关于“数据驱动增长”，你了解多少？

你对“数据驱动增长”了解多少？“数据驱动增长”于2015年在中国被提及，作为“数据驱动增长”GrowthHacking随着GrowthHacking概念的普及，其中一部分逐渐被互联网行业的产品、运营和数据分析师所接受。然而，大多数朋友只听说过“数据驱动增长”这个词，对其方法缺乏系统的了解。原因是各公司普遍缺乏优秀的数据分析工具，其次是课程或文章简短有效。通过工作中的实际运用，作者本人总结了一些通用的方法和流程。虽然他不敢称之为完美，但这足以让读者从0中“基本学习”。对于还没有深入接触过“数据驱动增长”的朋友来说，肯定会有这样的疑问:这是什么？有什么用？怎么去用？在本文第一节的“基本认识”中，通过四个小节回答“为什么”、“什么”和“什么用”的问题。第2、3、四节回答“怎么用”的问题。第二节介绍了三个使用实例，使读者更容易理解以下方法系统。第三节介绍了第二节例子所反映的方法。第四节总结了构建数据驱动增长模型的一般步骤。全文结构如图2所示。图2.全文结构学习“数据驱动增长”首先要有正确的宏观认识，然后根据宏观知识框架学习具体用法。如果读者对增长有系统的了解，可以跳过第一节介绍宏观认识的部分。“数据驱动增长”听起来很深刻。事实上，核心内容并不多。许多著名大师之所以通过整本书谈论这项技能，是因为出版社不允许他们的书只写10-20页。作者确信，读完这篇文章后，你将对“数据驱动增长”的核心概念和技能有一个全面和系统的理解，并开始尝试在工作中使用它。1、正确认识增长的“增长”是什么？增长通常被认为是增加DAU、PV、UV，最好的办法就是多引流。但事实是，DAU//只有“拉新”，没有“保留”PV/紫外线升级不是增长！这就像“竹篮打水”。看来篮子里的水越来越多了，因为水龙头开得很大。但是问题是：流量要花钱买，用户还没有点击广告，没有购买就离开了，连获取客户的成本都无法收回，更不用说口碑效应了。而且，一旦你的产品让用户“恶心”一次，用户就不会在没有意外的情况下回来。忽视保留可以说是对未来的透支！图3显示了“只拉新不留”的死姿。图3.“只拉新不留”的死姿势PS：一些企业家利用图3中的这种方法来欺骗投资，俗称“Tovc模式”。重构你的“数据意识”，如何定义增长？个人认为：DAU、UV等指标属于“虚荣指标”，很容易误入歧途。对“增长”的最佳解释是“增长”AARRR在某些地方，模型也被称为“海盗模型”，如图4所示。图4.AARR模型①获取。是从搜索引擎、应用市场等渠道获取产品的“访问新用户”。推广的目标是：渠道质量、数量、新用户比例等。②激活。从“访问新用户”到“用户”，完成“体验完整产品”所需的所有前置操作。③留存。用户同意产品带来的价值，并继续使用产品。从“用户”到“活跃用户”。④变现。收获客户成本并通过点击广告、流量销售、服务支付等方式获利。推广的目标是：付费转化率、客户单价等。⑤推荐。用户对产品的价值非常满意，并推荐他人使用。从“活跃用户”到“粉丝用户”。这五个核心指标共同构成了增长。这五个指标集中在产品生命周期的不同阶段。探索期更注重“激活”和“保留”，增长期更注重“获取”和“推荐”，稳定期更注重“实现”。如图5。无论你是产品经理还是产品运营，你所做的一切的最终目标都必须是成长。因此，一切都必须改进这五个指标中的一个或多个，相应的数据分析也应该围绕这五个方面进行。数据可以为增长带来什么样的“转换漏斗”和“保留图（表）”是分析增长数据不可或缺的两个基本工具，可以应用于AARRR模型的每个阶段。具体来说，渠道质量、激活转化率、付费转化率、推荐转化率可以用“转化漏斗”来衡量，日/周/月的保留率可以用“保留图(表)”来衡量。如图6。这两个基本工具结合了下一节提到的“用户群”、“用户仔细检查”等工具可以让我们通过数据找到AARR中每一步的改进空间和方法，这就是数据给增长带来的价值。图6。AARRR模型中数据工具的数据驱动增长需要什么样的工具？如果数据驱动增长需要具有特定功能的工具。从上一节可以看出，最常用的数据工具有以下五种:①转化漏斗。如图7。在某一功能的一组操作行为中，用于量化用户的转换/损失，以及产品中各种功能的利用率。②保留图(表)。如图8。用于分析7天保留、1月后周保留、1年后月保留等数据，可以找到提高保留率的空间和方法，检验产品优化方向的正确性。③用户分群。通过用户行为筛选用户群，标记重要功能。④用户细查。查看用户的所有点击和页面浏览行为，是定性研究的利器。⑤来源管理。用于标记用户来源，然后分析各渠道的流量质量指标，如转化率、保留率、新用户比例等。图7.转换漏斗示意图(图片来源:GrowingIO）图8.保留图示意图(图片来源:GrowingIO）前三个功能尤为重要，缺一不可。图9GrowingIO、诸葛IO、从神策数据的功能菜单中可以看出，每个工具都有这三个核心功能。图9.GrowingIO、诸葛IO、神策数据的主面板能熟练使用“转换漏斗”吗？、“保留图(表)、“用户分组”是衡量产品人员是否具备“数据驱动增长”基本技能的重要标准。如果你手头没有这样的工具，你也可以使用其他替代方案，比如让技术学生指导数据或自己写脚本，但效率要低得多。本节2.实战案例介绍3个使用案例。以案例为铺垫，可以帮助读者更好地理解以下介绍的技巧和流程。本节采用的案例分别从GrowingIO公开课第2选取、4、14课。(本来打算用作者的工作背景作为案例，但考虑到商业保密的问题，最后决定用社会上公开的例子。)案例1以某音乐APP为例，如图10左侧，点击一段时间内“喜欢”三次以上的用户，如红线所示，蓝线表示整体用户。点击“喜欢”3次以上的用户留存率高于整体用户。再比较点击“喜欢”大于3次和小于3次的用户保留之间的差异？在图10的右侧，下面的绿线是点击“喜欢”不到3次的用户的保留曲线。很明显，点击“喜欢”不到三次的人的留存率低于整体用户。保留分析的作用是指导如何优化产品。由于我发现点击“喜欢”超过3，保留率会很高，我们可以得到一个假设：如果用户可以更早地点击“喜欢”，将会有更多的客户留下来。同样，如果用户加入兴趣社区，也可以看到他们的留存率比整体客户有所提高。此外，如果用户点击“喜欢”超过3次，并加入兴趣社区，其保留率高于只点击“喜欢”超过3次或只加入兴趣社区。图10.音乐应用程序保留图案2以在线旅行网站为例，需要提高支付页面的转换率，因此选择用户到达支付页面但未完成支付，并借助“用户检查”功能观察用户在支付页面的行为轨迹。如下图11所示，最左边是用户第一次进入平台时的动作。客户打开页面，浏览旅游商品页面，点击购买并提交付款页面，但直接退出，未确认付款。第二次，用户回来浏览旅游商品，选择另一种商品，提交付款，然后退出付款页面。这个用户第三次进来浏览另一个旅游商品，提交付款，最后还是没有完成付款。这一次，用户完全退出了应用程序。通过“用户仔细检查”发现，用户每次退出支付页面，然后重新选择新的旅游商品。结合对业务的理解，建立以下假设：客户选择旅游商品是一个重复的过程，包括旅游时间、酒店套房、交通安排、景点参观等。客户在提交订单后很容易再次改变他们的选择。如果订单的支付页面不能修改订单内容或返回上一页修改订单，用户最终会放弃支付或直接退出，导致支付转换率过低。根据上述行为，可以建立“支付页面缺乏产品比较功能”的假设，然后对假设进行真实或伪造。具体来说，可以通过种子用户访谈来验证。如果开发成本很小，也可以通过在线A/B测试来验证。图11.利用“用户仔细检查”发现设计缺陷案例3对某一功能的转换漏斗，可以从区域维度(分析各区域的转换情况)、平台维度（iOS，Android，web等）、如图12所示，行为维度(收到优惠券，关注一种商品等)。).通过比较各维度转化率的差异，可以找到大量的优化空间。因此，我们可以采取这样的措施：增加某些地区或渠道的交付，增加某些功能的曝光，并向更多的人发放优惠券。图12.用维度比较探索转换升级空间3.技能介绍技能1：在魔法数字例1中寻找方法是典型的“魔法数字”，首先要明确魔法数字的概念。当新用户在一定时间内以某种频率使用某种功能时，他们更有可能留下来成为忠诚的用户。这些可以大大提高用户保留的神奇数字，称为魔法数字（MagicNumber）。该方法起源于硅谷的互联网公司。例如，Twitter发现，如果新用户在30天内关注30个朋友，他们很容易继续活跃在平台上，否则损失的风险很高；Linkedin发现，如果新用户在一周内增加5个联系人，他们的保留率和使用频率将提高3-5倍；Dropbox发现新用户只使用一次Dropbox文件夹，成为忠诚用户的可能性大大提高。然而，仅仅知道“魔法数字”的事实还远远不够，我们也应该知道这个事实背后的真相。然而，仅仅知道“魔法数字”是远远不够的，我们也应该知道这个事实背后的真相。了解真相的好处是：①如果你的产品有很多功能点，一个接一个地测试需要很多精力。了解真相可以使测试有针对性。②容易混淆使用行为与保留改进的因果关系：使用该功能是保留改进的“因果”还是保留改进后的“果实”？“魔法数字”现象存在的原因是，产品中的一些功能可以让用户更快地找到产品带来的价值。如果一个产品的用户价值是90分，用户到达产品时可能只会发现60分，另外30分需要用户在使用产品的过程中逐渐发现。然而，用户的耐心是非常有限的。如果用户在耐心耗尽之前没有意识到产品的价值，你就不能阻止他离开。例1中，“喜欢”和“兴趣社区”两个功能可以让用户更快地找到音乐APP的用户价值。找到“魔法数字”相当于打通了留存的“任督二脉”，事半功倍。同样的手段实际上广泛存在于我们每天使用的产品中。例如，京东将每月向购物超过3天的用户发放积分奖励，老板直接将“新闻”入口放在应用程序中最引人注目的位置。如图13。这一切都是为了让用户触发“魔法数字”。图13.JD.COM和Boss直聘中的魔法数字技能2：这里的设计缺陷包括：测试同事未能发现的bug和让用户不舒服的设计。发现设计缺陷是一个先定性、再定量的过程，其目标通常是提高转化漏斗中某一步的转化率。A.在定性阶段，目标是找出用户行为异常的case。首先，明确您想要改进转换漏斗的哪一步，并标记此步离开的用户使用“用户分组”功能。然后，通过“用户仔细检查”功能，找出用户离开前后发生了什么，通常会发现一些“用户没有按照设计的初衷使用”、“用户遇到功能bug”等现象。例如2，目标是提高“支付”步骤的转化率，通过“用户群”“到达支付页面但未确认支付”等用户标记，然后通过“用户检查”分析用户行为，最终发现：“未完成支付”用户，许多在支付页面“返回选择商品”。B.在定量阶段，目标是估计定性阶段发现的问题所影响的用户数量和比例。由于定性阶段发现的case不仅可能是单个用户遇到的个别问题，也可能是一群用户遇到的常见问题，因此我们需要结合影响的数量和比例来评估是否需要优化？优先级有多高？在定量计算中，首先使用“用户群”来定义需要定量分析的用户，然后使用“转换漏斗”来评估影响大小的用户。例如，在例2中，用户首先定义了“到达支付页面后返回，然后重新选择商品”的行为特征，以便了解每天/每周影响的用户数量。然后把这个分组的用户放在漏斗里，看看这些用户在“支付”这一步每天/每周未转换的比例是多少。技巧3：估计转化提升空间提升转化率往往会遇到这样的问题：我的转化率是高还是低，还有多少提升空间？你基本上不可能获得竞争产品的数据作为参考，也不可能获得竞争产品的数据

以上就是关于关于“数据驱动增长”，你了解多少？的相关介绍，更多关于“数据驱动增长”，你了解多少？相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对关于“数据驱动增长”，你了解多少？有更深的了解和认识。