作為首頁運營，你是不是也為了業務線對首頁資源轟轟烈烈、奮不顧身、前赴后繼、永不停歇的激烈爭奪而苦不堪言？ 下面聊聊我在幾個大平臺的首頁管理中所總結的首頁資源分配體系與流量分發策略，希望有一些幫助。

本文技術含量和復雜度都比較高，讀起來可能有點燒腦，大家喝罐紅牛，靜心閱讀。


四. 資源位規劃與流量分發 

首頁的一個重要使命是做好流量分發，為業務線給到匹配營收目標的流量。這對業務至關重要，然而，從首頁運營的角度，這又非常難做。因為，除了內部分配協調難度極高，同時流量背后又是一個個鮮活的消費者，有明確的需求和品類偏好。并不是我們把資源按業務占比分配好，消費者就會按我們期望的比例來點擊和購買的。
為了解決流量分發這個難題，首先我們根據一個復雜完整的實例，來看看資源位怎么進行分配，這是流量分發的基礎。

1.  資源位規劃詳解

我加入亞馬遜的時候，公司正在做年度業務規劃，每個業務線都做出了自己的下一年度的營收預期，市場部也給出了流量預測。從流量到營收，大致的漏斗模型如下：
流量分發模型

我們可以看到，模型的兩端是流量和營收預期。市場部負責渠道端引流，結合主動回訪的老客以及自發流量，共同構成平臺總流量（顧客數到流量還要乘以平均訪問頻度）。我負責的產品和運營的重要任務，就是把流量按營收占比分發到各個業務線（流量分發），并盡可能多地轉化為業務線商詳頁PV（引導效率），再轉化為商品銷售數量（轉化率），最后乘以業務線的商品均價，成為業務線營收。
這里有三個關鍵環節：

1. 流量分發：這個決定各業務線獲得平臺流量的配比

2. 引導效率：這個體現把顧客帶到商品面前的能力，是導購頻道的核心能力

3. 轉化率：體現從商詳頁到購物車到結算頁到支付完成的漏斗效率，是主購物流程的核心能力

我們都知道，流量永遠是不夠的，營收預期永遠是激進的。這三段共同構成從流量到營收的橋梁，不但難度非常高，且難點各不相同。

流量分發的主要難點如前述，顧客及其需求占比受平臺特性影響而相對穩定，很難有效操縱。

下面先說說我在資源分配上的實踐，這是流量分發的核心與基礎。

第一步，計算上年度各條線的銷售商品均價、向業務線獲取下一年度的預估的商品價格浮動、以及下一年度的營收預期，計算各條線下一年度需要完成的商品銷售件數。
下面的紅色字為本步輸出，藍色字為通過BI、業務線獲取的輸入，或上一步的輸出，后同。下面以計算A業務線為例，算法覆蓋所有業務線。
  • A業務線預計單品均價 = 上年度A業務線單品均價 * （1+A業務線價格浮動百分比）
  • A業務線預計銷售件數= A業務線營收預期 / A業務線預計單品均價

簡單說，就是通過各業務線營收預算和單品均價計算出需要完成的業務線商品銷售件數，如下：

第二步，把銷售按件數預期分到App、Web、PC三平臺（注：此處忽略微信或站外銷售，這部分銷售與站內資源分配和流量分發無關）。
考慮到顧客迅速轉向移動端，還要根據過去幾年流量在三個平臺上的遷移趨勢和整個行業狀況，做出下一年度三平臺占比變化預測，然后根據這個新占比重新分配各平臺銷售量。
  • App端預計銷售件數 = A業務線預計銷售件數 * App端上年度占比*（1+預估占比增幅）

也就是把銷售件數分到三個平臺，逐個計算。Web和PC的方法相同，下面僅以App為例。

第三步：通過上年度的單品平均轉化率（銷售商品數/商詳頁瀏覽量），計算出要達到銷售預期，需要在各平臺給到的業務線商詳頁流量（商詳頁PV，亞馬遜稱為GV）。簡化起見假設年度轉化率不變。
  • A業務線需要的App GV = A業務線App端預計銷售件數 / 上年度A業務線App端轉化率

把所有業務線的GV需求均逐一進行計算，并求和，就得到了GV需求總量。
  • App GV需求總量 = ∑ 各業務線App GV需求

也就是通過轉化率的計算，把商品銷售件數再換算為份平臺的商詳頁PV。

注：轉化率有兩種定義，一種是Order/UV，一種是Units/GV，前者為全站顧客到訂單的轉化率，后者為商詳頁流量到銷售單品的轉化率。因為顧客的購買行為是跨品類的，而商詳頁是分品類的，因此如果針對業務線來流量需求，必須把流量按業務線分開，因此取后者進行后續計算。
第四步：我從市場部流量團隊拿到了下年度的流量預期。這個流量是UV，而不是GV。然后，通過上年度各平臺的人均GV，計算下一年度可以得到的總GV（假設流量質量不變）。
  • App端上年度人均GV = 上年度App端總GV / 上年度App端總UV（日活）
  • App端總GV預估 = 下年度UV預估 * App端預計占比 * App端上年度人均GV

也就是把GV分到各個平臺分別計算UV層面的流量需求。

這一步得到的總GV是引流渠道的流量輸出，跟上一步得到的業務流量需求相比，會有不小的差距。這就是理想和現實之間的距離。
作為副產品，在這步計算中我看到，App端人均GV比PC端高22%，比Web端高84%，這體現了App端的顧客更愛逛，一次到訪會瀏覽更多的商品，而web端則非常缺乏可逛性。這更加證明了全力發力移動端的合理性。
第五步：設法彌補第三步得到的流量需求，和第四步的流量預估之間的差距。有五個思路：
1）要求各業務線下調營收預期……好吧，留到最后一步再干這個，比較容易被CEO大刑伺候。
2）要求市場部提升流量。這如果不配合流量采買的經費增加（流量極其昂貴），可能會逼得流量團隊去投放劣質渠道或刷流量，也要小心。
3）全力把流量向移動端遷移，充分利用移動端人均產出GV更高的狀況，提升同樣流量的GV產出。有兩件事可以做，一是與市場部溝通，調整投放計劃，把更多的引流渠道放在移動端；二是在產品端和運營端發力（如推進Deeplink，設置移動端抽獎或專享活動），把PC端和Web端的用戶向App遷移。
4）通過產品和運營的協作，大力建設導購頻道和個性化推薦，提升人均產生的GV數量。
5）通過產品端的努力，提升轉化率。轉化率當然也可以通過讓業務線降價或者準備更好的選品來提升，但這方面留給業務線，我們先看產品能做的事情。
1、2兩個方向都與產品和運營的工作基本無關，我們的目標，自然放在3，4，5，內部挖潛，先看看能不能有機會彌補差距，避免迫使公司下調營收預期或為市場部大幅增加費用。

第六步，這是最難的一步 - 仔細計算產品和運營的工作，能夠提升的轉化率和人均GV。

1）產品端計算：產品主要是通過新項目為平臺提升流量效率。當時我的產品策略是“All in App”，所有的產品改造全部針對App端。
  • 轉化率提升項目：計算可以優化的購物流程環節能帶來的轉化率提升預期，隨后根據銷售預期，計算由于轉化率提升而可以減少的GV量。這步計算后相應下調GV需求總量。
  • 新導購項目：對標競品類似頻道CTR，估算該項目可能獲得的Click Mix，并根據該項目特性估算該項目預計帶給每個顧客的人均GV，結合首頁日活預估，計算GV增量。
  • 導購功能優化：根據當前功能對應的GV產出，估算優化后的GV提升幅度。
  • 移動端遷移：在自然遷移的基礎上，計算產品做法可以帶來的App端遷移增量，并計算這部分增量可以帶來的GV增量：（App端人均GV-PC端人均GV）*遷移增量

通過上述產品效果計算，一端下調了GV需求量，一端提升了GV產出量，差距被大幅度縮小。


2）運營端計算：首頁運營工作比較日常，更多的是資源位產出盤點，資源排期，日常的機動資源位分配和管理，以及大促資源分配和管理。可以做的事情是：

  • 盤點低效資源位，計算把資源分配做優化（調給產出更高效的業務后）后可以得到的GV提升。

  • 盤點亞馬遜售賣王牌“鎮店之寶”頻道的常規促銷場次分配情況與GV產出之間對應關系，找到場次-GV的曲線最佳拐點，重置場次規則。

  • 盤點大促的時長、頻次、主題、大促資源分配，優化大促計劃。因為大促是吸取全站常規流量，貢獻大促產出，由于大促主題的品類偏向，以及促銷疲勞問題，促銷貢獻的產出在全局上未必能抵消正常非大促銷售的損失。因此大促需要最佳節奏，而非一味增加。因為大促組也在我的職責范圍，我得以在全局重置大促規則，當然這方面與業務線溝通還是比較費力的。

在所有這些盤點之后，運營線也給出了一個GV提升的預期。
通過上述艱苦的產品、運營工作規劃和效果預估，很大程度上已經彌補了流量需求和供給之間的差距。這也是產品和運營們的巨大價值所在 – 在不增加成本（除研發）的基礎上，大幅提升產出。當然到這里還存在一些差距，于是軟硬兼施搞定市場部提高了UV目標和渠道分配，于是總流量（GV）終于匹配上了。
第七步：把總GV分到各個業務線，設定各個業務線的下年度流量指標。隨后對比上一年度各業務線的實際流量占比，確定各個業務線的流量占比在下一年度的提升或下降比例。
第八步：計算搜索流量帶給各業務線的GV，把這些GV從各業務線流量目標中剝離。因為搜索結果不是可分配資源（其實一定程度上也可以通過搜索權重因子的調整來影響。為了不讓模型過于復雜，先假設搜索流量占比不變）。其余GV基本就是通過首頁流量分發來達成的了。

  • A業務線App端非搜索GV目標 = A業務線App端總GV * 非搜索流量占比

至此，首頁對各業務線的流量分發總目標基本確定。


第九步：盤點當前首頁資源位分配，確定各個首頁資源位可以產生的GV數量（這一步背后需要強大的BI埋點，可以通過點擊流模型來），對比第八步得到的各業務線流量分發目標，規劃資源位的初步分配。
舉個例子，把本來在業務線里固定分配的頂部輪播第三、四、五幀改為機動資源位，假設第3幀固定每天帶來5000個GV，第4幀3000個，第5幀1500個，那么可以先把本來擁有這三幀的業務線的流量相應減掉，然后把這三幀一年可以產生的總GV重新分配給需要提升流量占比的業務線。同樣的方法可以用在促銷場次分配、大促資源位分配、首頁頻道入口分配等等。
第十步：在上一步確定的資源位調度方案上，作出全年的資源位分配規劃，再細分到月，考慮到業務線的季節性特征、各檔大中小促流量特點和日常流量情況，對業務線進行具體的資源分配，并設定每月流量目標值。這個業務線流量月度目標值，就是月度盤點的對比基線，并根據出入情況對下月分配做出調整。
然后，把所有步驟，在PC和Web端重新走一遍，設置好各個平臺的流量目標。其中Web的入口分配與App完全一致，僅估算流量納入全局即可，不需另作分配方案。
至此，資源規劃全部完成，形成了流量分發的基線版本。由于牽涉到大量的模型建立、計算、取數、溝通和協調，我的團隊日以繼夜一共做了46個版本，最終定稿，并獲得CEO批準。
是不是工程量浩大？萬里長征，這才第一步。確定了行動路線，后面的實際情況需要因地制宜，并不知道在哪里會遇到強大的阻擊，哪里會遇到流寇，哪里實際走不通。但至少，方向和目標已經明晰了。
下面再說一下這個方法存在的問題。
流量雖受資源位數量的影響，但不完全呈線性比例關系。我們用一個簡化的模型來理解：數碼品類擁有3個入口，母嬰品類擁有2個入口，得到的GV也是3：2，那么如果希望把GV占比倒轉，變為2：3，是不是調整一個數碼的入口給母嬰就可以了呢？您可能知道，這樣不行。因為流量背后可能是9個數碼消費者和6個母嬰消費者，數碼入口減少，數碼消費者可能依然會點擊數碼入口，母嬰消費者也同樣如此。入口調整后，流量有可能出現一定變化，比如從3:2變成2.7：2.3（畢竟還是存在一定的中立偏好和混合需求的用戶），但不會完全按資源位數量發生等比例線性變化。
那么怎么辦呢？我在實踐中的經驗是，保留盡可能多的靈活機動資源，不要預先把所有資源完全分掉。然后每周精細盤點流量情況，對比第十步給出的目標，給缺流量的多調一點，給相對富裕的減一點。當然業務線也有難處，有時候認為會有資源，于是規劃了一檔活動，動用了營銷資源、供應商資源，進了貨，結果資源位被調了，活動上不了線，苦不堪言。所以，還是做好盡可能準確的長期規劃，而不是頻繁調整。
看到了嗎，首頁資源位管理大概是天下最難干的工作之一！不但技術難度高，而且得罪人。給資源就跟發工資一樣，大家都覺得流量不夠，但肯定沒人覺得有多，更沒人愿意把嘴里的資源吐出來。運營能力不足對流量使用效率（即獲得資源的實際產出）有問題的業務線，往往大聲疾呼是因為流量沒給夠，而不是思考自己哪里沒做好。
所以，首頁產品和運營需要一個強大的內心。

2.  流量分發策略

在完成了資源位分配后，再談一下流量分發的一些做法和體驗。
1）盡量多留出機動資源位，根據實際數據靈活調配。
2）盡量多設計不需人工運營的跨品類自動化導購頻道。可以通過算法調整來改變品類曝光比例，更為機動靈活而且不會碰到太多爭執。同時，只有算法能做到千人千面，導購效率通常更高。
注：根據實踐數據，做得好的人工運營，因為對商品和顧客的深度了解，尤其是對冷啟動商品（如新品）的判斷、對季節性的把握、對新潮流和新導購方式的敏感，在非促銷的導購欄目可以做到略微勝出算法推薦頻道。當然這個和導購邏輯、算法質量都有很大關系。
3）為自動化的欄目，預留人工干預的入口，給戰略商品/品類和冷啟動商品留下曝光機會。
4）資源規劃充分考慮品類的時間特性。移動端流量存在比較明顯的時間特征，在一天里的每個小時，在一周里的每一天，針對不同品類可能會存在一定的差異。參見文章《漫談新零售(13): 70前、70后、85后、95后》里的相關分析。
5）在活動資源位的分配上，建立明晰的門檻規則。比如，大促的A級資源位必須預期完成1000萬銷售才可以申請。同時建立盤點和獎懲機制，激勵產出。缺乏獎懲機制，常會碰到的情況是，業務線要走了資源位，卻沒相應產出。“地盤先占上，耕得好不好再說”。這在商城平臺上就比較沒問題，商戶好不容易付費購買了活動資源，肯定死摳每個細節，最大化產出。相信這個狀況也給到了京東“流量貨幣化”項目思路啟發。該項目在本文“資源位管理”部分簡述。
6）流量分發比例調整有上限，而且有一個漫長的過程，不要假設可以通過資源位調整很快翻番地漲。這背后，第一，品類中立，看到推薦就會感興趣的人比較有限；第二，用戶需求和占比的全盤調整會有個漸變的長期過程。
7）建立賽馬機制，監控資源位產出效率，在大促時實時調整，在日常進行每周盤點與優化。
8）建立與持續執行首頁效率監控與優化體系，是長遠的王道。體系建設可以參考本文第二部分。