神策 FM：Airbnb 如何通过用户体验预测用户复购？

 

大家好，我是策小编，一年过去，我们好久不见！本期我们为大家带来一个数据分析案例——Airbnb 如何通过用户体验预测用户复购？根据 Airbnb 数据科学家 Lisa Qian 的文章改编而来。

如果你是常旅游的同学，一定对这个网站不陌生，那就是 Airbnb 爱彼迎。Airbnb 作为一家民宿短租的平台，获得了大量用户的信任和赞美，成为众多旅行者的首选。

但是很多人大概不太了解，Airbnb 是一家数据驱动思维非常落地的企业，他们设立的数据科学与分析团队，致力于通过数据解决问题，做出业务决策。为了让旅行者在异国他乡能够获得优质的体验，Airbnb 在数据分析方面煞费苦心。

今天我们谈下 NPS（即净推荐值）的价值，以及如何使用这一指标来预测用户复购？ 

首先总结 Airbnb 的思路：

1. Airbnb 设立了一个反馈问卷，其中有关于用户推荐可能性的问题。

2. 将用户推荐可能性与净推荐值联系起来，进行一系列的多维度数据分析。

3. 对用户样本真正的复购率和推荐率进行比照。

4. 得出真正基于数据的结论，用户推荐可能性、净推荐值与用户复购率究竟有着怎样具体的关联。

作为一个网站，Airbnb 通过一个简单的问题来收集用户反馈，他们问“你有多大可能向你的朋友推荐 Airbnb？”

共有 10 个评级供你选择，评了 9-10 的人被认为是推荐者，7-8 的人是被动的中庸者，他们对自己的体验满意，却不愿推荐，0-6 的人则是不满意的客户。Airbnb 通过推荐者的比例减去批评者的比例，得出一个 -100 到 +100 的数字，这就是净推荐值。

净推荐值可以通过一个更有效率的方法论来确定顾客再次预订房间的可能性、向朋友推荐的可能性，并防止客户流失到竞品的市场里。

净推荐值是一个范围在 -100 到 +100 之间的整数，推荐可能性分数则是一个 0 到 10 之间的整数，Lisa 统计了某个时间段超过六十万用户的数据，并进行了一系列分析。

首先，他们对用户进行了多维分析：

• 顾客来源，是自然流量还是营销活动获客；

• 旅游目的地，是美国、欧洲还是亚洲；

• 顾客所在地；

• 顾客是否曾经预定过 Airbnb 的房子；

• 旅程有多远；

• 顾客有几人，是独身上路还是多人同行；

• 房源的价格是多少；

• 本次租房发生在什么月份；

• 房间的类型是什么，是整租，包房，还是共用一个房间？

这些不同的维度可以用于评估推荐可能性有多大可能真正预测到用户的复购。

不过这个方法也有缺陷，比如总有影响用户忠诚度的因素没有被获取到；或者有些用户的复购周期比较长，隔了三五年才重新预订民宿；有些用户并不愿意填写反馈表，或者选择性不回答净推荐值的问题；再有就是推荐可能性指标不能完全作为净推荐值的替代品……

总体来说，根据他们的实践，以数据思维来思考净推荐值的价值，还是帮助工作人员更好地了解到了用户体验。

数据的统计结果

提交了反馈的顾客中，三分之二是评了 9-10 分的推荐者，过半的用户对 Airbnb 评分时满分，只有百分之二的用户是评了 0-6 分的批评者。

旅程反馈表的用于评估用户本次行程的质量，而净推荐值问题则有助于评估顾客的忠诚度。

通过查看用户推荐可能性分数的分布式与旅程反馈表总体分数之间的关系，他们在两个统计结果中寻求关联性。其中还是发现了一些差异。例如，一小部分用户本次旅行体验很差，评分很低，但其中有 26% 的用户是 Airbnb 的推荐者，他们依然对下次体验抱有希望。

如何将用户推荐可能性分数与重新预订率和推荐率关联起来呢？

通过数据分析，Lisa 看到填写了推荐问题的顾客，推荐可能性更高，明显对应更高的重新预订率和推荐率。

那些给用户推荐可能性打出 10 分的顾客，明显比 0-6 分的顾客高出 13% 的复购率，超过 4% 的可能会在未来 12 个月推荐给好友，且复购率与用户推荐可能性几乎成线性关系。

这里还有另一个数据分析得出的结论，那些没有留下反馈评论的顾客，与打 0-6 分的批评者一样，更加不可能复购和推荐，而提交了反馈表单但没有回答推荐问题的顾客则与推荐者表现相似。

那么做一个总结：

填写了反馈表单，没有回答推荐问题或回答并愿意推荐给朋友的用户，更加可能重新预订 Airbnb 的民宿；

没有填写反馈表单，或填写了表单但是推荐问题评分很低的用户则基本不会复购和推荐给朋友。

当然，无论是旅行反馈表，还是用户推荐可能性问题，仅仅是一个数据采集方式，得出的结论也只能提高我们预测用户 12 个月内是否可能复购的能力。

在控制了其他变量后，反馈表的星级评级提升了 Airbnb 预测准确性的 0.1%，再控制反馈表中其他问题的变量，仅仅观察用户推荐可能性，则发现只提升了 0.002% 的准确性，不过这已经是数据分析不小的胜利。

但是让用户对旅程进行反馈，不仅仅服务于内部人员的预测，这是平台提高用户信任度、企业声誉的好方法。所以数据采集与分析，其实与业务是非常相关的。认真对待用户的每一个需求，才是提高复购率的真正法宝。 

今天的神策 FM 就到这里啦，关于数据分析的故事，以后我们会多多分享给你~有什么想了解的也可以微信和我讲哦~我们下期再见啦。