编辑导读：流量分配是指通过一定的设计策略，将用户的流量合理分配到其他地方，从而达到产品的设计目标，促进流量的最大化利用；本文作者分享了一个网站流量分配策略的分析。让我们一起来看看。
#一、背景介绍
该节日的宣传是基于美国阵亡将士纪念日期间，纪念
国庆节不仅是美国人表达爱国情感的重要节日，也代表着人们夏季的正式开始。夏装需求即将迎来年度高峰。
许多海滩、游乐园、小岛上的夏季渡轮等。将从本周周末开始运营，适合拍照的泳衣和连体裙是本次促销的重点品类；而且，由于连续三个假期，很多美国人去郊区烧烤，去海边游玩或者参观博物馆等。这导致了严重的交通堵塞，并且手机的使用时间比平时更长。
基于目前SHEIN主页Shop版块下流量分配策略的设计，最终目标是增加GMV总成交额，提升当季新品曝光度，吸引新用户首次下单，增加老用户粘性和转化率，提升整体客户单价。
#二。交通分配策略目标
## 1\.什么是流量分布？
流量分配的本质其实是用户需求分发.
，战略产品经理需要找出用户的需求(搜索、分类、个性化推荐等。)，规划能满足用户需求、解决问题的产品，最大化流量价值和用户价值，为业务带来价值。
好的流量分配策略可以减少用户实现目标的时间和精力，让产品准确把握用户的需求流量。
## 2\.为什么是流量分配？
流量分配的最终目的是配合产品策略提升平台收益，因此产品经理需要明确公司的业务定位，平衡用户和平台，最大化利用流量。
1）降低成本与提高收益
高质量的流量分配策略可以提高产品的曝光概率，以最短的路径匹配用户的需求，进而降低流量运营成本，增加利润。推荐策略中有很多评价指标，包括：满意度、准确性、覆盖面、多样性、信任度、实时性等。其中，转型和收入仍然是最重要的指标之一。
从用户出发：
产品经理需要站在用户的角度，让用户快速找到自己感兴趣的产品，让用户快速完成购买，并基于购买进行再次推荐，同时给用户良好的推荐体验。
从平台出发：
如何提升GMV是检验推荐策略的重要指标之一，GMV=流量*转化率*
客户单价。产品经理不仅需要指导平台，还需要思考如何提高转化率，创造更多的单位流量效益和利润。
同时，为了最大化流量利用率，流量分配不是单向的，而是并行和串行的。就像在转换漏斗上打几个孔，然后把很多管子串在一起，让所有的都丢在漏斗里，不断循环。
2）产品战略与业务需求
战略产品经理除了降本增效外，还需要根据产品定位和战略目标，将流量导向目的地，支持目标业务的增长。需要明确平台的商业定位，根据业务重要性从高到低设计策略，将流量从大到小倾倒到相应的业务中，帮助盘活新业务，发现新价值。
除了商品，SHEIN的主页还有品牌、活动、Gals等内容业务。因此，除了GMV，SHEIN的次要目标是推广自己的品牌，提高用户粘性和使用寿命。
# 3.SHEIN是怎么做流量分配的？
流量分配的本质其实是用户分发.
当用户启动APP时，流量分配策略启动，用户没有思考的机会。让用户自然浏览首页，点击产品详情页面，完成购买、下单、付款。
以下五个商品曝光版块，即SHEIN启动页面、搜索栏、Ban
我们在启动SHEIN APP的时候，5秒全屏广告和浮动窗口广告是到达用户的最短路径，流量的分配也是从这里开始的。
导购广告可以根据用户或业务需要放在这里。比如第一次打开APP的用户，可以通过限时新人折扣或首单免费发货的策略，促使新用户完成首单交易，也可以通过当季爆款产品的导购广告直接前往产品详情页。
SHEIN在这里使用的导购广告只有三种，依次是节日促销、夏日新产品、慈善活动(社交裂变游戏)，变化略显单调。建议这里可以穿插根据用户标签推荐算法排名较高的个性化广告。
以下三种数据可以用来分析用户可能的行为(以下三种比例加无效操作为100%):
1.广告点击率：表示用户对内容感兴趣的概率很高。但是，也有可能误点击。如果
广告显示不足1秒，则列为无效点击。如果点击率环比下降较多，可能需审视导购广告内容或提升广告更换频率。2. 广告完播率：说明用户中概率对内容有兴趣，或是尚在阅读时即结束倒数等等。不过也有可能是离开了，若完播后5秒内没有动作，则列为无效完播。如果完播率环比提升较多，需注意启动广告内容之直接性，避免短时间内给予过多信息。同时，需要注意能使完播用户于下一步的首页中找到相同的活动或信息。
3. 广告跳过率：说明用户低概率对内容有兴趣，或是懒得阅读等等。如果跳过率环比提升较多，或是用户直接退出APP了，则须注意是否广告加载不顺、APP启动卡顿。
以上数据反映了流量分发策略于启动页之成果指标。可以将多组广告进行统计比对，逐渐增加点击率较高的广告之曝光率。
## 2\. 搜索栏
搜索功能为有明确查询需求的用户提供了入口。然而，在SHEIN的海量SKU之下，用户往往不清楚某个SKU的名字，所以SHEIN搜索板块的存在的目的应从过去的“人找货”模式，转变为“货找人”。
在搜索这个显性场景中，细化出更多的入口，给流量提供更有效的支持，一步步引导用户踏入你精心策划的入口。
借由以下用户搜索输入Query前与后两个阶段进行推荐：
1）搜索前： 在用户输入Query前，先行推荐并引导用户点击。
底纹推荐词：
SHEIN于首页并没有显示底纹推荐词，而是在点击搜索框之后才出现，不确定是否已做过AB测试评估。此外，笔者推测SHEIN尚未于此加入推荐算法（该账号已购买过商品），底纹推荐词为随机显示活动与类目，若能通过用户的历史偏好预测进而推荐给用户，或许会有更高的点击转化率。
最近搜索、热门搜索以及更多推荐词：
点击搜索栏后，下方显示了最近及热门的搜索关键词，不过并没有出现针对笔者的用户标签及行为日志的个性化推荐词。此外，当前的推荐词仅覆盖了屏幕键盘以上，下方尚有可利用空间，可以尝试将推荐商品列表至于下方，借由AB测试验证其效果。
2）搜索中： 在用户在输入中，智能推荐候选Query，提高用户输入效率，帮助更快找到想要的内容。
预测候选词：
此处候选词列表下方，尚有可利用空间，可以尝试将当前Query搜索（无论是否输入完整）之结果商品，显示于候选词列表下方，同时也要考虑当前技术能否支持实时搜索的运算量。
SHEIN的搜索推荐词除了品类关键词外，还有以Hashtag开头的活动关键词。如果点击推荐词进行搜索的环比下降，可能是因为推荐词库选取不当，用户对推荐词不感兴趣；比如“#SHEINX”在用户的心中，是没有概念的，以此作为推荐词进行搜索的可能性相对较低，有极大的可能使用户错过了一个流量分发入口。
不过，如果SHEIN当前的品牌战略目标为大力推广SHEINX，且SHEINX之曝光率因此而提升，使更多用户了解SHEINX的故事与价值，进而提升了SHEIN的品牌形象，那么亦是一次成功的流量分发策略。
## 3\. Banner
产品在首页规划中，Banner大概率会为承载大部分的流量，不仅可以靠图片吸引用户点击，还能同时宣传活动与促销。
如果Banner点击后落地页的跳出率环比增加，或是落地页停留时长环比降低，可能是商品列表中的折扣力度不符合Banner描述，比如Banner写着UpTo80%Off，点进来后发现只有8%，大多数为25%（此为笔者真实体验）；或是优惠商品不够吸引用户、也可能是用户在第一时间找不到Banner广告上的同款商品，需确认图片上的商品是否总能出现在点击后的列表页。
本次Memorial Day的大促活动是给到了Dresses、Swimwear与Tops，而Swimwear则占据了最中心的位置。
从供给的角度去观察：
由于夏天来临，SHEIN以30-70%的促销，于夏季主打泳装。SHEIN美国站上的Dresses与Swimwear的总数量为三比二，但促销中的数量近乎一比一。Dresses促销比例为1.4%，而Swimwear促销比例为2.0%，可见SHEIN将较多的优惠给到了Swimwear。
从需求的场景去共情：
身为一个女孩子，衣柜里肯定有十套内衣，但泳衣就是那么两三套。一年一度的Facebook、Instagram、好友圈之夏季泳装晒图大赛即刻展开，若还是穿着去年已经过流行的泳装迎击，不免未战先败。
若是被朋友发现每年夏天只有那么两三套泳装，是担心、是恐惧、也是痛点；SHEIN提供了女性用户，在每年夏天，能以不心疼的价格获得当季最流行的泳装款式。
故SHEIN将Swimwear置于APP一打开就能看见的钻石C位，捕捉女性的视线，也捕捉了用户的流量。便宜，是种优势；而便宜在用户痛点上，是极大的商机。
## 4\. 分类宫格
宫格板块承接了品类推荐，有的平台是基于推荐算法进行展示，根据你最近浏览的商品动态变化的。
而SHEIN的品类推荐则是静态的，将用户的购物需求与平台的贩售需求取得平衡后依序排列展示，并非动态排序（比较了三个账号）。
从供给的角度去观察：
由于SHEIN为至今仍是主打女装，连衣裙为SHEIN上商品数最多的品类，共有3.8万件连衣裙（38440件）同时于架上贩售。
从需求的场景去共情：
一件上衣与各种裤子裙子，是乘法关系，能够产生多种搭配；然而一件连衣裙，很难与上衣或裤子裙子再进行搭配，所以风格变化就受限了，故连衣裙其实是一种不好搭配的品类。
平均2件连身裙的价格，能够买2.5件女上衣加1.5件半身裙。花一样的钱，买了2件连衣裙仅能穿出2种风格，而2.5件女上衣与1.5件半身裙却能穿出3.75种搭配。可谓连衣裙的有着变化度不高的问题。
然而，过去女性购买连衣裙的顾虑，在风格丰富的SHEIN上透过低廉的价格，找到了解决方案。
综合供需角度，连衣裙品类对于SHEIN而言，有着重要的战略地位，所以无论在台湾站或是美国站，分类宫格的列表排序第一位都是给了Dresses（第二名则有在地化的差异）。
以上Banner与分类宫格的两个例子，再次表明了流量分发策略不仅仅是为了降低成本、提升收益，也不是一味的推荐算法，更需要从产品战略、业务需求出发。唯有看得更广，才能走得更远。
## 5\. Feed信息流
SHEIN首页之Tab1的最后一个板块Recommend，以及Tab2的第一类目JustForYou均为推荐算法的体现；借由个性化推荐用户感兴趣的品类及商品，帮助用户快速做出购买决策，促成用户转化。
若用户于Recommend板块的点击率环比降低，有可能是对平台的推荐的商品排序不感兴趣，则推荐模型需要进一步优化。
当前SHEIN首页的板块排序为：Banner、分类宫格、SHEIN活动、自有品牌、每日新品、限时促销，最后才是Recommend，可以理解为SHEIN将商品的推荐算法置于Tab1的最后。或许这也是为了因应公司的业务需求，然而以上的板块除Recommend外，都需要两步以上的操作才能进到商品详情页。
对于用户而言，多一步的操作就多一分流失，笔者相信SHEIN是明白这个道理的，有可能是因为SHEIN之个性化推荐商品效果不如品类。
海量SKU加上单个SKU的生命周期不长（每日上新与下架），使得协同过滤算法仅能做到品类级别，无法精准到商品级别，这部分或许需要人工对各个商品之风格等信息进行更精细化的标签标注。
## 6\. Tab导航列
在流量分发策略中无法衡量就无法优化。所有的业务最终都要落到具体的数据去验证和再探索的，策略产品经理有很大一部分精力要投入在这个层面。
除了以上提到的点击率、转化率、曝光率、退出率、跳出率、停留时长以外，页面访问路径也是查看流量去向的关键指标之一。首先对用户打好标签，观察标签用户的整个操作路径，对路径上的反复的操作进行简化能够提高正确商品的触达率和成交率。
例如，当前SHEIN总是默认顶部Tab为WOMEN，假设从页面访问路径发现80%以上的男性用户打开APP后，第一步总是将Tab切换至MEN。那我们或许需要根据用户行为，将男性用户的默认Tab设置为MEN。
其实这里可以做一系列AB测试：如果用户性别为男性，则默认Tab为MEN；或者，如果用户近期有多次购买女装/男装的行为，则Tab默认为WOMEN/MEN；又或者，总是将男性用户的Tab设为WOMEN，不直观的操作反而使用男性逛女装的时间增加，进而提升了转化率？这些都是值得去做AB测试的地方。
最后，策略产品经理需以目标为导向，以数据为依归，合理假设且小心求证，借由AB测试实验结果判断流量策略，起到更精准地用户分发。在设计策略的过程及结果当中，不停反思整体的产品特性，是否符合产品定位，是否落地了产品战略，是否扶持了业务需求，并达成最开始制定的策略目标。
作者：James Chen；从波士顿回到上海，正在寻找深圳的机会。
本文由 @James Chen 原创发布于人人都是产品经理，未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协议
