快好知 kuaihz

如何破解增长瓶颈,成为真正的“增长黑客”?

增长黑客”的概念正火,但是想要成为真正的“Growth Hacker”却并不容易。无论是产品还是运营,都会碰到各种增长瓶颈,如业务停滞,用户下滑等。那么该如何破解增长瓶颈,成为真正的“增长黑客”?

增长是一个非常大的话题,比如用户注册增长,活跃度增长,商业营收增长等,不同的增长问题解决思路各异。

下面主要以APP运营中DAU(日活跃用户)的增长为例进行讲解,这个分析思路也可以举一反三。

破解增长瓶颈的五大策略

增长瓶颈该如何破解呢?结合自己多年数据分析和增长的经验,为大家提供了五大步骤,串起来形成一个闭环的增长操作步骤。

第一,了解自己产品,找到发力点。我们应该有一套数据采集和分析体系,每天为我们提供产品和业务的宏观数据。通过对宏观数据的分析,找到增长的发力点。

第二,拆解关键指标,确保可以执行。上面找出的作为发力点的指标可能非常宏观,我们需要根据实际将其拆解成多个指标,确保产品和运营可以在日常工作中执行。

第三,丰富和升级增长武器库。

第四,细分用户群,快速迭代实验。数据分析很多时候就是在细分,通过不同维度将用户分群,对不同用户群设计不同实验。

第五,实验效果监测和数据分析。迭代实验结束后,对实验的效果进行分析,把结论用于改进和指导下一次实验。

一、通过宏观数据了解产品状态

反映产品状态的指标很多,如PV/UV/DAU等等。在这里我们主要介绍3个指标,分别是DAU/WAU,DAU用户成熟度构成和增长加速度。

1.DAU/WAU反映的是用户活跃度,是每天去重活跃用户数除以每周去重活跃用户数的比值 

不同产品的活跃度不一样,产品定位于天的用户活跃度越高越好;定位到周的,活跃度稍微低一下。DAU/WAU的比值是1/7到1。1/7的时候代表7天里面每天登陆的用户都不一样,这个活跃度最低;1代表7天里面每天登陆的用户都一样,活跃度最高。因为产品定位不一样,活跃度指标天然不一样,这个需要不断观察。

2.DAU用户成熟度 

每天活跃用户里面,他们的首次激活时间是不一样的。把当月内激活的所有用户统计下来,看看他们在日活里面的比例,用来评价用户的成熟度。

3.增长加速度

增长分析的产品经理经常看增长曲线,有些聪明的产品经理把每天的差值做了一个曲线;或者把增长速度的曲线做一个求导,求加速度的曲线。增长的驱动力反映到数字上就是增长的加速度,速度的数字波动,反映到加速度的曲线上波动更大,需要做好平滑处理。

通过上述指标来快速了解我们的产品状态,找到我们的增长瓶颈。增长过程中两种常见的瓶颈:

当成熟度1个月以内的活跃用户占日活跃用户的比例超过30%,说明新用户在日活跃用中的比例非常大,表明我们产品处于生命周期较早阶段。这个阶段的用户流失率也是非常大的,我们应重点关注拉新,优化新用户接入的流程。

当成熟度1个月以内的活跃用户占日活跃用户的比例低于30%,说明我们的产品逐渐成熟。这时需要把目光放到存量用户上,提升存量用户的活跃度;但是也要兼顾第一类问题。

二、拆解关键指标,确保可以执行

通过数据分析了解了自己产品的发力点方向,一个是拉新,另一个是留存。虽然找到了发力点,但是不集中,需要我们将其拆解,直到拆解后的指标可以被执行,其效果可以反推到核心指标上。

拆解关键指标有三种方法,分别是按照用户使用习惯、用户生命周期、产品来拆。

下面以分析一个APP的DAU为例,具体介绍如何拆解关键指标。

假如我们关注的核心指标是DAU(日活跃用户),但是这个指标非常大,难以具体执行;我们可以按照用户使用习惯进行拆解。

活跃用户会主动打开我们的APP;同时不活跃用户,我们要向他推送信息,借此唤醒他们;最后还可以在微信或者其他APP页面中打开我们的APP(也称调起)。这样就把日活跃用户指标拆成三个指标:主动打开,推送和调起,方便进一步执行。

以推送为例,它由两方面组成:推送到达率和点击率。优化到达率和点击率,进一步方便了实际执行和落实。

再往下,按照用户的生命周期来分,有活跃用户和沉默用户。还可以继续往下拆,活跃用户按照产品使用习惯拆分,有内容消费型,社交型和工具型。

上面这个对提升APP关键指标DAU的拆解过程,告诉我们只有对核心指标进行合理拆解,具体到可以执行,才有现实意义。

三、丰富和升级增长武器库

拆解好指标后,需要选择合适的增长武器来实现我们的增长目标。在选择增长武器的过程,需要注意什么?

首先,增长武器必须触及到用户,不然是会失效的;

其次,需要不断丰富武器库,根据使用效果来升级;

然后,需要对客户分群,“精准打击”。对于武器来说,不是说选一件“核武器”来全方面打击就是最好的,我们需要选用一件精准的武器,对客户分群,实现精准覆盖;

最后,可以自动检测、持续影响。选中增长武器后,需要对用户实行自动检测,持续对用户施加影响。为什么要自动化监测呢?很多时候我们有可能同时在跑很多实验,如果人工操作的话,工作量大,而且效率低。自动化检测不一定要一个非常准确的值,我们可以大概设置一个阈值,当超过这个值就报警。

下表列举了常见的增长武器,在拉新、留存、提升活跃度、用户召回和市场推广等不同场景下,有不同的选择。

具体选择哪一种武器,需要我们在使用的过程中不断迭代实验,直到发现最优解。

四、细分用户,设计增长实验

选择好增长武器后,需要设计增长实验来检验效果。

明确实验的目的,跟踪一个指标。一个方案同时追几个指标是不合理的,最好只设立一个指标,便于观察者排除影响因素。同时,设定的指标最好是“率”或者“比值”。比值不会受到量的影响,如果定位量的话容易受到流量或者入口的影响。

明确用户群:用户群规模越细分越好,方便进行试验和比较。

设置benchmark,必须有对照试验,方便实验前后效果的对比。

整个实验的过程必须可以追溯和重复,实验效果好的时候可以多次重复。

快速重复和迭代。单位时间内得到的结论越多,增长越多,收益越多。

五、效果监测和数据分析

增长实验结束后,需要对实验效果进行检测和分析。

首先是直接的效果检测,是否达到预期值。然后分析实验对核心指标是否有明确的提升。同时要检测其他指标的异动情况,评估实验是否影响到了用户体验。

如果实验非常多,一段时间内进行非常多的快速迭代的话,就需要建立指标体系。通过统计的方式分析指标之间的影响程度和相关性,这也是一个不断优化的过程。

数据分析尤其重要,决定了实验迭代的速度和方向,因此要得到格外重视。

案例:APP沉默用户的召回

召回正在流失的用户是APP运营的重要工作。下图是某APP的用户流失示意图。

横轴是时间,竖轴上的数值代表不同类别用户所占的比重。在图示的右上方标有用户的类别,红色是当天的活跃用户减去当天新增用户后的数量;橙色是代表前天的活跃用户但是昨天没来;越往上用户就越远离我们。

如果把整个用户看成一个水池,新增用户就像往池底注入水,然后不断上升,越来越远离我们,然后蒸发。当然也有一些流失的客户自然返回,像一个降雨的过程,慢慢下沉。

在这个案例中,接近50%的客户有超过一个星期没有回来;如果能把这50%的客户拉回来,其价值可能远远大于新增用户的价值。

接下来细分流失客户,分成7-13天未访问和14-30天未访问的客户;然后分别向两类客户推送信息。

以某内容类APP为例,我们向两类客户发送了“每周内容精选”,发现7-13天未访问的用户召回率非常高,高于自然回访率。但是14-30天未访问的召回率非常差,跟自然回访率差不多。

然后我们就去分析自然回访的客户会在APP里面有哪些操作?我们发现很多自然回访的客户会到访问电影专题,我们猜测是不是用户看了某部电影然后回来了。于是我们向用户APP推送信息,但是推送到达率非常低。

分析得出结论,大部分流失的客户都卸载了我们的APP。于是改用发短信,向用户发电影票优惠券,但是必须到APP上来认领。数据证明了,这个效果非常好,14-30天未访问的用户群体的回访率得到了较大的提升。

本站资源来自互联网,仅供学习,如有侵权,请通知删除,敬请谅解!
搜索建议:增长  增长词条  瓶颈  瓶颈词条  黑客  黑客词条  真正  真正词条  破解  破解词条  
产品

 技术人员怎样转型产品经理?

大家好,我是robbin。最近我写了三篇关于产品经理的文章:「人人都能做产品经理吗?」,「产品经理究竟是做什么的?」,「产品汪和程序猿的相处之道」。有不少读者问...(展开)