AI Cloud Storage 如何通过持续实验改进订阅

团队没有凭直觉重新设计付费墙，而是利用内部工具测试订阅优惠的出现时间、地点和方式，并让用户行为来决定。

挑战

云存储是一种人们在信任它存储了重要内容后才最看重的产品。过早出现的付费墙要求在信任建立之前就做出承诺；过晚出现则价值时刻已过。

团队需要一种方法，在不为每个想法发布新应用版本的情况下，更改付费墙的时间、布局和优惠，并需要一个地方查看从安装到试用再到续订的完整漏斗。

内部技术栈

我们测试的内容

1. 实验 1

   新用户引导优惠与价值时刻优惠

   假设： 首次成功备份后看到优惠的用户，其转化意愿会高于在新手引导期间看到优惠的用户。

   学习： 在真正有价值的时刻提供优惠改变了转化的人群，而不仅仅是数量——后期提供优惠的同期群在续订方面表现不同。

2. 实验 2

   存储阈值提示

   假设： 一个关于接近免费存储空间上限的提示，比泛泛的升级推销更能解释升级的好处。

   学习： 情境提示被视为帮助而非打断，并且因为触发条件与明确的用户需求相关联，所以更容易判断。

3. 实验 3

   规划演示

   假设： 简化计划布局可以减少用户在支付墙屏幕上的犹豫。

   学习： 更少、更清晰的选择使结果更易于解释，并消除了后续测试中的干扰。

结果

付费墙决策从意见转向证据：每一次更改都以可衡量的变体发布，并远程推广获胜变体。

由于订阅事件在 Insights 中与获取来源挂钩，团队可以看到哪些营销活动带来了持续订阅的用户——而不仅仅是安装用户。

要点

• 测试时刻，而不仅仅是设计。
• 通过续订来评估同期群组的变体表现，而不仅仅是首日转化。
• 远程配置将每个发布版本转变为一个实验平台。