闭环：根据更多的业务线和维度数据构建多维用户画像，掌握用户的个性和差异，为用户提供贴合他们需求和偏好的服务。

Q1. 获客之后如何提升转化率？

A1. 从用户视角出发，不同的用户会有不同的诉求，对诉求又有不同的紧急程度，因此我们利用象限法把用户划分成四类。第一类是最优选，即有迫切需求的用户，他们会当场完成留资或付费的转化。

另外三类用户没有当场完成转化，则需要我们进行持续沉淀和分层运营。

• 针对有需求但并不迫切的用户，应与他建立相对良好的信任关系。这样一来， 一旦他后续有了需求，就可以第一时间想到我们，完成转化。

• 针对不确定有无需求的用户 ，可以通过价值传递，比如宣传课程价值、教育理念等手段，明确他的需求。

• 而那些完全没需求的用户，自己会随着时间的流逝而消失。

Q2. 在转化率不高的情况下，是继续维护原有渠道还是寻找新的流量？

A2. 这两个路径是可以并行的。用户引进来之后，我们可以用已有的思路对他进行引导、划分；与此同时，拉新也不可忽略，我们可以基于之前各个渠道获得的 ROI 去评估拉新渠道的效果，从而选择最佳的拉新渠道。

关于 ROI，大家可以根据我上述的拆解细节以及用户四象限分法，量化到不同层级的用户上。

Q3. CRM 系统或订单系统中的各种数据之间应该如何关联？

A3. 各种数据之间存在着一个作用于人的核心载体，是可以相互关联的。就像前面所讲的用户生命旅程，我们用数据去量化用户的线上行为。

CRM 系统和订单系统中主要是业务维度的结果数据，我们可以将这个数据反推到用户身上，与用户的行为数据相结合，从而看到更长的用户生命旅程，评估他完整的生命周期价值。

Q4. 如何找到页面转化率低的原因？

A4. 可以从转化的 2 个决定性因素出发寻找原因：用户的意向保持程度；他做这件事的摩擦程度。

页面转化率低，可能是流程繁琐、价值主张不到位导致的。要想提高转化率，我们需要尽可能地保持甚至提高用户意向，减少摩擦。