О допродажах в edTech, ручной и ML-сегментации пользовательской базы и принятии решений о покупке
Listen now
Description
«До тех пор, пока мы не ввели срок годности на данные аналитики, у нас получались очень странные результаты в тестах. Когда мы, например, брали сегмент с интересом к английскому и говорили ему: „Купи английский”, — а он покупал все что угодно, но только не английский». «В сегменте 9–11 классов сильная боль и ярко выраженная потребность: хочу сдать ЕГЭ, хочу поступить в вуз. И есть довольно большое количество замотивированных детей, которые даже понимают сами, в какой они хотят вуз, у них есть конкретная цель. И когда боль сильная, ребенок даже сам может выступать инициатором покупки». Гость: Владимир Рутенберг Monetization & Upsale Lead, Фоксфорд Ведущий подкаста: Юра Агеев Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast. Подкаст выходит при поддержке конференции ProductSense https://productsense.io О чем говорим: 1:43 В каких случаях необходимо фокусироваться на допродажах текущей базе 5:24 Зачем выделенной команде отвечать за новых пользователей 7:10 Сегментация базы и увеличение конверсии в каждом сегменте 10:03 Способы сегментации платящих пользователей 13:55 Как устроена деятельность по дополнительной монетизации 17:05 Специфика допродаж в Фоксфорде 19:53 Особенности сегментации по поведению пользователей 23:32 Зачем нужен срок годности в аналитике 25:04 Как сделать, чтобы человек что-то купил 26:49 ML-модель vs сегментация по интересам. Создание инфраструктуры 29:13 Сбор данных в процессе онбординга 32:25 В какие еще сценарии стоит внедрять онбординг 35:39 Тестирование результатов и порядки цифр по допродажам 37:58 Работа с детьми и родителями 40:36 Насколько часто дети хотят, чтобы им купили дополнительные образовательные продукты
More Episodes
Как убедить продавца выставляться на твоем маркетплейсе? Какой должен быть онбординг и как измерить его эффективность? Есть ли место генеративным моделям в практике маркетплейсов? «Иногда большие продукты рождаются внутри корпорации, а потом ответвляются. Например, ты являешься экспертом в...
Published 04/24/24
Published 04/24/24
«Все начинают с open-source моделей или с оберток над OpenAI. Строят какой-то первый продукт, проверяют гипотезу и, если взлетает, инвестируют в собственные модели. Для этого нужно покупать железо, нанимать редакторов, писать контент. Потому что чем лучше ты контролируешь технологию, тем более...
Published 04/17/24