GrowthHacker:数据驱动增长

以增长为目标,以数据为导向,成为增长黑客。
“Growth Hack”一词最早由谷歌互联网创业者SeanEllis提出:“A growth hacker is a person whose true north is growth.”2015年范冰的《增长黑客》一书出版,将这一概念引出国内。


增长黑客

如SeanEllis提出的增长黑客概念,增长黑客是始终以增长为导向,以数据驱动增长的极客,这可以是一个人也可以是一个团队,因为增长黑客所需要具备的能力是多种多样的,如Facebook、LinkedIn、Airbnb等大型公司都是以团队的形式,以增长为目标进行产品设计、营销、运营。

增长团队通常由多种角色组成,具备市场营销能力的运营专家、具备研发能力的技术专家以及具备数据分析能力的数据科学家。通过多种角色的组合,为公司以及产品的增长提供有力的保障。

增长黑客的出现,是对传统互联网行业中运营团队的一种加强,但又不完全是运营团队的替代。增长团队往往在产品初期就参与到产品功能设计当中,通过数据驱动,指导产品设计、运营等一系列生命活动。

所以在我看来,未来的增长团队是以产品、运营、研发组成的新型产品团队,负责一款产品从出生到衰亡的生命周期全过程。无论你是产品还是运营,学习增长黑客的相关知识与技巧,都是对未来有益的。

增长的本质

在增长黑客一书中提到了基于增长的海盗船模型(AARRR),在精益数据分析一书中也提到了精益数据分析框架(移情、粘性、病毒性、营收、规模化)。这些增长模型的本质,都是用户的增长:新用户数的增长、活跃用户数的增长、留存用户数的增长、口碑传播用户数的增长以及付费用户的增长。

不同用户数的增长其实就是用户行为的转化,从注册用户、活跃用户、留存用户到付费用户的转化,最终达到用户数的整体增长。用户是产品的最终使用者,用户的增长驱动着产品的增长。

FBM模型(Fogg's Behavior Model)

FBM模型为耶鲁大学一位教师Fogg在一篇论文中提到的这一概念,旨在为如何通过设计改变用户行为,提升用户行为转化率。

FBM模型即行为=动力*能力*触发,Fogg认为要实现用户行为的转化,需要三个因素即给用户足够的动机,让用户有能力完成转化行为以及具备触发用户行为的因素。

动力

马斯洛需求原理中将人的需求按照层次进行分类,用户会根据自己的需求进行产品的选择,所以在产品设计过程中,要让用户具备使用产品的动力。

能力

能力也可以称为成本,即刺激用户完成某个行为的成本,如金钱、时间等等,用户在使用产品时所需要付出的成本如果过大可能会造成较低的行为转化率。

触发

当产品让用户具备使用动力同时也拥有使用能力时,还需要一个触发因素来刺激用户的转化,这个触发因素可能是刺激、辅助指导或者转化信号,帮助用户完成转化行为。

增长团队是一个以增长为导向的团队,但是如何判断使用哪种增长方式以及如何判断增长效果好坏呢,不同于传统的领导拍脑门,增长团队一切以数据为导向,通过数据分析发现产品存在的问题,提出可行的解决方案,并且基于数据了解增长效果的好坏,进行有目标的迭代和优化。

增长方法论

OMTM(one metric that matters)

MOTM即唯一关键指标,源自于精益创业,指增长团队无论产品处于生命周期中的哪一个阶段,都要始终明确一个关键指标作为当前阶段产品设计、运营、增长的首要目标。也许在产品的某一个阶段,你需要同时监测多个目标,但是这其中只能有一个关键指标,其他指标都是为实现关键指标的增长提供帮助的,如果与关键指标的增长没有任何关系,那么请忽视它。

增长流程

1.设定增长目标

2.分析现状,确定聚焦领域

3.提出解决方案,排列优先级

4.设计上线试验和AB测试

5.分析应用结果

正如上文所提到的,在每一个阶段要设定一个关键指标作为增长目标,通过对现状的数据分析,发现目前团队需要解决的主要问题,根据问题提出可行的解决方案,对方案进行优先级排序,按照最优解决方案对产品进行设计、优化,上线测试后收集用户反馈进行分析,根据分析结果判断当前解决方案是否最目标的增长有效,并根据结果进行后续的优化与迭代。这就是一个增长周期的工作流程,增长团队的工作也是基于精益理论,在快速试错和小步快跑中不断调整增长方向,达到最优化的增长效果。

增长数据分析框架

本文中提到的增长数据分析框架结合了AARRR模型、精益数据分析模型以及长漏斗模型中的核心,形成了以数据为导向的增长数据分析框架。

每一款成功的产品从出生到衰亡的整个生命周期过程中都会经历获取用户、用户粘性、病毒传播和营收这4个阶段,从最上面的用户获取到最下面的营收,产品的人数是在不断递减的,而作为增长团队的任务,就是以数据为导向,不断减少每一层流失的用户数,提高用户在每一个阶段的增长,从而达到产品用户、利润的增长,毕竟只有赚钱的产品才能一直生存下去而不被用户和市场所抛弃。

1.用户获取

关键指标:定性、定量数据

每一款产品诞生初期都会经历冷启动阶段,在这个阶段是获取第一批用户的阶段,还没有足够的数据支撑我们进行增长目标的分析。

在产品设计阶段和产品早期上线阶段,获取数据的最佳方法及时去找你的真实用户。从用户中来也要到用户中去,这个阶段需要通过对真实用户的访谈、使用行为观察、调查问卷等方式,去获取定性、定量数据,根据数据得到有价值的信息以指导下一步的增长工作。

2.粘性

关键指标:参与度、留存率

产品的粘性依靠用户的活跃度和留存率,用户的活跃度越高、留存率越高证明产品的粘性越高。

留存率指标是一个较为大众的数据监控指标,通常可分为次日留存、七日留存和30日留存等,用以分析用户对于使用产品后的行为反馈。

参与度指标在不同类型的产品中所表现的形式会有所不同,如在电商类产品中参与度体现在用户的购买行为上;在社交类产品中参与度体现在用户之间发生交互的行为上;在UGC类产品中参与度体现在用户生产内容、消费内容的行为上。所以在参与度指标的设定上,需要根据你的产品来进行有针对性的定义。

3.病毒传播

关键指标:病毒传播系数、病毒传播周期

当产品的用户数具备一定规模后,往往会依靠产品自身的口碑传播获取更多的用户以降低用户获取成本,这个时候就要依赖病毒传播了。

病毒传播系数,即使用产品的用户会有多少人会主动向他人分享你的产品。

病毒传播周期,即使用产品的用户在使用多久后会主动向他人分享你的产品。

这两个指标对于产品能否以病毒速度进行用户间传播具有指导性的意义。在病毒传播阶段就需要通过不断的提高病毒传播系数,降低病毒传播周期,以达到传播目标。

4.营收

关键指标:用户获取成本、用户终身价值

任何一款不以盈利为目标的产品都不是好产品,相信每一个产品的创始人都是为了得到更大化的收益在不断让产品变得更好(纯公益产品除外)。在产品用户数量达到一定规模并且可以进行自增长的时候,就要考虑产品的盈利了。

用户获取成本,即产品获得一个用户需要消耗的成本。

用户终身价值,即用户从成为产品的使用者到最终放弃使用共带来的收益。

产品从每一个用户身上获取的收益就是用户终身价值-用户获取成本,一款产品收益的好与坏也取决于能否最大化降低用户获取成本,最大化提高用户终身价值。

本文中提到的增长数据分析框架中每一个阶段都提供了两个关键指标帮助大家在不同阶段找到关键指标,针对于指标增长的方式以及方法有很多种,在本文中就不做过多介绍。在产品生命周期中,要始终以产品增长为目标、以数据为手段,从而完成产品各阶段的增长任务。


作者:记小忆,运营商大数据产品实践者,擅长从0到1搭建产品经理知识体系

公众号:PM龙门阵,产品经理社群等待你的加入

0条评论 添加新讨论

登录后参与讨论
Ctrl+Enter 发表