Branch的移动分享和推荐功能基准

小提示：您能找到这篇{Branch的移动分享和推荐功能基准}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的Branch的移动分享和推荐功能基准内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

< ">大家都听说过这些故事，或者知道您的人际网络中的某位主要依靠病毒式传播开展业务的人。病毒式传播对于构建、优化和效果衡量来说是一个具有挑战性的特性，特别是很多病毒式传播可以通过无法有效衡量的渠道进行。例如，在很多情况下，可以通过口口相传而不是可跟踪的数字事件来进行推荐。也就是说，无论您的业务处于什么阶段，您仍然需要尽最大努力来构建、衡量和优化这一重要渠道。

< ">Branch提供了极为强大的链接平台，可为当今市场上的绝大多数共享和推荐功能提供支持。如果您在移动设备上收到朋友的链接，则很可能是Branch在幕后提供支持。因此，我们对它们的表现有着无与伦比的洞察力。我们永远不会分享任何单个系统的具体表现，但我们认为，准备一个关于病毒漏斗各方面表现的总体统计数据是非常有用的。

< ">在我们深入讨论之前，让我们来明确一些术语。我准备了以下各个阶段病毒式传播流程的概述。让我来定义一些内容，以便我们达成共识。

< ">所有推荐都从分享链接的原始用户开始。当推荐漏斗启动时，您可以看到两个重要步骤：

< ">推荐漏斗启动前流程

< ">首先，他们点击分享按钮，然后便面临着由谁来决策以及如何决策的问题。

< ">然后，满怀希望地对这两件事都做出决定之后，他们能够成功发送链接。

< ">然后，您便可以启动推荐用户漏斗。该用户可能会在很多不同的渠道上遇到该链接，然后像下面这样启动这个简化的三步漏斗：

< ">三步漏斗

< ">Step 1:点击收到的链接。

< ">Step 2:被传送到最合适的平台（假设您使用的是像Branch这样的良好链接）。

< ">Step 3:转化（购买或其他一些有价值的事件）。

< ">对原始用户分享的一点认识

< ">让我们从查看原始用户流程开始。我们获取了有关从开始分享到实际发送链接转化率的汇总数据。显而易见，这个转化率就是单击“分享”按钮与实际向用户发送链接之间的漏斗。您可能希望这与用户的动机高度相关。

< ">在查看转化率的直方图时，我们发现实际上存在双峰分布。您可以在下面的图表中看到两个桶，分别标记为“高转化率桶”（平均转化率约为70％）和“低转化率桶”（平均转化率约为30％）。

< ">分享转化率的直方图

< ">（高转化率桶）

< ">分享转化率的直方图

< ">（低转化率桶）

< ">

< ">这很有趣！然后，我们在双模式的每个存储桶中查看了一些示例计划，用户体验上的差异显而易见。高转化率分享计划通常使用激励措施来推动分享，而低转化率分享计划是您的标准分享功能。出于对下面示例的尊重，我从数据集中删除了它们。

< ">激励措施带来更高的转化率

< ">在上面，您可以看到来自Bird推荐计划的示例流程。如果您完成分享，它们会提供双向激励，这在高转化流程中很常见。

< ">标准分享转化率较低

< ">以上是非激励性推荐计划的示例。这些通常具有较高的放弃率。如果您查看数据，发现您的用户正在放弃分享，请考虑投资某种激励措施来推动用户完成分享。

< ">现在，您的推荐用户已成功共享。这有助于了解用于优化流量的常见平台，因此我们提取了有关推荐流量的常见平台的数据。令人惊讶的是，到目前为止，绝大多数分享流量都发生在直接消息传递中，其次是剪贴板/粘贴板。社交媒体在推荐流量中的比例不足5%。

< ">最常见的三大分享平台

< ">深入研究Direct Message平台，您会发现在全球范围内，WhatsApp和SMS占Direct Message流量的90％以上。

< ">扩展Direct Message平台

< ">深入研究推荐用户流量

< ">原始用户已与接收者分享链接（可能是通过直接消息传递），并且被推荐的用户积极互动。第一个令人惊讶的发现是，所有推荐用户流量的30-40％直接发送到了先前下载的App。这与我们之前认为的推荐主要是一个增长渠道的观点背道而驰。这意味着现有App用户之间存在大量分享和推荐流量，这使其成为一个重哪有宣传片制作要的再次互动渠道。

< ">通过点击打开App的直方图

< ">参考上面的图表，有两个选项可用于配置分享链接：

< ">I.为了通过移动网络吸引用户而回退到网站的链接

< ">II.回退到Google Play或iOS App Store以推动安装操作的链接

< ">对于第1组，所有未发送到本机App的流量都发送到了移动网络。这意味着，如果以这种方式配置链接，则移动网站平均将获得60-70％的流量。对于第2组（向用户发送链接以下载App），我们拉动了“点击安装”百分比。示例的平均值显示~15%CTI，但您可以看到它不是正态分布，显示出峰值接近8％CTI。

< ">App回退分享链接的点击安装百分比的直方图

< ">推荐用户流中的最后一步是“转化”。对于我们的示例，我们专门研究了具有购买类型事件的公司，其中每个事件都有可衡量的收入。这使得我们能够在推荐和非推荐情况下计算转化率以及每个用户的收入。对于非收入转化事件，这些数字可能会有所不同，但我们怀疑它是否会很大。

< ">我们没有显示具体的转化率，而是绘制了推荐流量与其他渠道相比的转化率提升。因此，举一个明显的例子：如果通过推荐吸引的用户转化率为10％，而从其他渠道吸引的用户的平均转化率为5％，那么此图表将显示200％。相同的数学计算也适用于RPU（对于推荐，RPU为$2，对于其他=200%，则RPU为$1）。

< ">令人惊讶的是，那些来自推荐的平均转化率是其他渠道的转化率和RPU的200-300％，分布的峰值接近200％。这意味着，通过他人推荐的用户的平均价值是其他渠道的两倍。

< ">推荐与其他渠道的转化率提升的直方图

< ">推荐与其他渠道的RPU提升的直方图

< ">最后，有趣的是，为了帮助确定应该由推荐带来的总流量，我们绘制了直接归因于推荐事件的收入百分比分布图。令人震惊埃克森 危机公关的是，20％的公司中有超过10％的总收入直接归因于推荐。

< ">直接归因于推荐的总收入的直方图

< ">若要推动您的App的增长和再次互动，请详细了解Branch的深度链接推荐计划或与我们的销售团队联系，讨论Branch如何为您提供帮助。