很多時候,無論是互聯網大廠出來的牛逼團隊,還是草根創業的天才團隊,都必須經過一個這樣的階段:

• 產品形態仍是非常早期的版本。

• 網站/App首頁上所呈現的是圍繞早期團隊設想的內容/商品欄目,期待可以帶動用戶產生重要的商業行為(比如提問、閱讀、購買等)。

• 可能有一些用戶開始嘗試了體驗這個產品的流程,但其實很多用戶在使用中摸不著頭腦,沒有發現繼續使用下去的動力

對此,無論是多么牛逼的團隊還是天才團隊,誰不希望可以不斷驗證用戶真實的使用行為,并快速迭代產品?

什么是增長中的執念?

所謂新版產品上線之前的那個MVP,是創業團隊心里的認為的概念設計,和自己的堅持的理念。

按照東方哲學來看,這已經不自覺地產生“我執”,或者說是一種“執念”。

哪些認為“只有偏執狂才能生存”的人忽略了一點:沒有辦法統計“偏執狂”和“非偏執狂”在企業生存中做對了哪些?做錯了哪些?做對的影響潛力是否可以量化?做錯的影響潛力是否可以量化?背后的基本規律是什么?

我們永遠不缺少“旗手”,但企業長青的基本面是”理性“和”創新“,見我之前寫過的如何打破增長的魔咒。

對于一個創業中的企業來說,最關鍵的工作是放棄創始團隊所謂的“執念”,把重點放到深入研究用戶的真實行為和反饋,來指引產品的快速迭代。

所以互聯網增長中的大道是探索,并探索不停,每一次的發現都是一種學習和經驗積累。

探索的方法:數據分析。

如何用分析擺脫執念?

我們來看看一個創業企業在明確自己的商業模式后,需要做哪些方面的分析。

1)用戶核心業務行為分析

總的業務漏斗:

行為分析的一個目標是用來指導產品的迭代,比如我們一般需要建立一個或若干個業務行為漏斗。

一個APP,從產品曝光-點擊-核心業務動作1-核心業務完成,以及用戶跳轉到其他業務板塊的行為漏斗趨勢

業務行為間跳轉桑基圖:

需要分析在業務場景中,業務板塊1 - 業務板塊2 - 業務板塊3 - 內容板塊 ,若干板塊之間用戶的核心行為

單業務線的行為漏斗

分析用戶在單個業務下的行為漏斗,判斷用戶的使用路徑問題、體驗問題和業務轉化效率、效果

Cohort分析

這類分析就是比較深入的了。需要針對不同用戶群體、業務行為、不同年齡和用戶屬性。

很多團隊會粗略地把用戶分為一般用戶/核心用戶/超核心用戶,然后希望通過對用戶的分層,找到不同分層用戶的核心行為特征、畫像。

2) 留存分析

整體留存:一般指當日訪問APP的用戶次日仍會訪問

各業務板塊留存:當日訪問各個業務板塊的用戶次日仍會訪問各個板塊

特定功能留存:當日使用特定功能的用戶次日仍會使用特定功能

企業需要把整體的留存和不同業務板塊的留存情況做對比,判斷其中的差異到底在哪里,誰的表現好,誰的表現不好。

3)用戶畫像:

一般來說,創始團隊可能會希望從以上核心業務行為、留存行為中,按一種預設的用戶分級方式,比如新老、不同消費能力、不同類目和品牌偏好、不同地域等等。

我之前寫過用戶畫像中的誤區,特別提醒哪些以為抱著一個固化的畫像模型可以反復使用的企業,千萬記住必須對用戶畫像的理解不要走入歧途。

用戶畫像在工程上需要實現一個多主體標簽體系,以及數據驅動評估方法。

本質要對所有用戶在緯度上做出洞察決策的分析判斷,掌握活躍度、留存、轉化時長等業務目標在更為豐富的緯度上的相關性分析洞察。

4)專題分析

一般這是產品運營團隊在觀測業務增長中,必須要做的。

比如一個APP的首頁如何布局,就涉及每個板塊的CTR、點展比/周活比,利用像素點擊的占比分析,就可以判斷到底那個板塊的貢獻價值大,值得保留,畢竟資源是有限的。

如果是一個內容型的APP,比如視頻/音頻,還需要增加用戶實際使用內容的體驗數據,比如完播率/點贊數。

一個學習類APP,需要監控學習時長和完課率。

一個知識類社區需要監控高質量問題的提交數量

一個電商類網站/APP需要監控站內商詳情頁的曝光量和轉化率/加購率/支付完成率等。

洞察是增長的大道

雖然以上列舉了一些看上去大家都知道的分析需求,但如果你追問下去,其實有很多潛在的問題需要解決。

以下是一些典型的提問:

1. 僅能通過簡單的用戶分群,了解一群具有共同特征的用戶,對其使用行為的共性進行漏斗分析。但是對與例如很喜歡做A動作/ 不知道怎么做A動作的用戶,其使用路徑的分析(在哪里最喜歡/到哪里就不明白)不知道是否以及如何開展。

2. 對于付費轉化的環節,用戶再點擊購買前的最后一個頁面/內容是否是真正的關鍵?還是有其他分析用戶購買轉化路徑的分析方法可以借鑒學習?

3. 當前的用戶畫像,僅僅是從業務角度來粗略劃分(會員/非會員等)。是否有一個方法,從用戶主動探索意愿程度來建立新的畫像,應重點關注哪些行為和設置權重?目標是找到一個范圍,并針對不同的畫像,設置不同的流程來進行引導。

這些問題的解決大道其實就在我一直推薦所有團隊采取的增長管理流程:

• 洞察:一方數據洞察/緯度/目標

• 策略:產品方案/運營方案/營銷方案

• 試驗:樣本人群/流量預估/試驗計算

數據洞察是算法模型服務賦能一線業務運營的重要工具,是個流水線。通過對業務指標的定向研究建模,輸出業務所需的用戶,策略,相關性結論,通過機器學習的算法能力,賦能增長團隊。

主要工作是:解決北極星指標/活動分析/行為流分析/Aha Moment/人群精準分群。

依據洞察分析報告及結論制定的產品運營策略需要進行實驗時,需要涉及到結果預估,流量預估,分流均衡策略,保證實驗的過程和結論的科學和可信。

主要工作是:試驗方案設計,試驗數據計算及解讀。