因為人的歷史，實際上就是決策的歷史，通過很微妙的信號來做決策判斷的歷史。 古人有一系列方法論，通過非常微妙的信號，促使決策者作出正確決策、對人類、世界、社會產生重大影響的決策，從而改變很多人的生活。

簡單介紹下我們自己，我們整個團隊已經在數據分析領域工作了很多年。在LinkedIn，我們主要負責所有和營業額、營收相關的數據分析，同時支撐全公司所有部門。

我們團隊幾個創始人之前還在eBay工作了三年多，負責eBay整個網站、在線電子行銷、買家和賣家各種業務性分析。再之前，我個人在美國第二大零售連鎖店做數據分析，我還服務EPSON，世界上第一個發明FreeProjuct。 大家都知道EPSON印表機價格非常低，幾近免費，但卻通過高價值、高增值的墨水和印表機、或照片紙來獲取高額利潤。

這很像今天的sass公司銷售模型。 EPSON通過不同管道把免費印表機釋放出去，但列印機是有成本的，那就需要用其他方式把錢賺進來。 如同今天很多企業軟體服務提供者，每個客戶獲取也有很高的成本，就要像EPSON一樣，通過未來新購的墨水，把以前的投入拿回來。

在15年前，EPSON就已經開始進行SaaS模式運營，外部看來像是一個硬體銷售公司，內部卻已經有一大套數據驅動為核心的市場、銷售運營方法論。

當時還沒有那麼深入到理解，今天回過頭來看，企業服務軟體對行業來說還是比較新興的產業，但事實很多核心的方法論是超級共通。

2010年初，當時我從eBay離開，加入Linkedin。 對我來說是非常大的職業轉捩點，我從來沒有想過LinkedIn會成為今天這麼一個偉大的公司。

當我加入Linkedin時，其年營業額只有7000萬至8000萬美元之間，而這時Linkedin發展已經超過了7年。

今年年初，我離開時，LinkedIn營業額第四季度末收入已經超過了25億美元，年度的增長率達到60%。

也就是四年多時間，LinkedIn整個增長了將近30多倍，這是怎麼做到的？

很多人都認為Linkedin只是一個職業社交網路。 實際上它是世界第二大SAAS企業，也是整個企業軟體歷史上，做得最成功的企業之一。

有兩個TOP：

• 第一，Linkedin是世界上最早用Growth的公司，在2003年就已經開始用各種手段降低成本;
• 第二，Linkedin也是世界僅有的控制銷售整體成本最低得幾家公司之一。

客戶獲取成本

我不知道大家有沒有聽過一個公式，叫客戶獲取成本。 在saas企業里，客戶獲取成本必須要小於整個企業營業額的30%，才是一個相對正常、未來能夠發展的企業。

Linkedin把這個值控制在了15%左右。 這就是為什麼它能在過去幾年，能實現幾何倍數增長，上市后兩年多估值翻了7倍，達到240-250美元的高位。

Linkedin在2011年左右才成立客戶成功部門，之前內部只是叫客戶服務。 而LinkedIn事實上當時已經有幾百個或者是將近一千個企業客戶，但是只有幾個人對企業做客戶服務和支撐，當時客戶支撐部門非常小。

2011年初，我們做了一個分析，不是銷售或客戶服務經理提出的需求，是當時Linkedin核心產品線，人力資源和獵頭的產品經理提出，他說我知道你在支撐銷售，能不能幫我做一個分析，分析一下用戶怎麼用我們的產品。

Linkedin第一個針對企業服務的產品，是2009年末左右開發出來的第一版。 系統裡面無數個BUG，但上線以後沒人關心這個軟體和產品裡面發生了什麼，至少我去的時候是沒有人知道，因為他們沒有記錄使用者任何的行為數據。 我的工作是支撐150個銷售，沒有時間去幫產品經理，但還是幫了一把，我們運行了一個報表。 製造出了Linkedin第一張產品使用報告。

我一共花了91個步驟，有若干做數據分析得，在資料庫里，間接、直接用了91張不同的表，才把一個產品的使用步驟做出來。 整個產品要運行8個小時，如果運氣不好的話，還可能經常死機。

但就是這張報表，後來就變成整個Linkedin驅動客戶成功、銷售產品經理包括企業一系列銷售部門的核心工具和解決方案。

實際上，Linkedin不僅發明瞭Datesets，也和Facebook一起發明瞭GrowthHacker，還有最早用了Hadoop、最早應用很多流失處理技術的公司。 但即便是這樣，我們用了91個步驟才能生成一個最基本報表。

在某種程度上，91號報表也促使我們成立了今天這個公司GrowingIO，打造下一代網頁和移動端數據分析平臺。

因為這個世界上太多好的分析師、運營人員、業務管理人員，把時間花在了無謂的清洗數據、整合品質控制、做各種類似於污水處的工作，沒有為企業產生很多價值。 他們的時間完全應該用在業務決策上，而不是在數據整合和清洗上。

所以我們要開發出最新一代的技術，讓很多人能夠非常自然、自動的，用我們的解決方案，找到業務增長點。

美國管理學大師彼得·德魯克說過一句話，「一個事物如果無法度量，那麼就無法增長」。。

今天這個論壇叫增長沙龍。 當我們要去增長業務，我們必須要能夠相對精確衡量這個業務是如何增長。

當我們能衡量一件事物以後，就可以持續不斷得對它進行調優。 比如，每天比昨天增長1%，經過一年以後，大家猜一下會增長多少？

假設原始數據是1，每天增長1%，增長365天，最後會是多少？ 32倍;每天增長2%，一年以後等於多少？ 1370多倍; 每天增長3%就會是4800倍...... 就是這種持續、小幅度的增長會產生很大的變化，最後就是顛覆性得改變。

我們需要業務變成可度量，而不是天天拍腦子、拍大腿。 早期拍一定能拍出來價值，但是業務成長一定週期，必須要引入精細化運營。

什麼是數據驅動的精益化運營，這是我們的數據分析師Justin陳明找到的一張漫畫。 做業務、做產品、做運營、做市場推廣，我們每天都太忙了，沒有時間為我們車裝上輪子。

數據化運營就是為這輛車裝上輪子，讓它高速運轉，聽起來好像很搞笑，但是它產生的價值和反覆運算就是那麼大。

這也是我們過去四年前在Linkedin看到的、也是七年前在eBay看到的、再之前在零售各種行業看到。

講數據化運營必須要講Life Cycle，看一下這張圖。

在美國過去若干年沉澱下來，他們相信所有的業務都是Life cycle。

四年前我們探討Linkedin業務模型，說任何一個企業增長都不會是無限得。 雖然有IBM、HP等這種持續高速增長的常青企業，不過它的過程是若干小增長互相疊加產生的總體增長趨勢。

實際上，每一條業務線、產品都是這樣的Life cycle，包括引入、成長、成熟，最後衰減，基本4個區，或者是4個不同的生命週期，這是一種物理的趨勢，基本上是不可逆轉的。

但我們可以通過數據分析不斷調整這種趨勢，

這張圖會在今天分享里反覆提到，如何用數據驅動不同客戶的生命週期。 這點對saas企業至關重要，也是衡量一個saas企業未來能否提供價值最核心的指標

什麼是客戶成功，客戶成功的使命的到底是什麼？

這是美國一個非常成功的企業，它的客戶成功團隊對客戶成功的定義。 這句話裡面有非常深刻的三個意思：

第一點，給客戶產生價值;

第二點，給企業產生價值;

第三點，我們能證明它。

這是一個客戶成功部門基本的使命。

再細化一下，這張是翻譯自一個美國SAAS企業。

第一點，在客戶還沒有變成付費客戶，或將要變成付費客戶前，必須要與客戶進行溝通。 在Linkedin，客戶成功部門成立太晚了，最早都是銷售直接跟客戶接觸，但銷售自己都還不會用產品，就非要賣給客戶，這樣轉化率很低。 後來發現，銷售人員在入職階段就介入客戶成功的話，為客戶未來和企業提供的價值是非常大的。

第二點，在實施的過程中，我們需要非常精準檢測使用者是如何使用我們的產品，同時幫助他們提高使用方法和效能;

第三點，在客戶使用中期，我們要不斷通過客戶對產品的使用反饋，為客戶提供進一步的培訓和大規模的engagement。

我不知道有多少人知道 「QBR」 這個詞彙，就是每季度和客戶進行業務回顧。 Linkedin在過去的若干年裡，保持了一個非常好的傳統，至少每季度和都和客戶進行一次深入的溝通。 這個深入溝通的過程，就是由客戶成功部門和我們的客戶關係經理兩個人協同和客戶完成的，每個客戶至少每季度要溝通一次，甚至很多客戶是按月季度進行溝通。

再下面一點就是客戶支援，比如說他需要復購、增購。

還有客戶成功部門是一個企業裡面連接各種功能的核心部門，他們必須要和產品、工程、技術支援、銷售，包括市場運營，甚至公司的決策層都要有非常好的關係，才能保證企業更有效率，更能成功。

以前Linkedin客戶成功團隊當然很小，但在今天估計有超過500人規模的團隊。 這個團隊管理超過10萬家以上的企業。 500人如何能管理10萬家企業？

企業服務裡面如果我們只關注三個KPI，這三個KPI一定是從這三條裡面發展出來得：

• 第一點，獲取客戶。
• 第二點，客戶留存。
• 第三點，客戶貨幣化。

但是在SAAS企業，一定要把客戶留存放在客戶貨幣化以上，為什麼？

就是CAC、留存、LPV之間的關係。 你從一個客戶身上獲得的終身客戶價值，這三個數字之間核心的指標，就是留存。

很多人認為應該拉先，拉很多的用戶進來，實際上一個SAAS企業核心的使命就是要讓這個客戶長久的往前延展。

SAAS企業的收費模式不像傳統經典的軟體，賣出100美金，使用者就回家安裝了。 它是按月度、按季度，按年度來收費，往往我們獲取客戶的成本是遠遠大於客戶一個月、一個季度或者是一年付的費用，很多企業需要通過18個月，甚至更長的時間才能收回整體的成本。 那麼必須讓客戶存留的時間夠長，這是一個企業軟體獲利的關鍵。

每個SAAS企業獲取客戶的成本往往佔到整個LPV的25%至30%左右。 但是如果一個客戶只在我們的平臺上留存一個月、三個月，甚至半年，就完全無法覆蓋投入。

但企業是需要盈利的，如何能盈利？

就是要不斷延長客戶的生命週期價值，所以客戶留存率是SAAS企業最核心的指標，每個SAAS企業在第一天建立的時候就要關注這個指標。

講一下留存率，這張圖是美國對SaaS企業做得研究，他們發現如果一個SAAS企業月度流失率是3%，另外一個企業月度流失率是-3%，也就是正購買率。 在五年之後，他們的營業額會差3倍！

實際上我加入Linkedin的時候，其企業客戶流失率是每年50%，現在做到了10%-11%，今年的目標要做到8%。

一個企業能夠把客戶流失率控制在10%以內的話，是個奇跡。 大家分享了它的兩個秘密武器：

第一：以非常低的成本來獲取客戶。 獲取客戶成本很低，那麼你的LPV就很大，這個企業就會是一個非常成功的SAAS企業，相信在座的大家很多都是從創業公司來的，要做一個成功的SAAS企業，必須要控制自己的CAC，盡量地增加LPV。

第二：Linkedin通過內部的數據分析方法，減低了客戶流失率，增加了客戶成功率。

當LTV增加，CAC減低，就會有一個非常高的Return。

首先客戶時間延長以後，在平臺上消費的價值就不斷的增加，因為比如說一個使用者付了50個月的費用，另一個使用者只付了12個月的費用，這就是幾倍的增長。

另外，以非常低的價格獲取客戶，往往這些客戶都會在這個基礎上不斷的增購，買同樣的產品。

一般SAAS企業內部也是一種關係的銷售， SAAS軟體進入到一個新的企業客戶裡面，誰引入這個產品，往往會繼續做決策來買單。 但這個買單過程也是需要時間得，不是一個產品賣給了銷售部門，轉天就可以賣給行銷部門，這個可能性是很低的。 但只要這個軟體在企業裡面存的久，那麼他們就能有機會找到第二個機會，繼續賣掉這個產品，增購。

好的口碑。 一個好的SAAS產品必須要有一個好的口碑，好口碑的間接反應就是客戶忠誠。 當客戶喜歡產品，它就會給其他朋友進行推薦，這個推薦過程再次產生了新價值。

這幾點結合，為企業增加了更多的價值，並且已經被若干個成功的SAAS企業證明瞭，包括今天的Linkedin、WorkDay。

SaaS 客戶成功最大的挑戰是什麼？

戶成功部門最大的挑戰，不是和內部之間溝通，不是如何幫客戶解決問題，最大的問題是他們有沒有訊息，沒有數據，沒法收集足夠的訊息，迅速做判斷，或者是提前做預判，這點是成功最大的痛苦。

我舉個例子，我們做91號報表時，事實上是產品經理提出來。 後來我們做了一些分析，發現產品上有很多使用問題，但是我們銷售看到后說，我們需要這個東西，你能不能發給我。 35M大的文件發給了他。

他工作了一個星期，把35M的表格分散成了大約5M一個的小文檔，發給了每個RM和客戶總監，他們通過報表裡的數據找到了每個使用者的使用度，開始給用戶打電話。

整個過程花了兩個星期，而且他只說，你們每個季度給我一次就行，這個太好了。 而之前，他每年才能這樣做一次，而且根本沒有那麼細，就是一個客戶花多少錢，買多少次，什麼時候到期。

今天有了這個，我們就有了一切，他說。

saas通常是一個非常複雜的軟體。 不像電子商務網站一樣從搜索、購買產品、加入購物車、支付、支付成功，一個簡單的運營或者是業務轉化。 如何能對這麼複雜的運營體系進行追蹤？

我們需要對每個細節進行產品追蹤、對產品背後做各種數據收集的標籤。 必須要做數據收集，一般都是產品經理和分析師、業務人員提出需求，我想知道有多少人登錄了，我想知道多少人創建新的專案，我想知道多少人回復這個專案，我想知道多少人給級別調低了或者是高了，我還想知道多少人改變自己的狀態了...... 你想知道一個就得找產品工程師和產品經理來埋點，沒有一次不需要的。

產品工程師很忙，他們發產品已經很累了，沒有精力、時間或者是興趣去埋點，卻被迫去做;再下一步IT系統運營師需要把這些點，通過各種數據聚合方法存在自己的系統裡面;再下面做報表的人員、做數據分析的人員，把它做成一張報表;最後再把它發給我們的業務端，這個過程需要多少時間？

這個數據不是開玩笑寫上的，美國做過統計，平均起來在一個網站或者是APP上打點，整個工程時間中位數是5個星期。 全世界只有1%的公司能在一天之內完成，只有5%的互聯網公司能在一周完成，超過50%的企業得需要4至5個星期，甚至幾個月的時間才能完成。 這是個多麼緩慢的流程！

造成什麼問題？

做得速度很慢，業務端沒法忍受這種開發速度;

另外**它會嚴重拖慢產品上線。** 因為不埋點數據不全面，不知道產品的問題，並且我們埋的點只是我們現在需要的，當未來再次需要，就得重開一個介面做，非常慢。

再者是數據的不全面、遺漏和缺失，以前埋的點、今天埋同樣的東西可能有不同的原則，不同的問題反而用了同樣的水準，有的埋對了，有的埋錯了。

像以前有一家公司做在線教育，他們在安卓手機上埋了一個點，旁邊打錯一個代碼，那個點被重新複製了30次，結果導致內部報告出來，安卓的使用者比IOS的使用者高30倍，所以他們決定要大幅度提高安卓的用戶體驗，但這是個錯誤的決策，因為基礎數據就錯了。

最後，埋了大量的點以後，產品會**拖慢。** 因為埋點多，服務端的資料庫壓力和成本就很高。

埋點給工程師或者是數據分析師造成的這些困擾，就是我們GrowingIO要解決的核心問題。

今天GrowingIO要做得就是，在客戶的頁面或者是APP自動來埋點，不再需要手動埋點，我們想知道什麼，立刻就可以知道，這就是我們開發的技術。

比如說這是一個網頁，只要圈點它，就能知道轉化率、訪問、點擊和價值，不需要任何埋點。

客戶成功的核心理論基礎是在每一個使用者都是不一樣，所以每個使用者都要區別對待。

不同客戶，對SAAS企業優先順序是完全不一樣的。

但其實，不是每個客戶都需要天天我們給他打電話。 有高溫度的客戶，也有相對低溫度得，我們如何才能精確的判斷客戶的溫度、健康度，能不能實時判斷，比如說Linkedin10萬家企業，500個客戶成功？

SAAS企業數據分析核心概念就是大家要摒棄漏鬥的概念。 比如說電子商務網站、O2O，互聯網金融，有一些比較強漏鬥、強轉化的場景，但SAAS軟體核心不是純漏鬥，是大量的弱漏鬥。 這種很弱的漏鬥彙集出來變成總體以後，就變成我們客戶溫度和健康度。

這麼複雜的網頁該怎麼分析，怎麼對所有的轉化點都進行追蹤，普通方法要做到，需要大量代碼，但我們現在不需要。 我們可以用非常簡單的方式迅速分析出來整個用戶情況。

客戶成功面板本身需要對核心的轉化和使用進行分析，這種分析應該分層級，分地域、銷售區域、分客戶、分公司、分很多細節的維度，比如說CEO可以看、每個客戶都可以看。

比如說客戶是如何使用的，基本的註冊是什麼樣的，核心的消耗是什麼樣的，這些的核心可能在Linkedin內部超過幾百個指標，我們以前對Linkedin獵頭產品分析，有400個不同的指標、400個不同的分析。 大家想一下銷售的人員、客戶服務的人員、客戶成功的部門，他們哪有時間去看400個指標，這是不可能的。

我們把所有400個指標通過類似於模型的方法，把它聚合成了兩個數位，所有的數位400個KPI，聚合成了兩個數位。

這兩個數位核心就是：

• 第一是健康度，這個客戶是否健康。
• 第二溫度，是高溫還是低溫客戶。

健康度是使用者使用產品的綜合指標，和錢不是直接正相關，或者不是直接相關的，是一種反向衡量流失的可能性。

高健康的客戶往往流失了有可能會復購，低健康的客戶往往就會潛在的迅速流失，而且這種趨勢是在非常早期就能看出來。

在不同的時期，每個使用者排名變化很大。 SAAS企業軟體賣給很多公司，是企業服務的軟體，每一個客戶內部都經歷了各種變革和變化，所以不是每個公司在時間上都是同步的。

比如說現在有雙11，大部分電商企業都預測有很好的銷量，或者說春節以後會減低，春節以前會增加，有一些固定的商業變化。

但是在企業服務領域，每個客戶的差別非常大，是非常不一樣的，因為每年的年度財報都不太一樣，業務延伸都不一樣，招人、減人都不一樣。

所以核心一點，我們需要瞭解每個客戶在不同的時間的健康情況，這個很重要，特別是我們越早知道他的健康情況，就越能挽留這個客戶。

第二點，溫度。 溫度是衡量一個SAAS企業，客戶是否會重複購買的核心指標。

所有的這些溫度和健康度都是從使用者如何使用產品的蛛絲馬跡裡面抽象出來的。

舉個例子，比如說Linkedin有很多的獵頭企業使用者，假設一個企業用戶登錄、搜索了很多次，看了很多份的簡歷，對比其他公司，也開了同樣的帳號，但每天只有一個人登錄，每天搜索三次，甚至一個月都不向候選人發一個邀請，這兩家企業增購的可能性是完全不同的。

當然我用的是一個非常極端的例子，但是各位想想你的客戶有幾千家、幾萬家時，如何能動態的判斷和管理，這就是核心，這就變成一個如何用數據驅動運營的問題了。

幾百個指標，如何做一個具體的判斷？

第一，取決於商業管理的知覺，需要知道使用者使用產品的核心秘密是什麼。

第二，需要有高級的分析方法。 之前在Linkedin，我們用數據模型的方式，計算使用者重複購買的可能性，通過所有使用者使用度抽象出來，變成一個值、一個**Bar**。

我們把客戶從高到低排序，把最熱的客戶放在上面，把最冷的客戶放在下面，中間是一些中溫度的客戶，然後非常非常簡單，每天只要看在這個區間裡面，增多區間、流失區間、中間是留存區間，所以，我們客戶區隔通過這一個指標就能迅速分開。

還有一點，以往的數據分析都是給CEO、給VP看，這個不是只給公司CEO看，是給客戶CSM、客戶服務、客戶關係經理、銷售人員、客戶人員看，他們需要精確到每個客戶身上。

每天這張圖都是變動的，因為客戶對產品的使用是動態的，所以說我們每天、每星期、每月必須要持續的追蹤。 然後很簡單、迅速的判斷追加區間和流失區間。

如何用客戶區隔的方法來分析客戶？

之前是400個KPI，35M大小，將近100萬的一張報表，今天抽象成了一張圖。 這張圖已經把健康度和溫度完全區分開，我們只需要做一個步驟，就是如何用數據。

這4個區塊，我們有完全不同的應對策略。

首先最好的情況，這個客戶既健康，買得又多，我們歡迎使用度高、復購率高的客戶，這種一般來說是忠誠的客戶。

下面在這個區，客戶使用度不是很高，但是購買需求，或者是買的可能性很高。 必須要立刻跟進，來問客戶是否需要更多的帳號和服務、不同的產品，因為他們的轉化可性是很高的，而且過了這個村可能就沒這個店了，他可能採用競爭對手的產品。

下面這種客戶是很有趣的，頻繁使用你的產品，但是花錢的可能性很低。 舉個例子，我們以前在LinkedIn有一個客戶，是一個非常有名在線視頻的公司。 當時我們發現在Linkedin平臺上使用率最高的那幾個人都是這個公司里的。 仔細一分析，這幾個人24小時在線，唯一下線不超過10分鐘，搜索、下載極高。 每天上完以後不下線，下去以後忽然又回來，持續使用。 他們一共才買了三個帳號，每個帳號一萬美金，三萬美元一年。

後來發現這個客戶為了省錢，就買了三個帳號，但是分配給了全公司所有獵頭換著用。 當時內部有兩種聲音：

第一種聲音，咱們把它關了，這個完全違背協定。

第二種聲音，這個客戶可能會變成我們很大的客戶，我們需要跟他們談一下。

我們首先告訴他們每年招多少人，應該有多少Linkedin帳戶，才是一個正確的比例。 在正確比例範圍內，才是最有效率。 因為他分享一個帳戶，效率不是最高的，他每天不能一直用，用幾個小時還得換人。

我們建議，他們不但要多買幾個帳號，同時還要買一些Linkedin工作類的產品。 我們還提到了一些訊息，當然不提到任何競爭對手的訊息，只是給他們看最有效的公司是怎麼用LinkedIn產品的。 當時那個客戶就增購了10個帳戶，從3萬美元增購了15萬美元，雖然當時18萬美元在Linkedin不是一個很大的生意，但是這個客戶今天已經有幾百個使用者了，超過小一百萬美元了。

大家看一下，就通過那麼簡單的方式，我們找到了銷售的機會。

很多的企業都應該特別關注這個部分的客戶，因為往往這個部分使用者告訴我們，很多客戶用很多不付費，說明我們的增長點可能有問題，或者他買了很多，但是卻不活躍，這個客戶未來流失可能性很高，需要特別關注，這個區間就是要進行客戶培養。

數據在早期幫助客戶成功是一個非常重要的指標。

在最早的時候， Linkedin當時沒有什麼太多的客戶培訓，很多客戶來了以後都是自生自滅。 後來我們發現在早期輔助客戶，特別是在第一個星期，幫助客戶如何使用產品培訓，是讓客戶的忠誠度增加一倍核心指標。

還有一個，像我們前面講過的，不是所有客戶都需要客戶成功經理去做培訓，為什麼？ 因為我們客戶分三個階段，有些人是遺留客戶，去了某個新公司，他知道如何用這個產品，我們沒有必要把這個人力資源放在這些人的身上，我們需要關注比較生疏的新的客戶。

第二點，成長。 在成長的階段，根據我提到的QB2核心，是要跟客戶溝通，客戶如何用我們的產品的。 每三個月和客戶來交流一下感受，為什麼這個很重要？

1、當我告訴使用者，他們內部怎麼使用產品，實際上幫助客戶能更好的發揮產品價值，否則他買了十幾個帳號或服務沒人用，對公司就是一種浪費。

以前Linkedin有很多服務，一些公司內部人員不用，是不是如果告訴他的管理者，管理者就會把帳戶關了。 後來我們發現完全不是，管理者不但沒關帳戶，他們還會主動促使內部人員大幅度使用產品，甚至還自製內部排行榜。

2、QBR是增長客戶年黏度最好的方法。 當我們和客戶分享使用經驗時，一客戶特別喜歡聽;二是拉近了我們跟客戶的距離;三這是一個非常好的解決方法，因為我們每個季度、每半年或者是每年都會生成各種新產品，每個SAAS企業都會不斷有新產品。 這是一個非常好機會，因為大家都很忙，得提前預約，找到核心管理人，但是持續建立聯繫的話，我們保證有30分鐘或者是一個小時的視窗對話時間，讓我們有很多的機會了解客戶，又增加了聯繫的機會。

最後一點就是收集客戶反饋，產品有哪些不足，客戶是否滿意，客戶對哪些有意見，是否需要我們的説明。

這些都是非常好的點，但如果我們經常在這個區間進行客戶關係管理，這是一個特別痛苦的過程。

最早我們在Linkedin四年半就是這樣，流失地不得了、憤怒地不得了、獲取客戶成本遠遠比維護成本成本高得多，甚至是3到4倍。 並且，越到後期，獲取客戶的價值往往越低。

所以，盡量不要在這個區間做太多的工作。 一般來說企業到這個階段，都需要有新產品出現。

但這些數據不能只給老大看、VP看、經理看，需要通過銷售的體系，或者是客戶成功運營體系，按照結構、管理層級一步一步推廣給公司裡所有員工。

數據如何能推廣給企業內部所有員工，這也是客戶成功管理的核心

每個銷售、CSM、RIM，他們都需要關注自己客戶的核心KPI，且這個層級不僅是停留在華東區、華南區、行銷部門，還要推廣到銷售總監、區域經理、銷售經理，每個銷售管理公司，每個客戶層級。

數據運營的核心就是決策規模化和體系化

最早，我們剛加入Linkedin，一年做了大約500個項目，支援155個RIM、客戶服務經理。 平均起來，每個經理不超過三次用數據，平均一個銷售每年才用3/4，這是遠遠不夠的。

後來我們幾個人努力，我們開發了一套系統，至少我們離開時，大概5000個銷售到RIM，到CSM整個團隊，每天有超過90%的，每個星期99%的CSM客戶成功經理，RIM都在用這套東西，也就是4500人以上在用數據的決策系統做決策。

所以說如何把數據決策這種運營能力，推廣給企業裡面所有的員工，是一個核心的價值增長點。 當時Linkedin的業務的增長，就是在慢慢發展這個模型的過程中，把數據決策變得更民主化，很多人來做決策，大家又回到1%的增長，變成若干倍的增加。

The post 如何用數據驅動客戶成功增長的應用實例 appeared first on 成長駭客交流第一站 - HyperGrowths™.

流量為王的時代已經結束，精細化運營才是未來的方向。 現在產品反覆運算速度越來越快，我們必須要學會用各種工具來輔助我們的決策。 在Growth Hacker裡面，如何使用各種工具對產品進行調優是一個重要的概念。

一、為什麼要用數據來打磨產品？

在過去的十年，台灣互聯網領域有一個流量為王的思想，如果你能吸引到流量，拉來大量的客戶，就可以迅速做大，迅速變現。 典型比如O2O領域的競爭，各大公司通過燒錢補貼客戶增長，如外賣、打車、家政等領域。 但隨著資本寒冬來襲，一大批靠燒錢為生的公司無以為繼，增長停滯。

為什麼流量為王的模式難以持續？

第一，流量獲取的成本越來越高了，SEM，廣告聯盟等一系列管道的價格是不斷增加的，公司越來越難承擔這樣的成本。

第二，企業員工的薪水在近幾年快速增長，公司的運營成本在不斷增加。 以前我們可以鋪人、搞地推，但是當獲客成本在不斷增加的時候，這種運營模式就漸漸不可持續。

第三，公司的整個產品體系不斷演化，他們必須在一個細分領域把產品做到最好，使用者才能持續使用他們的產品。 要想留住客戶，就必須提供好的產品，更好的用戶體驗。

以往粗放的運營模式就像上面漫畫中兩個人拉一輛沒有輪子的礦車，消耗人力而且效率非常低。

數據分析能及時發現產品和運營的問題所在，及時修正;就像給上面的礦車加上了一雙輪子，極大提高搬運的效率。

成長駭客的含義，是用數據分析和技術驅動，在最小的成本下快速增加客戶、實現產品、流量和價值的增長。 公司在資源有限的情況下，充分利用數據分析來實現精細化運營，是實現成長駭客的必由之路。

二、如何用數據來打磨產品

說到數據驅動產品運營，不得不提起三個指標，分別是轉化率、活躍度和留存率。 這三個指標構成了產品和運營的一個基本指標體系，是互聯網公司必須關注的。

過去我們關注PV、UV、DAU等指標，但是現在不能只用這些指標，我們更需要用用戶轉化率、留存率和使用者粘度來衡量一個產品是否優秀。 過去，在傳統的互聯網企業中，使用者的留存和使用粘度是後期關注的點;而在今天，在產品設計的早期我們就需要關注這兩個指標。

在對上述指標進行跟蹤的過程中，可以細化成5個步驟：

1）首先利用數據採集和分析軟體追蹤使用者轉化情況，畫出轉化漏鬥;

2）然後根據轉化漏鬥分析使用者使用產品不同功能和介面的流暢度，尤其注意轉化率前後差異很大的步驟;

3）對用戶進行區隔，這是非常重要的一步，也是精細化運營的體現。 我們要注意到使用者具有不同的屬性（性別、年齡段、行業等等），所以同樣的產品對不同的用戶應該有不同的功能點;這也就要求我們的產品經理和運營人員花時間去瞭解不同使用者對產品功能、交互設計等方面的不同需求;

4）分析用戶行為。 用戶行為是用戶體驗最真實的表現，往往隱含著最直接的使用者需求;

5）最後，根據上面的分析，找出產品的問題，儘快對產品進行優化和改進。

需要注意的是，在產品升級反覆運算的過程中，上面5個步驟需要不斷迴圈。

三.GrowingIO用數據打磨產品的實戰案例

案例一：提升用戶註冊轉化率

在傳統的互聯網產品用戶註冊頁面中，在一張表單頁面中呈現多個輸入框需要使用者填寫註冊訊息，如姓名、手機號碼、郵箱地址、密碼、昵稱等等。 有人提出一個新的概念，把註冊流分成若干個步驟，每個步驟盡量只需要填寫一段訊息。

如果某公司設計了一個五步驟的註冊流，下圖是用戶的註冊轉化情況。

![]()![]()假如你是產品經理或者運營人員，你看到上面的註冊轉化率，只能做一件事情的話，你會怎麼做？

絕大多數的人都會把目光聚焦於第四步註冊上，因為從第四步到第五步的用戶註冊轉化流失率最高。

下面是一個真實的案例，GrowingIO是一家做數據採集和數據分析創業公司，可以幫助客戶無需在網站或者APP中手動埋點就能分析使用者行為資料。 我們的官網在2016年1月19日之前的註冊轉化率很低，平均在8%左右。

上圖是當時的GrowingIO官網首頁，進入后直接看到的是使用者【申請註冊】的按鈕，使用者需要一次性填寫手機號碼、郵箱地址和密碼才能完成註冊。 當時就有人提出，是不是因為首頁需要使用者填寫的註冊訊息太多了，很多使用者還沒完成註冊就放棄了。 如果能將註冊流程拆開，使用者在首頁上填寫的訊息少一點，那麼用戶的註冊意願會不會有變化呢？

於是我們的工程團隊用來兩個半小時的時間，改版了註冊流程，得到了新的網站首頁，下圖所示。

在新的網站首頁中，使用者只需要填寫郵箱位址，然後點擊【開始使用】，剩下的註冊訊息在下一個介面完成。

GrowingIO在網站上集成了我們自己開發的SDK代碼，這使得我們可以即時看到網站上使用者的行為數據。 連續觀察了一個星期後，結果非常好，我們發現用戶的註冊轉化率提升了50%左右（藍色線條）。

就這樣，產品假設——技術反覆運算——數據驗證，用最小的成本在最短的時間內實現了產品的更新，提升了產品的註冊轉化率。

案例二：GrowingIO如何促進用戶活躍

對於一個產品而言，影響用戶活躍的因素很多，例如介面視覺、交互設計、產品文案和操作按鈕。 在傳統的視覺或者交互設計上，產品經理和設計師更多憑主觀感受來做產品設計決策;而GrowingIO在產品的介面和交互設計上大量使用了數據決策。

首先是介面設計，產品的介面往往能決定使用者對你的第一印象。 在第一版界面試行一段時間后，我們發現深綠色的主色調對用戶來說過於壓抑。 於是通過不斷設計-推翻-再設計后，我們確定了當前的淺藍色主色調，營造一種輕鬆的氛圍。

然後是內容設計，通過數據去分析使用者使用習慣。 GrowingIO發現大部分使用者傾向於使用看板來分析數據，並且使用的頻率遠高於製作的頻率。 因此我們新增了概覽頁面，並把看板和單圖兩大板塊從二級功能表提到了一級功能表。

最後是文案細節，在這次改版中，我們把所有操作和名詞的定義全部統一，如將定義和圈選統一定義成圈選，將單圖和圖表統一成單圖等，減少了顧客的疑惑感，提高用戶體驗。

上面的表格和柱狀圖清楚展示了在2015年12月到2016年1月之間使用者的平均使用時長。 在深綠色版本的時候，使用者使用度很低，平均使用時間不足10分鐘;淺藍色版本上線后，立刻看到使用者停留時間提升了20%左右。

其實，在上線新版本前GrowingIO內部是有很多質疑的，很多人覺得淺藍色一點也沒有特色，沒有效果。 但是上線后的數據告訴我們，它確實產生了很多很好的改變，所以這個設計風格保留至今，增加了用戶市場。

案例三：GrowingIO如何提高使用者留存

在SaaS行業有一個KPI叫做MRR，就是每個月的營收。 如果一個公司的客戶月流失率是3%，每個月有3%的客戶流失;同行業另外一家公司營業額月增長率是3%，或者同樣使用者的重複購買率是3%。 60個月後，兩家公司的營業差異是3倍，一個3%的月度流失率會造成若干倍營業額的變化。 這就是為什麼SaaS行業要關注LTV（客戶終生價值）的問題。![]()![]()

一般來說，如果你的獲客成本大於使用者生命週期這個價值的33%，這個企業基本上以後會失敗：這是過去十幾年美國總結出來的經驗。

為什麼要反覆強調流失率呢？

客戶的流失率越低，它的LTV就越高。 一個好的使用者留存或者較低的流失率，會給公司帶來幾何倍數的好處，具體如下。

1）使用者口碑傳播**：**一個使用者忠於使用你的產品，時間長了，就容易推薦給別人使用;

2）付費可能性提升**：**使用時長越長，付費的可能性越高，付的錢越高;

3）銷售機會增加：使用者留存越高，我們做關聯銷售、交叉銷售的機會越多，不同的新產品還能賣給客戶;

4）更低的CAC/LTV比率。

下圖是GrowingIO數據分析產品中的使用者留存圖，因為圖形類似手槍，我們也稱之為手槍圖。 手槍圖是分析使用者留存的利器，需要得到公司的重視。

![]()![]()上圖反映的是GrowingIO產品中不創建新指標的使用者的留存率。 大家可以看到，客戶如果不創建新指標的話，他的次日留存率是很低的，只有10%左右。

![]()![]()同樣一張圖，我們發現創建過新指標的使用者他的隔日留存率大概是30%。 創建指標的30%，不創建指標的10%，這麼大的差距!!! 我們怎麼找到這一點的？ 正如上面五步驟說的，我們把使用者分成了不同的區隔，然後對比使用者行為數據。

![]()![]()找到了這一點后，我們馬上做了一個改變，在我們產品非常明顯的地方增加了一個【新建】按鈕，這樣方便更多人去使用【新建】功能創建指標，提升留存率。

再舉一個社交產品增加使用者留存的案例。

當使用者在社交產品裡面增加了五個好友關係后，他的留存度和活躍率比不做新增好友動作的使用者高4倍。 所以，我們能看到各種社交產品，在各個入口放了這個功能，上傳資料和推薦好友。 這樣一來，大大提高了用戶的產品黏度。

四. 總結：數據驅動的精益運營

今天，我們的產品反覆運算速度越來越快，我們必須要學會用各種工具來輔助我們的決策。 在Growth Hacker裡面，如何使用各種工具對產品進行調優是一個重要的概念。

一個優秀的增長團隊，應該是同時具有工程技術、數據分析和市場行銷的基因。

作為創業公司，你必須充分瞭解你的產品，熟練使用自己的產品;只瞭解自己還不夠，還需要深入觀察用戶行為，最好有數據支撐。

然後，根據上面的觀察數據提出自己大膽的假設。 我們建議對用戶進行區隔，假設不同區分的使用者行為差異的原因。

接著，根據你的假設對產品進行快速調整，迅速上線。 有人會問，難道不需要先灰度發佈和A/B測試嗎？ 在創業公司資源有限的情況下，這樣操作費時費力，且門檻高，我們建議快速反覆運算，直接上線。

最後，根據產品新版本上線后的數據來驗證或者推翻你的假設。 如果新的數據表明效果改善，那就保留，如果效惡化，那麼儘快下線。

通過瞭解-假設-改變-驗證來不斷優化你的產品，提升產品體驗，這是精細化運營的必然要求，也是經過我們不斷實踐和檢驗得出的結論。

![]()![]()

The post 數據如何驅動產品優化？ | GrowingIO產品實戰案例 appeared first on 成長駭客交流第一站 - HyperGrowths™.

近年來，數據收集的手段上從數量從深度從複雜度都有一種爆炸性地增長。 大數據成為炙手可熱的口頭禪。 數據堆積如山，如何從數據中篩選提煉訊息，為公司帶來更多價值，這就是太閣x直播《成長駭客：用戶數據分析》分享的內容。

感興趣的朋友可以拉到文末查看相關視頻連結。

本文基於該直播，講述數據分析在互聯網公司中的作用，並介紹駭客增長常用的邏輯框架和分析思路，如何利用它理解和把握產品與使用者的互動關係，最後針對駭客增長的不同階段說一些具體分析應用案例：1）用戶獲取之A/B Testing、2）用戶初體驗之Aha Moment 3）使用者留存之定位高流失使用者。

成長的方法論

一個人或者一個團隊，如何做好一件事情？

首先，確定這件事的目標;然後，去做，獲得反饋，改進做法;接下來，再去做，再學習反饋，在改進做法;直到把事情做好。

比如射箭，射箭的目標是擊中靶心，首先要行動射出一箭，然後要讀靶校正，總結領悟，不斷練習，最終成為高手。

互聯網公司的產品開發運營就像射箭一樣。 團隊確定產品或者運營的目標之後，不斷嘗試，調整方案，接近目標。 這個閉環的過程包括三步：行動執行，反饋結果，學習總結。 而數據的量化分析是反饋的重要組成部分。 互聯網公司在產品收集數據中有著天然優勢，能夠全面海量地收集到數據，通過數據我們可以理解從全域到細節客戶使用產品的情況，幫助團隊及時準確地做出決策與行動。

什麼是駭客式增長

在互聯網公司，用戶與產品是所有事情的核心。 一個公司的價值與估值往往取決於兩個因素：多少人使用這家公司的產品（流量和用戶數）和多少人有多愛他家產品（留存和活躍使用者）。 駭客式增長的目標就是努力提升這兩個因素，就是說：有效動用產品和行銷的資源，是以最快的方法、最低的成本、最高效的手段獲取大量的使用者並留住他們。 這個過程往往是產品開發，市場行銷，數據分析，三者結合協同發力的過程。

如何用數據分析驅動駭客增長（互聯網公司的成長）

兩個步驟：1）解構產品和用戶的互動關係，設計框架。 2）制定每個階段的關鍵指標。
第一步：解構產品和用戶的互動關係

在戰略諮詢中有一個方法論叫 mutually exclusive and collectively exhaustive （MECE）。

基於這個原則，我們設計一個完整描述產品和用戶關係的邏輯框架，包括5各階段：用戶獲取、初次體驗、回頭客、轉化收益、口碑傳播這五個步驟。

每個階段有各自的目標：如何讓使用者知道我們的產品;說服用戶嘗試我們的產品;如何留住這些使用者，讓他們愛上我們的產品，不斷的使用我們的產品;如何獲得收益和回報;如何讓我們的使用者向周圍的人推薦我們的產品。

可以說，互聯網公司投入的所有資源，最終都會反映在這5個階段上。

第二步：制定每個階段的關鍵指標

有了框架，我們可以通過設計各階段的關鍵指標，把握產品與用戶互動各階段的能力和表現。
下圖列舉了各階段可以採用的一些關鍵指標。

舉個栗子？

我們用一個專注於社交媒體行銷的SaaS B2B的公司，公司H，做一個具體案例，來解釋如何應用這樣一個分析框架。

公司H的產品和模式

微信微博等社交媒體已經成為所有商家最重要的行銷管道，但是有效管理各種社交平臺並進行行銷是件非常繁瑣的事情。 公司H為各商家提供一個整合各種社交媒體的平臺，並融合各種行銷工具，方便企業管理多個社交媒體帳戶，有效進行多管道的行銷推廣。 公司H提供適合小白使用者（例如微信的代購和小微商）的免費版產品，和針對專業使用者和小企業（例如大微商和公司企業）的付費專業版。 它的盈利模式是通過轉換免費版的用戶為專業版的來實現的。

公司H的使用者和產品互動階段

公司H的用戶產品互動可以拆解成下面的五個階段。

公司H通過各種管道導入流量，訪問者首先註冊免費版，體驗產品的性能和優點。 當使用者需要更專業的功能時，他們可以升級成專業版，一個月試用期后，他們就成為正式的付費用戶，帶來收入。
公司H的目標，階段和分析框架

公司H的頂層目標是保持收入增長。 核心是開源節流：獲得更多新使用者，留住更多老使用者，讓每個用戶貢獻更多的收入。

我們可以把收入增長這個大目標，分解成可以針對性提升和優化的步驟，並把衡量戰略性目標的虛像指標，分解成能夠指導和評估具體方案執行的實行指標。

在設計指標時候，記住一個原則：能夠指導行動的指標才是好指標。

我們接下來具體分析每個階段制定的實行指標。

流量導入階段

在流量導入階段，公司H首先關注網站每周有多少新訪問量，以及主要流量渠道的表現。
內容行銷和社群行銷是公司H的一個重要行銷策略。 通過提供高品質的專業領域的內容，提高行業內的知名度並吸引自然流量。 因此，公司H非常關注知識內容版塊（例如部落格和培訓社區）的流量導入情況。 同時，搜索流量是公司最重要的流量管道，因此搜尋引擎綜合排名指標也至關重要。

通過這些指標，公司能夠把握流量導入環節的整體表現，並且用這些指標指導行銷團隊的搭建和資源的分配。

用戶轉換階段

在使用者轉換階段，公司H要考慮如何有效地將訪問流量變成付費使用者。
一個訪問者需要經過三個步驟成為付費使用者。

首先，TA需要認可公司的品牌，瞭解產品，願意註冊使用免費版。 這個步驟的核心指標是：免費使用者新增數。
然後，TA要通過免費版感受到產品的功能，從而考慮試用的專業版。 這個步驟的關注指標是：專業版試用新增數。
最後，當TA感到專業版提供的價值，是物有所值的，TA就會掏錢成為專業版的付費使用者。 關注指標是：專業版付費新增數。

至此，公司H就獲得了真正的收入。

新增用戶數這種絕對值指標能夠幫助我們瞭解業務的體量，但並不能直觀的反映業務的能力。 這時候，我們可以用轉化率指標來評估產品引導使用者從一個步驟走到下一個步驟的能力。 我們通過「免費版到試用版」 試用版到付費版「這些用戶轉化率來評估每個轉換步驟的業務能力」。

不論規模和體量大小，轉化率指標是最能説明業務判斷產品和業務能力表現的指標。 在互聯網公司會被經常使用。

使用者留存階段

獲得用戶以後，公司H思考如何留住使用者。

首先是活躍用戶數和使用者流失數。 公司H關注有多少用戶在活躍地使用產品，有多少用戶已經放棄使用產品。

每個時期都有新用戶不斷地加入，老用戶不斷地離開，一進一出，差值就是凈新增用戶數。 之前提到的所有二層指標的表現，最終都反映在凈新增用戶數這個指標上，它和收入增長直接挂鉤，是非常重要的二層指標。

如此關鍵的指標，大家一定想努力提升。 怎麼做呢？ 也很簡單，只有兩個方法，帶入更多的新使用者，或者留著更多的老使用者。

那麼大家在想一想，留住一個老使用者容易，還是獲得一個新使用者容易？ 對於互聯網公司，一般來說，獲得一個新用戶的邊際成本要比留住一個老使用者大很多。

然而，讓使用者愛用我們的產品，留著更多的使用者，就是把產品做好，把體驗和服務做好。 這是很講究內功的事情。 留住老使用者不容易，而客戶留存是駭客式增長中最難也最重要的事情。

我們可以通過使用者流失率來衡量公司留住使用者的能力。 但是整體使用者的流失率是一個非常惰性或者說滯後的指標。 當產品發生改動和優化時，新加入的使用者的反應和體驗往往更直接明顯，所以，我們加入了新使用者第一周流失率這個指標，及時獲得產品優化的反饋。

其他階段

結語

通過符合MEMC原則的分析框架，我們可以把用戶增長這個大目標，分解成可以進行針對性提升和優化的若干步驟。 把衡量戰略性目標的虛像指標，分解成能夠指導和評估具體方案和執行的實行指標。

分析案例

前面我們介紹了頂層指標框架的基本理念，接下來，我們針對三個階段：用戶獲取、初次體驗和回頭客，介紹三個使用數據支持決策的案例。

用戶獲取分析案例 之 A/B Testing

所謂 A/B 測試，簡單來說，就是用對比試驗的方法找到做一件事情的最佳方案。 網站和產品設計中，我們可以用A/B測試從多個版本中選擇最佳方案。

A/B 測試的大致過程是這樣的：首先，選定一個需要提升的指標，比如使用者轉換率，然後制定兩個方案（比如一個網頁的兩個版本），用隨機分組的方式，讓一部分使用者使用方案A，另一部分使用者使用方案B ，通過收集和分析這兩組使用者的行為數據，我們會發現一個方案給使用者的互動或者引導更好，並且直接反映在那個目標指標上。 這樣，我們就可以選出指標表現最好的方案了。

做實驗的原則就是明確目標、設定前提、採樣隨機、而採樣的數據和其他方面要有足夠的統計顯著性。

舉一個栗子，

公司H的免費用戶在考慮升級成專業版使用者之前，往往會跑到對比產品套餐的網頁了解免費版，專業版的功能區別。

為了讓更多的免費用戶在比較套餐后升級為專業版使用者，行銷部門設計了幾個不同版本的產品套餐網頁。

這些版本之間只是小改動，區別僅僅是免費版一欄的按鈕和描述。 如果憑藉行銷經理的業務經營，可能也很難確定到底哪個版本的效果最好，表現差異有多大。

那麼，哪個方案對於公司H提升免費版用戶轉化為付費版用戶的數量最有效果？ （可以給自己幾秒思考一下）。 我們接下來用A/B testing的科學方法的選出最佳版本。

——————— 分割線 ————————

通過AB對比實驗，我們發現方案二的轉換效率是最好的，而且效果比原有方案提高了20%。
數據只能告訴我們結果，無法告訴我們原因，這個時候就需要行銷主管用業務經驗去核實這個結果是否合理有邏輯性。

為什麼呢？ 方案二適當的突出了專業版，但也沒有過分的弱化免費版，沒有給使用者一種強行推銷專業版的感覺，卻潛移默化地引導了用戶的選擇。 因此在各方案中勝出。

你覺得呢？

用戶初體驗分析案例 之 Aha Moment
什麼是Aha Moment呢？ Aha moment是使用者感受到產品真正價值所必須要做的事，譬如說在Facebook發展的故事里，7天內加上10個好友就令使用者感受到Facebook真正的價值。 確定Aha moment可能是件複雜的事情，但最後表現出來的是全公司都能理解和執行的時間。 所用它有兩個特徵：簡單易懂，和短期見效。

剛才的Aha Moment的定義還是非常模糊，怎麼可以定義成一個通過數據分析確定事件呢？ 如下圖所示，Aha moment是同時在留下的使用者和使用功能（經歷過某個moment）的使用者都佔大比例的事件。 這個定義是從體會產品價值的必要性和充分性出發的。 必要性是指留下用戶中經歷這個moment的比例大（藍色部分）是它的必要條件。 而充分性是指經歷這個moment的用戶最終留下來的比例大（紅色部分）才充分說明這個moment的意義。 兩個都要做到才是Aha Moment。

為了進一步說明Aha Moment的必要性和充分性。 我們接著用對於聊天軟體發訊息的數量分別說明兩種情況（必要不充分和充分不必要）。 第一個是必要但不充分。 譬如說微信里留下的使用者都發過一條微信，這是必要的，但是不充分說明這是Aha Moment，因為他們有可能留下，也有可能發完一條就離開譬如下圖

第二個是充分不必要。 譬如發八條微信的人都留下了，充分說發八條的作用，但這不一定是必要的，因為有很多人少發於八條的也留下了。

那麼根據Aha Moment定義，如何分析數據找到Aha Moment呢？ 我們繼續以Hootsuite為例子。 現在我們要確定添加多少社交帳號（譬如Twitter，Facebook等等）對於使用者的留下是個Aha Moment。 根據下圖發現，既不是只添加一個帳號，因為只添加一個的很大一部分沒留下，也不是添加四個以上賬號，雖然他們留下了，但留下的人大部分不是添加四個帳號。 其實就和剛才說的必要性和充分性的例子一樣。

根據類似方法，可以確定三個可能的Aha Moments（如下圖所示呢）。 為什麼說可能？ 因為相關性不代表因果性。 簡單地說，這些Aha Moments是從歷史數據得到的結果，不足以說明在將來的情況也適用。 所以我們需要試行它們，然後得到反饋，進而調整。 實際試行中，我們可以通過A/B Testing來測試對比來檢驗那些moments的效果。

使用者留存 之定位高流失使用者

先給大家介紹一下Hootsuite年制會員促銷活動。 這個活動與使用者留存有什麼關係呢？

從上圖看出，對於付費使用者，有兩種模式，月費制和年費制。 與彼此相比，這兩種制度各有優缺點，其中年費制會員的用戶週期比月費制會員的長，但是同期收益，譬如一年的收入，月制會員的比較多。 那麼怎麼最大化會費總收入呢？ 這裡的關鍵點是，月費用戶雖然同期收益多，但往往有可能使用Hootsuite時間不長導致最後他們帶來的總收益並沒有那麼多。 所以，我們要提高有高流失率的月費用戶的用戶週期。 其中一個方法就是把這部分月費使用者在快要流失掉的時候轉化為年費使用者。 這就是Hootsuite年制會員促銷活動開展的原因。

那麼問題來了，如何定位高流失率的月度付費使用者？ 通過圖表分析，我們確定三個特徵。 第一個是新加入的使用者容易流失。 這對於大部分公司都說一樣的。

第二個特徵是活躍度低的使用者容易流失。 在以下圖片有個有意思的點是，反而零活躍的使用者不太容易流失。 其中有可能的一個原因是，這些是專業的行銷使用者，可是因為太忙了而忘記取消Hootsuite。 這裡又來值得思考的有意思問題，需不需要向他們促銷呢？ 有可能促銷令他們意識到Hootsuite的存在進而取消使用。

第三個特徵是未使用增值功能的使用者容易流失。

最後可以定位這三個特徵。 每個特徵的單獨存在不足以說明該使用者群是高流失率的，但是同時的存在就很有可能了。

結語

1. 用數據事實說話，提供科學客觀的支援。
2. 數據是手段，而不是目的。
3. 行動、反饋、成長，在這個閉環中不斷成長，達成目標。

感興趣的朋友可以在https://www.bittiger.io/classes中搜索相關視頻。

【圖片來自主講人PPT，使用請說明來自太閣直播《成長駭客：用戶數據分析》】

本文作者：鄭暉，更多精彩內容，歡迎訪問官網 http://BitTiger.io 或關注論碼農的自我修養 微信公眾號：bit_tiger

The post 駭客式增長：如何運用分析指標框架 – 驅動互聯網產品和運營 appeared first on 成長駭客交流第一站 - HyperGrowths™.

過去二十餘年，隨著互聯網的發展，線民數量激增，互聯網處於人口紅利時代，也叫流量時代。 對企業而言，那時候即使不做分析、即使轉化率很低，由於市場上的新增的使用者與設備量太大，總是不用愁用戶來源。 如今，由於移動互聯網增速放緩導致人口紅利削減，大多數的產品無法再靠社會發展來帶動用戶數量，用戶增長遭遇了瓶頸。

同時，互聯網創業的浪潮也從訊息化轉變到服務化，本地服務、消費、出行等服務成了近兩年移動互聯網產品隊伍中的主力軍。 "服務型產品"在崛起，人口紅利帶來的自然流量卻在萎縮，這意味著留住使用者、創造價值變得史無前例的重要，使用者生命週期價值（CLV）的衡量與提升，變得史無前例的重要。

如何展開自己的使用者生命週期價值分析呢？ 過去企業常用的頁面訪問量（pv）、訪客數量（uv）、活躍用戶數（dau）這些籠統粗糙的統計數位，並不能體現數據漲跌背後的原因，更無法用於探索用戶的真實特性及其價值，遠遠不能滿足企業的CLV分析需求。

諸葛io通過完整跟蹤使用者的所有行為，建立使用者模型，將用戶分為不同層級，進行深度挖掘和分析。 企業可以清楚的知道使用者如何流失、為何流失，並制定相應策略提升用戶轉化率、留存率，真正抓住企業的核心使用者，促使用戶產生更大的價值。

具體如何做呢？

用戶分層模型及分析方法

1． 何為使用者？

在討論使用者生命週期價值（CLV）之前，我們先看看，這裡的"使用者"究竟指的是哪些人。

舉個例子：如果把地球看成一個APP，使用者就好比地球上的人。 每年出生1.4億人，目前70億人活在世界上，已經累計死去1080億人。 其中出生人數就像是新增使用者，現存70億人口等同於活躍，累計死去的人意味著流失，"人活七十古來稀"的概念與留存周期類似，人們生育繁衍又與產品的口碑傳播很像。 這樣，我們可以一一對應這些使用者生命週期中的概念：新增（Acquisition）、活躍（Activation）、留存（Retention）、傳播（Refer）等，對於互聯網產品而言，還有一個商業變現（Revenue）的環節。 這五個環節，就構成了我們常說的AARRR使用者生命週期模型。

圖1

仔細觀察圖一過程，不難發現，我們經常很自豪地說我積累了幾百萬、幾千萬用戶，其實沒有太大的意義。 因為，這個數字當中的大多數使用者，可能已經流失了，他們不會再為你的產品創造任何價值了。 因此，當我們討論"使用者"的時候，我們需要清醒地認識到，只有那些能夠被啟動、與產品有互動、長期留存、消費/點擊廣告，甚至主動為你做傳播的使用者，才是真正優質的、核心的、正在創造價值的使用者。

那麼，如何找到這群真正的優質核心使用者呢？ 我們要做的第一件事就是分層。

2． 何為用戶分層？

用戶分層，是一種對用戶進行群組劃分的方法，通常用於描述某一使用者的當前狀態;在使用者分層模型中，某一個使用者在某一特定時間應只屬於一個用戶層級。 今天，我們主要講以生命週期階段為依據的使用者分層方法。

在按CLV做使用者分層的過程中，我們需要以不同的"行為"的觸發情況，標識使用者的當前狀態。 以此判斷使用者正處於新增、活躍、留存、傳播、付費的哪一個階段。

3． 如何給用戶分層？

舉幾個例子：

1）社交應用（SNS）典型分層：

• 第一層是新增訪客，只要啟動應用就算一個訪客，訪客中流失的記為流失訪客;

• 第二層可以標記為活躍使用者，至少觸發一次流覽事件的才算一個有效活躍，流失的記為流失參與者者;

• 第三層標記為互動用戶，有點讚評論的使用者就是互動使用者，流失用戶記為流失消費者;

• 第四層記為回訪使用者，以多次啟動應用並且多次互動為標準，如果他們流失了，則記為流失高價值使用者。

2）SaaS使用者的典型分層：

• 第一層是訪客使用者，以打開網站為基準，訪客中流失的記為流失訪客;

• 第二層記為評估使用者，以深度流覽或查看官網demo為準，流失的記為流失評估者;

• 第三層標記為試用使用者，以完成註冊為標準，流失用戶記為流失試用者;

第四層記為付費使用者，以完成合同流程為準，流失用戶記為流失客戶。

3）互聯網理財的典型分層：

• 第一層依然是訪客，也是以啟動應用做標準;若一定時間週期內沒有回訪記錄，則記入流失訪客;

• 第二層為評估者，分層依據是：觸發[查看理財產品]等內容流覽相關的事件;如果一個用戶僅僅啟動了應用，卻沒有流覽任何產品，就可以記為一個流失了;

• 第三層可以定義為實名使用者，分層標準是綁定銀行卡、完成實名認證等;此時，2、3層之間的流失用戶我們記為「流覽後流失」;

• 第四層標記為投資用戶，這個分層標準很簡單，比如：至少購買一次理財產品;對於綁定了銀行卡卻沒有選購產品的使用者，記為「理財前流失」;

• 第五層可記為復購使用者或者忠實使用者，這些使用者在投資行為上能夠滿足[週期性]的特徵，投資金額能夠逐步[增長];而時間週期內，有過投資記錄卻不滿足該層級標準的使用者，可以被記為"理財後流失"。

4． 用戶分層的價值

對於上文提到的的使用者分層案例，我們可以歸納出一個圖形化的展示形式，如圖2：

圖2

圖2所示金字塔模型，完整地展現了該產品的使用者分層層級。 企業可以通過跟蹤研究用戶行為，快速地明確使用者生命週期中的不同階段，並以此劃分用戶層級。 這種基於行為的使用者研究方法，會極大地提升企業的用研效率，瞭解不同層級的使用者量及其轉化途徑，為用戶增長的突破提供數據支撐。 結合漏鬥分析、同期群分析、留存率分析等多種分析模型，究竟哪些使用者在為企業創造價值、使用者為何購買為何流失...... 這些困擾著企業運營的難題都將迎刃而解。

用戶分層的展現與應用，可以通過堆積面積圖、同期群百分比堆積圖等形式進行。 關於這兩類數據展示形式的設計與解讀，我們將在後期撰寫獨立內容做講述。

總 結

使用者分層，除了能夠為企業提供科學的使用者研究方法，其更重要的作用，在於拆分和構建業務流程中的指標衡量體系。 在任何一個企業或團隊里，不同角色、不同部門、不同崗位的人，需要關注的指標是不盡相同的。 表1是個簡單的例子：

關注使用者的生命週期，對用戶進行分層分析與管理，探索各個層級階段的核心指標，以此衡量營業單位的工作成效，這是每一個企業實現增長的必由之路。 當然，這個過程並不是一蹴而就一成不變的。 使用者生命週期價值的分析與提升，同樣遵循著精益分析的迴圈（loop of lean analysis），即：產生想法->構建指標體系->設計產品/方案->衡量實施結果->對過程數據進行分析->從分析中學習經驗->產生新的想法。

圖3

一個好的idea對於優秀產品而言固然重要，但更重要的，是對使用者需求的深刻理解和對用戶價值的深入挖掘。 想要實現這兩個"小目標"，CLV（使用者生命週期價值）分析必不可少，使用者分層模型及其指標體系必不可少。

本文首發於諸葛io「詳情戳我」公眾號，如需轉載，請聯繫微信公眾號（zhugeio）。

The post 互聯網寒冬降臨，如何通過使用者分層，驅動用戶增長？ appeared first on 成長駭客交流第一站 - HyperGrowths™.

閱讀之前，你需要思考以下幾個問題：

• 增長有瓶頸，如何從數據中解決？
• 也許不是增長停止，而是陷入產品死亡迴圈？
• 只有 20% 的功能，經常被使用者使用？
• 怎麼從產品里導入自己的魔法數位？
• 產品增長，有「留存魔法師」？
• 你清楚你的產品功能牆嗎？

大家好，我是葉玎玎。 今天的主題與「成長駭客」相關，增長離不開分析工具。 過去五年的創業過程，我使用過很多分析工具，經歷過無數的痛苦和鬱悶之後，現在選擇自己來解決這個問題。

Part 1 | 不想陷入產品死亡迴圈？ 少做沒用的功能

當我們的增長遇到了瓶頸期，如何從數據中發現要去做什麼，怎麼做？

目前的大環境，對於產品經理的市場運營提出了要求。 今天我會講一下 GrowingIO 在這一塊是怎麼做的。
有一個很有意思的話題：
一個增長團隊在公司里，到底屬於哪個部門？
屬於產品、研發還是技術？

我們自己也有這個問題，之所以有這樣的疑問，是因為成長駭客的特殊性。 有人說它其實是一個變化的市場，因為關心的是用戶傳播和品牌;有人說它定了很多產品需求，參與了很多產品設計，所以隸屬於產品;也有人說大多數事情是跟數據打交道，所以跟研發相關。

這些說的都對，所謂「成長駭客」的工作是用數據驅動的方式傳播和改進產品。 接下來做的事情，包括品牌傳播，都覆蓋在數據的背後。

我們先瞭解一下產品的發展規律。 不知道多少人對 「Product Death Cycle」（產品死亡迴圈）這個名詞熟悉，感覺自己的增長停滯不前，但很多情況下遠遠比你想得糟。

你可能已經陷入了產品死亡迴圈。

我們會滿懷激情地開發一些產品，上線后發現沒有人在用，會問客戶為什麼，是不是因為有哪些功能缺失？

客戶會告知很多想要的東西，我們會如獲至寶，開發這些功能，然後滿懷激情地又上線了。 結果發現還是沒有人使用，然後又問客戶需要哪些功能，是不是有哪些功能做得不夠好，我們又開發缺失的功能。

為什麼會有強大的自信，覺得正在開發的功能一旦上線以後，使用者就會開始使用？
目前的產品里到底有多少功能？
下意識、條件反射的話，能說出多少功能？

比如說 GrowingIO，我可以說有單圖、看板、分群、留存、細查、即時、圈選等，這些我下意識就可以說出來。

但是做這些功能真的有用嗎？

我們需要去驗證。
一個專門從事 IT 專案跟蹤的權威機構曾經對很多大型研究機構進行研究，發現每家公司、每個團隊可以做出很多功能。 在公司，大家討論得熱火朝天，工程師們的鍵盤敲得噼里啪啦響，我作為工程師，知道做功能感覺非常棒。

但在大部分產品里，50%的功能基本上沒有被使用者使用，30%的功能很少被使用，20%的功能才是經常被使用者所使用的。 與其增加更多的功能，我們更需要思考用戶為什麼不用。

如果要知道為什麼，很顯然會想到可以做用戶調研、用戶訪談、市場調研、調查問卷等等，這些都是過去行之有效的方式。 但是我們往往忽略掉，系統本身有一個巨大的保障，如果把使用者在產品、應用里所留下的行為數據稍稍往下深挖一點，我們會發現裡面有大量的事實。

通過數據查看，可以發現產品使用中的大量事實，找出真相，破解問題，這才是需要我們真正思考的。 與其做些沒用的功能，不如思考哪些功能被使用者真正所需要。

要尋找真相出來，到底應該用什麼？
我們得瞭解整個產品週期和一些基本的原理規律。 當一個使用者訪問我們的應用，顯示互聯網產品的使用者轉化週期：

當他被我們整個的價值觀或者文案所吸引，註冊好后開始使用產品;他認同產品所表現出來的價值，成為一個激活使用者;一個激活用戶頻繁使用時，變成活躍使用者;一個活躍使用者花錢購買更多的需求變成一個客戶;當這個客戶推薦產品給朋友，他就變成粉絲。

這是一個標準的從訪問用戶到粉絲的漏鬥。

• 從訪問到註冊，使用者獲取的過程;
• 從註冊用戶到價值認同，使用者激活的過程;
• 從價值認同到頻繁使用，使用者留存的過程;
• 從頻繁使用到付費轉化，客戶轉化的過程;
• 從客戶轉化到推薦、到粉絲，使用者推薦的過程。

這裏特別想指出，對於不同的應用來說，各種階段的表現形式可能不盡相同。 比如說，GrowingIO 是一個分析工具，需要用戶上傳數據給我們，給他做各種數據的呈現。 所以對於啟動階段，我們並不以註冊為結束，以使用者安裝我們的 SDK、成功上傳數據為結束。

這種從上到下的漏鬥模型，一步一步把使用者群往下細分。 如果換一個角度，發現每一個都是漏損、流失的過程，當你把每一步的流失存積起來，會發現一個非常慘烈的事情，你獲取的大量使用者都流失掉。

我們做過一個調研數據，在一個標準的互聯網產品，用戶註冊第一個月的留存表現情況：1000 個使用者訪問到網站，其中有 200 個用戶註冊，這當中有80%的用戶體驗到產品變成啟動使用者，40% 的使用者在一天后回訪網站，20% 的使用者在 7 天后回訪，10%的使用者在一個月以後回訪。

如果看這個數據會發現：每拉新 1000 個使用者，1 個月以後只有2%的使用者給我們貢獻日活，98%的用戶已經流失掉。

與其我們打開更多的口子，不如考慮一下如何提高把訪問用戶變成有效用戶的整體漏洞轉化率。

我們自己和有一些客戶聊過，他們每年投上百萬的費用在 SEM （搜尋引擎行銷：Search Engine Marketing）上、管道上、活動上，但是效果怎麼樣？

完全是不好的狀態，但是他們不敢停，一停，流量就下來，因為整個轉化的漏洞後面沒有持續跟蹤，至於什麼是 CAC（Customer Acquisition Cost，用戶獲取成本），CAC 多少，MR （Measurement Report，測量報告）多少，完全不知道。

比起做更多市場活動、拉更多的用戶進來，而且還只有2%的人群，我們更應該思考：

為什麼？ 為什麼使用者要留下來？ 為什麼使用者流失了？ 留下來的使用者和流失的使用者有什麼區別？ 留下的使用者在使用哪些功能？ 流失的使用者去了哪裡？

一旦瞭解了「為什麼」之後，才可以對症下藥，破解整個困局。

Part 2 | 思考解構：用戶在產品里做了什麼？

我們要知道使用者在產品里做了什麼，從群體的角度、個體的角度思考：

這些使用者在產品里是怎麼做的？
有沒有達到我們正常給他設置的路徑？
有沒有體會到價值的路徑？

只有這樣，我們知道「是什麼」，才能知道「為什麼」，才能採取相應的行動改善這個東西。

先從瞭解「是什麼」開始，也就是使用者在你上面到底做了什麼。

剛才提到，有 80% 的功能使用者並不適用，20% 功能使用者才經常使用。

怎麼找到這 80%、20% 的事情？

可以從兩個角度思考解構：
第一，每天使用者在使用什麼功能？
第二，哪些功能真正促進了整個使用者的留存？
哪些功能在被頻繁使用？ 我們自己會比較清楚產品里到底有哪些功能，在過程中會用整個功能頁面到達率，或者功能頁面流覽量來定義產品功能的熱度。

我們可以非常清楚地看到，藍色、灰色、黃色提供主要的入口，後面一些新加的功能並沒有帶來太多的流量，這也證明我們做的東西並沒有解決使用者的需求。 堆積圖是非常適合用來比較不同的指標在時間線上的變遷，也可以通過這樣的方式做一個堆積圖，把所有的產品功能列出來，那我們就知道，使用者每天到底在使用什麼。

當你知道使用者在使用什麼功能以後，開始思考：
到底哪些功能，會影響使用者的留存？
用戶為什麼留下來？
留下來有什麼區別？

所以，開始比較不同的功能之間對留存的影響力怎麼樣。 現在外面有很多「成長駭客」的故事在向大家介紹留存魔法數位。
比如：

• Linkedln 發現：第一周增加 5 個新社交關係的使用者，留存度很高;
• Facebook 發現：在註冊第一周里增加 10 個好友使用者，留存率很高;
• Twitter 發現：在第一周有 30 個 follwers（追隨者） 的使用者，留存度很高。

這些都是留存分析中發現的魔法數位。

怎麼從產品里導入自己的魔法數位？

這就是我們首先要瞭解在非魔法數位的前提下，各個功能之間的情況怎麼樣？

沒有任何功能表現能力是最差的。 有一個非常搶眼的、留存率大大高於其他的功能，是我們要主力推的。 找到最高的兩個功能，它們相比其他功能有更好的表現。
我們應該思考：為什麼這些使用者使用了以後，促進整個流程？

當瞭解了不同功能對新使用者留存的影響之後，下面要尋找到留存的魔法數位。 我們最近新開發一個功能叫「留存魔法師」，讓你們定義了自己的產品之後，不用關心任何的東西，自動基於存量用戶數據進行分析出來，到底哪個功能的使用頻率達到怎麼樣的情況下，可以讓你得到魔法數字，系統的留存率更高。

我們有一個細查功能，七天之內用過細查功能的留存率達到3%以上。 用的功能越多，留存率越高，因為代表是一個黏度使用者，但是我們並不需要追求留存率最高點，我們需要瞭解的是，超過某個數字以後，在留存率情況下有多少是不同的東西。

因此，我們關心超過三次使用者或者超過兩次使用者有多少量，過十次使用者有多少量，通過使用者量和留存兩個對比。 當然背後是非常複雜的統計模型，通過這種方式，我們就可以知道，到底不同的功能做了多少次以後，就可以產生一些質的變化。 這是一個例子，當你訪問我們這個頁面以後，不用自己做就可以直接得到結論。

從圖中可以看出，GrowingIO 可以根據使用者行為數據，自動判斷出與留存強相關的「Magic Number」。

Part 3 | 對使用者分群：通過維度進行群體分析

一旦當你知道使用者在做什麼的時候，你會知道哪些功能會影響到使用者的留存，這樣能提高你的激活轉化率。 下面我們思考，做過這些行為和沒有做過這些行為的人，到底是怎麼做的，也就是要對群體做分析。
前些天跟產品經理聊天時，他問了我一個問題：

像優步這樣的產品，用戶進來第一天，給他發紅包，促進使用。 第三天，為了促進消費，再發一個紅包。 第五天，又會發一個紅包。 他想知道，對於那些第一天領了紅包，第三天、第五天沒有領紅包和第三天、第五天領了紅包和全都沒領的人，在留存變化上是什麼樣的情況？

這三個情況就是分層對比。 我們需要知道這三個群體在這用里是怎麼做的，做了哪些，沒有做哪些。

我們會建一個使用者分群，可以通過維度切分。 比如，今天關心市場投放，這次活動帶來多少訪問量，維度選擇頁面來源，再跟指標做結合。 指標里第一天領了紅包，也就是第一天領紅包的按紐點擊率大於零，第三天等於零，第五天等於零。

通過這個，定三個分群。 一旦定了分群，有兩件事情可以做：

第一，比較不同群體之間到底有什麼相似性，有什麼差異性？

這是我們目前正在開發的功能，讓你找到兩個群體之間最大的差別在哪裡;

第二，當我們宏觀上瞭解不同群體之間的差別，可以再從明細上考慮各個群體里具體的人到底在做什麼，怎麼做。

對於我們來說，每天的註冊量可能只有幾百個，這個時候會每一個都看一下，每個註冊使用者按照不同的分群切分，在整個流程中到底做了哪些事情，是怎麼做的。 我們會有整體的細查功能，一旦開始明確用戶在整個產品里用什麼，之後開始對症下藥，找出潛在的問題。

比如說，有一個客戶建立漏鬥，發現在用戶註冊過程中，從填電話號碼獲取驗證碼到下一步，轉化率只有 20% 多，非常低。 他們通過市場功能發現，使用者在這個過程中不斷地點擊獲取驗證碼，他們研究用戶為什麼不停地點擊？

最後發現，因為錯誤提示「手機號碼不對」，驗證碼用了一個非常灰色、讓別人不太容易看清楚的文字。 找到原因后，他們就把這個顏色變成了紅色。 通過細查功能讓工程師解決這個問題，註冊轉化率在四周從 20% 多變成了 85%，整整提升四倍。

我們還有一個客戶在註冊的過程，有一步是需要通過郵件註冊，進入項目轉化率只有 50% 多。 產品經理通過細查去看，註冊郵件到註冊確認頁面，沒有進入下面的用戶是怎麼停止的？ 很多郵件發出以後，會進入垃圾郵件，導致使用者流失掉。 他們大膽做了一個嘗試，把郵箱嘗試直接砍掉，全部採用手機註冊，整個轉化率從 50% 多提升到 80%。

Part 4 | 聚焦是最高效的：用數據找到產品的問題

通過細查功能，可以了解使用者的明細，知道使用者做什麼，沒有做什麼，使用者量很少的時候，很容易發現問題。 我們可以做用戶調研，但是沒有什麼比你坐在電腦面前看的更直觀。 人會說謊，但數據不會。 用數據驅動產品找到問題，改進產品。

當我們發現這些問題時候一定要去思考：
知道問題的時候，要做什麼？
要去怎麼改進？
讓研發做什麼？
產品做什麼？
市場做什麼？
銷售做什麼？

每一步都要去想，有什麼事情是可以做的。

比如，在整個使用者的啟動過程中，我們要知道：沒有用哪些功能的使用者留存率很低，用了哪些功能的使用者留存率很高，開始構建整個使用者的標籤體系。 一個使用者，預設系統是註冊使用者，每預設一個功能，達到一個標籤，根據不同的標籤去做測試、篩選。

在註冊過程中，根據標籤的不同，比如說不同的東西能換回或者說能提高多少轉化率。 針對結果，當我們選了一批測試用戶，根據使用者不同的行為，推送功能案例和功能介紹以後，在整個留存率方面，從不到25%提升到50%，足足提升兩倍。

當你知道數據有問題的時候，不能只是知道，你要去思考我要怎麼執行，怎麼做事情，怎麼跟蹤這個效果。 只有這樣，我們才能持續地優化。 數據對我們來說，有兩個作用：一是驗證，驗證我們的假設是否是對的;二是預測，我們需要去知道過去發生的，才能預測到將來要發生的。

很多使用者把分析工具當成了看報表、看事實，這樣就結束了，只是查看這個網站怎麼樣，沒有人思考基於這個前提下應該做什麼，有什麼可以做，能改變什麼？ 問自己五遍這個問題，自己在這個訊息上能做什麼不一樣的事情，希望達到怎麼樣的結果，你可能就會發現完全不同的視角，會知道下一步要做什麼。

不要讓太多的訊息影響到你的決策，在過程中聚焦做一件事情是最高效的。 回到從註冊用戶到粉絲的漏洞，我們需要知道每一步漏洞里的每一步轉化率，那就可以非常聚焦地瞭解到當前這個階段，最應該改進哪個步驟，哪個是最符合的，哪個是投入最輕、效果最好的，這個階段要以使用者獲取為第一目標去思考。

我們知道問題以後，開始拆解流程，分為三大流程：訪問進來、用戶註冊、安裝完成。 在這三個步驟里，到底哪一個流失率最高，提高註冊轉化率還是安裝轉化率，從中分析哪個更有價值。

做註冊轉化率的時候，經過多少步驟？ 可能有三四個頁面，每一步的轉化率怎麼樣？ 明確每一步的轉化率之後，又得到一個更小的漏洞，從這個漏洞里知道哪一步的轉化率更低，這個時候又開始做拆解，找到最低的轉化率，再思考那一步做什麼。

逐級拆解，越往下拆，越能知道下一步該做什麼。 只有這樣，才能做到單點突破，才能一個階段、一個目標快速執行，才能執行反覆運算、優化增長你的產品。
所謂的產品增長，主要回答兩個問題：

• 我是誰？
• 賣給誰？

在不同階段，對這兩個問題的答案可能不盡相同。

The post 如何從自家產品找到增長魔法？ appeared first on 成長駭客交流第一站 - HyperGrowths™.

在文章開始前，我想向大家介紹一個人，也就是這篇文章的作者 @曲卉 ，作為兩個孩子的媽媽，她還有一個非常酷的身份 - 成長駭客，曲卉在「成長駭客」方面有許多經驗和心得，我們也會陸續發佈她的系列文章。

曲卉，GrowingIO 特邀作者，曾被成長駭客教父 Sean Ellis 招至麾下，在著名的成長駭客網（Growthhackers.com）擔任增長產品經理。 目前在美國個人金融類領先的應用 Acorns 公司擔任市場總監。

Part 1 | 成長駭客是什麼？

成長駭客的概念由成長駭客網的創始人 Sean Ellis 在 2010 年首次提出，他的傳奇事蹟包括作為最早期的行銷人員參與了 Dropbox，EventBrite 等多家獨角獸公司的指數型增長。 「成長駭客」被他描述為以增長為唯一目標的一群人，他們所做的每一件事都力求會給產品帶來持續增長的可能性。

2012年，現任Uber增長副總裁的Andrew Chen在他的個人部落格上發表了「成長駭客就是新的市場部副總裁」（GrowthHacker is the new VP marketing）， 又把成長駭客定義為行銷人員和程式員的混合體，他們不僅僅依賴於傳統的行銷策略，而是通過 A/B 測試，著陸頁，病毒式傳播等等各種技術手段來給產品招攬使用者。

現在大火的房屋分享網站 Airbnb，當年利用美國老牌二手訊息交換網站 Craiglist 快速獲取使用者，就是最著名的成長駭客案列之一。

簡單的說，Airbnb 成立初期，網站搭起來，有了最早期的房源，最缺的是什麼？ 使用者！ 而Craiglist如同台灣的 58 同城，每天都有上千萬的使用者在上面發佈和瀏覽各種分類訊息，其中一類就是尋找在其他人家裡借宿的機會。 與其花錢打廣告，Airbnb 的團隊意識到 Craiglist 的已有使用者群就是一個大金礦。

於是他們做了一個 Craiglist 的集成，只要房主在 Airbnb 上發佈房屋出租的訊息，就可以一鍵點擊，通過幾個簡單的確認，自動發佈到 Craiglist 上，推送到大量的尋租者面前。 這麼一個神來之筆，説明 Airbnb 以幾乎零成本獲取了大量早期使用者，而它和傳統的行銷手段大相徑庭：第一它技術含量很高，是幾乎只有工程師才能想出來並實現的手段;第二吸引使用者不是依靠外部行銷管道，而是把這個一鍵推送的功能植入到產品當中。

所以，成長駭客和傳統的市場行銷有什麼不一樣？在我看來，增長是下一代的市場行銷，它不光大大拓展了市場行銷手段的邊界，重新定義了行銷和產品的關係，隨著這一領域的不斷發展和演化，還帶來了很多全新的思維模式和流程。 我覺得在未來"成長駭客"這樣一個名詞不一定會被主流認可，但是它的許多方法論將會逐漸滲透進到各個公司的市場和產品部門。 總結起來，我認為是這麼幾條：

1. 打破常規，重新思考「行銷」

從 Airbnb 的例子里可以看出，增長不一定僅僅依賴於外部管道，而是可以被植入到產品內部。 許多近年來最成功的產品，創始團隊都花了大量精力把增長機制融入到產品當中，並不斷優化。 比如在 Facebook 的增長團隊中，不光有行銷渠道專家，也有專門負責產品"增長路線圖"的產品經理，他們和負責核心功能的產品經理並行，專門負責對產品內增長機制的開發和優化。

2. 不斷試驗和反覆運算

不是每個想法都能一擊即中，而且產品千變萬化，世界日新月異，當年 Airbnb 可以靠 craiglist 來獲取大量使用者，現在別的公司如法炮製卻不一定有用。 所以用戶增長的核心就在於通過大量試驗，找到針對你的產品，用戶和目標，哪些方案可行，哪些不可行。 而試驗的內容五花八門：可以是探索一個全新的社交平臺，可以是嘗試和某個網紅合作推廣，可以是優化應用中的用戶註冊流程，也可以是嘗試新的使用者推薦獎勵機制。 增長團隊需要針對市場和產品現階段的情況，找到對用戶增長潛在影響最大的重點領域，然後通過大量的試驗來達到目標。

3. 數據驅動決策

數據分析在使用者增長運營中地位十分重要，無論是建立使用者行為追蹤體系和資料庫，還是早期構建增長模型，定義關鍵指標，或是日常運營中的發現增長機會，和分析試驗結果，都需要強大的數據分析能力。

4. 對使用者生命週期的全面關注

做增長，鼎鼎大名的海盜指標 Pirate Metrics AARRR 不可不知：Acquistion 用戶獲取，Activation 用戶啟動，Retention 使用者留存，Referral 用戶推薦，Revenue 盈利，很多增長團隊還會加入 Resurrection 挽回流失使用者。 可以看出，和傳統市場部門側重於獲取使用者不同，增長部門的關注點幾乎涵蓋了一個使用者從入門到流失到挽回到深入的各個環節。 因為對於初創企業，使用者流和現金流同樣重要，只有全面追蹤使用者流入和流出，才能發現改進的機會從而實現用戶增長。

Part 2 | 從「成長駭客」到「增長團隊」

矽谷最早成立專門的增長團隊的公司包括 Facebook，Twitter，Linkedin，Quora 等，隨著這幾個獨角獸公司使用者的大幅增長和商業上的巨大成功，「Growth」逐漸開始成為矽谷創業公司最熱門的新興部門。

有趣的是， 由於人們對「駭客」這個稱呼的小心翼翼，以及「增長」這個新興職能還在持續演化中，你可以在Linkedin上看到各種各樣的增長職位：Head of Growth， Growth Marketer，Product Manger Growth。 這些職位的側重點略有不同，但都表明瞭從「成長駭客」到「增長團隊」的演變，那就是把「增長」作為一個長期系統的職能來運作，而非靠一個兩個 hack 來暫時提升數據。

早期創業公司往往只有一個增長人員單打獨鬥，所以需要一個懂數據、市場、產品甚至程式設計的「雜家」;當公司發展到一定規模后，有能力組建專門的增長團隊，會逐漸引入更明確的分工：

增長產品經理負責產品內啟動，留存和傳播機制的開發和改進;增長行銷經理通過搜尋引擎，社交，郵件等各種可量化渠道獲取和使用者留存;工程師、設計師、產品和行銷經理緊密合作來設計和進行各種產品測試;數據分析師負責提供各種使用者行為數據，分析試驗結果，為增長尋找靈感;增長團隊的領導人需要最終對使用者增長的指標負責。

有了團隊，一套系統的增長方法論也至關重要。 對一個初創公司，簡單說來，可以考慮採用如下幾個步驟：

構建增長模型：基本上就是用一個數學公式總結公司的增長模型，把對增長影響最大的關鍵指標都暴露出來;

定義核心指標：也叫「北極星指標」或者「OMTM」（one metric that matters），最簡單的例子比如 SaaS 軟體的周活躍用戶數， 或者交易市場網站的訂單成交數;

找到聚焦領域：結合公司增長模型和海盜指標 AARRR，找到要最大化核心增長指標，現階段最應該聚焦的領域;

產生想法，上線試驗：針對目標，建立一系列的試驗想法，按照影響力，難易程度，和成功可能性排序，然後快速實施並上線測試;

召開增長會議：每周選擇固定時間，整個團隊包括管理層一起，討論試驗的結果和心得，從而明確下一步的重點。

想要像成長駭客一般做增長，我們需要建立有效的增長模型，找到增長的關鍵指標，並能對相應指標進行量化及分析，發現增長機會，監測用戶行為變化，適時調整增長策略。 想要踐行上述操作，你需要強大的數據分析能力，而掌握一款優秀的數據分析產品，則能讓你如虎添翼。

下一篇，我們將會和大家分享 @曲卉 的文章「從矽谷小白到市場總監，我是怎樣成為一名成長駭客的」。

GrowingIO：來自矽谷新一代數據分析產品，數據採集無需埋點，用戶行為分析更精細，助你實現使用者快速增長和變現，點此免費註冊試用。

The post 增長駭客教父 Sean Ellis 的產品經理，教你找到企業增長的基因 appeared first on 成長駭客交流第一站 - HyperGrowths™.

互聯網金融的激速發展導致大量的同質化產品出現，監管和競爭又讓很多互金公司不得不快跑前進，特別是對數據的採集和分析運用上，甚至一些商業銀行開始利用數據指導運營和產品反覆運算，一些互金公司陸續找到諸葛io，需求就是從數據採集到分析工具到各種分析服務的打包服務，助力產品實現用戶價值增長以及建立未來競爭的數據壁壘。

如何通過使用者行為數據，指導產品使用者價值增長？ 諸葛io高級數據驅動顧問韓重明做客PMCAFF，結合自己服務金融產品，助力產品增長經驗來為大家分享：通過使用者行為數據，驅動互金產品增長。

一. 互聯網產品增長的三駕馬車

互聯網產品增長的三駕馬車：流量、轉化和留存

如何用行為數據衡量這三大模組兒？ 我們結合互金產品來看：

1. 從流量數據來衡量：

1）對比不同管道的用戶註冊情況

2）對比不同管道用戶的實名綁卡轉化

3）對比不同渠道使用者的首次購買情況（復購和渠道的關係就不是很大了）

對管道質量的評估本身受兩個因素影響，一個是管道本身，另一個就是載體。 凡是能促達到真實用戶的管道就是真管道，但是你是否對渠道載體即傳播內容做過評估？ 什麼樣的活動形式帶來的轉化多？ 什麼樣的內容用戶願意查看？ 目標使用者的群特徵可能適合什麼樣的行銷策略？ 所以，如果你沒有把握不做管道也能獲得流量的增長和品牌的傳播，那就試著關注你的目標用戶的特徵，分析分析傳播的內容本身。

2. 從轉化數據衡量：

1）註冊轉化率：開始註冊->...->完成註冊

2）綁卡轉化率：綁定銀行卡->...->綁定銀行卡成功

3）實名轉化率：點擊實名認證->...->實名認證成功

4）取現轉化：查看可提現金額->提現->...->提現成功

不僅要知道最終的轉化率，對於特定的用戶行為路徑，要能找到優化空間和流失節點。 當然，從使用者角度出發，我們還要看有多少使用者完成了從註冊->購買的轉化，即投資率;多少使用者完成了首投->再投的轉化，即復投率。

3.從留存數據衡量：

留存是互聯網產品運營的終極指標，當然，它不僅僅是大家理解的今天有10個人打開了app，這10個人中有7個人第二天又打開了。 對於不同的平臺，他的定義是不一樣的，對於內容、社區、閱讀類產品，他勉強可以基於用戶打開這一維度看次留、7日留、30日留存。 因為這些平臺本身就是要使用者流量、要活躍。 通過使用者的使用頻次就可以評估產品的粘性和健康度。 但是對於金融產品，他對留存用戶的判斷依據是什麼呢？ 是有多少人在我平臺上看了、買了理財產品，看這些人的留存情況。

結合諸葛io的自定義留存功能來看：

初始行為為買過理財產品，回訪行為是買了理財產品的使用者群在最近7天的留存情況

產品經理可能要問：「以上說的貌似都是市場、運營對使用者的一個衡量，那我應該看什麼指標？ 答案是：都看。 產品承載著一切，產品設計直接影響轉化和對所有角色的評估，產品要看的是路徑設計是否合理，有沒有造成不必要的流失，流失節點有沒有優化的空間。 如果有問題，最先要排除產品層面的問題。

總結：以上講的是數據驅動的第一步：以人為中心，用正確、精細的指標去評估產品、運營和市場工作。

基於這個模型，我們再往上走一層，看互金公司真正的運用場景是什麼？

二、互金公司使用者行為數據的運用場景是什麼？

流量和轉化之間最典型的一個場景就是新手期策略;在轉化和留存之間，我們把他定義為SKU和場景運營;在流量和留存之間是我把他定義為業務價值挖掘。

1.新手期策略

我們結合上圖模型來講：對於一個新使用者，需要解決的根本問題是：信任問題。 如果說使用者對平臺完全信任是100%，那核心使用者可能達到80%。 對於一個新使用者，諸葛io建議把新手期的信任度設為60%，反映到用戶行為上就是完成了註冊、實名綁卡以及一次投資是40%，當使用者完成一次復投，他達到了60%，及格了。 從新手變成了忠實使用者。

為什麼是從投資次數的單一維度劃分使用者？ 而不是從投資額、收益率、投資週期和投資次數多個維度來劃分？

我們先從投資額、收益率、投資週期三個維度來看，首先，一個人能投多少錢是可以鼓勵和期待的，可能現在掙1w，保不準下個月就升職加薪掙2w，從原來投3K一下子變成投1w用來理財了。 使用者對收益率、投資週期的接受程度是可以洞察、匹配和刺激的。 一個非羊毛使用者，不管投多少錢，投什麼收益率、投什麼週期，他只要有一次投資行為，就是對平臺的信任，如果他能有第二次投資，我們認為信任感增加了，達到了60%。 能不能激發他，品類設計能不能最大化的匹配他的風險承受能力，是需要通過深度運營來刺激使用者的，也是下一個場景會講的。

以上只講了劃分的方法，如何運用到運營場景中呢？ 我們不可能每天對全量使用者做篩選，6個月前未轉化的使用者和上周註冊未轉化的用戶運營策略是不一樣的，甚至有沒有召回的必要都得另說，所以還得把握住用戶合適的時間節點。

運營場景舉例：

一個互金產品客戶，他們的使用者投資決策週期大概是3~7天，也就是從註冊到購買一次產品，如果一個用戶註冊了，但是7天內都沒投資，會暫定使用者可能要流失，然後找到這部分使用者，通過運營手段去留住使用者。 所以，他們的新手運營人員會在每周去看上上周的使用者轉化情況。

通過諸葛io，可以清晰看到使用者留存和流失情況：

15號，他會通過諸葛io使用者分群功能篩選出11.1~11.7的新增使用者，然後看這個使用者群的轉化，粉色部分是在當前節點流失了，點擊下邊的數位是可以看到群體畫像的。

總結：對使用者的劃分本質上是我們強加給使用者的，平臺應該在合適的時機、甚至儘早識別使用者所處的生命週期，特別是新手期，無論是從多個維度還是單一維度劃分，唯一不變的是不同生命週期的使用者相加等於全量使用者，本質是為了管理和運營。 所以，我們一般會找到一條主線，讓整個運營能夠清晰起來。

對於核心留存和流失的定義，我們需要需要清楚的知道使用者在平臺上首投、複投的決策週期大概是多久，然後拿這個時間週期在一個大概還算有機會的時間區間內觸達使用者。

2. SKU/場景化運營

用戶度過了新手期，有了兩次投資，緊接著把使用者送入下一個運營場景： SKU/場景化運營。 解決的就是60%到80%的信任問題。 他是使用者能否從投資一些週期短，利率高的單一產品，到投資一些週期長，利率比較穩定的產品，甚至願意投資多個產品的進階設計或者是投資意願設計。 在這個階段就少不了對使用者的洞察。 我們需要知道使用者在平臺所處的階段，註冊多久了、買過什麼、看過什麼最多，環境訊息是什麼、標籤訊息、理財偏好等。

說到SKU/場景化運營，就需要藉助使用者洞察的三大利器。 何為使用者洞察的三大利器？

利器一：單體洞察

通過諸葛io，可以清晰看到使用者的屬性數據和行為數據

SKU/場景化運營，首先需要對單體用戶畫像的洞察。 人是分析的最基本元素，需要清楚的知道每一個使用者所處生命週期、活躍情況、環境訊息等。 當然，當我去應用的時候，我不可能一個個看，我可能還需要知道到底有多少人也搜索了，查看產品了，有百分之多少的使用者在點擊立即投資時成功引導註冊了等使用方式洞察。

利器二：用戶行為路徑洞察

用戶行為路徑圖

有了單體畫像，接下來就得看群體特徵了。 簡單解釋一下：在使用者的一次啟動中，94.6%的使用者會搜索，搜索完可能百分之77的使用者搜到了，開始看產品詳情，然後又有62%的使用者加到了心願單，可能說明用戶比較喜歡這種產品。 對群體行為的洞察，讓我們擁有了一個全域視野，除了知道使用者在怎麼使用我們的產品，更重要的其實是對使用者行為背後的動機解讀。

利器三：精細化使用者分群

通過諸葛io，可以對用戶進行精細化分群：

有了對使用者和對用戶行為的洞察，如何利用這些訊息，一個很重要的手段就是通過精細化使用者分群來實現。

運營場景舉例：

目前服務的一家客戶，在上線某一個品類之前，他們會先面向部分使用者開放，然後去看購買了的用戶群體特徵，在平臺處於什麼階段、之前購買過什麼，看過什麼最多，以及其他地域、性別、年齡等環境屬性。 也會找到沒看、看了沒買的使用者找到他們的共性，然後結合多種條件篩選使用者群，大概評估他們的購買率，優先推送這些產品。 有一周，一共上線了10幾款理財產品，轉化週期和轉換率都提升了一倍。

我們來看精細化使用者分群匹配產品的價值是什麼？

首先，交易量上去了。 還有一個隱形價值是平台的風險被分攤了。 過去是那種粗放式發展模式，平台承諾高收益、然後風險幾乎是百分百承擔。 當有了訊息紕漏，有了風險多維匹配使用者群的能力，其實是有個風險分攤的概念在的。 有一個炒股多年的老手，一款理財產品5w起投，定期365天，收益11%，對他來說存進去可能不會因為有點風吹草動就要提現。

3、最後一個場景，業務價值挖掘。

如果前面的衡量、和初級運用都沒做好，基於數據的業務價值探索可能你暫可不做。

比如，留存和投資次數的關係？ 如何進行用戶觸達產品核心價值的歸因分析？ 即到底哪些因素會影響用戶的購買，是高收益還是平臺背書還是某一個角標設計。 如何尋找產品增長點？ 如果我能把註冊轉化提升百分之五，投資轉化能提升多少？

用數據驅動產品增長提高了各個工作環節的決策效率、也降低了決策成本，但對於業務價值探索，比如從設定目標，到樣本篩選、到使用者群定義和對比，再到基於對業務的理解找到相關性較高的行為特徵，最後可能還需要反向分析驗證。 這本身是有一定的門檻和需要掌握一定方法的，怎麼理解剛才一口氣說的這麼多呢？ 舉個栗子，我知道在購買使用者的所有行為事件中，查看發現欄這一行為的活躍比最高，達到了70%，但是，我並不能認為看發現欄能促進使用者購買，還要反向進行驗證。

不過，看似複雜，在一個擁有數據分佈人員或BI部門的公司，基於諸葛io的數據分析平臺，其實沒有那麼複雜，當然，我們也會持續把服務客戶過程中產生的方法論寫出來、講出來，讓更多一線的業務人員能將諸葛io的平臺價值發揮的更大。

最後總結一下今天主要講的內容：

1、基於使用者行為數據，用正確的指標把握互金產品的運營現狀

2、以使用者對平臺的信任感為軸線做使用者生命週期管理

3、利用對使用者洞察的三大利器精細化做用戶運營、品類運營

4、通過數據的深度挖掘和探索讓業務增長

---------------------------------------------------------------------------------------------------------------------------

本文作者來自諸葛io高級數據驅動顧問韓重明，， 歡迎添加諸葛君微信：zhugeio2016。 一起探討交流。

諸葛io，國內首屈一指的數據智慧決策平臺。 通過數據分析方法，來幫助產品優化以及反覆運算衡量、提升轉化率、提高留存。 點擊我，免費試用。

關注微信公眾號 諸葛io（ID：zhugeio1），回復"手冊"，即可獲取曉松老師的《產品經理數據分析實戰手冊》。

The post 如何通過使用者行為數據，驅動互金產品增長？ appeared first on 成長駭客交流第一站 - HyperGrowths™.

本文來自諸葛io「客戶成功團隊」高級數據驅動顧問王洛的分享。

諸葛io數據智慧決策平臺，提供準確、高效的數據智慧服務，助力客戶實現業務增長。 諸葛io服務號會定期分享優質的數據分析經驗，關注諸葛io微信，即刻打開數據魔法大門。

很多運營同學都會覺得做運營是一件很苦的事情，重複地做著別人眼裡沒有技術含量的事兒。 但運營真的就只是打雜的嗎？ 本文中，諸葛io資深數據驅動顧問王洛，將結合自身數據運營經驗分享一套通過精細化運營驅動產品增長 的"組合拳"，説明大家學會將"運營工作中紛亂繁雜的點串聯成線，發揮出運營的最大效果"。

一、什麼是運營？

圍繞產品進行的推廣、促活、拉新等一切干預手段都屬於運營。 用現在的話說就是"幫產品搞事情"。

運營「搞事情」的目的有2點：

1） 讓產品活的更久：活的久是要延長產品的生命週期，延長使用者的生命的週期，更受用戶喜歡。

2） 讓產品活的更好：活的更好就是通過廣告、使用者主動付費等方式獲得收入，帶來商業價值。

圖1：運營的終極目標

做運營就像是（產品）和使用者在交朋友。 終極目標是構建產品和用戶之間的情感連結。

二、什麼是精細化運營？

所謂的精細化運營是一種建立在數據基礎上的思維方式——用較少的成本獲得較好的效果。

圖2：精細化運營

1. 何為數據採集？

運營工作是建立在對使用者的了解上進行的，當用戶達到一定規模，就需要對不同類型的使用者分群，針對某一特徵或某幾個特徵組合的人群有針對性的運營，數據採集是第一步。

以健身App為例，用戶進入App后，部分用戶會根據自身鍛煉的目標選擇訓練課程（比如基礎訓練、腰背訓練、練出馬甲線、人魚線等），完成訓練后就會離開;另一部分使用者完成訓練專案后，會進入社區查看相關內容（比如查看需要幾個週期可以初現馬甲線之類），增加鍛煉的具體認知。

這部分使用者在完成訓練專案、流覽社區內容后，很可能會在社區分享自己的心得、拍照打卡，或者向其他人提問。 可以看到，這些使用者的行為是隨著使用深度遞增的。 通過諸葛io對使用者觸發的每一項行為事件數據以及屬性數據（包括性別、身高、體重、年齡等訊息），為下一步挖掘出使用者背後的行為原因、制定運營策略提供科學依據。 當然還有一部分使用者下載APP，打開后沒有進行鍛煉，或者鍛煉中途離開，這些用戶同樣需要進一步"運營"。

2. 何為數據挖掘？

有了行為數據后我們就要開始分析：進入App后，有多少使用者半途而廢，沒有完成訓練就中途離開？ 有多少使用者完成訓練專案后就離開，這部分使用者的次日留存和七日留存率是多少？ 會進入社區查看社區內容或者查看官方推薦內容的新使用者留存率是多少？ 有多少使用者完成訓練項目，並且在社區發佈了內容？ 什麼樣的用戶在社區停留時間比較長？

我們可以根據需求，把以上數據按照合理的邏輯組合在一起，構成了一個個使用者群（根據需求進行自定義使用者分群）：

新手使用者：進入App后，未完成一次完整的訓練;

留存使用者：進入App后，一周完成三次及以上訓練;

核心使用者：進入App后，一周完成三次及以上訓練，或在社區參與三次及以上互動;

然後將屬性特徵和行為特徵結合起來分析，屬性特徵包括註冊時錄入的性別、身高、體重、年齡等訊息;行為數據包括選擇哪些課程、針對哪些身體部位的強化訓練、什麼時間段鍛煉、鍛煉時長、難度級別、中間是否需要暫停休息等等。 這些特徵的背後實際上對應的是清晰的用戶畫像，比如一線城市的健身達人、有毅力的甩脂小妹、簡單運動一下的上班族等鮮活的人物畫像，通過諸葛io使用者分群可以自定義不同的群組，關注不同特徵的使用者群的行為表現，挖掘出哪類人群健身頻次相對於高於其他使用者群。

3. 如何做數據決策？

根據以上用戶群體特徵，針對性的制定運營目標去設計活動方案並執行，最後收集數據檢驗運營效果和方案的準確性，作為下次運營的參考經驗。 比如：對新手使用者來說，我們嘗試根據使用者屬性訊息組織更合適的訓練課程內容推薦給使用者（比如根據身高體重換算出BMI指數，再結合年齡推薦適當強度的訓練課程，避免難度過大造成放棄或難度沒有挑戰不感興趣）;對於留存使用者，我們可以嘗試推薦相關的社區內容（比如針對選擇鍛煉馬甲線的用戶推薦"速成馬甲線除了高強度訓練還應該這樣吃"之類的內容）， 引導使用者進入社區，並延長在APP的時間，增強忠誠度;對於核心用戶，我們可以定期組織線下健身達人活動，邀約這部分用戶參與，更好的保持他們對社區的熱度。

4. 3個合適：在合適的時候對合適的人做合適的事

什麼才是合適的時候？ 怎麼找到合適的人？ 什麼事是合適的？ 首先我們要明確目標，我們現在要提升什麼數據？ 比如，當我們發現新使用者流失率很高，那麼我們需要分析：打開App后使用者是否點開了健身訓練？ 未完成訓練就中途離開的人佔比是否比較高？ 如果是，要去追查新手使用者打開的教學視頻難度係數是不是比較大，不適合新手使用者，從而導致嚴重流失？ 如果是，那麼可以篩選出這部分用戶進行「召回」，為這些新手使用者推薦難度係數較低的健身視頻，然後追蹤這部分使用者在一段時間內的留存率是否有明顯的提升。

圖3：數據驅動運營

數據分析是一個發現問題、提出假設、印證猜想、不斷優化的過程。 合適的方法是要經過不斷的實驗去驗證，驗證的過程也是在校驗數據，從而優化運營策略，提升使用者新增和留存。

三、運營的靈魂是對使用者的理解

回到最初的觀點，運營的靈魂是對使用者的理解，在理性的分析中感性的理解使用者。 當我們能夠把使用者群分的越精準，說明我們對使用者的理解越深入。 我的運營目標就越清晰，運營方案的效果就會越好。 數據本身是冷冰冰的，但是數據背後的使用者是形形色色的人，分析數據實際就是在分析人背後的行為，通過對數據背後的行為進行洞察，從而更好的制定運營策略。

圖4：運營的靈魂是對使用者的理解

四、深入理解使用者的三大利器

圖5：深入理解使用者的三大利器

1）使用者行為路徑分析

指的是使用者在進入產品以後的行為軌跡，使用者用了哪些功能模組？ 使用者使用的順序是什麼？ 通過分析使用者行為路徑，驗證使用者的使用是否和當初設計產品的邏輯是一致的。 如果和產品設計邏輯偏差很大，就需要思考為什麼？ 是我們設計的邏輯有問題？ 還是其他方面出現了問題？

2）精細化使用者分群

根據使用者行為的特徵將其按需拆分成不同屬性的使用者群，例如：做過A事件的人拆分成一個使用者群，做過B事件的拆分成另一個群，看群體用戶畫像有什麼區別，看他的留存和回訪有什麼區別。

3）單體用戶行為跟蹤

人是分析的最基本元素，需要清楚的知道每一個使用者所處生命週期、活躍情況、環境訊息等。 有了使用者群的畫像以後，通過單體使用者行為跟蹤，我們就可以進一步追蹤到個人身上，通過對個體用戶行為的跟蹤，可以查看使用者具體是如何使用產品的。

前面舉了健身應用的例子，接下來再以直播平臺為例，盈利點是通過使用者充值給主播送禮物，平臺可以得到一定比例的分成。 每天都有大量的人看直播，從打開直播軟體，到流覽房間、進入房間、發道具、與主播互動，那麼每天都會有一定比例的人充值，通過埋點方式記錄下這些關鍵行為，然後根據諸葛io用戶行為路徑，分析這些行為的流向，瞭解使用者的來龍去脈。 找到使用者最有可能充值的行為，通過產品上以及運營策略上的引導，讓更多的使用者充值。

通過精細化使用者分群，洞察不同類型的客戶：比如從來不充值的使用者，喜歡進美女主播房間的客戶等，將使用者關鍵行為特點進行精細化分群，進而分析群體畫像、留存、轉化等指標。 利用精細化使用者分群，去挖掘直播產品的用戶價值點，也是直播產品的數據分析與應用里一個很核心的基礎，通過對使用者的分群，對行為進行對比，查看使用者留存與轉化，分析出能夠提升用戶價值的地方;通過查看單體使用者行為，從而可以區分出二者用戶特點以及流失使用者的使用方式等。

通過三大利器的組合使用，從而可以制定精細化運營策略，針對產品的不同使用者可以實施不同的運營策略，從而提升使用者新增以及使用者留存等。

數據驅動，重要的不僅僅是數據驅動運營的的理念，更重要的是會使用一款或多款數據分析工具不斷實踐、活學活用，從而探索出最契合受眾使用者的運營之道。

點擊我，體驗諸葛io強大的使用者分群和交叉分析功能~

本文首發於諸葛io（ID：zhugeio），作者為諸葛io CS團隊高級數據驅動顧問韓重明。 歡迎添加個人微信：zhugeio2016，一起探討交流~

諸葛io數據智慧決策平臺，通過數據分析，來幫助產品提升轉化率、提高留存、優化以及反覆運算衡量。 定期出產適合CEO、產品經理、運營喵、市場汪等群體閱讀的優質數據分析文章。 點擊我，免費註冊使用~

The post 數據驅動產品運營的增長之道 appeared first on 成長駭客交流第一站 - HyperGrowths™.

一個成功的產品經理不但能引導產品的發展，而且能引導公司的發展。 產品經理在進行一款新產品設計之初，或者是運營人員，需要結合市場整體情況、企業經營目標、使用者需求和現有產品群組等方面綜合考慮。 產品經理在進行一款新產品設計之初，通常需要解決以下三大基本問題：

若要做到有效的使用者行為監控，則需要對產品和數據驅動建立全面的體系，再基於自身經驗進行決策。 在產品改進所貫穿的三大階段及三個切入方面，同學要重點瞭解如何尋找到第一關鍵指標以及建立一整套數據驅動產品的方法。 數據驅動思維方式每個產品必備，從而來確定產品的分析改進流程

接下來更重要的就是數據分析方法了。 前一段時間，在一個產品經理知識平臺上更新了一些數據分析方法，以及一些工作中接觸到的案例。 反饋有點出乎意料。 的確，越來越多的產品經理和運營人員意識到，需要充分運用數據驅動理念和數據分析方法，深度洞察並全面瞭解使用者行為，從而優化產品設計與運營，最終提供最佳用戶體驗、並輔助業務決策。 陸續有一些同學求更全面的分析文章，不勝榮幸。

好多同學看完會問我各種問題，以關於各類數據分析方法的系列問題比較多，一些同學存在疑惑，且希望更為全面的瞭解。

近期神策數據用戶行為洞察研究院，聯合各行業領先企業的業務與技術專家，圍繞產品經理的工作需求，以及常用的數據分析方法重新做了系列整理，從理論到實踐，案例翔實。

白皮書名為《產品指數級增長的方法與實踐》，白皮書的主要內容：八大數據分析模型介紹;數據驅動在產品管理中的應用;驅動產品智能增長，如何快速練成？ 產品經理必備的數據分析模型有哪些？ 融入分析模型的真實企業應用場景。

---

未完，還在更新中......

The post 免費送！ 數據分析系列《產品指數級增長的方法與實踐》 appeared first on 成長駭客交流第一站 - HyperGrowths™.

依靠數據分析，做到產品、運營策略的"千人千面"。

虎嗅作為優秀的科技媒體，擁有大量的忠實讀者與非常多的優秀作者，如果先拋開作者部分，我們來看下虎嗅APP在讀者用戶運營方面有哪些可取之道以及可以加強的地方，以及如果要進一步促進用戶的增長，如何借力數據驅動的方法。

一、虎嗅APP的產品邏輯

先來看一下虎嗅APP的產品功能方面的邏輯。

1、虎嗅APP的功能介面

主要功能區劃分邏輯清晰，開屏引導、推薦位、付費變現方式等都較為清晰。 資訊主頁的普通資訊與號外資訊交替出現。

2、虎嗅APP的功能點梳理

功能點方面，資訊在開屏主位，包含Banner推薦位、號外位置、熱點資訊位;而虎嗅24小時則類似於UGC圈子，可自主發送短消息、視頻，不過發言許可權需邀請;精選則是虎嗅內容付費的變現管道，有付費訂閱的專欄內容與虎嗅會員黑卡;我的則是正常的帳戶管理介面

二、針對這些功能點，虎嗅的運營策略有哪些呢？

現在被普遍認可的運營流程是成長駭客理念里提出的「拉新-啟動-留存-營收-增長」的AARRR海盜模型。 以下為了簡化，將啟動與留存統一稱為促活。

在體驗虎嗅APP的過程中，發現虎嗅針對閱讀、分享傳播、付費訂閱等設置了一些運營策略：

之所以給這些點標上「優秀」 並不是因為這些點起到了很好的作用或者數據很好看，而是在體驗虎嗅APP的過程中，能夠很明顯的感受到在這些方面他們在想辦法與用戶互動，形成一種粘性。

虎嗅APP裡較為突出的是截圖后的分享，會自動添加虎嗅的二維碼，但欠缺的，是內容、會員卡的使用者分享與推薦，沒有激勵措施。

三、更理想的運營應該是怎樣的？

• 不同分群裡的使用者，每次進入APP后看到的內容是不同;
• 產品的功能佈局，是按照最優數據反應的情況排布;
• 推送給不同群組用戶的付費轉化方案，也有所差異。

要做到產品、運營策略的「千人千面」的起點是精細的數據分析。

對於產品、運營，一定可以想出非常多的"點子"，但哪個方式最有效，卻絕對不能依靠個人或者是老闆的主觀喜好，憑借"我覺得"來確定。 而是要通過A/B測試，去看使用者對不同方案的反應如何，來確定最佳方案。

對於用戶的數據分析，我們可以分為：統計數據、使用者屬性數據與使用者事件數據三個方面。 後兩者可以統稱為用戶行為分析。

1、統計數據通常是宏觀的數據，能大致告訴你使用者有多少、增長速度、流失比例、不同渠道的轉化效果。 這個數據老闆跟投資人講故事是很有價值的，但要支援產品、運營同學的工作，顆粒度肯定是不夠的。

2、使用者屬性數據，則是標定了使用者的一些特徵，在持續的分析中，還可以為使用者打上更多標籤，再加入用戶的行為偏好，就能形成完整的用戶畫像。

3、用戶行為事件，則是使用者在APP產品里的交互行為，點擊、流覽、評論、收藏、轉發等都算。 完整的描述一個使用者的行為，必須包含"5W1H"的整體訊息，因此任何一個使用者事件的記錄，一定是與使用者屬性能夠對應起來的，即誰、在什麼時間、通過什麼方式、在哪裡、做了什麼。

多維度的用戶行為分析，總是跟使用者分群、使用者事件以及指定的時間段相關。 很多分析往往是事先就想好了要做哪幾樣數據分析，然後才由開發埋點、數據分析跑表拉數據、業務團隊分析應用，很少能夠靈活的定義使用者分群、時間段、事件而做靈活的探究分析的，但這種分析往往會有很多驚喜，能夠讓你發現未設想到的用戶規律。

比如在我即將要購買虎嗅黑卡會員的時候，在付費流程中發現了以下情況：

• 無法直接購買，需要先充值;
• 充值時沒有剛好為488元的面值，只能選擇更高一級的518元。

也就是意味著通常需要兩步完成的付費現在變成了四步，同時需要溢存30元。 當然這是一種商業策略，但這樣的方式很有可能造成大量的潛在付費流失，所以是一個非常重要的分析點，運營團隊可以構建如下分析漏鬥：

點擊「虎嗅黑卡推廣介面-點擊立即開通黑卡-點擊充值-充值完成-支付購買黑卡完成"

這是一個長漏鬥，每一步都有可能會流失很多付費使用者，所以在正式上線前，應當選出部分用戶進行測試，最好的方式，是同時設置A、B、C三個使用者組：

• A組需要充值518嗅幣然後完成支付
• B組需要充值488嗅幣然後完成支付
• C組可直接完成支付

建立這三個使用者群組的分析漏鬥如下圖所示，就可以很快的找出哪種方式對於提高會員購買轉化更加有效，哪種方式會造成大量潛在付費的流失。

但做產品、運營、數據分析的同學都知道，如果對各個功能點、各種運營方式都進行探究性分析，那怕是埋點埋到吐、跑表跑到死，更何況數據量一大，做一次分析光等就得好幾個小時。

那麼有沒有什麼好方法能夠降低數據分析門檻，實現用戶行為的多維探究分析呢？

四、數據驅動增長的方法

數據驅動增長，首先是打好數據分析的底子，然後通過即時、多維的探究分析，找尋用戶規律。 依照規律制訂運營策略后，再進行A/B測試。

1、針對產品定義完整、清晰、統一的數據採集方案

比較推薦的依然是伺服器端、客戶端結合的埋點採集。 埋點就是由開發在需要採集數據的地方打上標記、規定採集數據的格式與觸發條件。 每個公司或團隊，對與數據採集應當有統一的定義方式，否則很容易出現混亂，埋點採集最大的麻煩之處就在於需要手動寫入代碼，如果定義不夠清晰、統一，開發往複的工作量就會非常之大。

針對虎嗅APP，推薦的數據採集定義方案如下，可以根據自己產品情況調整。 這裡未列出使用者屬性與行為事件的定義，如果需要完整可編輯源檔，可以關注「數數科技」公眾號後回復「APP埋點」自動獲取。

2、活用分析模型，多做多維探究分析

常用的分析模型有事件分析、漏鬥分析、留存分析、行為序列分析、行為路徑分析等，應用不同的模型，靈活選擇使用者分群與分析時段。

比如：

• 7月新增使用者中完成3篇以上文章閱讀的使用者，在後續7天的留存情況（留存分析）
• 2017年開通了APP推送功能的使用者，相比未開通的使用者閱讀文章數量的差異（事件分析）
• 1月-8月虎嗅黑卡會員使用者中，完成50%以上訂購內容閱讀與未完成此項任務的用戶的付費比例（統計分析）
• 2018年總註冊用戶數、每3天登錄的註冊用戶數、付費會員、續費會員的轉化漏鬥情況（漏鬥分析）

3、靈活應用工具，減少技術工作量與等待時間

大家可能會無奈的感歎，做好埋點基礎、學會分析模型，就像是"聽了很多大道理，依然過不好這一生"，如果沒有個能即時分析、快速分析的系統，即使採集了數據，要有時效性的支撐產品優化與精益運營，怕也是天方夜譚。

很多巨頭企業為了支撐數據分析工作，在內部搭起了用戶數據分析平臺，以方便產品、運營、數據分析的同學能夠將精力從基礎的數據採集、清洗、分析等待中節省出來，專注到與業務結合的探究分析上。

而對於沒有這類系統的團隊，則可以嘗試第三方用戶行為分析系統。

4、依靠數據分析，確定有效的運營方式

對於類似虎嗅這樣的資訊閱讀類APP，可以靈活的嘗試一些促進用戶增長的方式，通過數據分析確認方式的有效性。 比如虎嗅與運營策略結合的探究性分析可以是：

綜上，數據驅動用戶增長的流程就是：

1. 產品功能與業務梳理，理解使用者行為數據
2. 定義完整、清晰、一致的數據採集方案
3. 選用合適的使用者行為分析工具
4. 針對產品功能、運營策略，靈活進行多維探究分析
5. 依據數據洞見制定產品優化、精益運營策略
6. 迴圈4和5，依靠數據驅動用戶增長

數據驅動增長，就是針對不同人群上線不同的運營策略，然後進行及時分析，從使用者行為數據中尋找規律，從而確定能夠驅動用戶增長的最佳方案。

希望以上對大家有所説明。

文/韓進，數據驅動規劃師（公眾號：數數科技）

數數科技（ThinkingData）是國內領先的使用者行為分析解決方案供應商，致力於幫助客戶提升數據意識、增強數據分析能力，並提供安全、高效的用戶數據分析系統，賦予客戶數據驅動的能力。 TA 2.0用戶行為分析系統目前服務於1萬用戶與超過150家付費企業客戶。

The post 從虎嗅APP看資訊類產品的數據驅動增長方法論 appeared first on 成長駭客交流第一站 - HyperGrowths™.