起點(diǎn)課堂會(huì)員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會(huì)特權(quán)
個(gè)人IP打造特權(quán)
30+門(mén)專項(xiàng)技能課
1300+專題課程
12場(chǎng)職場(chǎng)軟技能直播
12場(chǎng)求職輔導(dǎo)直播
12場(chǎng)專業(yè)技能直播
會(huì)員專屬社群
榮耀標(biāo)識(shí)優(yōu)秀產(chǎn)品人必懂的數(shù)據(jù)驅(qū)動(dòng)增長(zhǎng)模型
在實(shí)際的業(yè)務(wù)中，產(chǎn)品人很少有機(jī)會(huì)經(jīng)歷完整的數(shù)據(jù)體系搭建過(guò)程，本文將系統(tǒng)的介紹如何搭建一個(gè)完成的數(shù)據(jù)驅(qū)動(dòng)模型。
在實(shí)際的業(yè)務(wù)中，大多數(shù)人可能只會(huì)遇到以下一種或幾種常見(jiàn)的場(chǎng)景，并且對(duì)于各個(gè)細(xì)分場(chǎng)景，所需要解決的問(wèn)題和關(guān)注重點(diǎn)都是不一樣的。
場(chǎng)景一：你剛加入一個(gè)成熟產(chǎn)品的用戶增長(zhǎng)部門(mén)，會(huì)發(fā)現(xiàn)業(yè)務(wù)當(dāng)前有非常全面詳實(shí)的用戶和業(yè)務(wù)數(shù)據(jù)，但由于個(gè)人缺少數(shù)據(jù)分析的經(jīng)驗(yàn)，面對(duì)一堆數(shù)據(jù)，除了能簡(jiǎn)要了解到產(chǎn)品基本情況，不知如何從數(shù)據(jù)中挖掘出更有價(jià)值的信息。
- 待解決問(wèn)題：面對(duì)大量數(shù)據(jù)，不知如何入手分析。
- 所需的能力：各種可以從數(shù)據(jù)分析中找到增長(zhǎng)線索的方法論。
場(chǎng)景二：你熟練掌握了基本的數(shù)據(jù)分析技能，能夠基于現(xiàn)有數(shù)據(jù)找到增長(zhǎng)線索，你想針對(duì)某些關(guān)鍵指標(biāo)的異常情況進(jìn)行分析，但不知道哪些數(shù)據(jù)相關(guān)性高，如何將多維度的數(shù)據(jù)關(guān)聯(lián)分析。
- 待解決問(wèn)題：有明確的問(wèn)題需求，但不知如何有效拆解數(shù)據(jù)問(wèn)題。
- 所需的能力：基于目標(biāo)行為的拆解用戶路徑的方法。
場(chǎng)景三：拆解完用戶路徑后，發(fā)現(xiàn)目標(biāo)的轉(zhuǎn)化路徑中有部分?jǐn)?shù)據(jù)缺失，無(wú)法有效支撐你的分析。
- 待解決問(wèn)題：如何快捷有效的收集缺失的數(shù)據(jù)。
- 所需的能力：制定數(shù)據(jù)采集方案。
場(chǎng)景四：需要的數(shù)據(jù)采集到位后，發(fā)現(xiàn)數(shù)據(jù)統(tǒng)計(jì)混亂，每次查詢和分析數(shù)據(jù)的效率成本都很高。
- 待解決問(wèn)題：數(shù)據(jù)如何高效可視化呈現(xiàn)，降低查詢使用的成本。
- 所需的能力：創(chuàng)建數(shù)據(jù)儀表盤(pán)。
診斷上述的工作場(chǎng)景，大多數(shù)增長(zhǎng)人的工作順序可能是：數(shù)據(jù)分析→用戶路徑拆解→收集數(shù)據(jù)→搭建儀表盤(pán)。
基于數(shù)據(jù)驅(qū)動(dòng)用戶增長(zhǎng)可以分為以下五個(gè)步驟：
對(duì)大多數(shù)增長(zhǎng)從業(yè)者來(lái)講，最重要的是先掌握一套數(shù)據(jù)分析方法，從現(xiàn)有數(shù)據(jù)中快速找到增長(zhǎng)線索，取得一些增長(zhǎng)業(yè)績(jī)，再反過(guò)來(lái)檢查數(shù)據(jù)埋點(diǎn)、統(tǒng)計(jì)等地方有沒(méi)有問(wèn)題。當(dāng)掌握了數(shù)據(jù)分析方法，但所在的公司or負(fù)責(zé)的業(yè)務(wù)沒(méi)有基礎(chǔ)數(shù)據(jù)也無(wú)從下手，才需要思考如何拆解用戶路徑、數(shù)據(jù)采集。而數(shù)據(jù)儀表盤(pán)，則是為了提高查詢效率，支持?jǐn)?shù)據(jù)分析工作快速、準(zhǔn)確開(kāi)展。
一、分析數(shù)據(jù)：多維度數(shù)據(jù)分析
從數(shù)據(jù)分析中尋找增長(zhǎng)機(jī)會(huì)，可分為“宏觀”和“微觀”兩個(gè)角度。
- 宏觀：在基礎(chǔ)數(shù)據(jù)中，找到較大的增長(zhǎng)機(jī)會(huì)。
- 微觀：對(duì)比精細(xì)化的用戶數(shù)據(jù)進(jìn)行分析，挖掘相對(duì)隱蔽的增長(zhǎng)線索。
無(wú)論所在的公司是否有用戶的精細(xì)化數(shù)據(jù)，都可以通過(guò)從整體的角度進(jìn)行數(shù)據(jù)分析，找到增長(zhǎng)乏力點(diǎn)。然后再考慮要不要分析更精細(xì)的數(shù)據(jù)。
案例：某內(nèi)容類APP產(chǎn)品
本節(jié)將會(huì)圍繞北極星指標(biāo)和全鏈漏增長(zhǎng)模型，通過(guò)一個(gè)案例（數(shù)據(jù)虛擬）展開(kāi)關(guān)于宏觀數(shù)據(jù)分析的分享。
- 北極星指標(biāo)：指導(dǎo)增長(zhǎng)工作方向最重要的指標(biāo)，也可以理為業(yè)務(wù)現(xiàn)階段的唯一重要的指標(biāo)。制定北極星指標(biāo)時(shí)，需要在服務(wù)于業(yè)務(wù)的長(zhǎng)期健康增長(zhǎng)下，同時(shí)考慮商業(yè)目標(biāo)和用戶價(jià)值。
- 全鏈漏斗增長(zhǎng)模型：是把影響北極星指標(biāo)的主要細(xì)分指標(biāo)梳理梳理出來(lái)，并標(biāo)注轉(zhuǎn)化率。通過(guò)模型，可以將北極星指標(biāo)細(xì)化拆解，從中找到增長(zhǎng)的機(jī)會(huì)點(diǎn)。
案例場(chǎng)景：剛剛?cè)肼氁患覂?nèi)容類APP，負(fù)責(zé)用戶增長(zhǎng)，公司沒(méi)有完善的后臺(tái)數(shù)據(jù)系統(tǒng)，無(wú)法通過(guò)詳細(xì)的用戶行為埋點(diǎn)數(shù)據(jù)，如何找到一些增長(zhǎng)的線索。公司現(xiàn)有后臺(tái)可提高的數(shù)據(jù)指標(biāo)：下載量、注冊(cè)量、登錄量、平均閱讀時(shí)長(zhǎng)、基本用戶信息。
第一步：構(gòu)建全鏈漏斗增長(zhǎng)模型
從轉(zhuǎn)化漏斗可發(fā)現(xiàn)：
- 拉新轉(zhuǎn)化率較高：新用戶下載到注冊(cè)的轉(zhuǎn)化率為70%，新用戶下載轉(zhuǎn)化率不錯(cuò)。
- 老用戶活躍度低：當(dāng)月活躍老用戶占總注冊(cè)用戶數(shù)的10%，老用戶活躍較低?；钴S用戶主要靠新用戶補(bǔ)充。
- 用戶感知的產(chǎn)品價(jià)值較低：當(dāng)月人均閱讀時(shí)長(zhǎng)較低，遠(yuǎn)低于行業(yè)均值。
第二步：分析歷史趨勢(shì)，觀察趨勢(shì)、異常點(diǎn)、拐點(diǎn)
從歷史數(shù)據(jù)中發(fā)現(xiàn)：
- 拐點(diǎn)：2019年11月，下載到注冊(cè)完成的轉(zhuǎn)化率從71%開(kāi)始大幅度下降，發(fā)送了什么？
- 趨勢(shì)：2019年10月，人均閱讀時(shí)長(zhǎng)提高了一倍。因?yàn)槟莻€(gè)時(shí)間段增加了內(nèi)容社區(qū)版塊。
第三步：按獲客渠道分解
在了解了現(xiàn)狀和歷史數(shù)據(jù)情況后，可通過(guò)獲客渠道對(duì)數(shù)據(jù)進(jìn)行維度分解。
- 公眾號(hào)的新用戶下載轉(zhuǎn)化率一直維持在63%-71%左右。
- 2019年11月份開(kāi)始抖音廣告，轉(zhuǎn)化率僅有10%-15%，因此導(dǎo)致了總體轉(zhuǎn)化率下降。
第四步：了解用戶的基本屬性特征，根據(jù)APP收集的用戶信息，畫(huà)出分布餅圖
通過(guò)年齡、性別、城市、職業(yè)等發(fā)現(xiàn)：
- 18-25，25-30的用戶占比最大。
- 職業(yè)：白領(lǐng)和大學(xué)生為主。
第五步：了解用戶的基本活躍度
發(fā)現(xiàn)：
- 超過(guò)80%的活躍用戶每月登錄少于4次；
- 但每月登錄4次以上的用戶，有接近80%的用戶為18-25歲的大學(xué)生用戶群體。
總結(jié)：
- 新用戶下載到活躍的轉(zhuǎn)化率尚可。
- 老用戶活躍度低。
- 人均閱讀時(shí)長(zhǎng)低于行業(yè)均值。
- 公眾號(hào)轉(zhuǎn)化率遠(yuǎn)高于抖音廣告。
- 18-25歲的大學(xué)生用戶群活躍度較高。
通過(guò)增長(zhǎng)線索的制定應(yīng)用策略的兩個(gè)方向
在通過(guò)數(shù)據(jù)分析得到增長(zhǎng)線索后，可以通過(guò)取長(zhǎng)補(bǔ)短的方式來(lái)制定增長(zhǎng)策略。
- 取長(zhǎng)：強(qiáng)化增長(zhǎng)，在已經(jīng)顯出成功信號(hào)的方向上，繼續(xù)加強(qiáng)。
- 補(bǔ)短：修補(bǔ)漏洞，找到整個(gè)業(yè)務(wù)漏斗中流失問(wèn)題最嚴(yán)重的環(huán)節(jié)，通過(guò)策略降低流失。
繼續(xù)針對(duì)上述案例，進(jìn)行分析，假設(shè)發(fā)現(xiàn)：
（1）公眾號(hào)來(lái)源的新用戶質(zhì)量高
對(duì)應(yīng)策略：取長(zhǎng)。增加公眾號(hào)的內(nèi)容數(shù)量，提升公眾號(hào)的內(nèi)容質(zhì)量。
（2）大學(xué)生用戶活躍度高
對(duì)應(yīng)策略：取長(zhǎng)。進(jìn)一步分析大學(xué)生的獲客渠道來(lái)源，通過(guò)用戶問(wèn)卷了解大學(xué)生感興趣的內(nèi)容和功能，加強(qiáng)對(duì)應(yīng)的產(chǎn)品體驗(yàn)。
（3）來(lái)自抖音廣告的新用戶轉(zhuǎn)化率低
對(duì)應(yīng)策略：補(bǔ)短。找到漏斗轉(zhuǎn)化率低的原因，測(cè)試提升轉(zhuǎn)化率。
（4）老用戶活躍度和留存率低
對(duì)應(yīng)策略：補(bǔ)短。進(jìn)一步分析活躍和留存曲線，找到用戶流失最大的問(wèn)題。
二、理解數(shù)據(jù)：梳理用戶行為路徑
梳理用戶路徑的意義：新項(xiàng)目開(kāi)啟時(shí)，需要明確北極星指標(biāo)和增長(zhǎng)模型，之后還需要進(jìn)一步加深對(duì)用戶和產(chǎn)品認(rèn)知的顆粒度。需要快速結(jié)合產(chǎn)品功能、業(yè)務(wù)邏輯，梳理清楚用戶行為路徑，為后續(xù)的確立指標(biāo)、數(shù)據(jù)埋點(diǎn)、數(shù)據(jù)分析奠定基礎(chǔ)。
梳理用戶行為路徑的方法
（1）梳理核心路徑：根據(jù)北極星指標(biāo)，構(gòu)建轉(zhuǎn)化漏斗。轉(zhuǎn)化漏斗一般為設(shè)定的用戶主路徑。
（2）細(xì)化核心路徑：將核心路徑中加入更多的漏斗步驟，理想形態(tài)是拆到不能再細(xì)化為止。
（3）加入其他重要路徑：梳理重要的產(chǎn)品功能和業(yè)務(wù)邏輯，描繪主漏斗之外的重要行為路徑，找到路徑之間的關(guān)系。
案例：某電商類APP
小編通過(guò)針對(duì)電商類的產(chǎn)品，簡(jiǎn)要分享一下如何梳理用戶行為路徑。
第一步：梳理核心路徑
第二步：加入其他重要路徑
第三步：輸出用戶行為路徑圖
三、收集數(shù)據(jù)：制定埋點(diǎn)方案
制定數(shù)據(jù)采集方案是數(shù)據(jù)驅(qū)動(dòng)用戶增長(zhǎng)的第二步。沒(méi)有用戶行為數(shù)據(jù)，數(shù)據(jù)顆粒度不夠，也就難以發(fā)現(xiàn)業(yè)務(wù)指標(biāo)變化背后的原因，從而難以發(fā)現(xiàn)增長(zhǎng)線索。通過(guò)數(shù)據(jù)埋點(diǎn)追蹤用戶行為，可以用數(shù)據(jù)描述用戶在產(chǎn)品中的行為軌跡，也構(gòu)成了指標(biāo)儀表盤(pán)和分析數(shù)據(jù)的基礎(chǔ)。
增長(zhǎng)團(tuán)隊(duì)經(jīng)常面臨的問(wèn)題：
- 沒(méi)有詳細(xì)用戶行為數(shù)據(jù)，無(wú)法進(jìn)行比較細(xì)致的數(shù)據(jù)分析。
- 做過(guò)用戶行為的埋點(diǎn)，但不準(zhǔn)確，無(wú)法使用，不能滿足分析需求。
埋點(diǎn)的目的是追蹤所有的用戶關(guān)鍵行為。
確定埋點(diǎn)數(shù)據(jù)指標(biāo)
常見(jiàn)的兩種需要數(shù)據(jù)埋點(diǎn)的情況：
- 已有基本埋點(diǎn)，只需進(jìn)行缺失的數(shù)據(jù)埋點(diǎn)。
- 如從頭埋點(diǎn)采集用戶行為數(shù)據(jù)：分級(jí)分步，由主到次。
埋點(diǎn)需要記錄的信息：
行為本身（event）：用戶做了什么操作？
行為的屬性（property）：
- who：誰(shuí)參與了這個(gè)行為（設(shè)備ID，用戶ID等）。
- when：行為發(fā)生的時(shí)間。
- where：行為發(fā)生的地點(diǎn)。
- how：用戶參與這個(gè)行為的方式（設(shè)備型號(hào)，版本號(hào)等）。
- what：根據(jù)行為類型，細(xì)化更多情況（商品名稱、價(jià)格、數(shù)量、query詞等）。
制定事件埋點(diǎn)方案
制定事件埋點(diǎn)方案是產(chǎn)品運(yùn)營(yíng)的基本技能之一，這里小編就不做過(guò)多的分享了。
簡(jiǎn)單總結(jié)幾點(diǎn)埋制定埋點(diǎn)方案是常見(jiàn)問(wèn)題：
埋點(diǎn)的常見(jiàn)問(wèn)題一：思路不清，事無(wú)巨細(xì)。
問(wèn)題現(xiàn)象：什么都想埋點(diǎn)，導(dǎo)致上線時(shí)間晚，且埋點(diǎn)過(guò)多對(duì)產(chǎn)品負(fù)擔(dān)較大，影響用戶體驗(yàn)。
避免建議：
- 從重點(diǎn)出發(fā)：如從北極星指標(biāo)，增長(zhǎng)模型和重要問(wèn)題出發(fā)，規(guī)劃埋點(diǎn)計(jì)劃。
- 從問(wèn)題出發(fā)：帶著需要解決的問(wèn)題和分析目標(biāo)，通過(guò)數(shù)據(jù)解讀進(jìn)行埋點(diǎn)規(guī)劃。
埋點(diǎn)的常見(jiàn)問(wèn)題二：事件命名格式不統(tǒng)一
- 問(wèn)題現(xiàn)象：同一個(gè)事件，存在多個(gè)名字。因?yàn)榘姹镜鷮?dǎo)致前后版本命名不同等。
- 避免建議：統(tǒng)一規(guī)定事件結(jié)構(gòu)和命名規(guī)范，做好文檔管理，定期更新。
埋點(diǎn)的常見(jiàn)問(wèn)題三：錯(cuò)過(guò)重要的事件或?qū)傩?/strong>
- 問(wèn)題現(xiàn)象：因?yàn)橥话l(fā)情況導(dǎo)致的某路徑或環(huán)節(jié)數(shù)據(jù)異常，但未針對(duì)這個(gè)路徑進(jìn)行埋點(diǎn)。
- 避免建議：埋點(diǎn)前，從問(wèn)題出發(fā)：想清楚為了回答哪些問(wèn)題，要追蹤哪些事件，事件需要哪些分支路徑和環(huán)節(jié)。發(fā)現(xiàn)錯(cuò)漏后，逐漸補(bǔ)齊。
埋點(diǎn)方案常常分為前端（客戶端）埋點(diǎn)和后端（服務(wù)器端）埋點(diǎn)兩類方向。
前端埋點(diǎn)：主要是記錄用戶端操作行為，如點(diǎn)擊事件，頁(yè)面打開(kāi)事件等。
- 埋點(diǎn)方法：通過(guò)客戶端代碼進(jìn)行埋點(diǎn)。
- 優(yōu)點(diǎn)：真實(shí)記錄產(chǎn)品內(nèi)用戶行為和路徑，不需要請(qǐng)求服務(wù)器數(shù)據(jù)。
- 缺點(diǎn)：不能記錄業(yè)務(wù)結(jié)果，網(wǎng)絡(luò)加載慢時(shí)，可能導(dǎo)致數(shù)據(jù)不完整，更新埋點(diǎn)時(shí)需要進(jìn)行版本更新，界面視覺(jué)交互修改時(shí)，可能需要更新對(duì)應(yīng)埋點(diǎn)。
后端埋點(diǎn)：主要記錄用戶特征變化及前端操作導(dǎo)致的業(yè)務(wù)結(jié)果，如付款成功，交易失敗等。
- 埋點(diǎn)方法：通過(guò)從接口調(diào)用后端數(shù)據(jù)。
- 優(yōu)點(diǎn)：實(shí)時(shí)性好，產(chǎn)品界面改變不需更新埋點(diǎn)。能夠收集不在APP內(nèi)發(fā)送的行為，記錄最終的結(jié)果，數(shù)據(jù)相對(duì)更準(zhǔn)確。
- 缺點(diǎn)：不能收集不需調(diào)用接口請(qǐng)求服務(wù)器的數(shù)據(jù)。例如用戶的按鈕點(diǎn)擊事件。
埋點(diǎn)案例
小編在此通過(guò)一個(gè)攜程的登錄頁(yè)面埋點(diǎn)來(lái)簡(jiǎn)要說(shuō)明一下如何埋點(diǎn)。
因?qū)Φ卿浌δ苓M(jìn)行埋點(diǎn)，所以需要記錄如下信息：
行為（event）：
- 注冊(cè)流程各個(gè)節(jié)點(diǎn)的轉(zhuǎn)化率。
- 第三方登錄流程各個(gè)節(jié)點(diǎn)的轉(zhuǎn)化率。
- 驗(yàn)證碼登錄流程各個(gè)節(jié)點(diǎn)的轉(zhuǎn)化率。
- 密碼登錄流程各個(gè)節(jié)點(diǎn)的轉(zhuǎn)化率。
- 密碼找回流程各個(gè)節(jié)點(diǎn)的轉(zhuǎn)化率。
- 用戶從登錄頁(yè)面直接退出的點(diǎn)擊次數(shù)
行為的屬性（property）：
- who：用戶設(shè)備ID，用戶ID，用戶使用的產(chǎn)品版本號(hào)，用戶手機(jī)號(hào)的國(guó)家號(hào)段(國(guó)內(nèi)，國(guó)外)。
- when：用戶操作各個(gè)流程的服務(wù)器時(shí)間，用戶登錄成功的服務(wù)器時(shí)間。
- how：用戶登錄時(shí)的產(chǎn)品版本號(hào)。
- what：根據(jù)行為類型，細(xì)化更多情況（商品名稱、價(jià)格、數(shù)量、query詞等）。
作者&公眾號(hào)：楊三季
本文由 @楊三季 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載
題圖來(lái)自 Unsplash，基于 CC0 協(xié)議
你怎么知道用戶年齡，性別的
很棒！我要好好的翻一遍莫的文章了，學(xué)習(xí)一下哈哈
很有啟發(fā)意義，多謝分享 ??
歡迎訂閱本人，如果能關(guān)注公號(hào)就更完美了。 ??