在用户增长的领域里,学到了对的道理,真的可以过好这1生。
互联网的世界里1切都是为了增长,灵光1现的创新可能会让1个产品成功,但绝不可能久长。
在用户增长的领域里,如何复用1套框架,找到最好实践的1条路径,再配备1点运气,去实现商业成功是我1直所探索的话题,这篇文章和今后的几篇文章将系统性地论述用户增长的最好路径。
用户增长定义在市面上已有很多完全解释了,这里就不再赘述。
简单来讲,用户增长的根本目的是为了提升产品在1段时间内的有功效户数(后面有详细解释),进而提升当下和未来的GMV和利润,实现商业成功。
为了实现这个目标,从战略和战术层面,我们将这个概念拆解为以下几个部份:
1、战略
取势:产品的设计本身符合时期的发展趋势(如果2018年你还要创业卖传呼机,对不起,神仙也帮不了你)、满足的是用户的真需求(比如思考“监督大学生背单词并收取费用”这个商业模式能否久长有用户愿意买单)、并找到最好PMF(市场契合度,Product Market Fit)。
明道:在对的时间用对的方法做对的事情。
(比如甚么时候应当加大力度在百度推行上投放广告,应当买甚么关键词,定向甚么样的人群画像?)。
优术:明确目标,建设最有用的工具助力快速增长。
(如何能够快速建设并延续迭代数据产品和营销工具来提升运营效力并下降运营事故率?甚么样的数据产品有能力帮助我们进行快速有效的数据分析,哪些营销工具能帮助我们花最少的精力快速落地运营策略?)。
2、战术
(1)知其然、知其所以然:分析体系搭建;(这里侧重说分析体系搭建)
(2)开源重要、截流更重要:提升保存(有功效户数)方法论;
(3)工欲善其事必先利其器:建设增长工具;
(4)不把鸡蛋放在1个篮子里:建设运营知识库(人群标签、渠道体系、决策转化、创意中心)。
(1)分析体系的搭建
1.搭建分析体系的目的:
看清楚产品发展现状,定位问题和潜力空间、总结TODO事项并公道判断必要性和排序优先级。
总之,分析的根本目的是更加清楚地看清楚业务并集中资源和精力解决最重要的事情,这句话的重点在后半句,如果只是为了满足好奇心或寻求分析复杂度和工作量,而没有能够判断哪些事情应当先做、哪些事情应当后做、哪些事情没必要做,那这个分析没有任何价值,徒费时间精力而已。
2. 数据分析误区
由于分析体系的搭建全部都是基于数据的,数据分析的新手可能误入以下数据圈套:
(1) 为了满足好奇心而看数据
所有的数据分析都是要包括明确分析目标、提出假定、验证假定。
如果目标不清晰、没有make sense的基于经验的业务假定,而只是认为“我觉得应当看blabla数据”而跟BI部门提需求,常常会造成等了很久才出来的数据,看了以后满足了好奇心,但发现好像并没有甚么指点性的用途。
那这样的数据分析就很没有用户,白白浪费自己和BI同事的时间。
(2) 在茫茫数据中看图找规律
有的时候老板交代的任务可能只是1句“分析1下我们的用户”,这样非常泛泛的任务,思路不清晰的同学可能就会立刻着手提取全局用户所有能想到的特点。
然后做全集的数据透视,算各种占比,横向的、纵向的,1维交叉以后没啥发现看2维交叉,结果越算越复杂,可能弄了上百个表也没得到啥拿得出手的结论。
这样的事情聪明人做1次就够了,全局看图找规律这类事就是在用战术上的勤奋弥补战略上的怠惰,这类情况发送的根本缘由就是自己没有在用户需求层面有足够深度的思考。
(3) 将虚无缥缈的假定寄希望于模型复杂度上
在不以成绩导向的地方有的人就喜欢寻求做事进程的复杂度,恍如1个目标没有达成是由于方法太过简单的缘由,足够复杂、足够高端就能够达成了。
固然,如果在科学领域,这类论调基本没问题,但做运营的人,是以结果导向的,延续贡献增长才是唯1目标。
有的人没有完成kpi,又没提出过甚么复杂的方法论,说的做的都是陈词滥调的东西,巴不得每月都不好意思领工资,所以就开始走上了寻求复杂模型的不归路:
明明就是渠道投放的文案特点突出不够显著,致使拉新效力低,优化个文案就行了的事情非要去分析渠道用户画像和产品用户画像的类似性。
再弄个发掘领域的K-means聚类算法 ,光衡量个体差异的模型就弄了好几个来评估准确性,模型大概是长成这样的:
弄了两个月以后恍如自己的人生都瞬间充实了1样。其实真心没必要,用户增长本质还是要围绕用户需求,数据只是工具,千万不要舍本逐末,变成数据的奴隶。
3. 基于用户生命周期搭建分析体系
1个产品的用户池是如何构成的,和使用我们产品服务的用户是如何从生到死的进程基本是这样的:
为了看清楚我们产品用户的成长现状、空间和问题,我们可以依照以下步骤进行分析体系搭建:
第1步:定义新用户、有功效户、沉默用户、流失用户
用户分类的定义要基于对业务经验的判断(例如用户连续10天未登录是不是认定为流失)和企业的战略目标(定单量导向、毛利导向或GMV导向)。
新用户:指刚刚接触产品并第1次完成体验了全部产品流程的用户。
沉默用户:指使用过产品,认可过其服务,但部份需求迁移至其他产品而变得不那末活跃的用户。
流失用户:指曾在产品上活跃过,但由于某次体验遭到了伤害或全部需求迁移至其他竞品。
有功效户:指可以为企业延续贡献正向价值的用户(企业真正希望取得的用户)。
甚么是有功效户?
所有的增长工作都是围绕着“提升当下有功效户数”和“提升未来用户变成有功效户的可能性”这两个目标。
有功效户是指可以为企业延续贡献正向价值的用户(企业真正希望取得的用户),在不同行业和不同产品的理解有所不同。
比如微博、twitter、Instagram这样产品的有功效户是指延续在平台活跃的用户,可以用平均逐日停留时长高于30分钟的用户数、平均逐日发布最少1个feed的用户数、平均逐日收藏或转发最少1个的用户数等相干指标来量化;
又比如淘宝、美团外卖这样的产品可以用近7日内最少完单3次的用户数、近30天内登陆次数大于5次且近7日内收藏商品数量大于1件的用户数来衡量。
总之,计算有功效户数可以基于所在业务的经验,判断1个(或几个,组建复合指标)真正能公道衡量为产品延续贡献正向价值的用户数的指标来量化产品的有功效户数。
如果说产品的用户池像1个蓄水池1样,我们希望用户尽可能留在我们的池子中,其实我们每天所做的事情基本都是围绕着以下几个目标展开的:
明白了这个关系,我们可以来回答以下两个问题:弄用户增长的每天需要看甚么数?怎样看?
- 核心用户指标:这部份看数的主要目标是关注我们产品的用户结构产生了甚么样的变化,每天的发展情况如何。
这里可以关注的指标主要围绕新用户数、有功效户数、沉默用户数、流失用户数(具体的指标口径需要基于具体产品特点和企业发展战略来制定,例如如何定义沉默、有效、流失更加公道)
固然如果希望精细化运营可以将这些指标再继续拆解,比如沉默用户可以拆解成近7天沉默、近7⑴4天沉默、近14⑶0天沉默、近30+天沉默等等。
- 运营策略复盘:这部份看数要策略的目标是不是达成、基于转化流程看优化空间在哪。
比如:策略目标是为了提升新用户数,复盘的时候要基于暴光-点击-注册-购买等环节看终究实现了多少新用户的提升和哪些环节是这个渠道提升效力的瓶颈,如果是暴光到点击的点击率明显低于业界标准,说明我们的投放物料需要优化了。
(这里的转化路径只是举个例子,当我们实战的时候肯定需要再进1步细拆,比如电商类注册-购买可以拆为注册-阅读产品列表页且停留时长超过5秒-阅读产品详情页且到达完全详情页-加入购物车-点击立即购买-。。。。-付款成功)。
- 监控异常:这部份的主要作用是帮助我们实时发现产品的事故,及时修复,损失最小化。建立指标的时候可以尽量全面,覆盖所有产品转化路径,指标不怕多,可以有几百个都没关系,设定好阈值,每天只看报警的就能够了,不报警的就不用看了。
举个例子,我们的监控体系中有“点击立即发送短信按钮-填写完成验证码转化率“这个指标,阈值为80%。
某天这个指标突然降为1%,说明我们的短信通道出现了问题或被黑客攻击,用户可能没有收到短信,这样我们就能够通过这个监控体系第1时间发现事故并进行修复,将损失降到最低。
第2步: 拆解核心指标
精细化运营中会将用户的属性进行更细维度的切分。
新用户可以通过潜力等级进行划分,来衡量平台流入的新用户是多大后续保存的可能和未来在产品中贡献的价值,后续的抓手可以优先资源给潜力更大的新用户,加速他们成长。
有功效户可以通过用户虔诚度、用户粘性、用户质量等维度进行拆解分层,应用针对性的运营策略针对不同层级的用户优先培养高质量用户粘性进而提升用户虔诚度。
沉默用户按用户质量和激活几率等维度进行分层,帮我们找出最容易激活且价值最高的用户,进而优先激活这部份用户。
流失用户依照挽回几率和用户价值进行分层,类似沉默用户,优先触达并刺激最有机会且我们最希望挽回的用户。
第3步: 搭建不同种别用户迁移路径
由于我们产品的改版、市场的变化和用户需求的升级,每个层级的用户可能在每天都会产生用户行动的变化。
这样,就需要在我们第2步搭建的基础上进行路径变化的体系建设,来观测每天用户心智产生了哪些变化、用户对我们产品的认可和依赖产生了怎样的变化,和评估如何采取运营抓手可以针对性地增进哪一个迁移路径。
用户的迁移路径(以高质量用户类举例)是下图这个模样的:
由于我们人群拆解后构成的组合过量,致使了不同类用户迁移的可能路径过量了,为了更好的看清楚并了解我们用户的流向,我们可以用以下方式来观测用户变迁:
每一个人群关注是不是正向迁移还是负向迁移,理想情况下如果所有的人群都在正向迁移,那说明我们的产品变现的很好,但如果某个人群负向迁移的比较多,说明需要1些运营抓手来进行刺激,避免延续负向迁移的情况产生。
举个例子:如果是卖牛奶的电商产品,我们为了提升高质量高虔诚用户的用户粘性,进行产品详情页面文案的优化,增加“您已购买过5次、立即下单便可取得历史吸收卡路里报告”类似这样文案来促使用户迅速下单,下降用户跳出几率。
由于这类优化只面向高质量高虔诚用户(通过切分流量的方式实现产品千人千面),在优化动作上线后,观测高质量高虔诚的用户高中低粘性的用户每天净正向&净负向的变化情况。
如果高粘性和中粘性的用户都在净正向明显增加、净负向明显减少,说明我们的优化是有效的。
为何我们这里只是从用户维度搭建分析体系,而没有展开说销售额、毛利、净利这些?
避免宏观环境变化、用户需求变化影响业务决策、产品价值观混乱和运营策略重心偏移。
举个例子,1家超市的销售额连续3个月降落,老板可能就慌了,觉得是否是超市的运营方法出现了问题,开始1系列的“改革措施”。
但拆解看来,如果该超市的拉新效力和质量均没有降落、有功效户数也没有降落、流失用户数也没有升高,只是这段时间原来买百威啤酒的用户变成买农夫山泉了,客单价降落引发的GMV降落。
如果把这个问题前置思考1下,客单价的降落有无必要引发关注和制定相干措施(比如啤酒打9折)?
个人认为是没必要的,反而容易引发产品价值观的混乱和运营策略的重心偏移,让本来有机会发力的拉新创新和提升服务质量的工作滞后。
缘由是我们做产品的第1要务是满足用户需求(用户想喝啤酒卖啤酒、想喝农夫山泉卖农夫山泉),而非创造用户需求(乔布斯让用户觉得1年应当换1部新IPHONE就是创造用户需求,在乔布斯之前用户是不觉得自己应当1年换1次手机的)。
结语:
愿各位“历尽千帆、归来还是少年”,回归初心,只做对的事情。
这篇文章主要讲了我所理解的用户增长架构,和其中第1部份“分析体系的建设方法和思路和我踩过的坑”,后面我也会陆续把剩下的几个话题也尽可能补充完全。
由于篇幅有限和各位看官所处的行业产品千差万别,1篇文章没法做到帮助大家所有人手把手建立自己产品的详细分析体系,感兴趣的朋友欢迎留言进1步交换。
实战增长时我们常常会掉入“增长圈套中”,即拉来的新用户很多,但保存特别差,用户池的“水闸”始终关不上,下1篇我会集中写1下如何“理解保存”、“提升保存”的具体运营方法,希望能帮到大家。
本文作者:钊哥(个人微信ID:guyue_ww)
来源:钊哥用户增长(ID:jizhao_growth)