数据驱动运营思：一款家居后APP的复盘分析

1.产品及用户概况1.产品概况产品形式:师傅端(安卓版、IOS版)、商户/个人端(安卓版、IOS版，以下简称商户端)，其他产品形式不在本次分析范围内。时间周期：2017年7月1日至2019年4月1日周期数据趋势：累计用户0-42000，活跃用户0-15000产品流程图：2。用户肖像了解您的用户属性，包括基本属性和设备属性，方便我们根据用户数据制定产品和操作策略。更不用说系统自己的用户肖像属性了，我只提到了我从数据层看到的一些有价值的信息：（1）APPAndroid和IOS的累计用户比例为7:3.商户端是3:5结论。从这个判断来看，大部分从事家居售后市场的师傅都使用安卓手机，收入不高。Android应优先选择产品迭代版本的顺序选择和Push推送、渠道分发和推广以及操作活动的设计。在本产品的一次运行裂变活动中，ios下h5的长图片二维码可以直接长按识别共享裂变，而安卓系统必须重新制作匹配的图片才能直接识别。商户端正好相反。(2)区域分布:作为O2O家居产品，了解用户的区域分布对于整体运营决策和精细化运营都非常重要。出乎意料的是，湖北没有进入前五名，无论是师傅端还是商户端。这也表明，目前平台的北极星指标（后面的解释）主要依靠在线完成。3.用户行为的使用频率、页面访问、页面路径和来源是了解用户行为的最基本维度。因为这是一个概况，所以只有平均单次使用时间和日启动分析：商户平均单次使用时间商户平均单次使用时间商户平均日启动时间结论：平均单次使用时间两级分化严重，到行业旺季单一或运营活动，整体呈缓慢下降趋势，但日启动次数显著增加。这与产品迭代加入大师登录打卡、日常抽奖、积分商场等运营模式有关，但如何通过大师社区等内容运营完成从工具到平台产品的总使用时间是下一个需要阶段的问题。商户平均单次使用时间稳定，对常规操作活动敏感度低（后续将介绍商户操作点），整体下降趋势，表明商户使用产品目的强，产品UE逐步优化，订单流程简化，缩短用户操作时间。每日启动次数也呈现箱体波动，下一步如何提高商户每日启动次数，提高品牌忠诚度是下一步需要阶段的问题。需要注意的是，在拉平均日使用时间时，师傅端没有按照原周期从2017年7月1日开始拉数据，因为当我开始按照这个时间周期拉数据时，我发现整个周期的历史峰值在2017年9月19日至9月30日之间，远高于其他时间段。此外，平均日使用时间和日启动次数都非常异常。对于这些异常数据，我做了重点分析，后来比较了累计用户数量的变化，询问了当时的操作情况，终于揭开了答案：从累计用户数量告诉我们真相：原来在2017年9月，应用产品刚刚推出，从H5形式开始，早期主用户很少，只有几十个，来自运营商的推动。同时，为了吸引种子用户的参与，补贴活动刺激了师傅的报价。因此，当时只有几十位师傅为了争夺报价补贴，产生了大量的使用时间和开放数量。9月30日的平均回报是因为首先，从累计用户数量来看，大师总数大幅增加，接下来的几天每天增加几倍甚至十倍，从而降低了使用时间和各项指标的平均值。同时，该平台停止了报价补贴活动。因此，在平时进行数据分析时，应对异常点进行专项细致的分析和处理，否则会导致整体数据分析的偏差。2、首先，本文只采用增长黑客方法的思维模式进行系统复制。之所以选择增长黑客，是因为这款非大型工厂和非大型企业的创业产品一路努力以低成本实现爆炸性增长；增长黑客的主要方法是基于数据收集和分析，快速设计实验和验证结论的过程；具有超强的技术实现能力，本文旨在加强和提醒数据驱动运营思维标准，有效地将运营理念落实到实践中，快速尝试、错误和迭代。在我看来，增长黑客不仅仅是一种方法论，更是指导产品运营的思维模式、行为准则、管理模式和人员配置。在我看来，增长黑客不仅是一种方法，更是指导产品运营的思维模式、行为准则、管理模式和人员配置。在流量红利期结束的今天，增长黑客思维应该是产品运营商必备的核心思维之一。增长黑客方法论的前提是产品足够好——即P/MF产品足够匹配市场，用户群足够大，能够快速获取用户。在这一块，这款家居产品可以满足基本条件。接下来，我将结合数据驱动的操作思维，使用增长黑客方法论来复制本产品：1。用户点（啊哈时刻）（1）商户端，我认为客户端点在两个不同的时刻，主要点是：在开始阶段，订单3分钟内，有多个主报价，成本低于离线搜索（包括平台补贴）。另一个小提示是：在通过平台雇佣大师后，不用担心售后问题——也就是说，当安装阶段出现问题时，平台将干预，以帮助解决售后问题。(2)我觉得师傅端只是一个爽点:用了这个APP，每天都能收到新单子或者赚更多的钱。这种体验类似于出租车软件。我们在冰雪中叫车。酷点是有安全合理的司机马上来接单。而且司机师傅的那句提示音——“你有新订单了~”就足以让他感到爽快。2.北极星指数数据层：活跃用户，即活跃用户。业务层：订单完成量，即转换。当然，在不同的产品周期中，北极星指数的比例也发生了变化。从2017年到2018年4月，北极星指标主要是活跃用户，进入发展期后，主要是发单量和完成情况。每个阶段的团队KPI指标和人员评估也围绕这一核心北极星指标进行了指导和拆分。3.增长等级活跃商户X平均发单量X活跃大师X平均接单量X平均单价X订单完成率=订单完成率增长4.AARR模型也是增长黑客中的主要工作流模型。其实我们常说的是“拉新”（Acquisition）”、“促活（Activation）”、“留存（Retention）”、“传播（Referral）”、“转（Revenue）”。我以前写过很多这样的文章，但我不会在这里开始。整个步骤如图所示：3。AARRR模型在拉动新周期中的拉动新情况。1.最高点首先取决于大师的拉动新情况，如上图所示：除了春节和淡季假期的几个低点外，还有几个新的高点值得注意。2018年4月18日，Android和ios都达到了最高的历史，这在当时引起了我最多的关注。2018年4月18日，Android和ios都达到了历史上最高的水平。通过查看渠道来源和时间细节，我们可以知道Android几乎都来自默认渠道，时间集中在12点左右的一小时内（苹果只有AppStore）。由此可见，我几乎排除了当天“飙升”的可能性，这是由于交付或某个在线平台流量爆炸造成的。与此同时，我还特别询问了产品经理，要求她将当天的后台订单转移给我，即整个平台的最终转换目标，当天没有异常：可以看出，当天可能更多的是将默认产品包直接交付给用户的操作。一开始，我以为这是一个集中的大规模推送，当我问运营商时也提到了这一点。后来想想，在用户场景中，时间不太可能集中增长。遗憾的是，当时没有开通各种渠道包，都来自默认渠道，所以无法区分APP的流量渠道。从收集到的4月和当天发生的所有可能性来看，我判断这是因为群发短信激活了一批集中收集的大数据。（SMS）这一举动，导致了这一特殊的拉新时刻。(商户端的图形和原因是一致的，不赘述。）2.次高点和次高点是在2018年11月至12月底，这也是周年庆典和双11活动，促进了日均订单的显著改善，以及产品优惠券收集中心和金币购物中心的推出。在双12活动期间，它也是北极星的指标，完成了订单数量的历史峰值。因此，不需要启动这个次高点的新原因。各种在线活动的发展、交通源的叠加和产品功能的更新导致了这个次高点的发生。3.第三个高点和第三个高点是从2018年5月到6月，这个阶段非常有趣，因为根据历史数据，这应该是一个淡季，但我们看看产品版本更新记录可能明白发生了什么：原来的“金大师”已经在5月和6月推出了、“邀请有礼”、以前我的文章写过“任务系统”和每日抽奖的重磅功能，这些对操作的重要性。因此，可以判断的是，第三拉新次高点与产品更新密切相关。而且，在后面的促销部分，我也会说，在主端IOS活跃用户的最高峰值上，不是刚才提到的最高和次高点，而是5月11日。因此，“用户是否活跃主要取决于产品”这句话也得到了验证。4.除了对周期中的三个高点进行详细分析外，我还结合增长黑客方法论、产品生命周期理论和图形上的几个主要增长范围进行了分析。本案例可以保持整体上升的高增长趋势，我认为以下新方法值得学习：（1）整体文案市场匹配这也是增长黑客扩大客户规模，首先要实现两种匹配之一，即描述产品优势给目标客户留下深刻印象。最具代表性的是乔帮主的那句话“把1000首歌放在你的口袋里”。同样的是，在18年4月之前的增长范围内，本案对商户提出了“3分钟5个报价”、“找师傅，就去***”；对师傅端提出“平台奖励多，师傅赚钱多”、“收入翻倍计划”等，直观明了，在导入期获得了宝贵的种子用户增长。（2）渠道与产品的匹配是您选择的营销渠道在向目标用户推广产品时的有效性。分析用户的行为类型，选择相应的客户获取渠道，并监控渠道源结果进行筛选。本案进入发展期后，也是对各种渠道的有效监控，从而发现SEO/SEM，后期，第三方电子商务已成为完成北极星指标的核心渠道。在这个过程中，不断进行新的尝试和优化测试。（3）设计用户邀请和病毒循环首先圈定了活跃种子用户在某一阶段，用户属性通过不同维度筛选，对于不同时期的潜在“超级用户”，使用包括：第一订单减少、充值优惠券、诱导分享、积分奖励、邀请朋友红包、定向活动推送、活动邀请、游戏裂变等。传播学中，K=每个用户向朋友发出的邀请数量*收到邀请的人转化为新用户的转化率。通过营销方式结合，当k>1.用户群会像滚雪球一样增加。想象一下当时Dropbox是如何实现数十倍增长的？这是因为邀请朋友享受更大容量的举动，包括邀请hotmial的尾部签名，以及在paypal注册时发送10美元的案例。(4)试验再试验，找到一个极端的动作。正如上面提到的4.18高点的主要原因是批量激活收集数据的短信。在这种情况下，有无数类似的操作动作，看起来微不足道，甚至感觉很低，包括Airbnb这样的致富之路，在不断优化的实验中发挥到了极致。别以为有些手段已经过时了，airbnb的案例已经充分展现出来，以低成本实现高增长。4、在AARRR模型的活动推广周期中，商户端在主机端的活动周期中的活动情况1。主机端与创新分析类似，因此不再重复。有趣的是，上述5月11日的峰值点正在活动中等待加强验证。因为5月和6月相继推出的“金牌大师”、“邀请有礼”、“任务系统”和每日抽奖的重磅功能，让主IOS活跃用户达到了阶段的最高峰值。而且整个师傅端的活跃也经历了从导入期的小平台A，到过渡期的小平台B，再到现在开发期的小平台C和D。2.商户端应对上述用户行为进行定向分析。上述商户端的平均单次使用时间相对稳定，对传统运营活动的敏感性较低。那么，从日常生活中看，商户端运营的亮点在哪里呢？原来商家端的日常生活图和师傅端差别很大，峰值从11月底到12月爆发式增长。原因是优惠券收集中心和双11、双12活动等。因此，从这里的数据分析中，我们可以再次证实一开始提到的商家的酷点：许多大师在3分钟内报价，成本低于离线搜索（包括平台提供的补贴）。在这个阶段，大师有足够的活动，加上产品订单流程的简化，其余的是使用一年一度的双11，双12作为爆炸点，商家优惠券、促销等降低订单成本可以导致活跃的爆炸性增长。3.在这里，我专门从最源头、渠道下载量统计到最终活跃做了一个转换和丢失漏斗，值得操作和推广人员研究：每个版本的产品渠道下载数据和联盟累计激活用户比例示意图：促进活动转换和丢失漏斗，(友盟统计2017年7月01日~2019年4月01日)5.AARR模型保留大师Android用户生命周期表商户IOS用户生命周期表 用户增长功能中的用户生命周期图更直观。同时，我也对7/14/30日的保留率进行了同步比较，基本上与图中显示的结论一致。目前整体产品还是偏向工具型的，虽然通过社区、积分商城、学习都是一致的

以上就是关于数据驱动运营思一款家居后APP的复盘分析的相关介绍，更多数据驱动运营思一款家居后APP的复盘分析相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对数据驱动运营思一款家居后APP的复盘分析有更深的了解和认识。