如何破解增長瓶頸,成為真正的“增長黑客”?
“增長黑客”的概念正火,但是想要成為真正的“Growth?Hacker”卻并不容易。無論是產(chǎn)品還是運營,都會碰到各種增長瓶頸,如業(yè)務(wù)停滯,用戶下滑等。那么該如何破解增長瓶頸,成為真正的“增長黑客”?
增長是一個非常大的話題,比如用戶注冊增長,活躍度增長,商業(yè)營收增長等,不同的增長問題解決思路各異。
下面主要以APP運營中DAU(日活躍用戶)的增長為例進(jìn)行講解,這個分析思路也可以舉一反三。
破解增長瓶頸的五大策略
增長瓶頸該如何破解呢?結(jié)合自己多年數(shù)據(jù)分析和增長的經(jīng)驗,為大家提供了五大步驟,串起來形成一個閉環(huán)的增長操作步驟。
第一,了解自己產(chǎn)品,找到發(fā)力點。我們應(yīng)該有一套數(shù)據(jù)采集和分析體系,每天為我們提供產(chǎn)品和業(yè)務(wù)的宏觀數(shù)據(jù)。通過對宏觀數(shù)據(jù)的分析,找到增長的發(fā)力點。
第二,拆解關(guān)鍵指標(biāo),確??梢詧?zhí)行。上面找出的作為發(fā)力點的指標(biāo)可能非常宏觀,我們需要根據(jù)實際將其拆解成多個指標(biāo),確保產(chǎn)品和運營可以在日常工作中執(zhí)行。
第三,豐富和升級增長武器庫。
第四,細(xì)分用戶群,快速迭代實驗。數(shù)據(jù)分析很多時候就是在細(xì)分,通過不同維度將用戶分群,對不同用戶群設(shè)計不同實驗。
第五,實驗效果監(jiān)測和數(shù)據(jù)分析。迭代實驗結(jié)束后,對實驗的效果進(jìn)行分析,把結(jié)論用于改進(jìn)和指導(dǎo)下一次實驗。
一、通過宏觀數(shù)據(jù)了解產(chǎn)品狀態(tài)
反映產(chǎn)品狀態(tài)的指標(biāo)很多,如PV/UV/DAU等等。在這里我們主要介紹3個指標(biāo),分別是DAU/WAU,DAU用戶成熟度構(gòu)成和增長加速度。
1.DAU/WAU反映的是用戶活躍度,是每天去重活躍用戶數(shù)除以每周去重活躍用戶數(shù)的比值?
不同產(chǎn)品的活躍度不一樣,產(chǎn)品定位于天的用戶活躍度越高越好;定位到周的,活躍度稍微低一下。DAU/WAU的比值是1/7到1。1/7的時候代表7天里面每天登陸的用戶都不一樣,這個活躍度最低;1代表7天里面每天登陸的用戶都一樣,活躍度最高。因為產(chǎn)品定位不一樣,活躍度指標(biāo)天然不一樣,這個需要不斷觀察。
2.DAU用戶成熟度?
每天活躍用戶里面,他們的首次激活時間是不一樣的。把當(dāng)月內(nèi)激活的所有用戶統(tǒng)計下來,看看他們在日活里面的比例,用來評價用戶的成熟度。
3.增長加速度
做增長分析的產(chǎn)品經(jīng)理經(jīng)??丛鲩L曲線,有些聰明的產(chǎn)品經(jīng)理把每天的差值做了一個曲線;或者把增長速度的曲線做一個求導(dǎo),求加速度的曲線。增長的驅(qū)動力反映到數(shù)字上就是增長的加速度,速度的數(shù)字波動,反映到加速度的曲線上波動更大,需要做好平滑處理。
通過上述指標(biāo)來快速了解我們的產(chǎn)品狀態(tài),找到我們的增長瓶頸。增長過程中兩種常見的瓶頸:
- 當(dāng)成熟度1個月以內(nèi)的活躍用戶占日活躍用戶的比例超過30%,說明新用戶在日活躍用中的比例非常大,表明我們產(chǎn)品處于生命周期較早階段。這個階段的用戶流失率也是非常大的,我們應(yīng)重點關(guān)注拉新,優(yōu)化新用戶接入的流程。
- 當(dāng)成熟度1個月以內(nèi)的活躍用戶占日活躍用戶的比例低于30%,說明我們的產(chǎn)品逐漸成熟。這時需要把目光放到存量用戶上,提升存量用戶的活躍度;但是也要兼顧第一類問題。
二、拆解關(guān)鍵指標(biāo),確??梢詧?zhí)行
通過數(shù)據(jù)分析了解了自己產(chǎn)品的發(fā)力點方向,一個是拉新,另一個是留存。雖然找到了發(fā)力點,但是不集中,需要我們將其拆解,直到拆解后的指標(biāo)可以被執(zhí)行,其效果可以反推到核心指標(biāo)上。
拆解關(guān)鍵指標(biāo)有三種方法,分別是按照用戶使用習(xí)慣、用戶生命周期、產(chǎn)品來拆。
下面以分析一個APP的DAU為例,具體介紹如何拆解關(guān)鍵指標(biāo)。
假如我們關(guān)注的核心指標(biāo)是DAU(日活躍用戶),但是這個指標(biāo)非常大,難以具體執(zhí)行;我們可以按照用戶使用習(xí)慣進(jìn)行拆解。
活躍用戶會主動打開我們的APP;同時不活躍用戶,我們要向他推送信息,借此喚醒他們;最后還可以在微信或者其他APP頁面中打開我們的APP(也稱調(diào)起)。這樣就把日活躍用戶指標(biāo)拆成三個指標(biāo):主動打開,推送和調(diào)起,方便進(jìn)一步執(zhí)行。
以推送為例,它由兩方面組成:推送到達(dá)率和點擊率。優(yōu)化到達(dá)率和點擊率,進(jìn)一步方便了實際執(zhí)行和落實。
再往下,按照用戶的生命周期來分,有活躍用戶和沉默用戶。還可以繼續(xù)往下拆,活躍用戶按照產(chǎn)品使用習(xí)慣拆分,有內(nèi)容消費型,社交型和工具型。
上面這個對提升APP關(guān)鍵指標(biāo)DAU的拆解過程,告訴我們只有對核心指標(biāo)進(jìn)行合理拆解,具體到可以執(zhí)行,才有現(xiàn)實意義。
三、豐富和升級增長武器庫
拆解好指標(biāo)后,需要選擇合適的增長武器來實現(xiàn)我們的增長目標(biāo)。在選擇增長武器的過程,需要注意什么?
首先,增長武器必須觸及到用戶,不然是會失效的;
其次,需要不斷豐富武器庫,根據(jù)使用效果來升級;
然后,需要對客戶分群,“精準(zhǔn)打擊”。對于武器來說,不是說選一件“核武器”來全方面打擊就是最好的,我們需要選用一件精準(zhǔn)的武器,對客戶分群,實現(xiàn)精準(zhǔn)覆蓋;
最后,可以自動檢測、持續(xù)影響。選中增長武器后,需要對用戶實行自動檢測,持續(xù)對用戶施加影響。為什么要自動化監(jiān)測呢?很多時候我們有可能同時在跑很多實驗,如果人工操作的話,工作量大,而且效率低。自動化檢測不一定要一個非常準(zhǔn)確的值,我們可以大概設(shè)置一個閾值,當(dāng)超過這個值就報警。
下表列舉了常見的增長武器,在拉新、留存、提升活躍度、用戶召回和市場推廣等不同場景下,有不同的選擇。
具體選擇哪一種武器,需要我們在使用的過程中不斷迭代實驗,直到發(fā)現(xiàn)最優(yōu)解。
四、細(xì)分用戶,設(shè)計增長實驗
選擇好增長武器后,需要設(shè)計增長實驗來檢驗效果。
- 明確實驗的目的,跟蹤一個指標(biāo)。一個方案同時追幾個指標(biāo)是不合理的,最好只設(shè)立一個指標(biāo),便于觀察者排除影響因素。同時,設(shè)定的指標(biāo)最好是“率”或者“比值”。比值不會受到量的影響,如果定位量的話容易受到流量或者入口的影響。
- 明確用戶群:用戶群規(guī)模越細(xì)分越好,方便進(jìn)行試驗和比較。
- 設(shè)置benchmark,必須有對照試驗,方便實驗前后效果的對比。
- 整個實驗的過程必須可以追溯和重復(fù),實驗效果好的時候可以多次重復(fù)。
- 快速重復(fù)和迭代。單位時間內(nèi)得到的結(jié)論越多,增長越多,收益越多。
五、效果監(jiān)測和數(shù)據(jù)分析
增長實驗結(jié)束后,需要對實驗效果進(jìn)行檢測和分析。
首先是直接的效果檢測,是否達(dá)到預(yù)期值。然后分析實驗對核心指標(biāo)是否有明確的提升。同時要檢測其他指標(biāo)的異動情況,評估實驗是否影響到了用戶體驗。
如果實驗非常多,一段時間內(nèi)進(jìn)行非常多的快速迭代的話,就需要建立指標(biāo)體系。通過統(tǒng)計的方式分析指標(biāo)之間的影響程度和相關(guān)性,這也是一個不斷優(yōu)化的過程。
數(shù)據(jù)分析尤其重要,決定了實驗迭代的速度和方向,因此要得到格外重視。
案例:APP沉默用戶的召回
召回正在流失的用戶是APP運營的重要工作。下圖是某APP的用戶流失示意圖。
橫軸是時間,豎軸上的數(shù)值代表不同類別用戶所占的比重。在圖示的右上方標(biāo)有用戶的類別,紅色是當(dāng)天的活躍用戶減去當(dāng)天新增用戶后的數(shù)量;橙色是代表前天的活躍用戶但是昨天沒來;越往上用戶就越遠(yuǎn)離我們。
如果把整個用戶看成一個水池,新增用戶就像往池底注入水,然后不斷上升,越來越遠(yuǎn)離我們,然后蒸發(fā)。當(dāng)然也有一些流失的客戶自然返回,像一個降雨的過程,慢慢下沉。
在這個案例中,接近50%的客戶有超過一個星期沒有回來;如果能把這50%的客戶拉回來,其價值可能遠(yuǎn)遠(yuǎn)大于新增用戶的價值。
接下來細(xì)分流失客戶,分成7-13天未訪問和14-30天未訪問的客戶;然后分別向兩類客戶推送信息。
以某內(nèi)容類APP為例,我們向兩類客戶發(fā)送了“每周內(nèi)容精選”,發(fā)現(xiàn)7-13天未訪問的用戶召回率非常高,高于自然回訪率。但是14-30天未訪問的召回率非常差,跟自然回訪率差不多。
然后我們就去分析自然回訪的客戶會在APP里面有哪些操作?我們發(fā)現(xiàn)很多自然回訪的客戶會到訪問電影專題,我們猜測是不是用戶看了某部電影然后回來了。于是我們向用戶APP推送信息,但是推送到達(dá)率非常低。
分析得出結(jié)論,大部分流失的客戶都卸載了我們的APP。于是改用發(fā)短信,向用戶發(fā)電影票優(yōu)惠券,但是必須到APP上來認(rèn)領(lǐng)。數(shù)據(jù)證明了,這個效果非常好,14-30天未訪問的用戶群體的回訪率得到了較大的提升。
作者:今日頭條增長策略負(fù)責(zé)人張弦,本文根據(jù)GrowingIO公開課第五期內(nèi)容整理編輯。
課程PPT下載:http://t.cn/RGsD9BZ。百度云鏈接:http://pan.baidu.com/s/1eRvIuSM
本文由 @GrowingIO 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。
實用干貨 贊