用户增长架构：如何做好一套完整的架构

在互联网的世界里，一切都是为了增长。精神创新可能会使产品成功，但永远不会持续太久。在用户增长领域，如何重用一套框架，找到最好的实践路径，配备一点运气，实现商业成功，是我一直在探索的话题。本文和未来几篇文章将系统地阐述用户增长的最佳路径。市场上对用户增长的定义有很多完整的解释，这里就不赘述了。简单来说，用户增长的根本目的是在一段时间内提高产品的有效用户数量(后面有详细解释)，进而提高当下和未来的GMV和利润，实现商业成功。为了实现这一目标，从战略和战术层面，我们将这一概念分为以下几个部分：战略：潜力：产品设计本身符合时代的发展趋势（如果你想在2018年创业，对不起，仙女不能帮助你），满足用户的真实需求（如思考“监督大学生背诵单词和收费”的商业模式是否愿意支付很长一段时间），并找到最佳PMF(市场契合度，ProductMarketFit）。明道:在正确的时间用正确的方式做正确的事情(比如什么时候要加大力度在百度推广上做广告，买什么关键词，定向什么样的人群肖像？明道:在正确的时间用正确的方式做正确的事情(比如什么时候要加大力度在百度推广上做广告，买什么关键词，定向什么样的人群肖像？)。优秀的艺术：明确目标，建立最有用的工具来帮助快速增长（如何快速建立和连续迭代数据产品和营销工具，提高运营效率，降低运营事故率？什么样的数据产品有能力帮助我们快速有效地进行数据分析，哪些营销工具可以帮助我们花费最少的精力快速实施运营策略？）。战术：了解原因：分析系统建设；开源重要，截流更重要：提高保留（有效用户数量）方法论；工人必须利用工具：建立增长工具；不要把鸡蛋放在篮子里：建立运营知识库（人群标签、渠道系统、决策转型、创意中心）。1、分析系统建设和分析系统建设的目的：了解产品开发现状，定位问题和潜在空间，总结TODO问题，合理判断必要性和优先级。总之，分析的根本目的是更清楚地看到业务，集中资源和精力解决最重要的问题。这句话的重点是下半句。如果只是为了满足好奇心或追求分析的复杂性和工作量，而不能判断应该先做什么，应该后做什么，不需要做什么，那么这种分析就没有价值，浪费时间和精力。基于用户生命周期维度构建分析系统的产品用户池是如何构成的，使用我们产品服务的用户是如何从生到死的过程基本上是这样的:如果产品的用户池就像一个水库，我们希望用户尽量留在我们的水池里。其实我们每天做的基本都是围绕以下目标(篇幅有限，这些具体的细化方法会在后续的文章中给出。敬请关注）：如何建立分析系统的第一步：定义新用户、有效用户、沉默用户、丢失用户分类的定义应基于判断业务经验（如连续10天未登录）和企业战略目标（订单量导向、毛利润导向或GMV导向）。新用户：指刚接触产品并首次完成整个产品流程的用户。新用户：指刚接触产品并第一次完成整个产品流程的用户。沉默用户：指使用产品、识别服务但部分需求转移到其他产品并变得不那么活跃的用户。流失用户:指曾经活跃在产品上，但由于某种体验受到伤害或所有需求转移到其他竞争产品。有效用户：指能够继续为企业贡献积极价值的用户（企业真正希望获得的用户）。对微博等不同行业、不同产品的理解不同，twitter、Instagram等产品的有效用户是指平台上持续活跃的用户，可以量化平均每日停留时间超过30分钟的用户数量、每日至少发布一个fed的用户数量、每日至少收集或转发一个用户数量等相关指标。另一个例子是淘宝、美团外卖等产品，可以用近7天内至少完成3次订单的用户数量、近30天内登录5次以上、近7天内收集1件以上的用户数量来衡量。简而言之，根据业务经验，计算有效用户数量可以判断一个（或多个组合指标）能够真正合理衡量持续为产品贡献积极价值的指标，以量化产品的有效用户数量。以天猫为例，我们可以定义以下四种用户：第二步：拆除核心指标精细操作将用户属性更详细的维度：新用户可以通过潜在水平，衡量新用户平台流入后续保留的可能性和未来产品的价值，后续起点可以优先给潜在的新用户，加速他们的增长。有效用户可以通过用户忠诚度、用户粘性、用户质量等维度进行拆分和分层，利用有针对性的操作策略，优先培养不同层次用户的优质用户粘性，提高用户忠诚度。沉默用户根据用户质量和激活概率进行分层，帮助我们找到最容易激活和最有价值的用户，然后优先激活这些用户。丢失的用户根据恢复概率和用户价值进行分层，类似于沉默的用户，优先接触和刺激最有机会和我们最想要恢复的用户。第三步：由于我们产品的修订、市场的变化和用户需求的升级，各级用户可能每天都会发生用户行为的变化。这样，我们就需要在第二步建设的基础上建立一个路径变化系统，观察用户心理的变化，用户对我们产品的认可和依赖，以及如何采取操作起点来评估哪条迁移路径可以有针对性地促进。以优质用户类为例，用户迁移路径如下图所示：由于我们人群拆解后形成的组合过多，导致不同用户迁移的可能路径过多。为了更好地了解用户的流向，我们可以通过以下方式观察用户的变化：每个人都关注是正向还是负向，理想情况下，如果所有人都是正向，这意味着我们的产品实现得很好，但是，如果某一群体有更多的负向迁移，则表明需要一些操作起点来刺激，以防止持续的负向迁移。例如：如果是销售牛奶的电子商务产品，为了提高高质量、高忠诚度用户的用户粘性，我们优化了产品详细信息页面文案，并增加了“您已购买5次并立即下订单以获得历史吸收卡路里报告”，以促进用户快速下订单，降低用户跳出的可能性。因为这种优化只针对高质量、高忠诚度的用户(通过切割流量实现千人千面的产品)，优化动作上线后，观察高质量、高忠诚度、高中、低粘度的用户，每天都是正面的。&净负向的变化，如果高粘度和中粘度用户的净正向明显增加，净负向明显减少，说明我们的优化是有效的。日常监控与复盘专题分析(1)运营策略复盘这部分取决于策略的目标是否实现，优化空间在哪里取决于转化过程。例如，战略目标是增加新用户的数量。在恢复时，我们应该基于曝光-点击-注册-购买等环节，看看有多少新用户最终得到了改进，哪些环节是该渠道提高效率的瓶颈；如果曝光点击率明显低于行业标准，则表明我们的材料需要优化。（这里的转换路径只是一个例子。当我们实际战斗时，我们必须需要进一步详细拆除它。例如，电子商务注册-购买可以分为注册-浏览产品列表页面，停留时间超过5秒-浏览产品详细信息页面并到达完整详细信息页面-添加购物车-点击立即购买-。（这里的转换路径只是一个例子。当我们在实战中战斗时，我们必须进一步拆除它。例如，电子商务注册-购买可以拆分为注册-浏览产品列表页面，停留时间超过5秒-浏览产品详细信息页面并到达完整详细信息页面-添加到购物车-单击立即购买-。。。。-支付成功)(2)监控异常这一部分的主要作用是帮助我们实时发现产品事故，及时修复。建立指标时，可以尽可能全面，覆盖所有产品转化路径。指标不怕太多。有几百个也没关系。设定阈值，每天只看报警，不报警就不用看。例如，在我们的监控系统中，有“点击立即发送短信按钮-填写验证码转换率”的指标。阈值为80%。有一天，该指标突然下降到1%，这表明我们的短信渠道存在问题或受到黑客攻击。用户可能没有收到短信，这样我们就可以通过这个监控系统第一次发现事故并进行修复，以最大限度地减少损失。（3）日常分析中常见的误解。由于分析系统的构建都是基于数据的，数据分析的新手可能会误入以下数据陷阱：1）为了满足好奇心，所有数据分析都应包括明确的分析目标、提出假设和验证假设。如果目标不明确，则没有基于经验的商业假设，我只是认为“我认为我们应该看看blabla数据”和BI部门的需求往往会导致等待很长时间的数据。看完后，我满足了好奇心，但我发现它似乎没有任何指导用途。那么这样的数据分析就没有用户了，浪费了和BI同事的时间。2)在广阔的数据中找到规则有时老板解释任务可能只是一个“分析我们的用户”，这样一个非常普遍的任务，不清楚的学生可能会立即开始提取全球用户可以想到的所有特征，然后做整个数据视角，计算各种比例、水平、垂直、一维交叉后没有发现二维交叉，结果越复杂，也许拿了几百块手表也没得出什么结论。聪明人一次做这样的事情就够了。全局看图找规律就是用战术上的勤奋来弥补战略上的懒惰。这种情况发生的根本原因是他们对用户需求没有足够深入的思考。3)将虚幻的假设寄希望于模型的复杂性。有些人喜欢追求工作过程的复杂性，好像一个目标没有实现是因为方法太简单，足够复杂，足够高端。3)将虚幻的假设寄希望于模型的复杂性。有些人喜欢追求工作过程的复杂性，好像一个目标没有实现是因为方法太简单，足够复杂，足够高端。当然，如果在科学领域，这种论点基本上没有问题，但操作人员以结果为导向，持续贡献增长是唯一的目标。有些人没有完成kpi，也没有提出任何复杂的方法论。他们说的和做的都是老生常谈。他们迫不及待地想每个月拿到工资，所以他们开始走上追求复杂模型的不归路：显然，渠道交付的文案特点不够突出，导致新的效率低下。优化文案是件好事，我们必须分析渠道用户肖像和产品用户肖像的相似性，然后在挖掘领域进行K-means聚类算法。有几个模型可以用来评估个体差异的准确性。模型可能是这样生长的：两个月后，他们的生活似乎瞬间丰富起来。事实上，这真的是不必要的。用户增长的本质应该集中在用户的需求上。数据只是一种工具。不要放弃一切，成为数据的奴隶。2、后续思考：为什么我们只从用户维度构建分析系统，而不谈销售、毛利润和净利润？2、后续思考：为什么我们只从用户维度构建分析系统，而不谈销售、毛利润和净利润？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战略重点偏差。例如，如果一家超市的销售额连续三个月下降，老板可能会惊慌失措，认为超市的运营方式是否有问题，并开始一系列的“改革措施”。然而，从拆迁的角度来看，如果超市的新效率和质量没有下降，有效用户数量没有下降，用户数量的损失也没有增加，但在此期间，购买百威啤酒的用户已经成为购买农民山泉的用户，客户单价下降导致的GMV下降。假如把这个问题放在前面，有没有必要关注并制定相关措施(比如啤酒打九折)？就我个人而言，我认为这是不必要的。相反，它很容易导致产品价值观的混乱和运营策略的重心偏差，使原本有机会努力创新和提高服务质量的工作滞后。原因是我们生产产品的首要任务是满足用户的需求（用户想喝啤酒卖啤酒，想喝农夫山泉卖农夫山泉），而不是创造用户的需求（乔布斯让用户觉得新的IPHONE是创造用户的需求，在乔布斯之前，用户不认为他们应该每年换一次手机）。3、结论：愿你“历尽千帆，回归青春”，回归初衷，只做正确的事情。本文主要介绍了我所理解的用户增长结构，以及第一部分“分析系统的建设方法和思路以及我踩过的坑”。后来，我会尽可能地补充剩下的话题，因为空间有限，这与你所在的行业产品非常不同，一篇文章不能帮助每个人手拉手建立自己产品的详细分析系统。欢迎有兴趣的朋友留言进一步交流。

以上就是关于用户增长架构：如何做好一套完整的架构的相关介绍，更多用户增长架构：如何做好一套完整的架构相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对用户增长架构：如何做好一套完整的架构有更深的了解和认识。