随着增量市场逐渐收窄,越来越多的行业进入到存量市场竞争阶段。在这个过程中,企业普遍面临客户增长的放缓以及业务需求的日渐多样化。而随着疫情和经济转型等问题的叠加,更为企业带来了更严峻的挑战。在当前背景下,企业如果想赢得先机,掌握主动,势必要升级旧有的运营思路,引入新的工具。
4月26日,全球最具影响力的独立研究咨询公司之一Forrester受火山引擎委托调查并撰写的《火山引擎 A/B 测试总体经济影响白皮书》(以下简称《白皮书》)正式发布,通过对三家企业的采访,深度了解分析复杂竞争环境下企业面对的挑战。《白皮书》中,Forrester调研了多家使用火山引擎A/B测试的企业,发现这些企业的广告营收和会员运营收益均有明显提升。综合财务分析来看,企业使用A/B测试的ROI(投资回报率)达到126%。
《白皮书》发现,随着愈发激烈的竞争,企业当前面临的挑战主要有以下四点:
首先是决策方式粗放低效。某受访企业CTO表示,一般来说,产品的迭代更新或运营优化策略,需要通过几轮内部头脑风暴和方案评审,主要依靠经验判断,反复试错,不但效率低、成本高,并且目前除此之外,还缺乏科学有效方法来进一步提升决策效率。
其次是广告营收增长乏力。在经历了前期的高速发展后,用户的增长进入平稳发展期,同业竞争进一步加剧,企业往往会采取较为保守的广告业务策略,未大规模增加广告的展现,企业营收持续面临压力。
第三是会员营收难以持续增长。目前,会员运营已经成为很多企业的核心业务模式,基于会员收费模式,可以为用户提供更加优质、更加个性化的服务是保障企业持续成长的关键。然而,受访企业此前仅依靠传统的用户行为分析,缺乏有效方法对多种影响用户行为因素的探究,无法找到提升用户转化的关键驱动因素。
最后是运营成本高、效率低。在产品迭代、发布上线以及数据分析方面,缺乏有效工具提升效率,帮助企业进一步降低运营成本。
Forrester在研究中发现,受访组织普遍表示,需要提供解决方案的技术供应商具有成熟且经过广泛验证的 A/B 测试产品;具备丰富的 A/B 测试方法论和实践经验,可以帮助企业降低应用 A/B 测试的门槛;能够提供在不同场景下的实验设计、执行以及数据分析等功能,以及多场景下积累的分流模型、分析模型等,帮助企业应对复杂的业务需求;并且能够提供完善的服务以及技术支持和相关服务;而且其提供的解决方案,应易于与企业现有以及未来新增的包括数据埋点、报表分析等在内的系统进行集成。
《白皮书》以数据形式,详细列举了某受访APP企业在使用火山引擎A/B测试产品前后的运营效果对比,为全面展现使用火山引擎 A/B 测试产品的影响,Forrester还特别综合考量了受访企业的规模、所处行业、使用规模及场景等关键因素,将其使用体验整合为一个虚拟的复合式组织进行量化呈现。
《白皮书》指出,使用火山引擎A/B产品前,该APP注册用户超过 8000 万,月活用户数超过 900 万。主要营收来自于广告业务、付费会员服务。经历了前几年的用户高速增长,已经进入稳定增长期,用户增长以及营收逐渐面临瓶颈,迫切希望通过有效手段提升营收和降低运营效率。为了更加有效率地提升用户洞察、运营策略的持续优化,XYZ 公司决定在内部引入 A/B测试方法来提升决策的科学性、探索广告及会员营收增长的机会以及提升整体运营效率。
在使用火山引擎A/B产品后,该公司的整体运营效率得到明显提升。其中每年广告利润增加值在经风险调整后,第一年约为36万元,第二年就达到了接近90万元,第三年更是一举超过了150万元。同时,日活用户数也逐年递增,从第一年的30万,增加到第三年的70余万。《白皮书》指出,A/B 测试对该公司利润增加的贡献度,每年都保持在60%左右,效果是十分明显的。
Forrester在《白皮书》的引言中表示,随着经济增长的放缓、人口红利逐渐消退,各行各业面临着不断增长的产业升级压力。金融、互联网、零售等行业发展更是逐渐进入瓶颈期,迫切需要由过去的粗放式运营模式转变到以专注客户体验、不断提升运营效率为核心的精细化运营模式。在这种情况下,A/B测试产品作为实用的运营工具,正在给以上行业企业的运营带来一场新的变革,助力这些企业提升运营效率,利于其更长远的发展。(作者:赵远)
好文章,需要你的鼓励
皮尤研究中心最新分析显示,谷歌搜索结果页面的AI概述功能显著降低了用户对其他网站的点击率。研究发现,没有AI回答的搜索点击率为15%,而有AI概述的搜索点击率降至8%。目前约五分之一的搜索会显示AI概述,问题类搜索中60%会触发AI回答。尽管谷歌声称AI概述不会影响网站流量,但数据表明用户看到AI生成的信息后更容易结束浏览,这可能导致错误信息的传播。
约翰霍普金斯大学研究团队开发了ETTIN模型套件,首次实现了编码器和解码器模型的公平比较。研究发现编码器擅长理解任务,解码器擅长生成任务,跨界训练效果有限。该研究为AI模型选择提供了科学依据,所有资料已开源供学术界使用。
GlobalData研究显示,人工智能驱动的预测性维护正成为电力行业追求高可靠性和成本效益的关键组成部分。该技术结合数据分析、机器学习和实时监控,能够更准确预测设备未来状况,有望降低维护成本30%,提高设备可用性20%。GE Vernova、西门子等公司提供先进解决方案,而数字孪生技术、物联网和边缘计算等新兴技术正进一步提升维护策略的准确性和效率。
博洛尼亚大学团队开发出情感增强的AI系统,通过结合情感分析和文本分类技术,显著提升了新闻文章中主观性表达的识别准确率。该研究覆盖五种语言,在多项国际评测中取得优异成绩,为打击虚假信息和提升媒体素养提供了新工具。