怎么做自己的优惠券网站,公司网站建设知识,建站网站排行榜,Wordpress is文章展示互联网的世界里一切都是为了增长#xff0c;灵光一现的创新可能会让一个产品成功#xff0c;但绝不可能长久。 在用户增长的领域里#xff0c;如何复用一套框架#xff0c;找到最佳实践的一条路径#xff0c;再配备一点运气#xff0c;去实现商业成功是我一直所探索的话题… 互联网的世界里一切都是为了增长灵光一现的创新可能会让一个产品成功但绝不可能长久。 在用户增长的领域里如何复用一套框架找到最佳实践的一条路径再配备一点运气去实现商业成功是我一直所探索的话题这篇文章和今后的几篇文章将系统性地阐述用户增长的最佳路径。 用户增长定义在市面上已经有很多完整解释了这里就不再赘述。 简单来说用户增长的根本目的是为了提升产品在一段时间内的有效用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分 一、战略 取势产品的设计本身符合时代的发展趋势如果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”这个商业模式能否长久有用户愿意买单、并找到最佳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。 比如什么时候应该加大力度在百度推广上投放广告应该买什么关键词定向什么样的人群画像。 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持续迭代数据产品和营销工具来提升运营效率并降低运营事故率什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。 二、战术 一知其然、知其所以然分析体系搭建这里着重说分析体系搭建 二开源重要、截流更重要提升留存有效用户数方法论 三工欲善其事必先利其器建设增长工具 四不把鸡蛋放在一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。 一分析体系的搭建 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事项并合理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者追求分析复杂度和工作量而没有能够判断哪些事情应该先做、哪些事情应该后做、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陷阱 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、提出假设、验证假设。 如果目标不清晰、没有make sense的基于经验的业务假设而只是认为“我觉得应该看blabla数据”而跟BI部门提需求往往会造成等了很久才出来的数据看了之后满足了好奇心但发现好像并没有什么指导性的用处。 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一句“分析一下我们的用户”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征。 然后做全集的数据透视算各种占比横向的、纵向的一维交叉之后没啥发现看二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一次就够了全局看图找规律这种事就是在用战术上的勤奋弥补战略上的懒惰这种情况发送的根本原因就是自己没有在用户需求层面有足够深度的思考。 3 将虚无缥缈的假设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追求做事过程的复杂度仿佛一个目标没有达成是因为方法太过简单的原因足够复杂、足够高端就可以达成了。 当然如果在科学领域这种论调基本没问题但做运营的人是以结果导向的持续贡献增长才是唯一目标。 有的人没有完成kpi又没提出过什么复杂的方法论说的做的都是老生常谈的东西恨不得每个月都不好意思领工资所以就开始走上了追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导致拉新效率低优化个文案就好了的事情非要去分析渠道用户画像和产品用户画像的相似性。 再搞个挖掘领域的K-means聚类算法 光衡量个体差异的模型就搞了好几个来评估准确性模型大概是长成这样的 搞了两个月之后仿佛自己的人生都瞬间充实了一样。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 一个产品的用户池是如何构成的以及使用我们产品服务的用户是如何从生到死的过程基本是这样的 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按照如下步骤进行分析体系搭建 第一步定义新用户、有效用户、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天未登录是否认定为流失以及企业的战略目标订单量导向、毛利导向或者GMV导向。 新用户指刚刚接触产品并第一次完成体验了整个产品流程的用户。 沉默用户指使用过产品认可过其服务但部分需求迁移至其他产品而变得不那么活跃的用户。 流失用户指曾经在产品上活跃过但因为某次体验受到了伤害或者全部需求迁移至其他竞品。 有效用户指可以为企业持续贡献正向价值的用户企业真正希望获得的用户。 什么是有效用户 所有的增长工作都是围绕着“提升当下有效用户数”和“提升未来用户变成有效用户的可能性”这两个目标。 有效用户是指可以为企业持续贡献正向价值的用户企业真正希望获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这样产品的有效用户是指持续在平台活跃的用户可以用平均每日停留时长高于30分钟的用户数、平均每日发布至少1个feed的用户数、平均每日收藏或转发至少1个的用户数等相关指标来量化 又比如淘宝、美团外卖这样的产品可以用近7日内至少完单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。 总之计算有效用户数可以基于所在业务的经验判断一个或几个组建复合指标真正能合理衡量为产品持续贡献正向价值的用户数的指标来量化产品的有效用户数。 如果说产品的用户池像一个蓄水池一样我们希望用户尽量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搞用户增长的每天需要看什么数怎么看 核心用户指标这部分看数的主要目标是关注我们产品的用户结构发生了什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、有效用户数、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征和企业发展战略来制定例如如何定义沉默、有效、流失更为合理 当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7-14天沉默、近14-30天沉默、近30天沉默等等。 运营策略复盘这部分看数要策略的目标是否达成、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曝光-点击-注册-购买等环节看最终实现了多少新用户的提升以及哪些环节是这个渠道提升效率的瓶颈如果是曝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一步细拆比如电商类注册-购买可以拆为注册-浏览产品列表页且停留时长超过5秒-浏览产品详情页且到达完整详情页-加入购物车-点击立即购买-。。。。-付款成功。 监控异常这部分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可能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可以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者被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体系第一时间发现事故并进行修复将损失降到最低。 第二步 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留存的可能以及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解分层运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忠诚度。 沉默用户按用户质量和激活概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分用户。 流失用户按照挽回概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。 保存图片查看大图 第三步 搭建不同类别用户迁移路径 由于我们产品的改版、市场的变化以及用户需求的升级每一个层级的用户可能在每天都会发生用户行为的变化。 这样就需要在我们第二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发生了哪些变化、用户对于我们产品的认可和依赖发生了怎样的变化以及评估如何采取运营抓手可以针对性地促进哪个迁移路径。 用户的迁移路径以高质量用户类举例是下图这个样子的 因为我们人群拆解后形成的组合过多导致了不同类用户迁移的可能路径过多了为了更好的看清楚并了解我们用户的流向我们可以用如下方式来观测用户变迁 每个人群关注是否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一些运营抓手来进行刺激防止持续负向迁移的情况发生。 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忠诚用户的用户粘性进行产品详情页面文案的优化增加“您已经购买过5次、立即下单即可获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降低用户跳出概率。 由于这种优化只面向高质量高忠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忠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。 为什么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。 举个例子一家超市的销售额连续3个月下降老板可能就慌了觉得是不是超市的运营方法出现了问题开始一系列的“改革措施”。 但拆解看来如果该超市的拉新效率和质量均没有下降、有效用户数也没有下降、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下降引起的GMV下降。 如果把这个问题前置思考一下客单价的下降有没有必要引起关注和制定相关措施比如啤酒打9折 个人认为是没必要的反而容易引起产品价值观的混乱和运营策略的重心偏移让原本有机会发力的拉新创新和提升服务质量的工作滞后。 原因是我们做产品的第一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一年应该换一部新IPHONE就是创造用户需求在乔布斯之前用户是不觉得自己应该一年换一次手机的。 结语 愿各位“历尽千帆、归来仍是少年”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一部分“分析体系的建设方法和思路以及我踩过的坑”后面我也会陆续把剩下的几个话题也尽量补充完整。 由于篇幅有限和各位看官所处的行业产品千差万别一篇文章无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一步交流。 实战增长时我们经常会掉入“增长陷阱中”即拉来的新用户很多但留存特别差用户池的“水闸”始终关不上下一篇我会集中写一下如何“理解留存”、“提升留存”的具体运营方法希望能帮到大家。 文章推荐 【专题】从0开始搭建用户增长体系 新餐饮崛起的底层商业逻辑用户增长-留存-参与 美团外卖凭什么让人上瘾?它把用户增长思维融进了产品 标签 用户增长 用户运营 生命周期 分享 转载于:https://www.cnblogs.com/wcLT/p/9863196.html
