中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

用戶增長依賴于數據分析來對抗未知性，彈性組織能為企業的數據系統和模型提供可能，這也是增長的價值。最重要的就是建設一個企業級的敏捷的組織體系，進行MVP小量快跑來保障增長落地。

當組織體系足夠敏捷時，便形成了企業級敏捷。就像下圖的各個小團隊融合在一起一樣，團隊間的彈性、適應性會變得更強，小步快跑的增長實驗也擁有了更多的空間。更多的組織合作，進行數據快速迭代和可視化，成為數據分析的一個重要組成部分，能夠幫助團隊更直觀地理解數據，從而做出更準確的增長決策。

下圖是一個敏捷企業進行數據引導運營和增長的思維鏈條：

數據飛輪是通過持續積累數據、不斷優化分析，讓數據流動起來，驅動業務以更高效、智能的方式運行。通過組織中各部門的數據收集，問題發現形成基礎數據組——可視化層將數據清洗和分析解讀，結合關鍵指標，形成可視化看板——增長實驗AB測試尋找最新增長機會——反饋給各部門整理，形成新數據，從而進行新一輪的數據循環和數據飛輪效應；

一、增長實驗分析洞察流量——大轉盤抽獎活動的用戶旅程

為了更好促活用戶，我們常常會做一些小游戲和獎品來吸引用戶，提升用戶參與并打開網站或者APP，其中大轉盤抽獎，是最簡單且用戶參與度較高的流量獵手活動，也是做市場營銷和促活常用的手段，例如“小狐貍樂園幸運屋”的大轉盤抽獎活動。

這些活動的參與人數比較多，我們投錢給用戶送各種獎品，用戶也比較喜歡這種活動形式。

1. 我們梳理出用戶旅程地圖的全部路徑和步驟

從主頁彈窗、首頁VIP版面等活動入口進入大轉盤活動主頁，其中前七個為促進活動付費入口，最后一個為消耗權益入口。用戶點擊活動主頁按鈕再進行一系列的操作，最后可能會進入我們的付費轉化流程。

2. 梳理完用戶旅程地圖后，我們開始對所有指標進行拆解和分析

通過歷史數據進行漏斗分析對比，我們發現本次大轉盤活動的數據下降了，活動參與率和付費轉化率都有大幅度下滑。但是我們并不知道下滑的原因是什么，于是，我們開始對用戶行為進行分析。

3. 用戶行為分析就是研究用戶在頁面上的點擊分布

通過數據分析我們發現，登錄按鈕的點擊率較高，通過同期活動點擊熱力圖對比來看，這次大轉盤活動中的登錄按鈕有15%的點擊率。很有可能是用戶進入活動頁之后還需登錄，登錄失敗了很多人就流失了。

4. 用戶行為分析是分析用戶參與活動的心理時間成本

結合用戶的行為判斷有點擊用戶和無點擊用戶是否有特征差異。通過數據分析，我們得到洞察：

1) 抓住用戶進入活動后20秒黃金時間點，增加有效的互動交互環節能有效提升用戶的活動參與度。

2) 在40秒內能夠讓用戶有效地開啟活動環節。

3) 在2分鐘內能讓用戶完成一次活動或游戲的互動。

這也是一個很重要的模型參數，我們稱為“魔法數字”，是用戶參與活動的心理時間成本，把這個參數抽出來，未來也可以復用。

基于全量精細化的人群，可以洞察所有對活動感興趣的人群所具備的特征。例如，他們的時段特征、家庭畫像特征、行為特征等，而這些將來會是我們舉辦活動之后沉淀下來的經驗。這些經驗可以指導我們二次改進產品和運營。

5. 用戶行為分析是抓住目標群體高付費意愿時段

首先定位目標群體，其次解析用戶需求，最后設計一個基于數據決策非?？茖W有效的活動方式，撬動用戶意愿。這三點匯總起來就形成了我們的改進方案：一是優化登錄流程；二是優化活動節奏的流程，減少多余環節。

在購買消費時間節點來看，整體黃金時間17:00開始購物轉化率持續高漲，在19:00-22:00達到頂峰

1）付費和非付費用戶的黃金消費時間均為19:00-20:00，其中付費用戶在此時間段的付費意愿更強——建議這個時間段，正對付費用戶的優惠折扣和促銷增強，一方面提升付費用戶的購物轉化；另一方面是吸引非付費用戶向付費用戶轉移。

2）上午8:00-12:00時間，非付費用戶購物意愿更強

——這段時間應抓住對非付費用戶的營銷意愿，退出非付費用戶的營銷和促活套餐，提升購物轉化

6. 改進前后，用戶付費轉化率和人均購買次數趨勢

這兩個改進方案優化的效果非常好，大幅提升了流量的轉化和復購，同時也大幅促進了業務的增長。箭頭指的地方就是我們發現問題后修復的時間點。可以很直觀地看到修復后，整體的活動參與人數就很快上升了。

與此同時，通過調整活動中每個環節的節奏，把控用戶的時間心理成本，針對高付費人群和時段加強推送頻次，提升曝光，我們發現付費轉化率和人均購買次數也有了大幅度的提升。

二、歸納總結

由于這只是一次簡單的小活動，所以遇到峰值后會逐漸下降。如果我們同時開展很多長期性活動，會發現未來的波峰將會持續保存。如果再加上自動化推薦，由機器給合適的用戶推薦活動，那未來活動效果的持續性一定是優于人工運營效果的。

最后分享做數據驅動和增長的心得：

■ 第一點，流量。

經過一些實踐，我們更加懂得了流量思維和超級用戶思維的差異，更注重超級用戶的運營，讓用戶能更長久地留下來。

■ 第二點，轉化。

轉化一定是有一套科學體系的，而且當轉化復雜的時候快速做決策會形成彼此之間的干擾，所以我們要分層分析轉化。在不同的節點做轉化分析，研究這些節點之間是否有關聯并通過指標來驗證。

■ 第三點，數據沉淀。

每個企業都要有自己的數據銀行，數據銀行的最終價值在于存下一份“活”數據，能夠協助我們沉淀經驗，指導下一次的投放、運營和產品設計。

增長是一種思維方式，會為一些傳統的思維方式帶來新的改變，這也要結合每個產業、每個產品自身的特點實現落地。流量精細化運營，策劃驅動轉化，數據沉淀是發揮增長長效機制的基礎。數據模型化、智能化是未來增長的核心驅動力。如今大數據技術、AI技術已經逐漸進入應用階段，模型化和智能化會是未來驅動增長的核心競爭力。