很多时候,无论是互联网大厂出来的牛逼团队,还是草根创业的天才团队,都必须经过一个这样的阶段:

• 产品形态仍是非常早期的版本。

• 网站/App首页上所呈现的是围绕早期团队设想的内容/商品栏目,期待可以带动用户产生重要的商业行为(比如提问、阅读、购买等)。

• 可能有一些用户开始尝试了体验这个产品的流程,但其实很多用户在使用中摸不着头脑,没有发现继续使用下去的动力

对此,无论是多么牛逼的团队还是天才团队,谁不希望可以不断验证用户真实的使用行为,并快速迭代产品?

什么是增长中的执念?

所谓新版产品上线之前的那个MVP,是创业团队心里的认为的概念设计,和自己的坚持的理念。

按照东方哲学来看,这已经不自觉地产生“我执”,或者说是一种“执念”。

哪些认为“只有偏执狂才能生存”的人忽略了一点:没有办法统计“偏执狂”和“非偏执狂”在企业生存中做对了哪些?做错了哪些?做对的影响潜力是否可以量化?做错的影响潜力是否可以量化?背后的基本规律是什么?

我们永远不缺少“旗手”,但企业长青的基本面是”理性“和”创新“,见我之前写过的如何打破增长的魔咒。

对于一个创业中的企业来说,最关键的工作是放弃创始团队所谓的“执念”,把重点放到深入研究用户的真实行为和反馈,来指引产品的快速迭代。

所以互联网增长中的大道是探索,并探索不停,每一次的发现都是一种学习和经验积累。

探索的方法:数据分析。

如何用分析摆脱执念?

我们来看看一个创业企业在明确自己的商业模式后,需要做哪些方面的分析。

1)用户核心业务行为分析

总的业务漏斗:

行为分析的一个目标是用来指导产品的迭代,比如我们一般需要建立一个或若干个业务行为漏斗。

一个APP,从产品曝光-点击-核心业务动作1-核心业务完成,以及用户跳转到其他业务板块的行为漏斗趋势

业务行为间跳转桑基图:

需要分析在业务场景中,业务板块1 - 业务板块2 - 业务板块3 - 内容板块 ,若干板块之间用户的核心行为

单业务线的行为漏斗

分析用户在单个业务下的行为漏斗,判断用户的使用路径问题、体验问题和业务转化效率、效果

Cohort分析

这类分析就是比较深入的了。需要针对不同用户群体、业务行为、不同年龄和用户属性。

很多团队会粗略地把用户分为一般用户/核心用户/超核心用户,然后希望通过对用户的分层,找到不同分层用户的核心行为特征、画像。

2) 留存分析

整体留存:一般指当日访问APP的用户次日仍会访问

各业务板块留存:当日访问各个业务板块的用户次日仍会访问各个板块

特定功能留存:当日使用特定功能的用户次日仍会使用特定功能

企业需要把整体的留存和不同业务板块的留存情况做对比,判断其中的差异到底在哪里,谁的表现好,谁的表现不好。

3)用户画像:

一般来说,创始团队可能会希望从以上核心业务行为、留存行为中,按一种预设的用户分级方式,比如新老、不同消费能力、不同类目和品牌偏好、不同地域等等。

我之前写过用户画像中的误区,特别提醒哪些以为抱着一个固化的画像模型可以反复使用的企业,千万记住必须对用户画像的理解不要走入歧途。

用户画像在工程上需要实现一个多主体标签体系,以及数据驱动评估方法。

本质要对所有用户在纬度上做出洞察决策的分析判断,掌握活跃度、留存、转化时长等业务目标在更为丰富的纬度上的相关性分析洞察。

4)专题分析

一般这是产品运营团队在观测业务增长中,必须要做的。

比如一个APP的首页如何布局,就涉及每个板块的CTR、点展比/周活比,利用像素点击的占比分析,就可以判断到底那个板块的贡献价值大,值得保留,毕竟资源是有限的。

如果是一个内容型的APP,比如视频/音频,还需要增加用户实际使用内容的体验数据,比如完播率/点赞数。

一个学习类APP,需要监控学习时长和完课率。

一个知识类社区需要监控高质量问题的提交数量

一个电商类网站/APP需要监控站内商详情页的曝光量和转化率/加购率/支付完成率等。

洞察是增长的大道

虽然以上列举了一些看上去大家都知道的分析需求,但如果你追问下去,其实有很多潜在的问题需要解决。

以下是一些典型的提问:

1. 仅能通过简单的用户分群,了解一群具有共同特征的用户,对其使用行为的共性进行漏斗分析。但是对与例如很喜欢做A动作/ 不知道怎么做A动作的用户,其使用路径的分析(在哪里最喜欢/到哪里就不明白)不知道是否以及如何开展。

2. 对于付费转化的环节,用户再点击购买前的最后一个页面/内容是否是真正的关键?还是有其他分析用户购买转化路径的分析方法可以借鉴学习?

3. 当前的用户画像,仅仅是从业务角度来粗略划分(会员/非会员等)。是否有一个方法,从用户主动探索意愿程度来建立新的画像,应重点关注哪些行为和设置权重?目标是找到一个范围,并针对不同的画像,设置不同的流程来进行引导。

这些问题的解决大道其实就在我一直推荐所有团队采取的增长管理流程:

• 洞察:一方数据洞察/纬度/目标

• 策略:产品方案/运营方案/营销方案

• 试验:样本人群/流量预估/试验计算

数据洞察是算法模型服务赋能一线业务运营的重要工具,是个流水线。通过对业务指标的定向研究建模,输出业务所需的用户,策略,相关性结论,通过机器学习的算法能力,赋能增长团队。

主要工作是:解决北极星指标/活动分析/行为流分析/Aha Moment/人群精准分群。

依据洞察分析报告及结论制定的产品运营策略需要进行实验时,需要涉及到结果预估,流量预估,分流均衡策略,保证实验的过程和结论的科学和可信。

主要工作是:试验方案设计,试验数据计算及解读。