用场景分类为用户打造更有温度的产品(整理)


一.什么是场景

(1)有5个元素:人、地、时、事、情感,一个场景可以由以上5个中的几个元素构成,元素越多用户需求越明确;比如辛苦一天回到家想吃饭好吃的犒劳自己;那么在这个场景我的需求很可能是一顿外卖烧烤,5各元素下对应关系如下:

关于可以取5个中几个元素形成场景,作者举的例子很恰当(再加上情感就更好了,比如第一个场景下满足的情感是愉悦),如下图:

二.基于用户场景进行分类的实例

应用截图

(1)京东等电商类分场景做商品分类——满足闲逛人群需求(有明确购物目的用户直接去搜索了,该类用户不适合场景分类),让用户在工作中送礼、装修等事件,发现更多原本无意购买,但能产生浓烈兴趣的东西,是刺激消费;

(2)美团等OTO类分场景做商品分类——以夜生活或者周末这些场景中的时间元素挖掘用户需求,打破不同品类之间的界限,如在夜生活中可以推荐夜宵、也可推荐KTV酒吧等娱乐场所;

(3)去哪儿等旅游APP的分场景做商品分类——以“青春范儿”这个包含人群和旅游的元素的场景,展现旅游攻略、酒店和团购预定等相关商品;旅游中的需求和场景结合最深,人在本地、异地,在出行前、出行中的需求都有明显的差异。比如在行前,产品常常推荐机票、酒店、旅游路线、特产美食等等,而当你到达目的地酒店后,推荐的常常是酒店附近的美食、景点。

(4)OPPO等应用市场分场景做APP分类——比如基于“把你放在心上的”这个描述,融合场景中感情元素做分类。

三.如何在产品中搭建场景

       当把一件商品融入到一个需求场景中后,用户的兴趣除了对商品本身外,有时也来自这个场景所带来的情感认同。

       不论是来自对商品的,还是对情感、场景方面的认同感,要形成这种认同感首先要建立商品和用户的联系。大多数的产品一般常从五个方面进行切入:

1.人与人

       通过人群属性对商品进行分类是最常见的方法,“大学生开学必备好货”、“情侣周末必逛的好地”等等都是基于人群进行聚合的专题内容。

      在这种场景中可以使用的技巧是符合人群属性的特征,如大学生和低价、老年人和健康、白领和品质等。可以用KOL推荐等打造商品价值;

2.人与地

        围绕地点建立人和商品的联系在旅游APP中最为常见。一些旅游APP中常推出的“旅游锦囊”,就是一种基于“地”进行商品分类的专题内容。比如在出行前,为异地,主要需求是选择目的地、订机票、景点门票、酒店以及找美食;到达目的地之后就是附近景点和美食。

      所以出发前适合用周边游和长途游这样的场景来做分类,提供景点、酒店等商品推荐;在出发后可以推荐本地附近景点和美食等;

3.人与时

       通过时间围绕建立人和商品的关联主要表现为:借势热点、节日等时效性较高的元素激发场景共鸣。之前的情人节例子就属于此类。比如“夏季潮装”、“情人节必去的25个餐厅”等;

4.事与事

       利用上下游关联做场景推荐。我曾经在一家餐厅吃完饭后,服务员赠送了一张附近KTV的优惠券,后来我去到这家KTV,原来他们也会赠送这家餐厅的优惠券。虽然餐厅和KTV在属性上本不属于一个类别,但是在场景上却能串联在一起。

       在一些O2O产品中,会在一个主场景内为用户规划出一些行程路线出来,比如类似“北海公园附近遛娃好去处,吃喝玩乐轻松游”这样。先为用户定好一个基调——遛娃,然后推荐的内容则会是包含了多个垂直品类的内容;

5.营造情感幻象

      利用文案描述提供给用户美好情感的幻象,产品基于该情感做推荐。比如旅游类APP会做“感受自然”分类,营造除干净美好净化心灵的情感幻象,使人心之所向。

四.为什么要做基于场景的分类

(1)提升产品数据表现:包括用户数据(活跃度、留存率、停留时间等)、销售数据(订单量、成交量等);

(2)完成闭环,打造产品价值壁垒:如O2O类如美团APP在“情人节”这样一个场景下,从娱乐项目推荐(外出旅游、看电影)到打车到美食推荐甚至到酒店推荐,完成情侣情人节约会这样场景下的完整闭环,从用户角度来看提高用户效率,根本不用切换软件哦~

(3)促进消费低频和高频等不同种类商品的互相带货:如美团发现中的“出去浪”这个分类下,将消费低频的旅游和消费高频的饮食结合在一起,互相带货·

五.总结

以上总结为如下图:

摘自原文

原文链接:http://api.m.pmcaff.com/article?id=1218827464363136


思考.用户如何将手机内APP分类

大概的分类方式可以分为(同一个认可能按照一个维度来划分,也可能多维度交叉划分):

(1)按照APP功能属性划分,比如地图类、视频类、社交类、电商类、游戏类等;

(2)按照满足自己何种需求划分,比如娱乐类(可以包含视频类、游戏类)、学习类(可以包含得到等学习APP、知乎等知识分享社区)等;

(3)按照图标颜色来分类,一篇碧绿(包括爱奇艺、PMCAFF、微信、美团)、红红火火(掌上生活、头条、小红书);

(4)按照生产厂家来分类:腾讯系(微信、王者荣耀、腾讯新闻)、阿里系(淘宝、支付宝)等;

其中(2)差不多算是按照场景来划分~

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容